인공지능(AI)과 자율 시스템, 로보틱스 전반에 걸쳐 거대한 업데이트 물결이 일고 있다. 단순한 대화를 넘어 복잡한 문제를 스스로 해결하는 '실행의 시대'로 진입하는 모습이다.

오픈AI는 자율형 API(Agent API)를 출시하며 나비에-스토크스(Navier-Stokes) 문제 같은 고난도 수학 난제를 해결할 수 있는 능력을 갖췄다. 기반 모델을 전면 개편해 연산 자원을 효율적으로 재배치했으며, 비기술직 직원들도 쉽게 사용할 수 있는 데이터 전용 자율형 도구를 도입했다. AI가 전문가의 영역을 넘어 실무 전반의 도구로 스며드는 중이다.

자동화와 소프트웨어 분야의 움직임도 빠르다. 구글은 안드로이드 앱 테스트를 위한 오픈소스 도구 ARTEMIS를 공개했다. 동시에 초파리 수컷의 뇌 지도를 완성해 신경 시뮬레이션의 기반을 닦았다. 소프트웨어 공학 성능 시험(benchmark)에서는 DeepSeek V4.1 Flash가 1위를 차지했으며, Unity는 개발 효율을 높이는 신규 플러그인을 통합했다.

로보틱스와 개인 비서 영역에서는 하드웨어와의 결합이 가속화되고 있다. Unitree는 휴머노이드 제어를 위한 UniLMWLA 1.0을 선보였다. Zuckerberg는 전용 클라우드 컴퓨터로 작동하는 개인 비서 Muse를 공개했다. AI가 물리적 신체와 전용 하드웨어를 갖기 시작했다.

현재 업계 전반에서는 새로운 성능 평가 기준(baseline evaluations)이 마련되고 있으며, 차세대 모델 출시를 위한 막바지 준비가 한창이다.

01오픈AI 에이전트의 90년 수학 난제 해결과 인터넷 마비 리스크

오픈AI는 개발자가 클라우드 기반의 자율형 AI(Agent)를 구축하고 실행할 수 있는 '에이전트 API'를 공개했다. 전용 검증 장치(Codex Harness)를 통해 작동하므로, 사용자가 맥 미니 같은 하드웨어를 직접 구축하고 관리할 필요가 없다. 이 시스템의 위력은 최근 90년간 학계를 괴롭힌 수학 난제인 '나비에-스토크스(Navier-Stokes) 밀레니엄 문제'를 해결하며 입증됐다. 1만 개의 에이전트를 88시간 동안 협업시킨 결과, 유체 역학에서 유속이 무한대가 되는 '특이점'이 발생할 수 있음을 증명했으며 이는 Lean을 통해 검증됐다. 자동화된 문제 해결 능력이 비약적으로 상승했다.

하지만 이런 강력한 능력은 치명적인 시스템 리스크를 동반한다. 앤스로픽의 다리오 아모데이(Dario Amodei)는 자율형 AI 집단(agent swarms)이 지속적인 봇넷을 구축해 대규모 공격을 감행할 수 있다고 경고했다. 이들이 인터넷 제어권을 장악할 경우, 6개월에서 12개월 안에 수천억 달러의 경제적 피해가 발생할 수 있다. 샘 올트먼과 일론 머스크 같은 업계 거물들이 안전 확보를 위해 최첨단 AI 모델의 개발 속도를 늦춰야 한다는 점에 합의한 이유다. 안전이 속도보다 우선인 시대다.

불투명한 AI 작업 흐름(workflow)의 위험성은 이미 현실로 나타났다. 앤스로픽은 Kimi K3 API가 사용자 요청을 자체 처리하지 않고 몰래 클로드 모델로 전달해온 사실을 적발했다. 중국 인민해방군이 표적의 이상 행동을 추적하는 데 사용한 민감한 CCTV 데이터가 앤스로픽으로 흘러 들어가며 대규모 데이터 유출 사고로 이어졌다. 이런 불투명성을 제거하고 AI 결과물을 감사 가능하게 만들기 위해, 클로드의 새로운 사용 표준은 상충하는 데이터를 평균 내지 말고 그대로 드러낼 것을 권고한다. 정보원이 서로 다른 지점을 명확히 짚어줘야 AI의 답변이 단순히 '그럴듯한 것'이 아니라 투명하고 검증 가능한 정보가 된다.

02오픈AI의 전략 수정 — 실험적 도구 버리고 핵심 지능에 올인

오픈AI가 실험적인 소비자용 제품보다 가장 강력한 핵심 AI 모델 개발에 우선순위를 두기로 했다. 보도에 따르면 오픈AI는 연산 자원을 확보하기 위해 소라와 Atlas 브라우저 운영을 중단했다. 이는 오픈AI가 아직 독자적인 비디오 통합 모델을 출시할 준비가 되지 않았음을 시사한다. 대신 그 자원을 핵심 모델 설계와 복잡한 과업을 스스로 수행하는 자율형 AI(agentic work) 시스템 구축으로 돌렸다. 단순한 도구 나열보다 모델 자체의 원천 지능을 높이는 것이 더 큰 가치를 만든다는 판단이다. 선택과 집중의 결과다.

이 전략의 핵심은 'Doug'라는 코드명의 기반 모델(base model)이다. 보도에서는 이를 기반 모델의 대규모 설계 변경으로 설명한다. 기반 모델은 다양한 특정 작업에 맞춰 미세 조정(fine-tuning)할 수 있는 기초 지능 역할을 한다. Doug는 방대한 데이터를 학습시키는 초기 단계인 사전 학습(pre-train) 규모를 대폭 키운 모델로, 현재 Astra 모델과 함께 구동 중이다. 11월쯤 출시될 것으로 보이는 이 모델은 AI의 근본적인 엔진을 다시 설계해 미래 기능의 토대를 단단히 다지겠다는 의지를 보여준다.

플래그십 모델의 출시 주기는 매우 빠르다. 7월 9일 GPT 5.6 Saul에 이어 9월 3일 Astra가 출시되며 주요 업데이트 간격이 약 두 달 수준으로 좁혀졌다. 다만 내부 명칭과 대중의 기대치 사이에는 간극이 크다. 커뮤니티가 GPT 5.7로 기대했던 Sput 모델이 실제로는 마이너 업데이트(point release) 버전인 GPT 5.5로 출시된 것이 대표적이다. 결국 원천 지능인 기반 모델과, 버전 번호를 달고 사용자에게 전달되는 최종 제품은 서로 다른 개념이다.

03오픈AI 전용 데이터 에이전트, 코딩 없이 사내 통계를 뽑는다?

오픈AI가 기술 지식이 없는 직원도 코딩이나 전문 소프트웨어 없이 복잡한 사내 데이터를 분석할 수 있는 전용 데이터 에이전트를 선보였다. 이 도구는 가공되지 않은 기업 데이터와 인사이트가 필요한 직원 사이의 간극을 좁히도록 설계되었다. 사용자가 일상적인 언어로 질문을 던질 수 있게 만들면서, 보고서를 만들고 트렌드를 찾기 위해 데이터 과학자나 분석가에게 의존해야 했던 기존의 장벽을 허물었다.

이 에이전트의 효용은 단순한 텍스트 답변을 넘어선다. 실시간으로 업데이트되는 핵심 데이터 시각화 화면인 대화형 대시보드를 직접 구축할 수 있다. 이 대시보드는 ChatGPT 내에서 바로 생성되거나 Tableau, PowerBI, ThoughtSpot 같은 기존 비즈니스 인텔리전스 플랫폼으로 전송된다. 자연어 질문에서 전문적인 시각적 보고서로 이어지는 전환 과정이 거의 즉각적으로 이루어지며, 기업 정보의 유연한 탐색을 지원한다.

민감한 정보를 안전하게 보호하기 위해 엄격한 관리 제어도 적용했다. 이 데이터 에이전트는 모든 사내 파일에 대한 무제한 접근을 허용하지 않으며, 시스템 관리자가 설정한 제한을 엄격하게 따른다. 특정 사용자가 접근할 수 있는 테이블, 행, 열에 대한 세부 권한을 그대로 반영한다. 데이터 접근성은 높아지면서도 내부 기업 거버넌스의 보안과 규정 준수는 그대로 유지된다.

이러한 변화는 기업의 내부 업무 흐름을 근본적으로 바꾼다. 기술 팀에 데이터 추출을 요청하고 기다리는 대신, 관리자나 마케팅 전문가가 직접 가설을 검증하거나 지표를 수초 만에 추적할 수 있다. 오픈AI는 일상 언어를 데이터 질의로 바꾸는 과정을 자동화함으로써, 기업 보고서 작성에 따르던 수작업과 기술적 마찰을 줄인다.

04구글 뇌 지도 공개로 마인크래프트 조종하는 벌레 뇌

구글이 수컷 초파리의 전체 신경 지도(brain map)를 전면 공개하면서 생물학적 신경 시뮬레이션의 판을 완전히 바꿨다. 이 생물학적 설계도를 누구나 내려받을 수 있게 만들면서 복잡한 생명체의 뇌가 누구나 연구하고 복제할 수 있는 디지털 자원이 됐다. 살아 있는 뇌의 복잡한 배선이 더 이상 실험실 안에 갇히지 않고, 실제 유기체가 생각하고 반응하는 방식을 그대로 모사하는 소프트웨어 데이터셋으로 활용되기 시작했다.

이번 공개 직후 개발자들은 기존 인공지능과 전혀 다른 방식으로 디지털 캐릭터를 움직이는 이색적인 시도를 쏟아내고 있다. 초파리의 신경 구조를 그대로 활용해 마인크래프트 세상을 탐험하거나 둠(Doom), 비트세이버(Beat Saber) 같은 빠른 게임을 구동하는 식이다. 비트세이버 시뮬레이션에서는 시스템이 들어오는 시각 정보를 신경 지도를 통해 전달받아 앞으로 이동하거나 좌우로 방향을 꺾는 신체 행동을 결정한다. 전통적인 코드가 아니라 생물학적 정보 처리 패턴을 바탕으로 움직임을 최적화하는 것이다.

이 신경 지도의 활용 범위는 오락을 넘어 로보틱스와 인지 학습 영역까지 빠르게 파고들고 있다. 연구자들은 이 신경망 시뮬레이션을 휴머노이드 로봇의 팔다리를 제어하는 복잡한 작업이나 변동성이 큰 비트코인 거래에까지 적용하고 있다. 가장 눈에 띄는 성과는 도파민 보상 시스템을 활용해 일본어 글자인 히라가나 쓰기를 학습시킨 사례로, 85%의 정확도를 기록했다. 올바른 행동에 대해 뇌를 강화하는 생물학적 메커니즘을 그대로 구현한 결과다. 구글은 이 생물학적 기반을 제공함으로써 살아 있는 생물의 유기적 논리로 세상을 학습하고 소통하는 새로운 신경 시뮬레이션의 시대를 열어젖혔다.

05구글 ARTEMIS, 스마트폰 테스트를 장악하다

구글이 안드로이드 애플리케이션을 직접 조작하고 테스트할 수 있는 오픈소스 자동화 도구 ARTEMIS를 공개했다. 소프트웨어 테스트와 스마트폰 조작이 자율형 시스템으로 완전히 넘어가는 흐름을 보여준다. 이 도구는 개발자와 테스터가 수동 작업 없이 모바일 기기에서 여러 동작을 효율적으로 실행할 수 있는 길을 연다.

안드로이드 월드(Android World) 벤치마크에서 안티그래비티(Antigravity)와 결합했을 때, ARTEMIS는 99%에 달하는 성공률로 복잡한 스마트폰 작업을 자동화한다. 이 수치는 표준화된 조작 테스트에서 인간의 능력을 실질적으로 넘어선 수준이며, 모바일 기기 자동화와 품질 관리 작업 흐름에서 중요한 전환점을 찍는다.

일반 사용자와 개발자에게 이 기술은 반복적인 앱 테스트와 스마트폰 조작을 거의 완벽한 정확도와 속도로 처리할 수 있음을 뜻한다. 반복적인 테스트 업무를 오픈소스 자동화 인프라로 넘기면서, 개발 팀은 앱 출시 주기를 앞당기고 모바일 앱 배포 과정의 인간 실수를 줄인다.

06오픈AI GPT-6 Astra: 컴퓨터 조작 능력을 높이고 환각은 절반으로 줄였다

오픈AI의 GPT-6 Astra는 단순한 지능 과시보다 실제 쓸모와 안정성에 집중하며 믿을 만한 소프트웨어 조작 도구로 자리 잡고 있다. 가장 눈에 띄는 발전은 신뢰성이다. 전지적 환각 테스트(omniscience hallucination test)로 불리는 모델 안전 시험에서 추론 강도를 최대로 높였을 때, Astra가 엉뚱한 답변을 지어내는 비율은 약 92%에서 51% 수준으로 떨어졌다. 이와 함께 정확도도 4포인트 상승해, 복잡한 업무를 맡기기에 훨씬 믿음직한 모델이 됐음을 보여준다. 지능 측면에서의 상승 폭은 크지 않지만, 소프트웨어를 직접 다루고 방대한 정보를 처리하는 능력이 핵심 강점이다.

Sol과 Luna라는 이름의 모델을 포함한 광범위한 GPT-6 시리즈는 최고급 성능과 접근하기 쉬운 가격 사이의 균형을 맞추는 데 초점을 둔다. Astra는 성능이 뛰어난 만큼 구동 비용도 많이 든다. Sol 모델은 Astra와 거의 맞먹는 코딩 성능을 훨씬 낮은 비용으로 제공하도록 설계되어, 일상적인 자율형 업무 흐름(autonomous assistant workflow)에서 더 실용적이다. 처리량이 극도로 많고 난도가 중간 정도인 작업에는 GLM 5.3 Flash 같은 다른 선택지가 훨씬 경제적이다. 100만 토큰당 약 7센트 비용으로 Astra보다 대략 140배 저렴하다.

효율을 극대화하려면 사용자는 특정 브랜드에 대한 충성도보다 작업 성격에 맞춰 AI를 골라 써야 한다. Astra는 50만 토큰이 넘는 방대한 사례 파일이나 코드 저장소를 뒤지는 장문 문맥 검색(long context retrieval)에 가장 알맞은 선택이다. 반면 추론이 중심이 되는 코드 검토(code review)에는 Fable 5.1이나 Opus 5가 더 적합하고, 오디오나 비디오 입력 처리는 제미나이 옴니 1.1 플래시(제미나이 Omni 1.1 Flash)가 가장 유리하다. X(옛 트위터)에 떠도는 유출 스펙표는 내부 학습 인프라에 접근해야 볼 수 있는 탓에 허위가 많으므로 믿지 않는 편이 낫다. 대신 모델의 음성 출력을 중간에 끊어 맥락을 잘 유지하는지 확인하거나 실시간 영상을 입력해 보는 등 실제 행동 테스트로 성능을 검증해야 한다. 이처럼 빠르게 쏟아지는 업데이트 속에서 살아남는 가장 지속 가능한 전략은, 실제 업무 과제 20개로 구성된 맞춤형 성능 시험(eval) 세트를 직접 만들어 반나절 만에 새 모델을 테스트해 보는 것이다.

07딥시크 V4.1 플래시, 대형 모델 제치고 소프트웨어 개발 성능 1위 달성

인공지능(AI) 기반 개발의 판도가 빠르게 바뀌고 있다. 가볍고 빠른 경량 모델이 전문 영역에서 업계 최고 사양의 대형 모델을 압도하기 시작했기 때문이다. 딥시크 V4.1 플래시(DeepSeek V4.1 Flash)는 효율성에 초점을 맞춘 모델도 소프트웨어 개발에서 세계 최고 수준의 성능을 낼 수 있음을 입증했다. 복잡한 자동화 작업에 들어가는 비용과 시간을 크게 줄일 수 있는 길이 열린 셈이다. 이번 성과는 속도와 지능 사이의 격차가 좁혀지고 있음을 보여준다. 개발자들은 이제 거대 플래그십 모델 특유의 지연 시간 없이도 뛰어난 코딩 보조 도구를 현업에 배치할 수 있다.

이번 모델의 역량은 엄격한 업계 성능 시험(eval)에서 증명됐다. 딥시크 V4.1 플래시(DeepSeek V4.1 Flash)는 AI의 소프트웨어 개발 대응 능력과 자동화 업무 흐름(workflow) 실행력을 측정하는 전문 평가인 사이버짐(CyberGym)과 오토메이션(Automation) 벤치마크 모두에서 1위를 차지했다. 이 결과가 유독 눈에 띄는 이유는 이 모델이 전체 규모의 대형 모델보다 작고 빠르도록 설계된 '플래시(Flash)' 버전이기 때문이다.

실력 대결에서도 현존 최고 수준의 기술들을 압도했다. 오토메이션(Automation) 벤치마크의 특정 부문에서 최첨단 모델인 GPT-6 Astra를 실제로 앞지른 것이다. 통상 덩치가 큰 모델이 일반 지식 영역에서는 우위를 점하지만, 이번 결과는 맞춤형 최적화를 거치면 더 작은 모델도 소프트웨어 자동화라는 특정 도메인에서 거대 모델을 뛰어넘을 수 있음을 보여준다.

기술 산업 전반의 관점에서 볼 때, 이는 소프트웨어 제작 도구의 문턱이 낮아지고 효율성이 높아진다는 것을 의미한다. 가벼운 모델이 소프트웨어 개발 성능 평가에서 선두를 차지하면, 실시간 개발 환경에 AI를 매끄럽게 녹여내는 작업도 한층 수월해진다. 기업들은 이제 막대한 자원이 필요한 최고급 AI 시스템에만 맡겼던 고난도 자동화 작업을 효율적인 모델에 맡길 수 있게 되며, 소프트웨어 생산 속도 전체가 한 단계 빨라진다.

08유니티 플러그인 탑재 — AI가 직접 게임을 만드는 시대

게임 개발자들은 이제 유니티 에디터를 직접 열지 않고도 게임을 만들고 복잡한 제작 업무를 자동화할 수 있다. 이 변화는 클로드 코드와 Codex의 공식 플러그인 출시로 가능해졌다. 유니티는 이 AI 도구들을 개발 파이프라인에 직접 통합하면서, AI를 단순한 코드 조각 작성 보조 도구가 아닌 창작의 주된 지휘 본부로 삼는 작업 흐름(workflow)으로 나아가고 있다. AI가 게임 엔진의 내부 시스템과 직접 상호작용할 수 있게 되면서, 아이디어 구상에서 실행으로 이어지는 과정이 훨씬 유연해진다.

이 플러그인들을 사용하면 개발자들은 AI 인터페이스를 통해 특정한 유니티 작업을 실행할 수 있다. 예를 들어, 사용자는 많은 게임에서 레벨과 배경을 디자인하는 데 쓰이는 격자 기반 시스템인 타일맵(tilemap) 생성을 자동화하고, AI와의 직접적인 상호작용만으로 2D 유니티 게임 전체를 구축할 수 있다. 에셋을 수동으로 끌어다 놓고, 좌표를 조정하며, 시각적 에디터에서 설정을 구성하는 대신, 개발자가 AI에 지시사항을 전달하면 AI가 프로젝트 내 구현을 도맡아 처리한다. 이로 인해 반복적인 설정과 배치 작업을 위해 복잡한 메뉴와 도구 모음을 일일이 찾아다닐 필요가 없어진다.

이번 통합은 게임 개발에 접근하는 방식의 커다란 변화를 보여준다. 전통적으로 에디터는 모든 시각적 요소와 논리적 요소가 모이는 중심 허브였으며, 끊임없는 수동 입력이 필수적이었다. 유니티는 이 제약을 우회함으로써 더욱 간소화되고 프롬프트 중심의 개발 주기를 가능하게 만든다. 이는 아이디어와 구현 사이의 마찰을 줄여주어, 창작자들이 게임 배경을 더 빠르게 시제품으로 만들고 구축하도록 돕는다. 이 변화는 AI를 게임 엔진의 적극적인 조작자로 탈바꿈시키며, 개발자의 역할을 부품을 손수 조립하는 사람에서 AI의 결과물을 이끌어 구체적인 비전을 실현하는 고위급 감독으로 바꾸어 놓는다. 이 흐름은 복잡한 2D 배경을 만드는 진입 장벽을 눈에 띄게 낮추고 전문 스튜디오의 반복 작업 속도를 높여줄 것이다.

09휴머노이드 로봇이 집안일을 한다고? 유니트리, 공개 가중치 제어 모델 공개

유니트리가 휴머노이드 로봇 제어를 위한 공개 가중치 모델(open-weight model) 유니트리 UniLMWLA 1.0을 선보였다. 물리적 작업을 수행하도록 설계된 개방형 기술을 개발자들이 활용할 수 있게 되면서, 휴머노이드 로봇이 일상 실용성에 한 걸음 더 가까워졌다. 모델과 가중치가 무상으로 공개되면서, 두 발로 걷는 로봇이 현실 세계에서 복잡한 물리적 잡일을 학습하고 실행하는 속도가 빨라진다.

새로 공개된 모델은 과거에는 전문적인 프로그래밍이나 번거로운 수동 개입이 필요했던 다양한 일반 업무를 휴머노이드 로봇이 소화하도록 지원한다. 이 시스템을 탑재한 로봇은 빨래 개기, 책 정리하기, 꽃병이나 꽃 같은 섬세한 물건 다루기, 심지어 축구하기 같은 일상적인 집안일을 수행한다. 기술 시연에서 로봇 시스템은 세탁기를 열고, 떨어진 물건을 줍고, 슬리퍼를 짝 맞춰 정돈하고, 세탁물 정리를 체계적으로 처리하는 모습을 보여준다.

이 소프트웨어가 공개 가중치 모델 형태로 배포되면서, 처음부터 시작하지 않고도 고급 보행 제어를 실험하려는 연구자와 개발자의 진입 장벽이 낮아졌다. 연구 팀들은 물리적 조작 루틴을 바닥부터 구축하는 대신, 집안일 정돈과 상호작용 작업에 필요한 섬세한 운동 신경을 조율하도록 이미 훈련된 기반 위에서 개발을 진행할 수 있다. 이러한 개방형 시스템이 계속 성숙해지면서, 일상적인 집안일을 처리하는 다재다능한 휴머노이드 도우미가 일상에 자리 잡는 시점도 점점 다가온다.

10Astra, 기능 평가 20선으로 마케팅을 걸러내다

새로운 AI 모델이 나올 때마다 대부분의 사용자는 이를 측정해야 할 도구라기보다 해석해야 할 뉴스나 발표로 받아들인다. 이 때문에 최신 업데이트가 자신의 실제 일상을 실제로 개선하는지, 아니면 과장된 홍보에 불과한지 의문이 드는 불확실성의 악순환이 이어진다. 진짜 문제는 기술 환경이 너무 빠르게 바뀐다는 점이다. 예를 들어 애플리케이션을 구동하는 도구와 코드의 모음인 소프트웨어 스택을 6주마다 새로 짜는 일은 지속 가능하지 않다. 특정 모델에 맞춰 튜닝한 프롬프트 라이브러리에만 의존하는 전략도 취약하다. 밑바닥 모델이 바뀌면 그 특정 지침들은 대개 작동을 멈추거나 쓸모없어지기 때문이다.

더 지속 가능한 접근법은 이론적인 성능 지표 대신 실제 업무에서의 쓰임새에 집중하는 기능적 AI 성능 시험(functional AI evaluation)으로 전환하는 것이다. 이 과정은 실제 업무에서 직접 가져온, 집중도 높은 20가지 작업 세트를 뽑아내는 작업부터 시작한다. 이 작업들에는 사용자가 이미 검증해 둔 명확하고 신뢰할 수 있는 정답이 있어야 한다. 이 20가지 사례를 오후 반나절이면 다시 실행할 수 있는 형태로 저장해 두면 사용자만의 자체 성능 테스트가 완성된다. 이 방식은 모델 출시를 대하는 경험 자체를 바꾼다. 보도자료를 읽고 영향을 짐작하는 대신, 새로운 모델에 신뢰할 수 있는 작업들을 직접 돌려보고 결과가 실제로 나아졌는지 곧바로 확인할 수 있기 때문이다.

이 방법론은 우리가 새로운 모델의 가치를 평가하는 기준을 바꾼다. 예를 들어 Astra는 최고 수준의 소프트웨어 조작자이자 얇은 지능 업그레이드로 평가받는다. 나만의 테스트 세트가 없다면 이러한 구분은 모호하게 들릴 수 있다. 하지만 전용 평가 세트가 있으면 그 기능적 차이는 명확하고 수치화 가능한 형태로 드러난다. 목표는 겉만 번지르르한 일반 성능 표라는 허구에서 벗어나 엄밀하고 반복 가능한 과정으로 나아가는 것이다. 신뢰할 수 있는 소규모 실제 작업 세트를 최우선에 두면, 기업과 개인은 사소한 업데이트를 전부 쫓아 다니는 대신 새 모델이 진짜 업무상 우위를 가져다주는지 곧바로 파악할 수 있다.

11저커버그의 Muse, 개인용 AI 에이전트 공개

마크 저커버그가 사용자의 목표를 위해 24시간 작업하도록 설계된 개인용 AI 에이전트 Muse를 공개했다. 전용 클라우드 컴퓨터에서 동작하며, 개별 질문에 답하는 데서 지속적인 디지털 작업을 실행하는 방향으로 옮겨가는 흐름을 보여준다. 모델이 임대한 가상 머신의 소프트웨어 환경을 조작한다는 점에서 Grok Bot과 비슷한 방식으로 설명된다.

발표된 구조는 실행 중 사용자 콘텐츠를 분리하기 위해 Muse CQ VM이라는 가상 머신을 사용한다. 매주 최대 1억 토큰을 무료로 제공한다. 이는 제공 기능에 대한 설명이며 독립적인 보안 감사나 모든 백그라운드 작업의 정확한 완료를 보장하는 결과는 아니다.

사용자가 평가할 차이는 답변 생성과 실행 위임에 있다. 범위를 정한 작업을 시험하고 결과물, 필요한 권한, 중단 조건을 확인하는 방식이 유용하다. 포함 사용량만으로 특정 업무에 적합한지까지 판단할 수는 없다.

12앤스로픽 클로드 Opus 5.2: 최고 성능 결합과 운영 비용의 딜레마

앤스로픽이 전문 사용자와 기업을 겨냥한 고성능 AI 모델 클로드 Opus 5.2 출시를 준비한다. 내부 정보는 출시가 가까워졌을 가능성을 시사하며, 신제품은 Opus 제품군에 페이블 등급(Fable tier)의 성능을 도입하는 것을 목표로 한다. 이전 Opus 5 모델이 비용 효율성에 집중했다면, 이번 신제품은 성능의 한계를 끝까지 끌어올리는 데 초점을 맞춘다. 이에 따라 막대한 성능을 뒷받침하기 위해 구동 비용이 극단적으로 높아질 전망이다.

이번 판올림은 상당한 규모가 될 것으로 예상되며, Fable 5.1과 Mythos 5.1 같은 내부 모델의 최첨단 기능을 이어받을 가능성이 있다. 실무적으로는 복잡한 추론 능력과 긴 시간 동안 목표를 유지하며 연속적인 작업을 수행하는 장기 작업(long horizon tasks) 처리 능력이 크게 개선될 것으로 예상된다. 나아가 독립적으로 소프트웨어 코드를 작성, 테스트, 실행하는 코딩 에이전트의 성능도 향상될 것으로 예상된다.

앤스로픽은 Opus 제품군의 버전 5.1을 건너뛰고 5.2로 이동하는 것으로 보인다. 정교한 소프트웨어 개발이나 심층 분석 추론을 AI에 의존하는 개발자와 기업에게 클로드 Opus 5.2는 앤스로픽이 내놓은 모델 중 가장 강력한 도구 중 하나가 될 수 있다. 앤스로픽은 페이블과 Mythos 시리즈의 장점을 결합하여 Opus 5.2를 가장 까다로운 작업을 처리하는 핵심 동력으로 자리매김시키며, 비용 절감 대신 최고 수준의 지능 확보로 방향을 선회한다.

정정·한국어판 복구(2026-09-16): 발행 전 교열 실패로 공개되지 못했던 한국어판을 복구했다. 번역 초안의 숫자·공개 범위·전망 표현과 중복 소제목을 바로잡았다. 영문판의 불명확한 과거 모델명 비교와 Muse 부분의 반복 설명도 정리했다.