주말 아침 AI #48
AI 모델의 경쟁이 화면을 이해하고 실제 업무를 수행하는 능력으로 넓어지고 있습니다. 이번 호에서는 GPT-6.1 Terra와 Gemini 4 Carbon, Mistral Large 4의 발표를 살펴보고, GitHub와 Microsoft가 여러 모델을 연결해 개발 작업을 운영하는 방식을 소개합니다. 비용을 낮추는 도구와 에이전트 평가·보안·기억 설계 자료도 함께 골랐습니다. 코드를 빠르게 만드는 능력과 그 결과를 믿고 사용할 수 있는지는 별도로 확인해야 한다는 현장의 논의가 이번 호를 관통합니다.
주요 뉴스
OpenAI, 시각적 이해와 컴퓨터 조작 강화한 GPT-6.1 Terra 공개
OpenAI가 화면과 도면을 해석하고 컴퓨터에서 여러 단계의 작업을 수행하는 GPT-6.1 Terra를 공개했습니다. ChatGPT Work와 Codex의 Plus·Pro·Enterprise·Edu 사용자 및 API에서 제공하며, 표준 API 요금은 입력 100만 토큰당 1달러, 출력 100만 토큰당 5달러입니다. 회사는 사실 정확성과 코딩 평가의 개선을 보고하면서도 가장 복잡한 코딩 작업에는 GPT-6.1 Sol과 GPT-6 Astra가 더 적합하다고 설명했습니다.
Google, 보안과 장기 작업에 초점 맞춘 Gemini 4 Carbon 발표
Google이 취약점 탐지·검증·수정과 장시간 소프트웨어 개발 작업을 겨냥한 Gemini 4 Carbon을 발표했습니다. 일부 보안 방어 담당자에게 먼저 제공하고 Fairwind 프로그램의 신뢰 파트너로 접근을 확대할 계획이며, 일반 개발자와 소비자 대상 제공은 후속 단계입니다. 발표된 성능 수치는 Google이 소개한 평가 결과이므로, 모델 발표를 일반 공개 출시로 해석해서는 안 됩니다.
Mistral Large 4, 오픈 웨이트와 긴 컨텍스트로 보안·코딩 겨냥
Hugging Face가 Mistral Large 4의 구조와 실행 방법을 소개했습니다. 텍스트와 이미지를 입력받는 MoE 모델로 약 1조 개의 전체 매개변수 중 490억 개를 활성화하며, 100만 토큰 컨텍스트를 지원합니다. FP8·NVFP4 공식 가중치와 커뮤니티 GGUF가 제공되지만, 배포 라이선스는 모델 서비스 제공에 제한을 두는 Mistral Ecosystem Open-Weight License이므로 이용 조건을 함께 확인해야 합니다.
GitHub Universe, 에이전트의 작업 관리부터 리뷰까지 연결
GitHub가 Universe에서 Copilot 앱과 여러 저장소의 작업을 관리하는 Copilot projects, 모델 선택·실행을 조율하는 Fusion을 소개했습니다. 기기와 도구를 바꿔도 클라우드 세션을 이어가고, 저장소 이벤트나 일정에 따라 자동화를 실행하는 흐름을 제시합니다. 자동화가 결과를 바탕으로 제안한 개선은 사용자가 검토·승인하도록 하며, 개발자가 방향과 출시 결과에 책임지는 역할을 강조했습니다.
Microsoft, 여러 모델을 운영하는 Copilot 실행 기반을 Foundry로 제공
Microsoft가 GitHub에서 개발한 Copilot harness를 Foundry를 통해 제공한다고 발표했습니다. 모델 주변의 지침·컨텍스트·도구·실행 환경을 관리하는 공통 기반으로, 개발자는 모델과 스킬을 구성하고 Microsoft는 에이전트 실행 루프와 샌드박스를 운영합니다. SDK를 내려받거나 Foundry의 관리형 환경에서 실행할 수 있으며, 기존 프레임워크를 계속 사용하는 선택도 열어 두었습니다.
새로운 도구/서비스
Junie Eco Mode, 계획과 구현에 다른 모델을 배치해 비용 절감
JetBrains가 선택한 모델로 코드를 조사하고 계획한 뒤 저비용 모델에 구현·테스트를 넘기는 Junie Eco Mode를 소개했습니다. 두 내부 벤치마크에서 평균 모델 비용이 48%와 57% 줄었고 평균 해결률 차이는 1%포인트 미만이었다고 보고했습니다. CLI에서는 26.10.20부터 정식 제공하며 IDE에서는 Air EAP를 통해 사용할 수 있지만, 원격 세션과 일부 모델·추론 설정은 지원 대상에서 제외됩니다.
Copilot UX components 정식 출시, 대화 안에서 양식과 대시보드 조작
Microsoft가 SharePoint Framework 1.24와 함께 Copilot UX components를 정식 출시했습니다. MCP Apps 모델과 익숙한 웹 기술로 대화 안에 대시보드·양식·업무 실행 화면을 넣고 Microsoft 365에서 호스팅할 수 있습니다. 요청 해석은 Copilot이 맡지만 데이터 검증과 실제 변경, 중요한 작업의 확인 절차는 개발자가 연결된 업무 시스템과 코드에서 구현해야 합니다.
TokenEconomizer, 지난 실행에서 배워 코딩 에이전트 낭비 줄이기
Microsoft와 UC Berkeley 연구진이 저장소별 실행 경험으로 코딩 에이전트의 비용을 줄이는 TokenEconomizer를 공개했습니다. 반복 확인된 작업 요령을 재사용하고, 쓰이지 않는 도구의 로딩을 줄이며, 같은 실패가 이어질 때 접근을 바꾸도록 개입합니다. 연구진은 SWE-Bench의 다섯 에이전트·모델 조합에서 평균 비용이 18.4~30.9% 낮아졌다고 보고했지만, 해결률이 모든 조합에서 향상된 것은 아닙니다.
Ollama, Phonon으로 로컬 음성 합성 지원 시작
Ollama가 Gradium의 Phonon 계열을 첫 음성 모델로 지원합니다. Apple Silicon Mac에서 텍스트를 읽어 주고 채팅 응답을 스트리밍 음성으로 연결하며, OpenAI 호환 음성 API도 제공합니다. 현재 Windows와 Linux 지원은 예고 단계이고, 기본 Phonon과 달리 40M 모델은 비상업적 이용으로 제한되는 CC BY-NC 4.0이므로 운영체제와 모델별 조건을 구분해야 합니다.
Granite Switch 4.1.1, 기본 모델 유지하고 음성·판단 어댑터 갱신
IBM Granite 팀이 4.1과의 하위 호환성을 유지하는 Granite Switch 4.1.1을 소개했습니다. 10개 언어의 음성 인식에 문장부호와 대문자 처리를 지원하는 모델을 추가하고 Decision 어댑터를 개선했습니다. 기본 모델은 다시 계산하지 않고 필요한 어댑터를 조합해 배포하는 방식이며, 외부 개발자를 위한 Adapter SDK와 튜토리얼은 준비 중이라고 밝혔습니다.
학습 자료
JetBrains Air에서 에이전트 세션 만들고 변경 검토하기
JetBrains가 Air 설치부터 에이전트 선택, 세션 관리와 변경 검토까지 안내하는 입문 자료를 공개했습니다. Codex·Gemini·GitHub Copilot·Claude Agent·Junie 등과 ACP 기반 에이전트를 연결하고, IDE의 변경 비교와 테스트 도구로 결과를 검토하는 흐름입니다. Air를 설치하는 것만으로 에이전트가 활성화되거나 코드가 전송되지는 않으며, 연결할 제공자는 사용자가 선택합니다.
MCP 게이트웨이에서 인증·도구 권한·호출량 제한 구성하기
Red Hat이 OpenShift에서 MCP 게이트웨이의 보안 경계를 구성하는 방법을 설명했습니다. 팀별 인스턴스나 리스너 격리, 네트워크 정책, 호출자 인증과 도구별 권한, 요청량 제한을 설정 예제와 함께 다룹니다. 네트워크 연결 허용과 특정 도구의 실행 권한은 서로 다른 통제이므로, 게이트웨이 로그인 성공만으로 모든 업무 시스템에 접근시키지 않도록 설계하는 자료입니다.
아키텍처 결정 기록으로 코딩 에이전트에 선택 이유 남기기
Andrew Connell이 개인 사이트 이전 프로젝트에서 아키텍처 결정 기록을 코딩 에이전트의 장기 기억으로 활용한 경험을 공유했습니다. 문제와 검토한 대안, 선택 이유와 결과를 기록하고, 특히 거절한 대안을 남겨 같은 제안을 반복하지 않게 합니다. 현재 상태를 설명하는 프로젝트 지침과 결정의 이유를 담는 기록을 나누고, 바뀐 결정은 이전 기록과 연결해 교체하는 운영법을 배울 수 있습니다.
Kotlin 에이전트의 프롬프트를 실행 결과로 개선하는 실험
JetBrains Research가 Koog 에이전트의 지침을 학습 데이터와 평가 함수로 최적화하는 연구 라이브러리를 소개했습니다. GEPA가 성공·실패를 바탕으로 지침 후보를 개선하고, 결과를 검토 가능한 JSON으로 저장하는 과정을 Kotlin 예제로 설명합니다. PUPA 실험에서 점수가 81.19에서 94.22로 높아졌지만 특정 벤치마크의 결과이며, 필요한 Koog 확장 기능은 현재 포크에 있어 일반 배포판과의 차이를 확인해야 합니다.
AI 에이전트 평가, 최종 답변과 실행 과정을 함께 검사하기
Telerik의 입문 글은 에이전트 평가를 대표 요청과 경계 사례에 대한 반복 검사로 설명합니다. 데이터셋·실험·평가기·실행 추적·검토를 연결해 답변의 정확성뿐 아니라 도구 선택과 실제 업무 완료 여부를 확인합니다. 계산과 권한처럼 명확한 조건은 결정론적 검사로 다루고, 의미 판단은 모델 평가와 사람의 검토를 조합하되 평가 모델의 편향도 따로 확인하도록 안내합니다.
인사이트
숙련 개발자가 에이전트에 신중한 이유는 운영에서 얻은 경험
Thoughtworks CTO Rachel Laycock은 숙련 개발자의 신중함을 운영 안정성과 유지보수에 대한 책임감으로 해석합니다. 에이전트가 코드를 모두 작성한 실험에서 사람들은 도메인과 경계, 테스트·계약을 설계하는 데 시간을 썼지만 빌드 실패와 병렬 변경의 충돌은 여전히 과제로 남았습니다. 코드 생성 속도만으로 성과를 판단하지 말고, 개발자의 경험을 신뢰할 수 있는 피드백 구조에 반영하자는 견해입니다.
연구의 새로움을 평가하는 AI, 질문 문구만 바꿔도 판정 흔들린다
Ai2가 연구 아이디어의 독창성을 판단하는 LLM 평가의 안정성을 조사하고 논문·데이터·코드를 공개했습니다. 같은 아이디어 쌍을 평가하면서 프롬프트 일부를 바꾼 실험에서 GPT-5.4의 정확도가 93.5%에서 40.9%로 내려갔으며, 검색이나 추론량 확대도 일관된 개선을 보장하지 않았습니다. 연구진은 사람의 논문만으로 평가기를 검증하면 실제 대상인 AI 생성 아이디어에서의 불안정성을 놓칠 수 있다고 지적했습니다.
ViBench 2.0, 기능을 계속 추가할 때 드러나는 에이전트의 한계 측정
Replit이 빈 프로젝트에서 시작해 기능을 순차 추가하는 ViBench 2.0을 공개했습니다. 17개 제품 유형과 241개 기능 요청, 544개 테스트 계획으로 구성되며 최종 결과는 실제 브라우저에서 검사합니다. 공식 평가에서 상위 모델도 전체 테스트 계획을 모두 통과한 빌드는 49~65%에 그쳤고, 기능 간 상호작용에서 실패가 많이 나타나 개별 기능 성공률과 완성된 제품의 성공률을 구분할 필요를 보여줍니다.
Replit이 설명하는 에이전트 권한·자격 증명·실행 환경의 분리
Replit이 Agent Habitat의 보안 구조를 설명했습니다. 에이전트에 필요한 권한만 부여하고, 재사용 가능한 자격 증명은 에이전트 컨텍스트 밖에서 요청별로 중개하며, 코드 실행은 격리된 환경에서 수행하는 방식입니다. 회사는 변경 제안과 운영 배포 승인을 구분하고 정적 분석·의존성 검사·AI 분석을 결합한다고 밝혔으며, 서비스의 통제 구조에 관한 자체 설명으로 읽을 자료입니다.
코드는 저렴해져도 결과를 신뢰할 근거를 만드는 데는 시간이 든다
Markus Eisele는 에이전트로 만든 내부 도구를 직접 사용하고 원천 데이터의 계산까지 확인한 경험을 바탕으로 검증 비용을 논의합니다. 화면에 수치가 보이고 테스트가 통과해도 데이터 관계나 기대값을 잘못 이해했다면 오류를 놓칠 수 있다고 설명합니다. 위임 범위는 결과를 검증할 수 있는지와 개발자가 직접 배워야 할 부분이 무엇인지를 함께 고려해 정하자는 제안입니다.