• Cursor가 스마트폰에서 코딩 에이전트(Coding Agent)를 구동할 수 있는 iOS 앱을 공개했다. 클라우드 상에서 구동되는 에이전트를 기동하거나, PC 상의 에이전트를 원격으로 조작할 수 있다.
• 개발 도구의 정비도 잇따랐다. OpenAI는 Codex에 권한 프로파일(Permission Profile)을 추가했으며, Anthropic은 Claude Code의 서브 에이전트(Sub-agent)를 기본적으로 백그라운드에서 실행하도록 하는 한편, Claude Code를 클라우드를 통해 구동하는 게이트웨이(Gateway)를 공개했다.
• 이 외에도 DeepSeek가 V4 정식 버전과 API 시간대별 요금을 예고했으며, Meta가 뇌 신호로부터 문장을 해독하는 「Brain2Qwerty v2」를 공개했다.

Cursor가 iOS 앱의 퍼블릭 베타(Public Beta)를 유료 플랜의 모든 사용자에게 공개했다. App Store에서 입수할 수 있으며, 스마트폰에서 클라우드 상의 에이전트를 기동하거나 PC 상에서 구동되는 에이전트를 원격으로 조작할 수 있다. 에이전트가 생성한 데모와 스크린샷, 로그, 코드 차분(Diff)을 수중에 확인 할 수 있으며, 앱 내에서 Pull Request를 머지(Merge)할 수도 있다. Live Activities와 푸시 알림(Push Notification)에 대응하여 작업 상태를 실시간으로 추적할 수 있다.

OpenAI가 Codex에 권한 프로파일(Permission Profile, Beta)을 추가했다. 로컬에서 명령을 실행할 때의 파일 시스템과 네트워크 액세스 권한을 재사용·계승할 수 있는 설정으로 묶는 메커니즘으로, 기존의 샌드박스(Sandbox) 모드를 대체한다. 경로 단위로 읽기·쓰기·거부를 정의할 수 있으며, 도메인의 허용 목록(Allowlist)이나 Unix 소켓의 액세스 제어도 조합할 수 있다. 실제 제한은 OS의 샌드박스가 강제한다. 표준으로는 읽기 전용, 워크스페이스 쓰기, 풀 액세스(Full Access)의 세 가지를 준비했으며, 독자적인 프로파일이나 기업용 일원 관리에도 대응한다. macOS, Linux, WSL, Windows에서 이용 가능하다.

Anthropic의 개발자 Boris Cherny 씨는 Claude Code의 차기 버전에서 서브 에이전트(Sub-agent)를 기본적으로 백그라운드에서 실행하도록 할 것이라고 밝혔다. 백그라운드 태스크를 기동한 후에도 메인 에이전트와의 대화를 계속할 수 있으며, 지시하면 해당 대상을 전면으로 전환할 수 있다. 서브 에이전트로부터의 권한 요청은 메인 화면으로 전달되며, 방향키와 Enter를 통해 특정 서브 에이전트에게 직접 메시지를 보낼 수 있다. 전용 터미널 탭 UI도 조만간 제공할 예정이며, 이미 일부 사용자에게 단계적으로 전개하고 있다고 한다.

Anthropic이 셀프 호스트형 「Claude apps gateway」를 공개했다. Claude Code를 Amazon Bedrock이나 Google Cloud를 통해 구동하기 위한 제어 기반으로, 상태가 없는(Stateless) 컨테이너 하나로 배포한다. 기업용 SSO 로그인, 정책의 일원 적용, 역할 기반 액세스 제어(RBAC), 사용자별 비용 배분, 지출 상한 설정에 대응하며, 프로바이더 간의 페일오버(Failover)도 선택할 수 있다. Claude API를 사용하는 설정으로 하지 않는 한, 추론 트래픽이나 이용 데이터가 Anthropic으로 전송되지는 않는다고 밝혔다.

DeepSeek가 사용자 대상 이메일을 통해 「DeepSeek V4」 정식 버전을 7월 중순에 공개할 예정이라고 고지했다. 정식 버전 공개 후에는 API 요금 체계를 재검토하여 시간대별 가격을 도입한다. 매일 9시부터 12시, 그리고 14시부터 18시를 피크 시간대로 정하며, 이 기간에는 deepseek-v4-pro와 deepseek-v4-flash의 요금이 통상적인 수준의 2배가 된다. 대상은 입력(캐시 히트·미스 포함)과 출력이며, 변경 24시간 전에 이메일로 통지하고 이용자는 옵트아웃(Opt-out)이나 환불 신청을 할 수 있다고 한다.

Meta AI가 뇌자도(MEG) 신호로부터 문장을 실시간으로 해독하는 연구 「Brain2Qwerty v2」를 공개했다. 가공되지 않은 뇌 신호를 엔드 투 엔드(End-to-End) 딥러닝으로 처리하고, 대규모 언어 모델(LLM)을 미세 조정(Fine-tuning)하여 의미적 문맥을 보완한다. 사측에 따르면 단어 정답률은 평균 61%, 가장 성적이 좋은 피험자는 78%에 달해, 기존의 비침습적(Non-invasive) 방식의 약 8%에서 크게 향상되었다고 한다. v1과 v2의 학습 코드를 공개했으며, 공동 연구처인 BCBL이 v1 데이터셋을 공개했다. 다만 고가의 MEG 장치와 자기 차폐(Magnetic Shielding) 환경이 필요하며, 검증은 건강한 피험자에 국한되어 뇌 손상이 있는 환자에게는 아직 시도하지 않았다.