프로그래밍 잡기 2026년 6월 26일

오늘도 인터넷의 바다에서 건져 올린, 개인적으로 관심이 갔던 기술 뉴스나 기사를 엄선하여 전달해 드립니다. 의견이나 보충할 내용이 있다면 댓글로 알려주시면 감사하겠습니다.

Antigravity 2.0을 사용하여 하루 만에 Go를 습득하는 실천적인 방법

Google Cloud의 AI 에이전트 「Antigravity 2.0」을 활용하여, TypeScript로 제작된 CLI 도구를 단 하루 만에 Go로 이식한 체험담입니다. 아키텍처 설계 판단은 인간이 수행하고, 코드 변환이나 테스트 생성 등의 기계적인 작업은 AI에게 맡기는 접근 방식을 통해, 고속·경량 도구를 효율적으로 개발할 수 있었던 절차를 소개합니다.

JetBrains Rider에 탑재된 dotTrace 연동 AI 프로파일링 기술을 통해, AI 에이전트가 코드 추측이 아닌 실제 런타임 데이터(runtime data)를 기반으로 성능 병목 현상(bottleneck)을 정확하게 특정할 수 있게 되었음을 평가 결과와 함께 소개합니다.

2026년 6월 24일에 출시된 Node.js 26.4.0의 변경 내용을 소개하는 기사로, 가상 파일 시스템 (VFS) 서브시스템 추가, 패키지 맵 로더 구현, TLS에 대한 인증서 압축 옵션 추가, fs.readFile() 호출 측 버퍼 지정 지원 등 여러 마이너 신기능과 다수의 버그 수정 및 성능 개선 사항이 정리되어 있습니다.

Python 3.15에서는 PEP 810에 의해 모듈 로딩을 최초 사용 시까지 지연할 수 있는 「명시적 지연 임포트 (explicit lazy import)」가 도입됩니다. 이를 통해 대규모 애플리케이션이나 CLI 도구의 기동 시간과 메모리 소비를 대폭 절감할 수 있습니다. 기사에서는 PyCharm을 사용한 프로파일링으로 실제 효과를 검증하고 있습니다.

SQL Server의 Django 백엔드 라이브러리 「mssql-django」 버전 1.7.3이 출시되었으며, 모던 인증 시나리오에서의 연결 호환성 개선 및 백엔드의 서버 프로퍼티 캐시 관련 버그 수정이 이루어졌습니다.

2026년 7월 21일(화) 14:00 UTC에 개최되는 C++ 커뮤니티를 위한 무료 온라인 컨퍼런스 「Pure Virtual C++ 2026」의 개최 공지와 참가 등록 안내입니다.

Excel의 Copilot 품질을 어떻게 평가하고 개선하고 있는지에 대해, L1~L4 복잡도로 분류한 평가 (evals) 시스템의 메커니즘과 각종 벤치마크 활용 방법을 자세히 해설합니다.

GitHub Enterprise Cloud에서 Enterprise Teams와의 연동, 코스트 센터(cost center) 단위의 Budget·AI Credits 관리, 코스트 센터 수의 상한 확장 등 GitHub Copilot 이용 확대에 대응한 비용 관리 기능 개선이 순차적으로 제공된다고 소개합니다.

GitHub Enterprise의 코스트 센터에 엔터프라이즈 팀을 리소스로 추가할 수 있게 되어, 멤버십 변경에 따라 비용 배분이 자동으로 업데이트되도록 변경되었습니다.

GitHub가 Red Hat과 제휴하여, GitHub 호스트형 라지 러너(large runner)에서 Red Hat Enterprise Linux (RHEL) 9 및 10 이미지를 퍼블릭 프리뷰로 이용할 수 있게 되었습니다.

npm은 영향도가 높은 계정에서 이메일 주소 변경이나 2FA 복구 코드 사용이 감지되었을 때, 계정 탈취 공격에 의한 공급망(supply chain) 피해를 방지하기 위해 72시간 동안 읽기 전용 상태로 자동 전환하는 보호 기능을 추가했습니다.

GitHub Actions에서 워크플로우 단계를 병렬 실행할 수 있게 되었으며, background · wait · cancel · parallel이라는 4가지 새로운 키워드가 도입되었습니다.

GitHub의 Issues 페이지에 저장된 뷰(saved views) 기능(퍼블릭 프리뷰)이 추가되어 필터링된 뷰를 팀과 공유할 수 있게 되었으며, 프로젝트 테이블 레이아웃에서 행 높이를 조정할 수 있게 되었습니다.

GitHub Actions의 Organization 관리자가 macOS 러너를 러너 그룹에 추가하거나, ubuntu-latest 등의 표준 라벨을 무효화함으로써 GitHub-hosted 러너의 이용을 더욱 세밀하게 제어할 수 있게 되었습니다.

GitHub Copilot의 기업용 관리 설정에 strictKnownMarketplaces

가 추가되어, VS Code 및 Copilot CLI에서 사용자가 설치할 수 있는 플러그인을 관리자가 허용된 마켓플레이스(Marketplace)로만 제한할 수 있게 되었습니다.

GitHub Copilot의 코드 리뷰(Code Review)가 내부 도구의 쇄신을 통해 비용을 약 20% 절감하면서도, 조직 수준에서의 리뷰 심도 설정 등 Medium 분석 심도 프리뷰(Preview)의 신기능도 추가되었습니다.

GitHub Copilot for Jira가 정식 출시되어, Jira 상에서 코딩 에이전트(Coding Agent)의 진행 상황을 실시간으로 확인하거나, 초안 PR(Pull Request) 생성 후 Jira 채팅 패널에서 추가 지시를 내릴 수 있게 되었습니다.

JetBrains AI의 채팅에서 에이전트를 처음부터 사용할 수 있도록 '권장 에이전트(Recommended Agent)' 기능이 도입되었습니다. Java, C#, Python의 실제 태스크를 통한 벤치마크 평가와 A/B 테스트 결과, OpenAI의 Codex가 기본 권장 에이전트로 선정되었습니다. 또한, 다른 에이전트로 언제든지 전환할 수 있습니다.

감상:

Junie의 입장은?

Git 조작으로 오랜 기간 고민해 온 저자가, 새로운 버전 관리 도구인 'Jujutsu (jj)'의 개념과 도입 판단에 대해 해설하고 있습니다.

jj는 git을 버리는 것이 아니라, git 내부를 그대로 사용하면서 그 앞에 별도의 작업 모델을 두는 도구입니다. '조작 로그를 통한 되돌리기', '충돌을 커밋(Commit)으로 저장하는 메커니즘', 'change ID를 통한 커밋 추적' 등 8가지 개념을 친절하게 소개합니다.

가장 큰 특징은 '실행해 보고 고친다'는 안심감으로, rebase 실패도 명령어 하나로 되돌릴 수 있습니다. 팀 전체로의 전면 도입은 신중히 검토해야 하지만, 개인 이용이라면 기존 리포지토리에서 jj git init --colocate라고 입력하는 것만으로 시도할 수 있으며, 마음에 들지 않으면 .jj/를 삭제하는 것만으로 원상복구할 수 있는 가역성이 매력입니다.

AI를 통한 SQL 생성뿐만 아니라, 가드레일(Guardrail), 컨텍스트(Context), 개선 루프(Improvement Loop)를 결합한 '육성 가능한 분석 기반'의 구축 및 운용 방법을 소개하고 있습니다.

AI에 의해 코드 생성 속도가 비약적으로 향상된 지금, '시니어 엔지니어가 마지막에 확인하니까 괜찮다'는 코드 리뷰 관습은 한계에 도달했습니다. 리뷰 관점을 언어화하여 AI의 하네스(Harness)에組み込む(組み込む, 통합하는) 메커니즘으로 전환함으로써 품질과 속도를 양립할 수 있다고 역설합니다.

Qwen-AgentWorld는 에이전트가 조작하는 환경 그 자체를 시뮬레이션하는 네이티브 언어 월드 모델(Language World Model)입니다. 텍스트 계열(MCP, 검색, 터미널, SWE)과 GUI 계열(Web, OS, Android)을 합쳐 총 7개 도메인을 단일 모델로 커버하고 있으며, CPT $\rightarrow$ SFT $\rightarrow$ RL의 3단계 학습을 통해 구축되었습니다. 평가 벤치마크인 'AgentWorldBench'에서 397B 모델이 사용 중인 GPT-5.4나 Claude Opus 4.8을 상회하는 최고 점수를 달성했습니다.

활용 방법으로서, 에이전트의 RL 학습 환경으로서 독립된 시뮬레이터로 사용하는 '분리형'과, 동일 모델이 행동 선택과 환경 예측을 모두 수행하는 '통합형'의 두 가지 접근 방식이 검토되고 있습니다. 제어 가능한 시뮬레이션을 통해 실제 환경에서의 RL을 상회하는 결과도 얻고 있어, 언어 월드 모델이 에이전트 개발의 새로운 방향을 열어갈 가능성을 보여줍니다.

Microsoft가 AI 에이전트를 활용하여 소프트웨어 개발 생명 주기(SDLC) 전체를 혁신하고, 개발자의 생산성 향상 및 보안·운용 자동화를 실현하고 있는 사내 사례와 지견을 소개합니다.

본 슬라이드는 생성 AI 시대의 벡터 검색(Vector Search)과 임베딩(Embedding)의 최전선을 해설한 것입니다. Two-Tower 아키텍처를 통한 벡터 검색의 메커니즘을 기초부터 설명하며, Word2Vec에서 LLM 기반 임베딩 모델로의 진화를 따라갑니다. 최근 트렌드로 고차원, 다목적, 다국어, 멀티모달 대응이 꼽히고 있으며, 근사 최근접 이웃 탐색(ANN) 알고리즘(IVF-PQ, HNSW)의 메커니즘도 자세히 소개합니다. 나아가 차원 축소(MRL)나 양자화(Scalar, TurboQuant 등)를 통한 성능 최적화 테크닉에 대해 실험 결과를 곁들여 해설합니다.

Fujitsu가 기존 Transformer와 비교하여 GPU당 최대 475배의 멀티 쿼리(Multi-query) 성능을 가진 새로운 대규모 언어 모델 아키텍처 'PHOTON(포톤)'을 개발하여, 생성 AI의 비용과 소비 전력을 대폭 절감하는 것을 목표로 하고 있습니다.

LLM이 긴 컨텍스트 (Context)의 중간 부분을 무시해 버리는 "U자형 문제 (U-shaped problem)"의 원인과 메커니즘을 해설하고, 컨텍스트 정리, 중요 정보의 양 끝 배치, 짧은 세션 활용 등 AI 에이전트 개발에서의 실천적인 대처법을 소개하고 있습니다.

2026년 5월·6월에 출시된 Azure Developer CLI (azd)의 업데이트 내용을 정리한 기사로, 새로운 명령어 azd tool 및 azd exec 추가, 멀티 레이어 프로비저닝 (Multi-layer provisioning) 개선, Go 언어 지원 확충 등 9개의 릴리스에 걸친 신기능, 변경 사항, 버그 수정을 소개합니다.

Ubuntu 26.10의 개발 동향으로서, 베타 릴리스 운영 규칙의 엄격화, Arm64용 Livepatch의 정식 제공, Canonical의 Golioth 인수를 활용한 Ubuntu Core와의 IoT/MCU 관리 연계, 나아가 2030년 기한의 양자 내성 암호 (PQC) 이행을 위한 준비의 중요성 등이 소개되고 있습니다.

Linux Foundation이 2026년 6월, AI를 악용한 사이버 공격으로부터 OSS를 보호하는 프로젝트 "Akrites"를 발족했습니다. 공유 SIRT를 마련하여, AI가 발견한 취약성에 대한 조정·수정·정보 공개를 일원화합니다. Amazon, Google, Microsoft, Anthropic 등 19개의 기업 및 조직이 참여하고 있습니다.

OpenAI는 Broadcom과 공동으로 LLM 추론용 신규 칩인 "Jalapeño (할라피뇨)"를 발표했습니다. 초기 설계부터 제조용 테이프아웃 (Tape-out)까지 약 9개월이라는 단기간에 개발되었으며, 기존의 최첨단 기술과 비교하여 와트당 성능이 대폭 우수함이 확인되었습니다. 2026년 말까지 Microsoft 등의 파트너와 협력하며 기가와트 규모의 데이터 센터 전개를 시작할 예정이며, ChatGPT나 Codex 등의 서비스를 더욱 빠르고 저렴한 비용으로 제공하는 것을 목표로 하고 있습니다.

감상:

무엇이든 NVIDIA의 GPU로만 해결할 수는 없으니까요. 조달 비용 측면에서도 운영 비용 측면에서도 한계가 있고, 제조에도 한계가 있으니까요.

IBM이 "나노 스택 (Nano-stack)" 기술을 이용한 0.7nm 프로세스 노드의 시제품 제작에 성공하여, 2nm 노드 대비 성능 약 50% 향상, 전력 효율 약 70% 개선을 달성했으며 5년 이내 실용화를 목표로 하고 있습니다.

AI 혁명으로 인한 데이터 센터 수요 급증을 배경으로 구리가 전략 물자로서 "희토류화 (Rare metalization)"되고 있는 가운데, NTT와 미쓰비시 머티리얼의 재활용 신설 회사 설립 등을 통해 광산 이권을 압도적으로 점유하고 있는 중국에 맞서 일본이 자원 전략으로 살아남을 길을 모색하고 있습니다.