11월 7일 AI 업계는 화려함보다는 '기존 능력의 일상화'가 주제인 하루였습니다. OpenAI는 외부 보안 기업을 자사 시스템의 공격 주체로 초청했고, 이미지 생성 모델은 모든 플랫폼에서 업데이트되었으며, Meta는 플래그십 에이전트의 기억 능력을 전 사용자에게 배포했습니다. Microsoft는 에이전트 생태계에 패키지 매니저를 보강했으며, NVIDIA는 메모리 스케줄링을 통해 추론 비용 계산식을 수정했습니다. 공식 출처를 기반으로 7가지 내용을 정리합니다.
OpenAI는 11월 7일 보안 기업 Hacktron과의 제휴를 발표하며, OpenAI 자체 시스템에서 취약점을 찾아달라고 밝혔습니다. 초점은 시스템이 서드파티 서비스와 연동되는 부분이며, 양측 엔지니어가 우선순위가 높은 영역을 공동으로 선정합니다. Hacktron은 Daybreak Red 프로그램을 통해 Frontier 모델에 대한 높은 접근 권한도 얻었습니다. 이들은 '프론티어 AI로 사이버 방어를 가속화하는 동시에, 자사 시스템의 취약점 발견 및 수정에도 동일한 긴급도를 적용한다'고 공지했습니다.
Hacktron은 일반적인 보안 기업이 아닙니다. 코드 리뷰(Code Review), 침투 테스트(Penetration Test), 레드팀 훈련을 위한 AI 에이전트를 전문적으로 구축하고 있으며, 애플리케이션, 클라우드 인프라, ID 시스템의 연동 부분에서 취약점을 발견한 실적이 있습니다. 이러한 전문성은 에이전트가 새로운 방식으로 외부 서비스에 연결되게 된 OpenAI가 가장 경계하는 영역, 즉 인증 흐름(Authentication Flow)과 데이터 전달 및 권한 경계 지점에 정확히 일치합니다.
이번 제휴는 일회성이 아닙니다. 이번 주 들어 OpenAI는 Cathedral의 연구원들이 다음 보안 스프린트(Security Sprint)에 참여한다고 발표했으며, 그 전에 취약점 보상금도 인상했습니다. 어제 GPT-6 Cyber가 심사된 전문가에게 공격 능력을 제공한 것이었다면, 오늘은 외부 공격자를 집으로 초대하는 이야기로, 이 두 가지를 합치면 사내 테스트에서 생태계 전체로 보안 경계를 확장하는 일련의 움직임이 됩니다.
— OpenAI
OpenAI는 Images 2.6을 발표하며 ChatGPT, Codex, API 세 채널에서 동시에 이미지 생성 능력을 업데이트했습니다. 핵심 개선 사항은 평균 생성 속도 50% 향상이며, 가장 주목받은 신기능은 이미지에서 GIF 애니메이션을 만드는 기능입니다. 이 기능은 캐릭터 애니메이션, SNS용 스티커, 동적인 콘티 등 세 가지 용도를 예상합니다. 모든 ChatGPT 및 Codex 계약 계층에 전 세계적으로 배포됩니다.
API 측의 변경 사항이 엔지니어링 관점에서는 더 중요합니다. OpenAI는 두 개의 모델을 준비했습니다. 속도 중시의 Flare와 품질 및 반복 편집 일관성을 중시하는 Sunburst입니다. 게다가 이미지 주석(Annotation)을 통한 부분 편집, SVG 내보내기(Export), 복잡한 장면에서 모델의 계획량을 제어하는 complexity 파라미터가 추가되었습니다. 편집 일관성이 '기본적으로 하지 않는 것이 좋은 주의사항'에서 조정 가능한 파라미터로 바뀐 것은, 이미지 생성이 한 번의 출력물에서 반복 가능한 파이프라인으로 전환되고 있음을 보여줍니다.
GIF를 출시 헤드라인에 배치한 것은 영리한 포지셔닝입니다. 사용자의 수요는 15초짜리 영상보다는 움직이는 스티커나 짧은 루프 비디오인 경우가 많습니다. 이미지 모델이 운동(Motion)을 네이티브하게 담당함으로써, 정지 이미지와 본격적인 동영상 모델 사이에 저렴한 계층이 생겨 콘텐츠 배포 팀에게는 신기함이 아닌 실질적으로 저렴한 생산 라인이 됩니다.
— OpenAI
Meta는 11월 6일 플래그십 Muse Wonder 시리즈에서 학습된 전용 버전 모델군을 Muse와 Meta AI의 모든 사용자에게 배포한다고 발표했습니다. 더 강력한 Wonder Full은 복잡한 작업을 위해 유료 계약자에게 남겨둡니다. 주목할 점은, Meta가 단순히 소형 모델을 증류(Distill)한 것이 아니라, 개인 비서에 필요한 실제 행동, 즉 언제 자율적으로 실행하고, 언제 확인을 요청하며, 수정 사항을 받아 어떻게 문맥을 유지하는지를 재훈련했다는 것입니다.
이번의 핵심은 두 가지 능력입니다. Active Memory는 대화를 넘나들며 중요한 정보를 보존하고 관련 상황에서 꺼내 씁니다. 신규 모델은 목표 달성에 필요한 중요 정보를 잊어버릴 확률이 2.4분의 1로 줄었으며, 중요한 문맥을 올바르게 사용할 수 있는 작업 비율은 76%에서 90%로 상승했습니다. Active Focus는 돌발적인 문제가 발생해도 작업을 진전시키는 기능으로, 일상 업무에서 예상치 못한 상황에 직면했을 때의 완료율이 67% 개선되었습니다. Meta 내부의 Personal Superintelligence Index 점수도 38%에서 47%로 올랐습니다.
에이전트 경쟁은 '잘 답변하는가'에서 '기억하고 유지할 수 있는가'로 이동하고 있다. 대형사들 간의 대화 품질 차이는 사라졌으며, 진정한 분수령은 3주 전 했던 한마디를 관련 상황에서 불러올 수 있는지, 웹페이지에 오류가 발생했을 때 스스로 우회할 수 있는지 여부다.
— Meta AI
🔗 Meta AI
Microsoft는 11월 7일, AI 에이전트 전용 의존성 관리 도구인 APM(Agent Package Manager)을 MIT 라이선스로 공개했다. 개발자는 apm.yml이라는 단일 매니페스트에 스킬, 프롬프트, 지침, 플러그인, MCP 서버를 선언하고, apm install을 한 번 실행하면 GitHub Copilot, Claude Code, Cursor 등 9개의 실행 환경 중 어느 곳에도 올바른 컴포넌트가 배포된다. 이는 AGENTS.md, Agent Skills, MCP라는 기존 표준 위에 구축되었다.
엔지니어링의 세부 사항이 매우 정교했다. 잠금 파일(lock file)은 정확한 버전과 콘텐츠 해시를 고정하여, 새로 클론된 환경이 바이트 단위로 동일한 의존성을 해결하도록 보장한다. 보안 모델은 기본적으로 거부(default deny)이며, 설치할 때마다 비가시 유니코드 문자를 스캔하고 명시적으로 선언되거나 신뢰되는 것이 아니면 전이적인 MCP 서버를 차단한다. 기업 거버넌스는 apm-policy.yml을 통해 회사에서 조직, 리포지토리로 일방통행으로 강화되는 상속 모델이다. GitLab, Azure DevOps, Bitbucket, Gitea에도 대응하여 특정 플랫폼에 얽매이지 않는다.
이는 에이전트 생태계가 부족했던 기반을 채우는 출시다. npm이 JavaScript의 의존성 지옥을 끝낸 것처럼, 지금까지 복사-붙여넣기로 배포되어 온 에이전트 스킬, 프롬프트, MCP 서버에는 두 대의 머신이 동일한 것을 구동하고 있다는 보장이 없었다. 지난달 Anthropic이 Agent Skills 표준을 Agentic AI Foundation에 기증했고, Microsoft가 뒤이어 패키지 매니저를 출시했다. 공급망 계층이 거대 기업들의 새로운 전장이 되고 있다.
— Microsoft · GitHub
NVIDIA는 이번 주에 Vera Rubin NVL72 시스템의 메모리 전략을 상세히 공개하며, 이전 세대 GB300 NVL72 대비 달러당 에이전트 추론 처리량(throughput)이 최대 30배가 될 것이라는 수치를 제시했다. 주목할 점은 GPU당 HBM 용량 증가는 약 3%에 그쳤으며, 향상의 모든 부분이 시스템 레벨 설계에서 비롯되었다는 것이다. 참고로 이 수치는 공급업체 자체 신고 수치이며, 독립적인 벤치마크를 통한 검증은 아직 이루어지지 않았다.
구체적으로는 일련의 조합 기술이다. 모델 가중치(weights)와 KV 캐시를 NVFP4 저정밀도 형식으로 압축하고, 가중치를 72개의 GPU에 분산하여 로컬 고속 메모리를 확보하며, Vera CPU의 대용량 메모리를 버퍼 계층으로 사용하고, Dynamo가 컨텍스트 전환을 담당하며, RAG 인덱스와 비활성 컨텍스트는 저렴한 스토리지 계층으로 옮긴다. 메모리가 각 칩의 고정된 상한이 아니라, 랙 전체의 공유 리소스로 관리 및 할당되게 된 것이다.
경쟁의 기준점이 조용히 바뀌고 있다. 이전에는 피크 연산 능력과 메모리 용량을 비교했지만, 이제는 '유효 토큰당 달러'가 중요해졌다. 에이전트형 워크로드는 긴 컨텍스트, 다중 턴 호출, 캐시의 반복 읽기라는 특징을 가지며, 메모리 관리의 능숙함이 청구서에 직접적인 영향을 미치기 때문이다. 30배라는 '최대값'은 회의적으로 들어도 좋지만, 방향성은 확실하다. 차세대 추론 비용 격차는 단순히 메모리를 늘리는 것이 아니라, 스케줄링과 압축이라는 소프트웨어 경쟁에서 결정될 것이다.
— NVIDIA
NAVER의 11월 6일 규제 당국에 제출된 신고서에 따르면, NVIDIA가 한국 인터넷 기업 NAVER에 대한 10억 달러 출자금 지급이 완료되었다. NAVER는 약 1조 3천만 원을 받고 제3자 배정 유상증자를 통해 650만 주 이상을 발행했으며, NVIDIA의 지분율은 4.13%가 되었다. 이번 거래는 지난 6월 양사가 발표한 AI 팩토리 제휴를 이어받은 것으로, 자본 투자와 GPU 인프라 구축을 연결하고 있다.
전개 방향은 명확하다. NAVER는 한국 중부 세종 데이터센터에서 GPU 연산 인프라를 구축하고, GPU-as-a-Service 사업을 확장하여 고객들이 클라우드를 통해 컴퓨팅 자원을 임대할 수 있도록 할 예정이다. 한국은 올해 국내 클라우드 사업자들이 NVIDIA製 GPU 조달에 나서는 등 주권 AI를 추진해 왔으나, NVIDIA의 주주가 됨으로써 결속력이 한 단계 더 깊어졌다.
NVIDIA에게 있어 이러한 종류의 투자는 유통 경로를 확보하는 것이다. 칩 경쟁이 플랫폼 단계에 접어들면서 각국 국기창 인터넷 기업들의 컴퓨팅 자원 진입점을 누가 장악하느냐가 생태계의 해자(moat)를 넓힌다. 국가 규모 AI 인프라 구축에서 기본 좌석을 10억 달러에 확보할 수 있다면 나쁜 거래는 아니며, 이는 NVIDIA의 자본이 칩 주문 단계에서 각국 AI 인프라의 주식층으로 확산되고 있음을 보여준다.
— NAVER 규제 신고 · Anue
Google은 11월 7일 Agent Development Kit 2.14.0을 출시했다. 이번 메이저 업데이트는 실험적 기능을 안정 버전으로 승격시키는 데 중점을 두었으며, 실행 환경(execution environment), A2A 프로토콜(protocol), 평가 모듈(evaluation module), 코어 런타임(core runtime) 모두가 안정화되었다. 또한 인증, 환경, 앱 관련 26개 모듈과 16개의 툴셋 기능이 실험적 라벨을 제거했다. ADK는 Google의 오픈소스 코드 우선 에이전트 툴킷으로, Python, TypeScript, Go, Java, Kotlin SDK를 제공한다.
기능 면에서 눈에 띄는 점은 세 가지다. MultiRunConfig와 병렬 파라미터를 통해 각 테스트 케이스를 동시에 여러 번 실행할 수 있는 멀티런 평가(Multi-run evaluation)가 가능하며, ToolArgsMatcher가 툴 인수를 의미론적 수준으로 비교하기 때문에 에이전트 테스트의 단계가 '작동함'에서 '안정적으로 작동함'으로 올라간다. 새로 추가된 TeamsRunner는 에이전트를 Microsoft Teams에 연결하고, OpenAIDecisionsClassifier는 OpenAI의 Decisions API를 호출하여 워크플로우에 판단 게이트(decision gate)를 설정한다. 성능 면에서는 긴 멀티턴 워크플로우가 23% 가속화되었고, 피크 메모리는 9% 감소했다.
짚고 넘어가야 할 부분은 A2A의 안정 버전 도달이다. 에이전트 간 프로토콜(inter-agent protocol)이 확립되면 서로 다른 벤더의 프레임워크가 공통 언어로 상호 호출할 수 있게 되어, 업계 전체 멀티에이전트 구조에 인프라급 호재다. 게다가 Google제 프레임워크가 경쟁사의 Decisions API를 판단 게이트로 통합했다는 사실은 툴체인(toolchain) 경쟁이 이토록 세분화되었음을 입증한다. 프레임워크 계층의 승패를 가르는 것은 기능의 수가 아니라 안정성과 상호 운용성(interoperability)이 되었다.
— Google · GitHub
KD Agentic · AI Daily Digest
