KD Agentic · 2026년 7월 15일

Meta Superintelligence Labs는 7월 9일, 에이전트형 코딩 태스크 (Agentic coding tasks)에 최적화된 멀티모달 모델 (Multimodal model) Muse Spark 1.1을 발표했다. 동시에 Replit, Cline, Box를 파트너로 하는 새로운 Meta Model API도 공개했다. 특기할 점은 Mark Zuckerberg가 약 3년 만에 X에 게시물을 올려 직접 발표했다는 것이다.

가격은 입력 100만 토큰당 1.25달러, 출력 100만 토큰당 4.25달러이다. Anthropic의 Claude Haiku 4.5나 OpenAI의 GPT-5.6 Luna보다 낮은 가격으로, Meta가 비용 경쟁력을 핵심 전략으로 삼고 있음을 명확히 하고 있다. 해당 모델은 다단계 워크플로 (Multi-step workflow), 버그 수정, 코드 마이그레이션, 엔터프라이즈 기능 전개 등 Claude Code나 Cursor와 동일한 영역을 커버한다.

이와 함께 Meta는 자체 개발 AI 칩인 Iris의 테스트가 완료되었으며, 2026년 9월 TSMC에서 양산을 시작할 것이라고 밝혔다. 이는 MTIA (Meta Training and Inference Accelerator) 시리즈의 일환으로, GPU 용량을 보완하고 Nvidia 의존도를 낮추려는 목적이 있다. Meta는 2026년에 7GW, 2027년에 14GW의 AI 컴퓨팅 능력을 계획하고 있으며, 올해 AI 관련 설비 투자는 최대 1,450억 달러에 달할 전망이다.

— Meta · TechCrunch

🔗 Meta Muse Spark 1.1 — TechCrunch · Meta Iris Chip — CNBC

Microsoft는 자체 개발한 MAI 시리즈 모델을 통해 두 개의 주력 제품에서 OpenAI 및 Anthropic 모델을 대체하기 시작했다. Bloomberg 보도에 따르면, Excel과 Outlook에서의 **매주 수만 건의 AI 프롬프트 요청 (AI prompt requests)**이 현재 완전히 Microsoft 자체 모델로 처리되고 있다.

이 움직임은 비용 압박에 대한 직접적인 대응이다. 6월 Build 컨퍼런스에서 Microsoft AI 책임자인 Mustafa Suleyman은 "우리는 Anthropic에 매년 막대한 금액을 지불하고 있다. 이 불필요한 지출을 점진적으로 줄이고, 최종적으로는 없애는 것이 목표다"라고 명시했다. Microsoft는 Build에서 7개의 자체 AI 모델을 발표했으며, 그중 하나는 Anthropic Opus 4.6의 성능을 훨씬 낮은 비용으로 구현하는 코딩 모델이다.

MAI 모델은 GitHub Copilot에도 통합되었다. Suleyman은 독자적인 음성 전사 (Speech transcription) 모델이 몇 달 내에 Microsoft Teams에서 출시될 것이라고 밝혔다. 이러한 움직임은 Microsoft가 M365 Copilot에서 GPT-5.6을 권장 모델로 사용하면서도, 동시에 자체 모델로의 교체를 진행하고 있다는 OpenAI와의 복잡한 관계를 부각시킨다.

— Bloomberg · Microsoft

🔗 Microsoft MAI — Bloomberg · Microsoft Build — Microsoft

NVIDIA와 Hugging Face는 7월 7일, 휴머노이드 로봇용 VLA (Vision-Language-Action) 기반 모델인 Isaac GR00T 1.7과 인간의 데모 데이터 수집을 위한 오픈 프레임워크 (Open framework)인 Isaac Teleop가 Hugging Face의 오픈 소스 LeRobot 라이브러리와 완전히 호환된다고 발표했다.

GR00T 1.7은 LeRobot 워크플로를 통해 포스트 트레이닝 (Post-training) 및 배포 (Deployment)가 가능하다. Isaac Teleop는 상호 운용 가능한 Parquet 형식으로 표준화된 데모 데이터 파이프라인을 제공한다. 이 통합을 통해 원격 데이터 수집부터 시뮬레이션 훈련, 모델 미세 조정 (Fine-tuning), 실기 배포에 이르는 엔드 투 엔드 (End-to-end) 오픈 소스 로보틱스 툴체인이 실현된다.

NVIDIA가 계획 중인 Cosmos 3 세계 기초 모델 (World Foundation Model)은 실세계 데이터가 부족할 경우 로보틱스의 데이터 생성과 확장을 지원한다. 이러한 통합을 통해 NVIDIA의 300만 명의 로보틱스 개발자와 Hugging Face의 1,600만 명의 AI 개발자가 연결되어, 신체성 AI (Embodied AI) 연구의 진입 장벽을 대폭 낮춘다.

— NVIDIA · Hugging Face

🔗 NVIDIA Blog · Hugging Face Blog

Mistral AI는 7월 2일, Lean 4에서의 형식적 검증 (Formal Verification)에 특화된 119B 파라미터 (6B 액티브) 규모의 MoE 모델인 Leanstral 1.5를 Apache 2.0 라이선스로 출시했다. 해당 모델은 miniF2F를 완전 달성 (검증 및 테스트 세트 모두 100%)했으며, PutnamBench에서 672문제 중 587문제를 해결했고, FATE-H (87%)와 FATE-X (34%)에서 새로운 SOTA를 달성했다.

Leanstral 1.5는 중간 훈련 (Intermediate Training), 지도 미세 조정 (Supervised Fine-tuning), Mistral의 CISPO 알고리즘을 통한 강화학습 (RL)의 3단계 파이프라인으로 훈련되었다. 이 모델은 두 가지 환경에서 작동한다: 정리 증명 루프 (Theorem Proving Loop)와 파일 편집, bash 명령 실행, Lean 언어 서버 활용이 가능한 코드 에이전트 환경이다.

실세계에서의 성과도 인상적이다. 57개의 오픈 소스 리포지토리에서 11건의 실제 버그를 식별했으며, 그중 5건은 미보고 상태였다. 주목할 만한 발견 중 하나는 datrs/varinteger Rust 라이브러리의 지그재그 복호화 함수에서의 정수 오버플로 (Integer Overflow)로, 이는 크래시나 데이터 손상을 일으킬 가능성이 있었다. PutnamBench에서 문제당 약 4달러 (대조군 모델은 300달러 이상)라는 비용 효율성을 통해, Leanstral 1.5는 형식적 검증을 실용적인 규모로 이용 가능하게 만들었다.

— Mistral

🔗 Mistral Blog · Hugging Face Model

AI 검색 스타트업 Perplexity (기업 가치 200억 달러)는 코드네임 **"Teammate"**인 새로운 AI 코딩 도구를 개발 중이다. Business Insider에 따르면, 사내 엔지니어들이 5월부터 테스트를 시작했으며 일반 공개를 검토하고 있다.

Teammate는 단발적인 코드 제안이 아니라, 장기간의 엔지니어링 태스크 (프로젝트 전체 관리, 코드 디버깅, 프로덕션 서비스의 실시간 모니터링)를 위해 설계되었다. 내부 스크린샷을 통해 보안 취약점 탐지에 사용되는 모습이 확인되었다. 중요한 차별화 요소는 **모델 비의존성 (Model-agnostic)**이다. 즉, 특정 LLM에 얽매이지 않고 태스크마다 최적의 모델을 선택할 수 있다.

이러한 움직임으로 Perplexity는 Cursor, Claude Code, GitHub Copilot과 함께 급성장하는 AI 코딩 도구 시장에서 직접 경쟁하게 된다. CTO인 Denis Yarats는 사내 AI 지원 개발의 적극적인 도입을 추진하고 있다.

— Business Insider · Perplexity

🔗 Business Insider · Perplexity

ByteDance의 Seed 팀은 7월 7일, AI 에이전트에 관한 주목할 만한 발견을 발표했다. 환경 내에서의 학습 속도가 약 3개월마다 두 배씩 증가하고 있다는 것이다. arXiv:2607.05155에 공개된 논문은 134개의 실세계 장기 태스크를 커버하는 벤치마크 플랫폼인 EdgeBench를 소개한다.

5개의 프론티어 모델을 통한 누적 38,000시간의 에이전트-환경 상호작용 데이터 분석 결과, 학습 진척도가 **로지스틱 시그모이드 곡선 (Logistic Sigmoid Curve)**을 따르며, 적합도(R²)는 0.998로 거의 완벽함이 밝혀졌다. 2025년 9월부터 2026년 4월 사이, 에이전트가 환경과의 상호작용을 통해 학습하는 속도는 분기마다 두 배씩 증가했다. 이 추세가 지속된다면, 배포된 AI 시스템이 인간의 재훈련 없이 적응할 수 있는 속도에 중요한 시사점을 준다.

이 발견은 AI 에이전트의 '학습의 학습' 능력 자체가 예측 가능하게 스케일링되고 있음을 시사하며, 프로덕션 환경에 배포된 에이전트가 새로운 상황에 대처하기 위해 필요한 인간의 감독이 점진적으로 감소할 가능성을 제기한다.

— ByteDance Seed

🔗 arXiv:2607.05155 · Project EdgeBench

OpenAI는 7월 9일, GPT-5.6이 Microsoft 365 Copilot(Word, Excel, PowerPoint, Chat, Cowork)의 권장 모델이 되었다고 발표했다. 이 통합을 통해 OpenAI의 최첨단 모델 시리즈가 수억 명이 사용하는 생산성 도구에 도입될 예정이다.

OpenAI의 발표에 따르면, GPT-5.6을 통해 Word에서는 더 적은 프롬프트 (Prompt) 횟수로 문서 작성 및 편집이 가능해지고, Excel에서는 더 효율적인 토큰 (Token) 사용으로 심층적인 데이터 분석이 가능해지며, PowerPoint에서는 초기 아이디어로부터 정교한 프레젠테이션으로의 변환이 용이해진다. Microsoft의 Copilot & Agents Core 책임자인 Nitin Agrawal은 "고객들이 GPT-5.6이 탑재된 Copilot을 통해 더욱 정교한 결과물을 만들어낼 수 있기를 기대한다"라고 밝혔다.

이번 발표는 Microsoft가 일부 제품에서 OpenAI 모델을 자사의 MAI 모델로 교체하고 있다는 보도가 나온 지 불과 며칠 만에 이루어졌으며, 이는 Microsoft와 OpenAI의 파트너십이 전략적 자립성을 추구하면서도 깊게 얽혀 있는 복잡한 성격을 띠고 있음을 부각시킨다.

— OpenAI · Microsoft

🔗 OpenAI Blog · Microsoft