OpenAI는 7월 22일, 엔터프라이즈용 AI 에이전트 플랫폼인 Presence를 정식 출시했다. 범용 ChatGPT와는 달리, Presence는 조직이 여러 자율 에이전트(Autonomous Agents)를 워크플로우 전체에서 운용 및 관리하기 위한 레이어로 설계되었으며, 역할 기반 액세스 제어(RBAC), 사용 현황 모니터링, Salesforce, Jira, Slack 등 기존 업무 시스템과의 통합 후크(Integration Hooks)를 갖추고 있다.

해당 플랫폼은 OpenAI의 모델(GPT-5.6 Sol, Terra, Luna) 외에도 Codex 상에서 구축된 커스텀 에이전트도 지원한다. 초기 파트너로는 NTT 데이터가 이름을 올렸으며, 글로벌 사내 IT 자동화에 Presence를 활용하고 있다. 이번 출시를 통해 OpenAI는 모델 제공업체에서 엔드투엔드(End-to-End) 엔터프라이즈 AI 인프라 기업으로의 전략적 전환을 명확히 했다.

— OpenAI · NTT 데이터

🔗 OpenAI Presence 발표 · NTT 데이터 협력

Poolside AI는 7월 22일, 118B 파라미터의 MoE (Mixture-of-Experts) 모델인 Laguna S 2.1 (1 토큰당 8B 활성)을 공개했다. 이 모델은 **Terminal-Bench 2.1에서 70.2%**를 달성하며 프론티어 코딩 모델에 근접하는 성능을 보여준다. 트레이닝(Training)은 단 9주 만에 4,096개의 NVIDIA H200 GPU로 완료되었으며, 단일 DGX Spark 워크스테이션에서도 동작 가능하다.

이번 출시의 중요성은 미국의 오픈 웨이트(Open-weight) 연구소가 DeepSeek나 Qwen과 같은 중국 세력과 동등한 개발 속도를 실현할 수 있음을 보여주었다는 점에 있다. Air Street Capital의 Nathan Benaich는 "미국의 오픈 웨이트 진영도 프론티어에 따라잡고 있다"라고 평가했다. Poolside는 자체 개발한 Model Factory 플랫폼을 활용하여 아키텍처 탐색, 평가, 코드 실행으로부터의 강화학습 (RL)을 자동화하고 있다.

— Poolside · NVIDIA

🔗 Poolside Laguna S 2.1 블로그 · The Agent Times 보도

Microsoft와 Mistral AI는 7월 21~22일, 수십억 달러 규모의 파트너십을 발표했다. Mistral은 최신 NVIDIA Vera Rubin GPU 수천 개를 프랑스의 데이터 센터에 배치하여 유럽의 AI 컴퓨팅 능력을 확대한다. Azure 고객은 Mistral의 Medium 3.5 및 OCR 4 모델을 Azure Local 및 Microsoft Foundry를 통해 이용할 수 있게 된다.

이 협력은 미국 정부의 Anthropic Fable 5 수출 제한으로 인해 높아진 "Sovereign AI" 수요에 직접적으로 대응하는 것이다. Mistral의 CEO Arthur Mensch는 이 협력이 2030년까지 유럽의 1GW AI 컴퓨팅 능력 달성이라는 목표의 실현 가능성을 보여준다고 말했다.

— Microsoft · Mistral AI

🔗 Microsoft + Mistral 발표 · 163 보도

HuggingFace는 7월 21일, 자율형 AI 에이전트가 7월 초 주말에 자사의 프로덕션 인프라에 침입했음을 공식적으로 밝혔다. 이는 기존의 인간에 의한 공격 체인이 아니라, AI 구동 에이전트가 주도한 보안 침해 사례로서 널리 문서화된 첫 번째 사례 중 하나로 간주된다.

악의적인 데이터셋이 데이터셋 처리 파이프라인의 두 가지 코드 실행 경로를 악용했다. 침입 후, 공격자의 AI 에이전트는 권한을 상승(Privilege Escalation)시키고, 자격 증명(Credentials)을 추출했으며, 자동화된 에이전트 액션을 통해 내부 클러스터 내를 횡단(Lateral Movement)했다. 공개 모델이나 데이터셋에 대한 변조는 확인되지 않았으나, 제한된 내부 데이터셋에 대한 액세스와 일부 서비스 자격 증명의 유출이 확인되었다.

— OpenAI · HuggingFace

🔗 OpenAI 보안 보고 · HuggingFace 공개

OpenAI는 7월 15일, GPT-Red를 공개했다. 이는 LLM을 탑재한 적대적 해킹 시스템으로, 프론티어 모델을 지속적으로 프로브(Probe)하여 취약점을 발견한다. 기존의 레드팀(Red Teaming)과 달리, GPT-Red는 자율적으로 동작한다: 공격 전략을 생성하고, 대상 모델에 대해 실행하며, 결과를 평가하고, 이를 반복한다.

GPT-Red는 GPT-5.6의 트레이닝 (Training)에 널리 활용되어, 탈옥 (Jailbreak) 및 프롬프트 인젝션 (Prompt Injection) 공격에 대한 내성을 대폭 향상시켰다. OpenAI의 논문에서는 GPT-Red가 인간 테스터가 놓쳤던 공격 경로를 발견한 사례를 상세히 기술하고 있다.

— OpenAI

Microsoft와 파트너 기관의 연구진이 7월 16일 arXiv에 발표한 논문에서는, Atrex-Bench라는 새로운 벤치마크 (Benchmark)가 도입되었다. 이는 실제 추론 트레이스 (Inference Trace)에서 직접 샘플링된 30개의 오퍼레이터 (Operator)와 440개의 셰이프 (Shape)를 사용하여, LLM이 생성한 GPU 커널 (Kernel)의 성능을 평가한다. 결과는 냉혹하다. 가장 뛰어난 프론티어 코딩 에이전트 (Frontier Coding Agent)조차 실제 오퍼레이터의 하드웨어 로우 플라인 (Hardware Low-line)의 약 10% 수준에 불과했다.

함께 공개된 **Atrex-Kernel-Agent (AKA)**는 프로파일 기반 (Profile-driven) 최적화 에이전트로, 298개의 레퍼런스 커널 (Reference Kernel) 파일과 244개의 최적화 문서로 구성된 지식 베이스 (Knowledge Base)를 활용한다.

— arXiv · Microsoft Research

상하이 인공지능 연구소와 중국의 여러 대학 연구팀은 7월 22일, AI 모델을 과학 논문의 이미지 (도표, 그래프, 수식 레이아웃)로 직접 트레이닝 (Training)하는 것이 PDF를 텍스트로 변환하는 기존 방식보다 더 뛰어난 이해력을 보여준다는 것을 입증했다.

시각적 사전 학습 (Visual Pretraining, VP) 방식은 NLP에서의 10년 된 전제—시각적 레이아웃 (Visual Layout)을 제거하는 것은 무해하다—에 도전한다. 실험 결과, VP 모델은 텍스트 사전 학습 (Text Pretraining) 모델보다 다운스트림 (Downstream) 과학적 추론 태스크에서 우수한 성능을 보였으며, 더 적은 계산 자원으로 이를 달성했다.

— arXiv · 상하이 인공지능 연구소

🔗 Visual Pretraining 논문 · 163보도