AI Daily Digest October 13, 2026: Meta가 Muse Wonder를 공개하고 NVIDIA와 Cisco가 광학 기술을

10월 13일 화요일의 일곱 가지 이야기입니다. Meta가 Muse Wonder를 출시하며 이를 프론티어(frontier)라고 부르고, NVIDIA와 Cisco는 레인당 400Gb/s로 플러그 가능한 광학 기술을 재정의했으며, Codex Day 2에서는 네 가지 마찰 수정 사항이 배포되었습니다. Microsoft Research는 에이전트를 완료된 상태 기준으로 평가했고, IMF는 AI를 글로벌 성장에 비추어 규모화했으며, OpenAI는 첫 번째 GPT-4o API 스냅샷을 폐기했고, 세 명의 해고된 안전 연구원들이 반박했습니다.

Meta가 새로운 플래그십 모델을 선보이다: Muse Wonder

Meta는 월요일에 Muse Wonder와 그보다 더 큰 버전인 WonderFull을 출시했으며, 주장은 분명합니다. 이들은 개인 및 전문 에이전트 작업을 위해 구축된 프론티어 모델이라는 것입니다. Zuckerberg는 이번 출범을 Meta Superintelligence Labs가 재편성된 이후 14개월 만의 성과로 제시했습니다. Muse Spark가 첫 번째 시리즈였고, Wonder가 진정한 발전 단계라고 말합니다. Meta AI 책임자인 Alexandr Wang은 기자들에게 이 모델들이 개인 및 전문 에이전트 작업에 특히 강점을 보여 ChatGPT와 Claude와 경쟁할 수 있다고 전하며, 사용자들에게 직접 판단해 보라고 초대했습니다.

두 가지 기능이 발표의 핵심입니다. Active Memory는 대화 전반에 걸쳐 중요한 컨텍스트를 유지하고 새로운 작업이 시작될 때 이를 다시 불러옵니다. 따라서 모델은 매번 새로운 브리핑을 받을 필요가 없습니다. Active Focus는 복잡한 목표를 계속 추진하며, 한 경로가 막힐 경우 다른 경로를 시도하고 새로운 정보에 맞춰 조정합니다. 노이즈를 무시하고 64,000개에서 100,000개의 토큰 분량의 다중 턴 대화에서 핵심 사실을 복구하도록 모델에게 요청하는 Meta의 내부 MemoryBench에서 Wonder는 85.6점을 기록하여 GPT-6 Astra의 81.4점과 Opus 5.5의 81.5점을 능가했습니다. 장기적인 소프트웨어 엔지니어링에 대한 벤치마크인 SWE-Marathon에서는 WonderFull이 57.5%, Wonder가 53.1%를 달성하며 Meta가 비교한 세 경쟁 모델보다 앞섰습니다.

비즈니스 모델은 점수만큼 흥미롭습니다. Wonder는 Meta Model API를 통해 입력 토큰 백만 개당 $4, 캐시된 입력에 대해 $0.20, 출력에 대해 $20의 비용으로 제공되며, WonderFull은 $50 및 $200 구독 등급 내에서 MuseCode 코딩 도구를 통해 이용할 수 있습니다. Muse 어시스턴트 내에서 Wonder를 사용하려면 월 $20 또는 $100 요금제가 필요합니다. Zuckerberg는 Cheeky Pint 팟캐스트에서 기가와트 규모의 데이터 센터 운영 비용이 초기 구축에 $50억~$60억 달러 외에도 연간 약 $150억 달러가 들며, 구독, API 액세스 및 엔터프라이즈 거래를 통해 이러한 지출이 수익으로 전환된다고 말했습니다. Meta는 사람들이 단순히 답변하는 것이 아니라 실제로 무언가를 완성해주는 에이전트에게 비용을 지불할 것이라고 베팅하고 있습니다.

— Meta · Bloomberg

🔗 Meta AI · Bloomberg via Sina

NVIDIA와 Cisco가 플러그를 재설계하다: USFP가 레인당 400Gb/s로 향하다

NVIDIA와 Cisco는 월요일에 USFP(Ultra-Dense Small Form-factor Pluggable)를 발표했습니다. 이는 400Gb/s급 전기 신호를 위해 설계된 최초의 플러그형 광학 모듈이며, 단 하나의 이유 때문에 존재합니다. 바로 AI 공장이 컴퓨팅을 추가한다는 것은 네트워크 계층을 추가하는 것을 의미하게 되고, 모든 추가 계층은 지연 시간(latency), 전력 및 비용을 초래하기 때문입니다. 처음 계획된 트랜시버는 OSFP 크기의 풋프린트에 16개의 풀-듀플렉스 레인을 담고 있으며, 모듈당 32개 레인과 총 집계 용량 12.8Tb/s로 확장할 수 있는 경로를 제시합니다.

숫자가 이야기입니다. 오늘날의 200Gb/s-per-lane 플러그어블(pluggables)에 비해 USFP는 네 배의 대역폭 밀도와 약 1.3배의 전력 효율을 제공하므로, 운영자들은 더 많은 스위치 레이어를 쌓지 않고도 더 많은 1.6Tb/s 엔드포인트를 연결할 수 있습니다. 새로운 2차원 배열 커넥터는 2단계 삽입 디자인으로 신호 무결성을 보호하고 삽입력을 예측 가능하게 유지하며, 이 모듈은 전용 임베디드 냉각 회로 없이 최대 100와트까지 열을 방출합니다. NVIDIA의 Gilad Shainer가 간단히 말했습니다. 가장 큰 AI 공장을 구축하는 것은 가장 작은 연결부터 다시 생각하는 것에서 시작됩니다.

사양만큼 생태계 플레이(ecosystem play)도 중요합니다. TE Connectivity와 Amphenol은 케이지, 커넥터, 모듈을 구축하고 있으며, 두 회사는 USFP를 개방형 산업 사양으로 커뮤니티 주도의 다중 소스 프로젝트에 제공할 계획입니다. 이는 NVIDIA Spectrum-X 및 Cisco Silicon One 네트워크의 상호 운용성을 유지하는 작업을 확장합니다. 만약 업계가 이를 채택한다면, 플러그어블 광학 기술은 또 다른 세대의 생명을 얻게 될 것이며; 그렇지 않다면 이것은 두 회사만의 표준으로 남을 것입니다. 어느 쪽이든 메시지는 AI 공장 확장에 어려움을 겪는 곳은 GPU가 아니라 네트워크라는 것입니다.

— NVIDIA · Cisco

🔗 NVIDIA Newsroom · Cisco Blog

Codex Day 2: OpenAI가 에이전트 마찰(agent friction)에 대한 네 가지 수정 사항을 출시하다

Codex 28일간의 약속(pledge) 2일차에는 네 가지 업데이트가 한꺼번에 공개되었으며, 이 중 어느 것도 벤치마크 수치를 추구하지는 않았습니다. 첫 번째는 'Auto-review'로, 이전에는 'Approve for me'로 알려졌던 모드가 이제 ChatGPT 계정으로 로그인하는 모든 사용자에게 무료이며 사용량 제한에 포함되지 않습니다. 두 번째 에이전트는 주 에이전트를 감시하며 고위험 행동을 플래그 지정하고 원래 의도에서 벗어나는 움직임을 차단합니다. 에이전트가 4시간 대신 40분 동안 실행될 때, 모든 단계마다 승인 버튼을 누르는 것은 안전 기능이라기보다는 병목 현상이 되며, 이는 OpenAI가 제시하는 중간 지점의 해답입니다.

두 번째 변경 사항은 API에 영향을 미칩니다. 다섯 가지 사용 등급이 세 가지로 통합됩니다: Build는 5달러, Launch는 누적 지출 100달러, Grow는 누적 지출 500달러에서 시작하며, 최고 등급의 임계값은 1,000달러에서 절반으로 줄어들고 이를 넘어서면 자동으로 승격됩니다. 속도 제한(Rate limits)은 애플리케이션이 테스트 단계에서 프로덕션 단계로 확장될 때 실질적인 상한선이 되며, OpenAI는 또 다른 규칙 계층을 추가하기보다는 이 경로를 단축하는 것을 선택했습니다. 세 번째 업데이트는 macOS용 ChatGPT에 Meetings 플러그인을 베타 버전으로 도입합니다. 이는 회의 내용을 기록하고 요약하며 결정 사항과 실행 항목(action items)을 Spaces에 파일로 저장하여, 다음 프로젝트 작업 라운드의 입력값으로 활용되게 합니다.

네 번째는 개발자들이 DevDay 이후 기다려온 기능입니다. Decisions API는 9월 29일에 미리 보기(previewed)되었으며 현재 공개 베타 버전으로 출시되었습니다. GPT-6 Luna를 구동하는 이 API는 생성된 산문 대신 술어(Predicates), 선택지(Choices) 또는 점수(Scores)를 반환하며, Responses API보다 최대 10배 빠른 속도를 자랑합니다. 이는 요청 라우팅(request routing), 도구 선택(tool selection), 분류(classification) 및 사전 호출 위험 확인(pre-call risk checks)을 목표로 합니다. OpenRouter는 이미 이 기능을 백만 입력 토큰당 0.10달러에 출력 비용 없이 등재하고 있습니다. 종합적으로 볼 때, 네 가지 업데이트는 명확한 논지를 제시합니다: 에이전트는 이미 작업을 수행할 수 있으며, 남아있는 마찰(friction)은 승인 프롬프트, 등급 서류 작업, 회의 맥락 및 과도한 추론(overkill inference)에 존재한다는 것입니다.

— OpenAI · Tibo Sottiaux

🔗 Tibo Sottiaux on X · OpenAI

Microsoft의 Thinkingbox는 에이전트를 매너가 아닌 최종 상태로 평가합니다

Microsoft Research에서 Thinkingbox를 공개했습니다. 이는 간단한 불만 사항을 바탕으로 구축된 샌드박스이자 벤치마크입니다: 대부분의 에이전트 벤치마크는 모델이 올바른 도구를 호출했는지 여부를 확인하는 데 초점을 맞추지만, 실제로 중요한 것은 작업이 완료되었는지 여부입니다. 이 스위트는 리테일, 호텔 서비스, 자동차 보험, 네오뱅크 IT 지원 및 컨설팅 분야에 걸쳐 507개의 정책 기반 워크플로우를 포함하고 있으며, 각 워크플로우는 에이전트의 답변을 읽어 평가하는 것이 아니라 터미널 백엔드 상태에 대한 실행 가능한 검사를 통해 점수를 매깁니다.

결과는 왜 이것이 중요한지 설명합니다. 가장 강력한 모델은 pass@1에서 65.36%를 달성했지만, 각 워크플로우를 스무 번 시도했을 때는 단 25.25%에 그쳤습니다. 이 격차가 핵심 발견점입니다: 많은 실패가 여전히 깔끔하게 종료되고 그럴듯해 보이는 상태 변화를 만들어내지만, 요구되는 결과를 놓칩니다. 이는 답변 기반 평가로는 절대 포착할 수 없는 오류 유형입니다. 이 워크플로우들은 다단계 정보 수집, 서면 정책 준수, 지속적인 상태 전이와 같은 측면을 강조하며, 이는 현재 벤치마크들이 대부분 무시하는 영역입니다.

실제 운영 환경에 에이전트를 배포하는 팀들에게는 이 저장소(repo)가 주말 프로젝트로 적합합니다. 자체 평가 하네스(evaluation harness)를 이 워크플로우들에 대해 실행해 보면, 그것이 의도(intent)를 측정하는지 아니면 결과(outcomes)를 측정하는지를 빠르게 알 수 있으며, pass^20 수치는 고객에게 신뢰성을 약속하는 누구에게나 냉철한 기준점입니다. 이러한 벤치마크가 바로 에이전트 엔지니어링을 성장시키는 방식입니다: 점수를 매기기를 거부하는 것은 고칠 수 없습니다.

— Microsoft Research · arXiv

🔗 arXiv · Microsoft Research

IMF: AI 투자가 글로벌 성장을 지탱하고 있으며, 청구서는 나중에 나온다

방콕에서 열린 IMF와 세계은행 연례 회의에서 크리스탈리나 게오르기예바(Kristalina Georgieva) 관리 이사는 AI 인프라에 대한 대규모 투자가 글로벌 성장을 3% 수준으로 유지하고 있으며, 특히 아시아 경제가 하드웨어 및 장비 공급업체로서 주요 수혜국이라고 말했습니다. 이는 보통 위험을 중심으로 이루어지는 정책 논의에서 보기 드문 거시경제적 관점이며, 분기 내내 반도체 및 데이터센터 실적이 보여준 내용과 일치합니다.

이러한 경고는 같은 연설에서 나왔습니다. IMF는 시간이 지남에 따라 AI가 약 40%의 일자리를 대체하거나 하향 조정할 수 있다고 추정했으며, 게오르기예바 이사는 이 기술이 고용과 세수 기반 모두에 파괴적인 위협을 제기한다고 경고했습니다. 오늘날의 성장은 자본 지출에 의해 끌어 올려지고 있으며, 내일의 생산성 향상은 경제가 AI가 현재 업무를 흡수하는 속도보다 노동자를 더 빨리 재교육할 수 있는지 여부에 달려 있습니다. 방콕에서 전달된 메시지는 이 두 수치 모두 현실이며 정책이 이를 함께 다루어야 한다는 것입니다.

투자자와 운영자들에게는 해석이 간단합니다. 컴퓨팅 인프라 구축(compute buildout) 자체가 이제 거시경제적으로 중요해졌다는 의미이며, 이는 성장 통계, 무역 수지 및 노동 데이터에 반영될 것이고, 그만큼 큰 규모의 이슈가 뒤따르는 종류의 면밀한 검토를 받을 것입니다. AI 공장(AI factories)을 구축하는 기업들은 전력, 일자리, 세금에 대한 논의가 오피니언 에세이(op-eds) 수준에서 실제 정책 영역으로 이동할 것을 예상해야 합니다.

— IMF · 로이터

🔗 IMF · 세계은행 회의

OpenAI, 첫 GPT-4o API 스냅샷 10월 23일 폐기 예정

개발자 채널을 통해 월요일에 전해진 공지에 따르면, OpenAI는 가장 초기의 GPT-4o API 스냅샷을 10월 23일에 사용 중단할 예정입니다. 이 모델 자체는 지난 2월 ChatGPT에서 제거되었지만, API 스냅샷은 프로덕션 코드에 남아 있었고 이제 약 10일밖에 남지 않았습니다. 비용, 지연 시간 또는 동작상의 이유로 초기 스냅샷을 고정(pinned)했던 애플리케이션들은 마이그레이션하거나 조용한 전환(silent switch)을 받아들여야 합니다.

이야기를 단순한 유지보수 작업 이상으로 만드는 것은 반응입니다. 청원과 오픈소스 재구현 요청이 2월부터 돌고 있었으며, 단종 공지가 이들에게 새로운 추진력을 제공했습니다. 개발자들은 장기간 운영되는 워크플로우에 내장된 모델은 단순히 제품 SKU가 아니라 의존성(dependency)이며, 의존성은 일 단위가 아닌 분기 단위로 측정되는 마이그레이션 경로를 받아야 한다고 주장합니다.

실질적인 조언은 화려하지 않습니다. 현재 스냅샷을 고정하고, 대체 모델과 출력값을 비교하며 차이점(diff)을 확인하고, 프롬프트 재조정(prompt retuning)에 예산을 책정해야 합니다. 왜냐하면 모델의 작은 행동 변화가 전체 제품의 지표를 바꿀 수 있기 때문입니다. 모델 변경 주기(Model churn)는 이제 최첨단 API를 기반으로 구축하는 정상적인 운영 비용이 되었으며, 이번 단종은 이를 그렇게 다루라는 상기시켜주는 것입니다.

— OpenAI

🔗 OpenAI API Docs

세 명의 전직 OpenAI 안전 연구원이 오픈 레터를 발표하다

세 명의 OpenAI 안전 연구원인 Tomek Korbak, Jasmine Wang, Mikita Balesni는 10월 1일, 이번 주에 자신들의 해고에 반대하는 오픈 레터(open letter)를 발표했습니다. 그들은 항상 OpenAI 자체 정책 내에서 행동했으며, 회사가 연구 정보를 다루는 규범이 자신들을 중심으로 변화하고 있다고 제안합니다. OpenAI는 TechCrunch에 발표한 성명에서 세 사람이 연구 정보 처리 방식에서 비행동(misconduct)의 패턴을 보였음을 재확인했습니다.

이 편지가 중요한 이유는 누가, 그리고 언제 서명했는지입니다. 이는 이달 초 문화가 무너졌다고 쓴 안전 보고서 책임자 David Robinson의 퇴사 이후에 나온 것이며, OpenAI가 기업들에게 신뢰와 거버넌스(governance)를 홍보하는 시점에 나왔습니다. 자체 고용주와 공개적으로 갈등하는 안전 팀은 그들의 판매 전략이 보호 장치(safeguards)라는 회사에게는 어려운 상황입니다.