지난 24시간 동안의 주요 AI 뉴스를 공식 출처와 함께 정리합니다. 이번 호의 공통 테마는 '에이전트가 작동하려면 모델 주변 전체를 재설계해야 한다'는 내용입니다. 버전 관리도, 샌드박스도, 실험실도, 레지정산(レジ締め)도 마찬가지입니다.
Reflection은 10월 16일 첫 오픈 웨이트 모델인 'Beam'의 완전한 가중치(full weights)를 공개했습니다. 프리뷰에서 11일 만에 라이선스는 제약이 적은 Apache 2.0을 채택했습니다. Hugging Face에 올라왔으며, 증류(distillation), 파인튜닝(fine-tuning), 상업적 배포 모두 제한이 없습니다. Beam은 희소한 Mixture-of-Experts 모델로, 총 파라미터는 5,010억 개이며 토큰당 활성화는 230억 개입니다. 컨텍스트 길이는 100만 토큰에 달하며, 사전 학습(pre-training)은 23.8조 토큰에 이릅니다. 강화학습 (RL) 단계에서는 NVIDIA GB300을 1500개 사용해 4주 동안 1억 개 이상의 롤아웃(rollout)을 생성했습니다.
— Reflection · Hugging Face
공식 벤치마크 (BF16) 점수는 SWE-bench Verified 81.6%, Terminal-Bench 2.1 80.1%, GPQA Diamond 90.6%, AIME 2026 97.7%로, 추론 토큰을 약 3분의 1로 줄이면서도 주요 오픈 모델들과 어깨를 나란히 한다고 주장합니다. 한편, 공개 당일 Artificial Analysis Intelligence Index는 30점으로, GLM-5.3 (45), Kimi K3 (44), Mistral Large 4 (38) 뒤에 위치했습니다. 코딩 능력은 뛰어나지만, 추론 부문의 순위는 아직 입증되지 않았다는 것이 솔직한 분석입니다. 가중치는 BF16, FP8, NVFP4 세 가지 정밀도로, DFlash2라는 투기적 디코딩용 드래프트 모델을 함께 배포됩니다. NVFP4 버전은 약 1TB를 280GB 정도로 압축하여 B200 칩 4개에 담길 수 있습니다.
— Reflection · Artificial Analysis
놓칠 수 없는 것은 패키징의 정교함입니다. Reflection은 40개 이상의 파트너와 '에이전트의 오픈 OS'를 표방하며, Transformers, vLLM, SGLang, Unsloth, NVIDIA Dynamo에서의 day-zero 대응, AWS, Azure, Google Cloud, Baseten, CoreWeave, Together, OpenRouter에서의 호스팅, Dell과 HPE를 통한 온프레미스 제공을 동시에 준비했습니다. 자체 에이전트 하네스인 Mirror CLI (Rust 코어)도 오픈 소스로 공개했으며, 1차 API는 무료의 퍼블릭 베타입니다. Hugging Face의 우수 프로젝트에 1만 달러 크레딧도 지원합니다. Financial Times가 NVIDIA와의 인수 협의를 보도한 상황(양사 미확인)에서 Beam을 대대적으로 공개한 것은 무언가가 결정되기 전에 시장에 Beam을 뿌려 놓으려는 의도로 해석됩니다.
— Reflection · Hugging Face
🔗 Reflection Blog · Hugging Face
Anthropic이 자체 버전 관리 시스템 'Scion'에 대한 기술 기사를 공개했습니다. 숫자가 모든 것을 말해줍니다. 일일 병합(merge) 횟수는 2026년 5월의 약 2,500회에서 9월에는 30,000회를 초과하며 4개월 만에 10배 이상 증가했습니다. 대부분은 Claude가 작성한 코드입니다. 모노레포(monorepo)의 main 브랜치 히스토리는 약 100GB이며, 압축된 워킹 카피는 25GB를 넘습니다. CI 체크아웃은 하루에 약 2,500만 번 발생하며, 순수하게 git으로 fetch할 경우 하루 600PB 이상의 트래픽이 발생하는 계산입니다.
— Anthropic Engineering
7명의 팀원이 5개월 만에 Scion을 구축하고 모노레포 전체 마이그레이션을 완료했습니다. 동시에 코드 리뷰 시스템 'Antique', 코드 검색, SCM용 IAM도 정비했습니다. 설계는 git의 전제를 뒤집었습니다. 클라이언트 거의 전부가 상시 온라인 에이전트이기 때문에, 커밋(commit), 병합(merge), 리베이스(rebase)는 모두 서버 측에서 write-ahead log의 changeset으로 처리합니다. packfile은 존재하지 않으며, 체크아웃은 기본적으로 희소하고 가상화됩니다. 작업(job)은 로컬 복사본 없이 API를 통해 히스토리를 조회합니다. 그 결과 CPU와 메모리는 기존 git 미러 그룹의 200분의 1로 줄었고, 체크아웃 시간은 분 단위에서 초 단위로 단축되었으며, CI의 CPU 용량은 25% 회복되었습니다.
— Anthropic Engineering
백지화된 것은 인간 측의 이야기다. Scion 자체도 Claude가 대부분을 작성했다고 밝히며, 내부 스냅샷인 Claude Mythos Preview는 프로토타입 통합 파이프라인을 메모리의 1/20 및 4배속으로 재작성했다. 한편 엔지니어의 역할은 Claude가 설계 원칙을 위반하거나 과도하게 설계했을 때 '아니오'라고 말하는 것이었다고 언급한다. Scion은 범용적인 git 대체재를 만들지 않고 공개하지 않는 방침이며, 설계 지식을 GitHub, GitLab, OSS 커뮤니티와 공유할 예정이다. 동사의 예측에 따르면, 에이전트 코딩을 도입하는 조직은 6~12개월 이내에 같은 벽에 부딪힐 것이라고 한다.
— Anthropic Engineering
Perplexity가 Computer(개인 에이전트)의 기반이 되는 샌드박스 'SPACE'를 Apache 2.0으로 공개했다. 정식 명칭은 Sandboxed Platform for Agentic Code Execution이며, Firecracker microVM 위에 HTTP API를 덧씌운 구성이다. 지난 7월부터 상용 샌드박스 프로바이더를 자체 개발품으로 교체한 이래, Computer의 모든 세션을 지원하고 하루 수백만 건의 샌드박스 생성을 처리했으며, 동일 실제 트래픽 비교에서 생성 속도가 3~5배 빨라졌다고 한다.
— Perplexity
보안 주장은 주목과 신중함이 모두 필요하다. 9개의 프론티어 모델에 대해 118회의 탈출을 시도한 결과, SPACE로부터의 탈주는 '0'이었으나, 같은 모델은 오픈 소스화되지 않은 다른 샌드박스에서는 탈출할 수 있었다고 주장한다. 선행 평가에서는 108회의 시도로 VM에서 호스트로의 탈출은 없었지만, 네트워크 제한 우회 기법이 발견되어 공개 전에 수정했다고 한다. 경쟁 샌드박스 제품의 약점도 각 벤더에게 공개했다. 이 수치들은 모두 Perplexity 자체 주장이며 독립 감사 결과가 아니다. 그렇기 때문에 코드 공개에 의미가 있다. 누구나 같은 테스트를 돌릴 수 있게 되었기 때문이다.
— Perplexity · Semafor
활용할 수 있는 것은 아키텍처 판단이다. SPACE는 각 샌드박스를 신뢰하지 않는 전제하에 설계되었으며, 네트워크 접근 및 플랫폼 유지 권한을 에이전트 작업 환경 외부에서 관리한다. 에이전트는 키를 한 번도 소유하지 않고 승인된 서비스에 연결할 수 있다. 빈번한 스냅샷과 전체 환경 체크포인트는 중단 복구와 세션 분기를 저렴하게 만들며, 사람의 검토로 일시 정지하고 상태 그대로 재개하는 등의 운영을 지원한다. CoreWeave, Akamai, Crusoe가 제공 파트너에 이름을 올렸으며, 많은 기업이 Firecracker 계열을 자체 운영하지 않고 호스팅된 샌드박스를 빌리는 현실에도 부합한다.
— Perplexity
Google Research가 AI 에이전트를 물리적인 웨트랩(wet lab)에 접목하는 노력을 공개했다. 중심은 VERID라고 불리는 프레임워크로, 오픈 소스 PyLabRobot 위에 구축된 실험실 워크셀의 의미론적 디지털 트윈이다. 로봇 팔의 기하학, 우물의 액체량, 시약의 동일성, 피펫 팁 재고까지 실시간으로 업데이트되는 3D 상태 트리 형태로 유지한다. 에이전트는 네 가지 안전장치, 즉 실시간 3D 상태 추적, 수 초 내 충돌을 감지하는 가상 드라이런(dry run), 물리적으로 불가능한 명령을 차단하는 하드웨어 안전 검사, 영상과 동작의 동기화 로그를 갖춘 상태에서 액체 핸들링 프로토콜을 계획하고 실행한다.
— Google Research
폐쇄 루프(closed loop) 결과가 단순한 인프라 소개와 차이점이다. 자체 대결 캠페인에서 에이전트는 상부 카메라 영상으로부터 블라인드화된 색소 혼합물을 재구성하고, 자신이 일으킨 광학적/유체적 아티팩트를 식별하여 정확도를 5배 이상 개선했다. 아프타머 탐색에서는 설계-시험-분석의 1사이클을 7~10일 만에 완료했으며, 3라운드에서 온 타겟 히트율이 미오글로빈 33.5%, 알파 트롬빈 42.1%에 도달했다. 알파 트롬빈의 1라운드는 고정 프라이머의 오버행이 48%인 배열의 접힘을 무너뜨려 히트율이 '0'이었으나, 에이전트가 데이터를 보고 설계 규칙을 스스로 수정했다. 이것이야말로 lab-in-the-loop 학습의 하이라이트다.
— Google Research
단백질 결합제 성과는 신약 개발에 직결된다. 고형 종양에서 과발현하는 수용체 FAP에 대해, 단 몇 번의 실험 라운드 만에 한 자릿수 나노몰의 친화성을 가진 결합제를 확보했다. 국소적인 결합 포켓만을 접는 에피토프 절제(epitope excision)라는 기법으로 각 사이클을 8.6배 가속했다. 과학자가 전략을 세우고 에이전트가 실행하는 인간-기계 협업에서는 in-silico 적중률이 단독 작업의 약 2배가 되었다.
— Google Research
Replit의 CEO Amjad Masad는 TechCrunch Disrupt 무대에서 Anthropic과의 협력을 끝냈다고 밝혔다. 그 이유로 비용, 파트너십, 그리고 성능을 들었으며, 특히 성능에 대한 근거도 구체적이다. 제로(zero)부터 앱을 만드는 'vibe coding'의 공개 벤치마크에서 OpenAI의 Sol과 Astra가 안정적으로 우위를 점하고 있다는 것이다. OpenAI와의 제휴는 지난 8월에 발표되었지만, Claude가 Replit Agent의 중심에서 벗어난 첫 번째 공식 신호탄이었다.
— Replit CEO · TechCrunch
사후 설명으로 변화의 실체가 명확해진다. Replit은 model agnostic를 유지하여 Claude도 선택 가능하지만, OpenAI가 Replit Agent의 기본 동력이 된다. 그리고 기본에 돈이 모인다. 대부분의 사용자는 기본 설정을 변경하지 않기 때문이다. Replit은 최근까지 Anthropic의 상위 5개 고객이었다고 알려졌으며, 지출의 이동 규모는 크다. Masad는 사업 구조도 제시했다. 엔터프라이즈 계약은 전년 대비 2%에서 올해 15%로 증가했으며, B2B가 수입의 50% 이상을 차지하고, 2027년에는 엔터프라이즈와 정부 부문이 과반을 차지할 것이라는 전망을 내놓았다.
— Replit CEO · TechCrunch
깔끔한 이별 이야기로 보기엔 의문점이 남는다. 관계자 중 한 명은 TechCrunch에 협업이 아직 지속되고 있다고 말했으며, 9월의 Replit 공식 블로그에는 Claude Fable 5와 5.1이 Replit Agent의 실전 환경에서 작동한다고 쓰여 있었다. Masad 자신의 마무리 발언도
체크아웃은 Universal Commerce Protocol 위에서 작동한다. 연초에 발표된 오픈 표준으로, AI 에이전트와 소매업자가 양쪽의 독자적인 구현 없이 거래할 수 있도록 하는 것이다. 5월 Google I/O에서 미리 공개된 후, 이번이 해당 프로토콜의 최초 소비자 규모 배포가 된다.
설계는 의도적으로 평범하다. 당신을 대신해 가격을 흥정하는 쇼핑 에이전트가 아니라, 장바구니(cart), 알림(notification), 결제 최적화라는 쌓기 블록이다.
— Google · TechCrunch
전략적인 관점은 또다시 '디폴트'를 둘러싼 이야기가 된다. 장바구니를 쥐는 쪽이 가맹점 측의 관계 데이터, 결제 라우팅, 구매 의도가 발생하는 순간을 보유한다. Google은 이 위치를 Search와 Gemini 양쪽에 직결시키고 있다. 소매업자에게는 표준화가 매력적이지만, Google이 최대 운영자인 오픈 사양이 과연 개방된 인프라로 기능할지, 아니면 절차가 늘어난 오프라인 상점처럼 될지는 실무적인 질문으로 남아있다.
— Google · TechCrunch
🔗 Google · TechCrunch
KD Agentic · AI Daily Digest
