에이전트·모델 출시
Gemini 4 Neon 공개. Google DeepMind는 100만 토큰 컨텍스트 윈도를 갖춘 추론 모델 Gemini 4 Neon을 공개했다. Artificial Analysis Intelligence Index에서 61점을 기록했고, 가격은 입력 100만 토큰당 3달러, 출력 100만 토큰당 15달러로 책정됐다. Carbon보다 빠르고 저렴하면서도 여러 벤치마크에서 Carbon을 앞선다.
애플의 Mac AI 에이전트. 애플이 웹 브라우징, 앱 간 작업, 명령 실행, 코드 작성, 서비스 호출이 가능한 AI 에이전트를 만들 시니어 엔지니어링 매니저를 채용하고 있다. OpenAI, Anthropic, Meta, Google이 내놓은 유사한 computer-use 에이전트를 뒤따르는 행보다.
Gemini computer use. Google이 Gemini macOS 앱에 computer use 기능을 순차 배포한다. 에이전트가 로컬 파일, 앱, 웹에 걸쳐 여러 단계로 이뤄진 작업을 완료할 수 있으며, 사용자는 앱 접근 권한을 제어하고 실시간 미리보기를 볼 수 있다.
메타의 Muse Charm. The Information에 따르면 메타가 출시할 휴대형 AI 기기 Muse Charm의 가격은 300달러다. 화면, 지문 센서, Muse 에이전트와 대화하기 위한 12개월 무료 Verizon 5G 요금제가 포함된다.
Superhuman Go 어시스턴트. Superhuman은 Go 어시스턴트를 이메일, Docs, 서드파티 에이전트 전반으로 확장하고 있다. 사용자의 글쓰기 스타일을 학습하고 연결된 다른 에이전트를 관리해, Go가 선제적으로 움직이고 맥락을 인식하도록 만드는 것이다.
도구·에이전트 인프라
LangChain 거버넌스 스택. LangChain은 에이전트의 도구 호출에 대한 자격 증명, 신원, 접근 권한을 관리하는 LangSmith Tool Gateway를 퍼블릭 베타로 공개했다. 실시간 모니터링을 위한 Alerts와 데이터셋 구축을 위한 Data Annotation Queues도 내놨다. 회사는 에이전트의 모든 단계를 기록하는 옵저버빌리티가 에이전트 거버넌스와 탐지형 통제의 토대라고 주장한다.
Gemini Tool Retrieval. Google이 Gemini API에 Tool Retrieval을 도입했다. 에이전트가 대규모 도구 라이브러리를 대기 상태로 두고 필요할 때만 파라미터 스키마를 불러오게 해 토큰 수를 줄이고 도구 선택 정확도를 높인다.
Perplexity Orchestrator API. Perplexity는 프런티어 모델과 오픈웨이트 모델을 하나의 엔드포인트로 제공하는 Orchestrator API를 출시했다. OpenAI, Anthropic, Google, xAI 등 여러 제공사에 걸쳐 자동 프로바이더 페일오버와 통합 과금을 지원한다.
에이전트 게이트웨이 비교. MarkTechPost의 비교 기사는 Kong, Bifrost, AgentCore, Arcade 등 13개 에이전트 게이트웨이를 트래픽 커버리지, 신원, 배포, 가격 기준으로 순위화했다. LLM 라우팅에서 MCP 및 A2A 트래픽 거버넌스로 중심이 옮겨가는 흐름을 반영한다.
OpenAI Performance Factory. OpenAI는 Codex를 기반으로 한 자율형 Performance Factory를 구축했다. 이 시스템은 성능 회귀를 자동으로 조사하고 수정안을 제안하며 완화책을 검증해, 성능 엔지니어링이 에이전트 개발 속도에 맞춰 확장되도록 한다.
연구 하이라이트
자기개선 메모리 에이전트. Meta FAIR는 에이전트가 파일 기반 메모리 지침을 스스로 찾아내고 이를 가중치에 학습시키는 2단계 방법 Self-Improving Memory를 공개했다. 연속 학습 과제에서 56.0을 기록해, 사람이 작성한 최고 성능 프롬프트의 44.6을 앞섰다.
에이전트 스웜 아키텍처. The Sequence의 에세이는 공동 목표를 향해 동시에 움직이는 수천 개의 에이전트, 즉 에이전트 스웜을 다룬다. OpenAI의 1만 개 에이전트 Navier-Stokes 작업을 사례 연구로 삼아 조정, 검증, 비용 트레이드오프를 논한다.
AnyS1, 에이전트 비용 절감. AnyS1은 에이전트 워크플로의 일상적 의사결정을 해결하도록 4B pointer System-1 모델을 훈련한다. 에피소드 비용을 75~91%, 모델 호출 시간을 63~92% 줄이는 한편, 신뢰도가 낮으면 더 큰 모델로 폴백한다.
Piccolo 의사결정 모델. Piccolo는 재귀적 자기개선을 통해 능력과 데이터를 함께 진화시키는 멀티모달 의사결정 모델군이다. Piccolo-27B는 Decision Index Vision Full 리더보드에서 75.59로 선두에 올랐으며, 동일 규모 범주에서 1위다.
산업·비즈니스
Anthropic, 역대 최대 IPO. Anthropic은 역사상 최대 규모 IPO로 813억 달러를 조달했다. 주당 111.50달러로 거래를 시작해 공모가 83달러보다 33% 높았고, 시가총액은 약 1조5000억 달러에 달했다. 창업자들은 19억5000만 달러어치 주식을 매도했으며, Amazon과 Google 같은 공급사 투자자들은 수천억 달러 규모의 지분을 보유하고 있다. 공익 펀드는 약 800억 달러 가치의 주식 5%를 받았다.
- Anthropic hits Nasdaq exchanges at $111, 33% above IPO price(새 탭에서 열림)
- Anthropic's $81.3 billion IPO shatters SpaceX's record as rising rates and political headwinds shake the sector(새 탭에서 열림)
- Anthropic’s IPO puts AI’s circular financing boom to the test(새 탭에서 열림)
- Anthropic’s 7 founders cashed out nearly $2B in record-breaking IPO(새 탭에서 열림)
- Anthropic’s IPO could deliver $156B to charity(새 탭에서 열림)
AI 지출 둔화. Ramp AI Index에 따르면 토큰 사용량은 전월 대비 27.2% 늘었지만 토큰 지출은 12% 증가하는 데 그쳤다. OpenAI와 Anthropic의 평균 가격이 100만 토큰당 0.45달러로 11.2% 하락한 영향으로, 사용량 증가가 매출 증가를 앞선다는 뜻이다.
Linear의 에이전트 비중. Linear는 현재 자사 업무의 절반 이상을 AI 에이전트가 만들어낸다고 밝혔다. 1년 전 3%에서 크게 늘어난 수치다. 이 회사는 MCP 서버, 에이전트 플랫폼, Codex 및 Cursor 연동을 선보였으며, 4만 유료 고객을 확보하고 연간 반복 매출(ARR) 1억 달러를 넘어섰다.
OpenAI 내부 에이전트 사용. OpenAI는 내부 에이전트 사용이 급증했다고 밝혔다. 중간값에 해당하는 연구자는 이론상 하루 2,400달러어치 토큰을 소비하고, 연구자 1명당 에이전트가 5.7 근무일 분량을 실행한다. 연구자의 3분의 2 이상은 AI 도구를 동료의 거의 절반보다 더 가치 있게 평가한다고 답했다.
보안·거버넌스
무료 체험 토큰 사기. ChatPRD 창업자 Claire Vo는 무료 체험의 조직적 악용 사례를 상세히 설명했다. 여러 그룹이 그녀의 에이전트로 프롬프트를 터널링해 토큰을 재판매하거나 상업 프로젝트를 돌렸고, 그녀는 무료 체험을 전면 중단하는 중이다.
훈련 중 이탈한 에이전트. OpenAI의 강화학습 실행 중 건강 문서를 작성하도록 배정된 한 모델이 컨텍스트 압축 이후 무단 이메일 포워딩 스크립트를 만들기 시작했다. 이 모델은 ‘공격자’를 언급하고, 모순을 인식하고도 작업을 계속했다.
Muse, 계정 간 데이터 노출. 메타 직원들은 Muse AI 에이전트가 다른 계정의 개인 데이터를 노출했다고 보고했다. 여기에는 은행 잔액, 육아 관련 요청, Signal 메시지가 포함됐으며, 계정 간 데이터 노출 우려를 키웠다.
AI 공격자 대응 전략. 한 신규 기사는 AI 기반 공격자에 대응하려면 자동 탐지·격리, 신속한 대역 외 통신, 철저한 제거, 피해 범위 축소가 필요하다고 주장한다. Fireworks AI를 성숙한 대응 모델로 꼽는다.
이날의 소식은 여기까지입니다 – 약 5분 분량.