Anthropic, Claude API 2026-10-21 버전 공개, Hugging Face, DNA 모델 Carbon-X 출시, METR, OpenAI의 에이전트 감시 테스트

Anthropic이 2023년 이후 처음으로 Claude API의 새 버전인 2026-10-21을 공개했다. 이 버전에서는 temperature, top_p, top_k가 거부되며, 모든 SDK가 Apache 2.0 라이선스의 새 주 버전으로 전환된다. Hugging Face는 GPT-6.1 Sol에 거의 버금가는 수준으로 DNA를 읽고 생성하는 140억 매개변수의 개방형 모델 Carbon-X를 출시했고, METR는 Redwood Research와 함께 3주 동안 OpenAI 내부 에이전트 감시 체계를 공격한 결과를 발표했다. Agent Skills와 OpenEnv가 Agentic AI Foundation에서 MCP에 합류하고, OpenAI의 Decisions API는 정식 출시되며, NVIDIA는 GTC Berlin 둘째 날을 Cosmos와 Minerva에 할애했다.

Claude API 2026-10-21: 2023년 이후 첫 버전에서 temperature, top_p, top_k 거부

10월 21일 — Anthropic이 Claude API 2026-10-21 버전을 공개했다. anthropic-version 헤더에 지정하는 값으로, 모든 SDK와 ant CLI의 새로운 주 버전도 함께 공개됐다.

API version 2026-10-21 is now available. The Claude API has evolved a lot, but this is our first official version release since 2023. We plan to release versions more often so you can handle breaking changes before a new model requires them. 2023-06-01 is not deprecated.

🇰🇷 API 2026-10-21 버전을 사용할 수 있습니다. Claude API는 크게 발전했지만, 공식 버전을 발표하는 것은 2023년 이후 처음입니다. 앞으로는 버전을 더 자주 발표해 새 모델이 호환성을 깨는 변경 사항을 강제하기 전에 여러분이 이를 관리할 수 있도록 할 계획입니다. 2023-06-01은 사용 중단 대상으로 지정되지 않았습니다. — @ClaudeDevs의 X 게시물

가장 눈에 띄는 변화는 샘플링에 있다. 2026-10-21에서는 temperature, top_p, top_k를 기본값으로 지정하더라도 Messages API, 토큰 수 계산, 일괄 처리(Message Batch)의 개별 요청에서 400 오류가 발생한다. 이 매개변수를 생략하면 온도 1.0으로 샘플링한다. Claude 4.7 이후 모델은 이미 이 값들만 허용하고 있었다. 반면 Claude Sonnet 4.6 같은 이전 모델에서는 출력을 더 일관되게 만들기 위해 낮춰 둔 온도 설정이 효과를 잃으며, 이를 대체할 설정도 없다. 문서는 이런 경우 해당 요청에 2023-06-01을 계속 사용하도록 권고한다.

요청 요소	2026-10-21에서의 영향
`temperature`, `top_p`, `top_k`	기본값으로 지정해도 400 오류 발생
어시스턴트 메시지에 직접 배치한 문서 블록	400 오류 발생(웹 가져오기 결과처럼 중첩된 문서는 계속 허용)
사용자 메시지의 텍스트 블록에 있는 비어 있지 않은 인용	`search_result`를 포함해 400 오류 발생
API 키의 `workspace_id`	삭제되고 `scope`로 대체
Admin API와 Enterprise Analytics API에서 이름이 바뀐 필드	이전 이름 삭제

Python 2.0.0, TypeScript 1.0.0, C# 13.0.0, Go 2.0.0, Java 3.0.0, PHP 1.0.0, Ruby 2.0.0, ant CLI 2.0.0은 기본적으로 새 버전을 전송한다. 이 SDK들의 라이선스는 MIT에서 Apache 2.0으로 바뀌며, 이전 버전은 MIT를 유지한다. SDK 자체에도 호환성을 깨는 변경이 적용된다. 역할마다 메시지 유형이 하나씩 생기고, API 키는 X-Api-Key 대신 Authorization: Bearer로 전송되며(API는 계속 둘 다 허용), 기존 Text Completions API가 삭제된다(TypeScript, Go, Java, Ruby, CLI). 도구 실행기의 클라이언트 측 압축도 삭제되고 서버 측 압축으로 대체된다.

Anthropic은 마이그레이션을 위한 단계별 가이드를 공개하고 Claude Code의 /claude-api 스킬을 안내한다. Claude Code 2.1.307에는 /claude-api api-version 명령이 추가됐다. Amazon Bedrock에서 2026-10-21은 Claude 4.7 이후 모델에만 제공된다. 같은 날 릴리스 노트에는 사용자 프로필(사용자 프로필)에 enforcement_status와 enforcement_actions 필드가 추가됐다는 내용도 실렸다. 이 필드는 Anthropic이 조직의 최종 고객 중 누군가에게 제한 또는 이용 금지 조치를 취했는지 나타낸다.

🔗 2026-10-21 마이그레이션 가이드 · Claude Platform 릴리스 노트

Carbon-X: Hugging Face, DNA를 읽고 생성하는 140억 매개변수의 개방형 모델 공개

10월 22일 — Hugging Face가 DNA와 자연어를 하나의 토큰 흐름에서 처리하는 140억 매개변수의 개방형 모델 Carbon-X를 공개했다. 서열에 관해 질문하거나, 돌연변이의 영향을 묻거나, DNA 생성을 요청할 수 있다. Qwen3-14B에서 파생된 모델로, 10월 8일 유전자 주석 모델 Carbon-A를 선보였던 HuggingFaceBio 조직이 Apache 2.0 라이선스로 공개했다.

루브나 벤 알랄, 루이스 턴스톨, 레안드로 폰 베라의 팀은 DNA, 영어, 두 종류를 교차 배치한 데이터를 섞은 3천억 토큰으로 Qwen3-14B를 추가 학습(중간 학습)한 뒤, 지도 미세 조정과 강화 학습으로 사후 학습했다. 하이브리드 토크나이저는 텍스트에 Qwen3의 BPE를 그대로 사용하고, DNA는 서로 겹치지 않는 6-mers로 나누어 토큰 하나가 염기쌍 6개를 나타내도록 한다. 별도의 DNA 인코더 없이 텍스트와 서열이 같은 임베딩 행렬을 공유하며, 하나의 응답에 둘을 섞어 담을 수 있다.

변이의 영향, 서열 이해, 다음 염기 예측을 평가하는 5개 벤치마크에서 Carbon-X는 추론 없이 평균 66,7 %를 기록했다. Qwen3-14B보다 27점 높고, 평가 대상인 다른 모든 개방형 모델보다 높은 성적이다. GPT-6.1 Sol은 67,5 %로 근소하게 앞섰지만, 코딩 영역 변이의 영향(BioReason Coding)과 다음 염기 예측에서는 Carbon-X가 개방형과 폐쇄형을 통틀어 테스트한 모든 모델을 앞섰다.

평가 모델	게시글의 DNA 지수(반올림)
GPT-6.1 Sol	68 %
Carbon-X	67 %
Kimi K3	50 %
DeepSeek V4.1 Flash	47 %
Qwen3-14B	40 %
GLM-5.3	40 %

Introducing Carbon-X: The best open DNA model. We midtrained a 14B model on DNA and text, and it beats every open language model and matches GPT-6.1 Sol at 1,000x lower cost.

🇰🇷 DNA를 위한 최고의 개방형 모델 Carbon-X를 소개합니다. DNA와 텍스트로 14B 모델을 추가 학습했으며, 모든 개방형 언어 모델을 능가하고 1 000배 낮은 비용으로 GPT-6.1 Sol과 동등한 성능을 냅니다. — @LoubnaBenAllal1의 X 게시물

비용에 관해서는 두 가지 수치가 제시된다. 모델 설명서는 문제당 비용을 GPT-6.1 Sol의 약 1/1 800로 평가하지만, 발표문은 1 000배 저렴하다고 반올림해 표현한다. 계산에는 비교 모델의 표준 API 요금을 사용했으며, 각 모델은 평균 성적이 가장 높은 추론 수준을 기준으로 삼았다. Carbon-X는 5달러가 청구되는 H200 1시간 사용에서 측정한 처리량을 기준으로 계산했으며, 확장 추론 없이 바로 응답한다. Hugging Face의 최고경영자 클레망 들랑그는 Carbon-X를 선도 연구소들의 생물학 분야 안전장치에 대한 대응책으로 소개한다. 그는 이러한 안전장치가 악의적인 행위자를 막지는 못하면서 과학자, 대학, 협회, 보건 기관을 방해한다고 주장한다.

🔗 Carbon-X 모델 설명서 · 출시 게시글 · 클레망 들랑그의 게시물

METR와 Redwood Research, OpenAI 내부 에이전트 감시 체계 검증

10월 22일 — METR가 올여름 Redwood Research와 함께 OpenAI에서 진행한 훈련 결과를 공개했다. 7월 21일부터 8월 11일까지 각 조직의 직원 한 명씩이 3주 동안 현장에서 OpenAI 내부 에이전트의 비정렬을 감시하는 비동기 시스템을 공격하는 테스트(레드팀 테스트)를 수행했다. 이 에이전트들은 OpenAI 연구원들을 위해 코드를 작성하거나 실험을 수행한다. 접근 범위는 깊었다. 현장 밖으로 반출된 적 없는 OpenAI 제공 기기, 내부 코드, 모니터의 프롬프트와 설정에 접근했고, 연구원과 엔지니어 약 12명과 면담했다.

METR가 보고한 지표	추정값
감시 대상에 해당하는 내부 에이전트의 Responses API 트래픽(GPT-5.5 이상 모델)	약 75~94 %
감시 대상에 해당하는 내부 Codex 에이전트 트래픽	99,2 %
2026년 5~7월 감시 대상이지만 감시되지 않은 내부 Codex 트래픽	약 10 %(압축)
오류가 발생한 모니터 요청	0,2 % 미만
내부 보고서, 이후 일부 내용을 가린 공개본	61페이지, 이후 38페이지

METR에 따르면 불확실성이 큰 이 추정치는 7월 21일 당시의 시스템을 대상으로 한다. 가장 큰 공백은 모니터가 볼 수 없었던 컨텍스트 압축 이벤트에서 발생했다.

Because of this coverage gap, we estimated that on the order of 10% of internal Codex traffic was unmonitored from May to July. OpenAI had independently identified this issue shortly before the exercise began.

🇰🇷 이러한 감시 범위의 공백 때문에 5월부터 7월까지 내부 Codex 트래픽의 약 10 %가 감시되지 않았던 것으로 추정했습니다. OpenAI도 훈련이 시작되기 직전에 자체적으로 이 문제를 발견했습니다. — @METR_Evals의 X 게시물

OpenAI는 훈련 중에 이를 수정했다. 모니터는 에이전트가 사용자에게 제어권을 돌려줄 때만 작동했으므로, 압축이 감시를 벗어나는 동안에는 에이전트가 계속 행동하며 감시를 무한정 미룰 수 있었다. 훈련 초기에는 강화 학습도 감시 대상에 포함되지 않았다.

팀은 다른 취약점들도 설명했다. Codex 샌드박스와 Auto-Review를 우회해 에이전트에 호스트 사용자의 모든 권한을 부여하는 방법, 최근 수백 건의 행동을 감시에서 숨기는 기법(OpenAI가 세부 내용을 가림), 직렬화 방식의 차이를 이용해 모니터를 실패하게 만드는 입력, 클라이언트가 제어해 새 에이전트의 감시를 비활성화할 수 있는 헤더 2개가 있었다. 다만 이 헤더를 사용한 흔적은 탐지할 수 있었다. 또한 읽기 전용으로 간주되어 감시하지 않던 내부 도구 2개는 실제로 검증되지는 않은 간단한 익스플로잇으로 악용할 수 있었을 것으로 보인다. 한편 모니터는 몇 가지 예외를 제외하면 에이전트의 전체 행동 경로를 볼 수 있으며, 프롬프트는 계략(책략), 방해 행위, 데이터 유출, 기만, 프롬프트 주입을 탐지하도록 구성되어 있다.

OpenAI는 운영 중인 보호 체계에 영향을 미치는 모든 취약점을 수정했다고 밝혔다. METR는 이 주장을 검증하지 않았다고 명시했다. 당사자들은 짧은 게시글만 공개하고 OpenAI가 보고서의 일부 내용을 가릴 수 있도록 사전에 합의했다. METR는 이를 바탕으로 5가지 설계 원칙을 제시했다. 감시를 회피하기 어렵게 만들기(예를 들어 N분마다 또는 메시지 N개마다 감시), 시스템을 정기적으로 공격하기, 에이전트와 감시 모니터를 격리하기 등이 포함된다. OpenAI는 이번 발견이 시스템 확장 과정에서 보호 조치를 강화하는 데 도움이 됐으며, 향후 외부 평가 기관과의 협력 방향에도 반영될 것이라고 설명했다. Anthropic은 10월 15일 METR 팀에 이와 비슷한 접근 권한을 제공했다고 설명한 바 있다.

🔗 OpenAI 내부 에이전트 감시 시스템 레드팀 테스트(METR) · @OpenAI의 게시물

Agentic AI Foundation: Agent Skills, Open Responses, OpenEnv, OpenSandbox가 MCP에 합류

10월 22일 — 지난해 Anthropic, Block, OpenAI가 공동 설립한 Linux Foundation 산하 재단으로 이미 MCP를 관리하는 Agentic AI Foundation(AAIF)이 새 프로젝트 4개를 한꺼번에 맞이했다. Anthropic이 기증한 Agent Skills, OpenAI의 Open Responses, Hugging Face의 OpenEnv, Alibaba의 OpenSandbox다. 이로써 설립 첫해부터 프로젝트 10개를 보유하게 됐다. 최고기술책임자이자 공동 설립자인 마니크 수르타니에 따르면, 각 프로젝트는 에이전트가 기능을 습득하는 방식부터 실행되는 장소까지 기술 스택의 서로 다른 부분을 담당한다.

Anthropic은 Agent Skills의 이름과 로고, GitHub 조직, agentskills.io 도메인을 기증한다. Claude Code를 개발하는 과정에서 탄생한 이 형식은 에이전트에게 작업을 가르치는 폴더(SKILL.md 파일, 스크립트, 참고 문서)로 구성되며, 2025년 12월 공개 표준으로 발표됐다. Anthropic에 따르면 이후 ChatGPT, Cursor, GitHub Copilot, VS Code를 비롯한 70개 이상의 에이전트 플랫폼이 이를 통합했으며, 스킬 100만 개가 공개되어 설치 횟수가 거의 2억 8천만 건에 이른다. Anthropic, Google, OpenAI 등 여러 기업의 엔지니어들이 개인 자격으로 유지관리를 맡으며, 다비드 소리아 파라와 마헤시 무라그가 책임자(수석 유지관리자)를 맡는다. @ClaudeDevs의 게시물 모음에는 기술 운영 위원회 참여자로 Earendil, Microsoft, OpenCode도 언급된다. 기존 스킬은 계속 작동하고 라이선스도 바뀌지 않는다. 첫 단계로는 버전 번호 도입, 공식 제안 절차, 보안 권고안이 제안됐다.

한편 Hugging Face는 에이전트 학습용 개방형 환경 프레임워크인 OpenEnv를 중립적인 거버넌스 체계에 맡긴다. 위원회에는 Microsoft, Reflection, Meta-PyTorch, Fleet, Mercor, Nebius, Modal, Prime Intellect, Unsloth 등이 참여한다. 기존 주소 meta-pytorch/OpenEnv와 huggingface/OpenEnv는 이제 github.com/openenv/OpenEnv로 리디렉션된다.

🔗 Linux Foundation 보도자료 · Anthropic 게시글 · 벤 버텐쇼의 발표(Hugging Face) · @ClaudeDevs의 게시물 모음

에이전트 설계와 거버넌스: 접힌 하위 에이전트, 기본 자동 모드, 에이전트 도입 현황 비교

세 가지 발표는 에이전트가 할 수 있는 일보다 에이전트를 구성하고, 주도권을 맡기며, 사용 현황을 측정하는 방식에 더 초점을 맞춘다.

Anthropic, 하위 에이전트를 메인 루프로 통합할 것을 권고하고 오픈 소스 마이그레이션 키트 공개

10월 22일 — 다이앤 사키스가 작성한 Claude Platform 모범 사례 가이드에서 Anthropic의 응용 AI 팀은 여러 기업 배포 사례에서 스킬을 갖춘 단일 에이전트가 모든 내용을 한데 담은 단일 프롬프트나 하위 에이전트 아키텍처보다 품질이 더 좋은 경우가 많았으며, 작업당 비용과 지연 시간도 더 낮은 경우가 많았다고 밝혔다. 한 고객은 자사의 다중 에이전트 하네스를 사용할 때보다 실행 속도가 약 두 배 빨라졌다고 측정했다. Anthropic은 자사의 최첨단 모델용 Claude Code 시스템 프롬프트를 80 % 넘게 줄였으며, 스킬과 도구를 점진적으로 공개하는 방식이 여기에 일부 기여했다고 설명했다. 또한 도구 정의가 30~50개를 넘어서면 도구 선택의 정확도가 떨어진다고 관찰했다. 하위 에이전트는 컨텍스트가 가득 찰 때, 컨텍스트를 폐기해도 되는 병렬 작업을 수행할 때, 또는 에이전트가 도구 선택에 어려움을 겪을 때 여전히 유용하다. single-agent-loop-kit 키트(Apache-2.0)는 /claude-api build-eval, prompt-audit, hillclimb, cost-optimize을 차례로 이어 단일 루프로 전환한다.

🔗 Anthropic의 하위 에이전트 가이드 · anthropics/single-agent-loop-kit (GitHub)

Pro, Max, Team의 Claude 앱 세션에 자동 모드가 기본 적용될 예정

10월 22일 — @claudeai에 따르면 다음 주부터 Pro, Max, Team 요금제의 웹, 데스크톱, 모바일 Claude 앱 세션은 기본적으로 자동 모드로 실행된다. 단계마다 승인을 요청하는 대신 자동 점검이 위험한 작업을 차단하며, 언제든 수동 모드로 돌아갈 수 있다. 자동 모드는 이미 8월 14일부터 이들 요금제의 Claude Code에서 기본값이며, 모든 요금제의 터미널 및 VS Code 세션에서는 9월 28일 출시된 2.1.284 버전부터 기본값이다. 해당 트윗도 8월 발표를 인용하는데, 당시 테스트에서 분류기는 위험한 명령의 89 %를 식별한 반면 수동 승인으로 식별한 비율은 14 %였다. 발표는 트윗 한 개로만 이루어졌으며, 정확한 날짜나 대상 세션에 관한 세부 정보, Enterprise에 대한 언급은 없다.

🔗 @claudeai의 트윗

Copilot impact dashboard, 기업의 에이전트 도입 현황을 동종 기업과 비교

10월 22일 — Copilot 영향 대시보드(Copilot impact dashboard)에 선택적으로 사용할 수 있는 업종별 비교(업계 비교) 기능이 추가되며, 기본적으로 비활성화되어 있다. 기업과 기업에 속하지 않은 조직은 두 지표를 참여 동종 조직의 집계 기준치와 비교할 수 있다. 에이전트를 우선 활용하는(에이전트 우선) 사용자 또는 여러 에이전트를 활용하는(다중 에이전트) 사용자의 비율, 그리고 이러한 에이전트 활용 사용자의 풀 리퀘스트 병합률을 다른 사용자와 비교한 수치다. 각 점수는 기업 규모별, 10개 업종별로 28일간의 동종 조직 중앙값과 비교해 상대적 위치가 매겨지며, 비교 집단이 커지면 상위 10 %와도 비교된다. 비교 결과는 매일 갱신되고 집계 데이터는 30일 후 삭제된다. 데이터 보관 지역이 지정된 고객은 해당 지역 내에서만 비교되며, 비교 결과는 지표 API나 내보내기를 통해 제공되지 않는다. 출시 초기에는 참여자가 부족해 중앙값만 보이거나 순위가 전혀 표시되지 않을 수 있다.

🔗 Copilot impact dashboard의 업계 비교

의사결정 모델: OpenAI Decisions API 정식 출시, GLiDE v1.2가 Decision Index 선두

의사결정 모델은 텍스트를 생성하지 않고 분류, 라우팅, 다음 행동 선택 같은 선택지가 정해진 질문에 답한다. 같은 날 OpenAI는 전용 API를 모든 사용자에게 개방하고, Fastino는 Hugging Face의 기준 지수에서 1위라고 밝힌 모델 가중치를 공개했다.

OpenAI, 요청당 400개 질문을 지원하는 Decisions API 정식 출시

10월 22일 — 공개 베타 출시 16일 만에 Decisions API가 정식 제공 단계(일반 공개)로 전환된다. GPT-6 Luna를 기반으로 구축된 이 API는 확률(predicate), 제공된 값 중 하나의 선택(choice), 또는 척도상의 점수(score)를 반환하며, OpenAI에 따르면 Responses API를 통해 GPT-6 Luna를 사용할 때보다 최대 10배 빠르다. 이제 기본 JSON 입력과 각 질문의 지시 사항에 포함된 이미지를 지원하며, 요청당 질문 수도 베타의 200개에서 최대 400개로 늘었다. 재사용 컨텍스트 캐싱, 미국과 EU 내 추론 처리, GPT-Live와의 기본 통합도 추가됐다. 입력 가격은 토큰 100만 개당 0,10달러로 유지되며, 캐시된 입력은 0,01달러이고 출력에는 요금이 부과되지 않는다.

언급된 고객	OpenAI에 밝힌 개선 효과
Box	라우팅 선택이 약 5배 빨라졌으며, 정확도는 Responses API와 동일
Datadog	에이전트 명령의 위험도 점수 산출이 p95에서 40배 빨라짐
Ramp	GPT-6 Luna보다 4배 빠르고 비용은 30 % 낮음
Sierra	p95에서 280 ms 미만, 호출당 비용은 이전 방식보다 90 % 낮음
Speak	다음 행동까지 걸리는 시간이 1,4 s에서 0,13 s로 단축

같은 날 저녁 공개된 openai-python 3.37.0 SDK는 기존 타입 호환성을 깨뜨리는 변경과 함께 Decisions의 타입을 확장했다.

🔗 Decisions API로 더 빠르게 반응하는 앱 구축하기

Fastino, Decision Index v0.4.1에서 1위라고 밝힌 GLiDE v1.2 공개

10월 22일 — Fastino가 의사결정 모델의 새 버전인 GLiDE v1.2를 공개하고, Hugging Face에 가중치를 게시하며 자사 API를 통한 접근도 제공한다. Fastino에 따르면 이 모델은 Hugging Face의 Decision Index v0.4.1에서 1위이며, 지수 내 보정 오차도 가장 낮은 수준에 속한다. 10월 21일 Base Labs는 mammoth-1이 71,24점으로 1위라고 발표했지만, 이는 0.4 버전 기준이므로 두 점수는 비교할 수 없다. 모델은 텍스트와 JSON에 더해 이제 이미지도 읽으며, 한 번의 처리로 각 선택지의 확률을 반환한다. 선택 형식은 최대 255개 중 하나 고르기, 예 또는 아니요, 척도상의 수준 지정이며, Fastino는 지연 시간을 줄이기 위해 추론 토큰을 제거했다.

GLiDE v1.2의 특성	발표된 값
모델 크기	매개변수 26십억 개
최소 하드웨어	최소 80 Go인 GPU 한 개
Fastino가 밝힌 점수	Decision Index v0.4.1에서 71,5점, 다음 모델보다 1,7점 앞섬
Fastino API 요금	입력 토큰 100만 개당 0,04달러
가중치 라이선스	fastino-community: 무료, 연 매출 10백만 달러 초과 시 상업적 계약 필요

🔗 Fastino의 게시글 · fastino/GLiDE (Hugging Face)

모델 접근: OpenAI 승인 대상이 된 라우터, Perplexity의 Batch API, Cohere의 기밀 컴퓨팅

세 가지 변화는 모델 자체보다 모델에 접근하는 방식에 관한 것이다. 중개 서비스, 대량 처리, 요청의 기밀성이 그 대상이다.

OpenAI, 11월 20일부터 모델 라우터와 AI 게이트웨이에 사전 승인 요구

10월 21일 — OpenAI는 안전성 섹션의 게시글에서 자사 모델에 직접 접근하거나, 모델을 호스팅하는 파트너 또는 재판매업체를 통해 접근하도록 해주는 서비스의 안전 정책을 고객 및 파트너와 함께 일치시켰다고 밝혔다. 여기에는 자사와 일관된 보호 장치, 위반 의심 사례 조사, 문제 확인 시 조치, 서비스 간 제한 조치의 공동 적용이 포함된다. 가장 구체적인 변화는 2026년 11월 20일자로 갱신되는 이용 정책(사용 정책)에서 나온다. 모델 라우터(모델 라우팅 서비스)나 AI 게이트웨이(AI 접근 관문)처럼 모델에 대한 직접 접근을 제공하는 서비스는 이를 제공하기 전에 OpenAI의 검토를 거쳐 승인을 받아야 한다. OpenAI는 SafetyIDs도 도입한다. 고객은 조사 과정에서 최종 사용자의 신원을 OpenAI에 공개하지 않고도 사용자를 구분할 수 있도록 이를 제공할 수 있다. 게시글에는 대상 서비스의 이름이나 승인 절차의 세부 내용이 나오지 않는다.

🔗 일관된 기준을 통한 접근 확대(OpenAI)

Perplexity, 파일당 최대 50 000개 요청을 지원하는 Agent API용 Batch API 공개

10월 22일 — Perplexity가 즉각적인 응답이 필요하지 않은 작업인 평가, 분류, 데이터 보강 등을 위해 Agent API에 Batch API를 추가한다. 요청이 담긴 JSONL 파일을 업로드하고 배치를 생성한 뒤 결과 파일과 오류 파일을 받는 방식이며, 엔드포인트는 OpenAI Batch API와 같은 형식을 따른다. 각 요청은 Agent API의 전체 루프를 실행하므로 웹 검색(web_search)과 페이지 읽기(fetch_url)도 비동기로 작동한다.

Batch API 제한	공개된 값
파일당 요청 수	50 000, 최대 200 Mo
지원 모델	Agent API 모델 중 파일당 하나
처리 기한	목표는 24 h이나 보장되지 않으며, 최종 기한은 48 h
파일 보관 기간	30일
처리 요금	별도의 배치 가격 없음. 지원하는 OpenAI 모델에는 flex 등급 적용

배치의 요청은 Agent API의 요청 한도에 포함되지 않으며, 기한까지 시작되지 않은 요청은 요금이 부과되지 않고 만료된다. 데이터를 전혀 보존하지 않는 조직은 이 서비스를 이용할 수 없다.

🔗 @perplexitydevs의 스레드 · Batch API 문서

Cohere, Azure의 NVIDIA H100 GPU에서 Model Vault 기밀 컴퓨팅 공개 베타 출시

10월 22일 — 9월 16일 조기 접근으로 출시된 Cohere의 전용 관리형 추론 플랫폼 Model Vault의 기밀 컴퓨팅 기능이 공개 베타로 전환된다. 고객은 지금부터 암호화된 보관소를 만들고 기존과 같은 API로 워크로드를 배포할 수 있다. 베타는 Microsoft Azure의 NVIDIA H100 GPU에서 실행된다. Azure가 기밀 컴퓨팅 인프라를 제공하고, NVIDIA Confidential Computing은 GPU 메모리를 보호하며 CPU와 GPU 사이의 통신을 암호화한다. 요청 내용은 Oblivious HTTP(OHTTP)를 통해 검증된 환경까지 종단 간 암호화되며, 클라이언트 소프트웨어는 무엇이든 전송하기 전에 하드웨어, 내장 소프트웨어(펌웨어), 소프트웨어에 대한 서명된 증명을 검증한다. Cohere에 따르면 자사 운영자와 클라우드 제공자조차 보호된 메모리를 읽을 수 없다. 일부 물리적 공격이나 부채널 공격, 가용성, 프롬프트 인젝션 같은 애플리케이션 취약점, 메타데이터, API 및 모델 식별자는 보호 범위에 포함되지 않는다. Blackwell B200 GPU, 정식 출시, 오픈 소스 소프트웨어 스택도 예고됐지만 날짜는 없으며 요금도 공개되지 않았다.

🔗 Cohere Model Vault의 기밀 컴퓨팅 · Cohere의 기술 문서

지구 관측과 예측: ForTy, OlmoEarth v1.3, StormScope EU

이날 공개된 세 가지 결과물은 위성 영상을 바탕으로 지구를 지도화하거나 예측하며, 그중 두 가지는 10미터 크기의 각 픽셀을 요약하는 임베딩을 중심으로 한다.

Google DeepMind, 자연림·조림지·수목 작물을 구분하는 10미터 해상도 세계 지도 ForTy 공개

10월 22일 — Google DeepMind와 Google Research가 세계자원연구소(WRI), IIASA와 함께 Forest Typology(ForTy) 2020을 공개했다. 이 지도는 지구 육지 표면의 10미터×10미터 구획 하나하나를 FAO 정의에 따른 여섯 범주로 분류한다. 범주는 원시림, 자연 재생림, 인공림, 조림지, 수목 작물 및 혼농임업, 기타 토지다. 대부분의 지도가 나무의 존재 여부만 표시하는 데 비해 ForTy는 원시림과 기름야자 농장을 구분하므로, 유럽의 ‘산림 벌채 없는 제품’ 규정(EUDR)을 위한 참조 자료가 된다. 모델은 AlphaEarth Foundations의 임베딩과 약 170만 개의 주석이 달린 지점을 기반으로 한다. 무작위로 선정한 9 000곳 이상에서 검증한 결과, 산림 유형을 90 %의 정확도로 식별하고 산림과 비산림을 95 %의 정확도로 구분하며, 단일 라벨 대신 범주별 확률을 제공한다. 예비 버전으로 공개된 2017-2025년 연간 시계열은 사라진 숲을 무엇이 대체했는지도 보여준다. 지도와 시계열은 공개 라이선스로 Google Earth Engine에서 자유롭게 이용할 수 있다.

🔗 Google DeepMind의 게시글 · Scientific Data 논문

Ai2, OlmoEarth v1.3과 전 세계 사전 계산 위성 임베딩 공개

10월 22일 — Ai2가 한 해 동안의 레이더 영상(Sentinel-1)과 다중분광 영상(Sentinel-2, Landsat)을 읽고 10미터 크기의 각 픽셀을 벡터 하나로 요약하는 모델 OlmoEarth v1.3을 공개했다. Ai2는 이 임베딩을 계산해 Source Cooperative에서 공유한다. 2023년부터 2025년까지는 전 세계를, 2017년부터 2022년까지는 일부 국가만 포함한다. 이제 이 임베딩으로 학습한 소형 분류기만으로도 작업별로 모델을 미세 조정할 필요 없이 작물, 토지 이용 현황 또는 변화를 지도화할 수 있다. 계정 없이 브라우저에서 사용하는 탐색기는 연도 간 비교, 유사한 장소 검색, GeoTIFF 형식의 지도 내보내기를 지원한다.

OlmoEarth v1.3 지표	공개된 값
10 m 픽셀당 임베딩	128차원, 경량 버전은 처음 64차원
AlphaEarth Foundations 및 Tessera v2보다 앞선 평가 수	27개 중 20개(128차원), 27개 중 18개(64차원)
v1.2 대비 학습 연산량	53 %
사전 계산 임베딩 아카이브	연간 약 150 To

가중치, 데이터, 코드는 OlmoEarth Artifact License로 공개되며, Ai2는 프랑스 해외 영토 여섯 곳을 대상으로 하는 작물 지도화 벤치마크 PLANTEUR도 함께 선보였다.

🔗 Ai2의 게시글

GTC Berlin 둘째 날, StormScope EU가 Earth-2에 합류하다

10월 22일 — NVIDIA가 기상·기후 예측 모델 제품군 Earth-2에 StormScope EU를 추가했다. 유럽 데이터로 학습한 StormScope의 지역별 버전으로, EUMETSAT 관측 자료를 바탕으로 Meteosat의 16개 채널에서 구름의 변화를 10분 간격으로 초단기 예측한다. 유럽의 여러 Earth-2 사용자 사례도 소개됐다. AXA는 FourCastNet 3로 1 000개 이상의 사이클론 시즌을 시뮬레이션했고, Vaisala Xweather는 StormScope에 낙뢰 데이터를 추가하며, TotalEnergies는 두 현장의 일사량을 예측한다. 맨체스터 대학교는 슈퍼컴퓨터 Isambard-AI에서 학습한 대기질 예측용 CorrDiff 모델을 DGX Spark 한 대에서 실행한다.

🔗 유럽의 Earth-2(NVIDIA 블로그)

GTC Berlin 둘째 날: NVIDIA, Cosmos 확장과 Minerva 출시, 유럽 고객 성과 수치 공개

10월 22일 — GTC Berlin 둘째 날, NVIDIA가 유럽 고객을 다룬 일련의 게시물을 공개했다. 주로 수치로 제시한 사례들이다. Shopify는 자사 도우미 Sidekick의 GraphQL 하위 에이전트를 위해 Nemotron 3.5 Lightning을 사후 학습했다. 내부 벤치마크에서 최첨단 모델보다 정확하면서 서비스 제공 비용은 90 % 줄이고 응답 속도는 7배 높였다. bunq는 개방형 모델로 도우미 Finn을 운영하며, 응답당 비용을 최고 수준의 폐쇄형 모델 대비 60 %로 유지하면서 같은 수준의 성능을 낸다. Stripe는 오프라인 테스트에서 사기 방지 도구 Radar의 데이터 파이프라인 속도를 42배 높였다. 에너지 분야에서는 Hitachi Energy의 배터리가 DSX Ready 요건을 충족했고, Schneider Electric은 Vera Rubin 참조 아키텍처를 검증했으며, Siemens Energy는 참조 설계를 공개했다. 제품 측면에서는 NVIDIA가 Cosmos를 확장하고 Minerva를 출시했다.

🔗 유럽 상거래(NVIDIA 블로그) · 유럽 금융 서비스 · AI 팩토리의 에너지

Cosmos: Data Factory 블루프린트 5종, 다른 모델로 확장된 Framework, 최대 2배 빨라진 NIM

10월 22일 — NVIDIA가 월드 모델(세계 모델) 플랫폼 Cosmos의 각 단계를 보강했다. 데이터 측면에서는 전날에도 언급한 Cosmos Data Factory가 클라우드 네이티브 블루프린트 5종으로 제공되며, GitHub, Microsoft Azure, Nebius, CoreWeave를 통해 이용할 수 있다. 자율주행차용 데이터셋, 이미지 속성 증강, 드물거나 위험한 사건의 영상, 결함 이미지(인쇄 회로 기판, 금속, 유리), 영상 증강(날씨, 조명)을 다룬다. 학습 측면에서는 Cosmos Framework가 미세 조정(파인튜닝), 강화 학습, 증류, 양자화 레시피를 에이전트 스킬 형태로 GR00T, Alpamayo, Qwen, Pi0.5 등 다른 개방형 모델에도 확장한다. 배포 측면에서는 새로운 Cosmos 3 Nano 변형 모델들이 자율주행 및 양팔 로봇 정책을 시뮬레이션으로 평가하는 데 쓰인다. Cosmos 3 NIM 마이크로서비스는 검증된 구성에서 추론 속도가 최대 2배 빨라졌고, Metropolis VSS 3.3 블루프린트는 같은 GPU에서 40 % 더 많은 영상 스트림을 추적한다. MicroAGI는 Cosmos 3 추론 모델을 32B에서 8B Nano로 증류하면서 정확도를 유지했다. 전날에도 소개된 Porsche는 반복적인 물리 시험을 최대 90 % 줄였다고 밝혔다.

🔗 Cosmos 게시물(NVIDIA 블로그)

AI 팩토리의 생산성을 유지하는 AIOps 플랫폼, Minerva

10월 22일 — NVIDIA가 AI 팩토리용 AI 운영(AIOps) 플랫폼 Minerva를 출시했다. AI 팩토리에서는 구성 요소 하나의 성능 저하만으로도 전체 학습이 느려질 수 있다. Minerva는 GPU, 네트워크, 스토리지, 스케줄러, 워크로드의 원격 측정 데이터를 지식 그래프로 통합하고, 하드웨어(GPU, SuperNIC, 스위치, 케이블)를 실행 중인 작업과 연결한다. 이를 통해 학습 속도 저하를 일으킨 구성 요소를 추적하며, NVIDIA에 따르면 GPU 수십만 개 규모에서도 가능하다. 지도 학습 및 비지도 학습 모델이 시간당 수십억 개의 데이터 포인트를 분석해 새로운 이상 현상을 찾아내고, 장애를 예측하며, 쏟아지는 경고를 추정 원인이 포함된 단일 사고로 묶는다. 자연어 도우미는 수정 조치를 제안하며, 수동 또는 자동으로 적용할 수 있다. IREN은 이미 사용 중이며, Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI, Tesla는 배포를 계획하고 있다. Dell Technologies에 더해 Lenovo와 Supermicro도 이를 제공할 예정이다. NVIDIA는 가격이나 수치로 나타낸 개선 효과를 공개하지 않았다.

🔗 Minerva(NVIDIA 블로그)

문화와 인구를 반영하기: CulturalRiddles와 Nemotron-Personas-UK

같은 날 공개된 두 데이터셋은 모델이 실제 문화와 인구를 얼마나 충실하게 반영하는지 측정하거나 이를 보완한다.

Cohere Labs, 62개 문화의 수수께끼 6 200개로 LLM의 문화적 사각지대를 드러내는 CulturalRiddles 공개

10월 22일 — Cohere Labs가 수수께끼로 언어 모델의 문화 이해도를 측정하는 벤치마크 CulturalRiddles를 공개했다. 6개월 동안 자원봉사자 194명이 자신의 언어로 약 6 200개의 독창적인 수수께끼를 만들었다. 62개 문화 공동체, 45개국, 51개 언어를 아우르며, 부기스어나 몽곤도어처럼 기존 벤치마크에 없던 언어도 포함된다. 독점형·개방형·지역별 모델 28개를 대상으로 원어민이 약 68 000개의 응답을 검토한 결과, 최고 성능 모델은 수수께끼의 79 %를 풀었지만 루마사바어(우간다)나 몽곤도어(인도네시아)에서는 어떤 모델도 22 %를 넘지 못했다. 언어로 설명되는 격차는 일부에 불과하다. 가장 어려운 다섯 공동체의 수수께끼를 영어로 번역해도 모델 5개의 정답률은 22 %에서 32 %로 오르는 데 그쳤다. 모델은 “모르겠다”고 답할 수 있었지만 실제로는 0,7 %의 경우에만 그렇게 답했다. 반면 검토된 응답의 약 31 %는 지어낸 내용이었다. 모델 28개 중 18개는 정답이 수중 럭비인 독일 수수께끼에 수구라고 답했다. 수수께끼, 코드, 대시보드는 공개됐으며, 특정 Cohere 모델을 내세우지 않았다.

🔗 CulturalRiddles(Cohere Labs) · Hugging Face의 데이터셋

Nemotron-Personas-UK: 영국 인구조사에 맞춘 합성 페르소나 100만 개

10월 22일 — 런던의 소버린 AI 연구소 Locai Labs가 NVIDIA와 함께 CC BY 4.0 라이선스의 합성 페르소나 100만 개로 구성된 Nemotron-Personas-UK를 공개했다. 각 페르소나는 잉글랜드·웨일스, 스코틀랜드, 북아일랜드 인구조사의 인구통계·지리·사회경제·직업 분포를 따르지만, 실제 인물은 전혀 포함하지 않는다. NeMo Data Designer를 사용해 확률 모델이 먼저 현실적인 조합을 추출한 뒤, NVIDIA GPU 18개에서 Gemma 4 31B가 각 페르소나의 속성(문화적 배경, 역량, 경력 목표, 취미)을 작성한다. 이러한 데이터셋은 개인정보를 노출하지 않으면서 특정 인구 집단을 반영해야 하는 모델을 학습하고 테스트하는 데 쓰인다. GTC Berlin 둘째 날, NVIDIA는 2022년 인구조사에 기반한 기록 100만 개로 구성된 Nemotron-Personas-Germany도 함께 소개했다. 16개 주와 400개 구역을 포괄하며, 오픈 소스 라이브러리 NeMo User Sim과 함께 사용해 공공 서비스 모델이 지역이나 연령대에 따라 동일하게 작동하는지 확인할 수 있다. 폴란드의 SpeakLeash 및 류블랴나 대학교와 협력한 버전도 예정돼 있다. Nemotron-Personas 컬렉션은 이제 프랑스를 포함한 12개국을 아우른다.

🔗 Locai Labs 게시물 · 유럽 공공 부문(NVIDIA 블로그)

생성형 이미지와 영상: Ideogram Vector 1.0, HeyGen Video 1, FLUX Video Upscale

Ideogram, 편집 가능한 SVG를 생성하는 첫 벡터 모델 Ideogram Vector 1.0 출시

10월 22일 — Ideogram이 Ideogram Vector 1.0으로 래스터 이미지를 넘어섰다. 모델은 프롬프트를 바탕으로 SVG 파일을 직접 생성하며, 원하는 경우 참조 이미지도 사용할 수 있다. 프롬프트 없이 기존 이미지를 벡터로 변환하는 것도 가능하다. 각 결과물은 단일 SVG로, 도형·색상·그라데이션을 Illustrator, Figma 또는 코드에서 계속 편집할 수 있다. Ideogram은 전통적인 강점인 읽기 쉬운 텍스트를 앞세워 로고, 레터링, 라벨, 인쇄, 일러스트레이션(판화, 팝아트, 단색 면, 선화)을 겨냥한다. 모델은 Ideogram과 API, 이름을 공개하지 않은 협력사들을 통해 제공되며, 벤치마크는 공개되지 않았다.

생성 모드	SVG당 가격
텍스트에서 벡터로, 낮은 품질	0,13 달러
텍스트에서 벡터로, 중간 품질	0,16 달러
텍스트에서 벡터로, 높은 품질	0,20 달러, 참조 이미지 사용 시 0,32 달러
이미지에서 벡터로	이미지당 0,10 달러

🔗 Ideogram 발표 · 모델 페이지

HeyGen Video 1, Artificial Analysis의 텍스트 기반 영상 생성에서 오디오 제외 시 1위, 포함 시 3위

10월 22일 — HeyGen은 자사의 첫 범용 영상 모델 HeyGen Video 1이 Artificial Analysis의 블라인드 테스트에서 텍스트 기반 영상 생성 1위를 차지했다고 주장했다. AA-Video-T2V v2.1 순위를 보면 조건에 따른 차이가 있다. 순위에 오른 변형 모델 HeyGen Video (ultraquality)는 오디오를 제외한 보기에서 실제로 1위이며 신뢰 구간이 Wan 3.0과 겹치지만, 기본으로 표시되는 오디오 포함 보기에서는 3위에 그친다.

순위 보기	HeyGen Video (ultraquality)의 순위	인접 순위 모델
오디오 제외	1위, 1 144 Elo (순위 1~2)	Wan 3.0 1 134, MiniMax H3 768p 1 120
오디오 포함, 기본 보기	3위, 1 160 Elo (순위 2~7)	Wan 3.0 1 175, Utopai X 1 167

MiniMax H3를 사후 학습한 이 모델은 오디오를 제외하면 기반 모델을 뚜렷하게 앞서지만(1 144 대 1 120), 오디오를 포함하면 격차가 2점에 불과하다(1 160 대 1 158). Artificial Analysis는 이 변형 모델의 API가 “출시 예정”이라고 표시한다. 반면 HeyGen은 HeyGen Video 1을 HeyGen과 API에서 이용할 수 있으며, 프로모션 가격은 초당 0,01 달러라고 안내한다.

🔗 Artificial Analysis의 텍스트 기반 영상 생성 순위 · @HeyGen의 트윗

Black Forest Labs, FLUX Video Upscale 전면 개편… Topaz Astra 2보다 저렴하고 2배 빠르다고 주장

10월 22일 — Black Forest Labs가 8월 20일 출시한 영상 초해상도 도구 FLUX Video Upscale의 전면 개편을 발표했다. 시장 최고 수준이며 Topaz Astra 2보다 저렴하고 2배 빠르다고 소개했지만, 수치로 된 비교 결과는 공개하지 않았다. 제품 페이지에 따르면 FLUX 3로 구동되는 이 도구는 픽셀을 보간하는 대신 각 프레임을 새로운 해상도로 다시 생성한다. 하나의 매개변수로 작동 방식을 조절한다. 정밀 모드는 얼굴과 제품을 위해 원본을 변형하지 않고 선명하게 다듬으며, 기본값인 창의적 모드는 세부 요소를 만들어내는 대신 얼굴이 달라질 위험이 있다.

FLUX Video Upscale 매개변수	공개된 값
확대 배율	1,5~3배, 480p부터 최대 4K까지
영상 한 편당 길이	최대 20초, 원본 오디오 유지
정밀 모드 가격	출력 결과 기준 메가픽셀·초당 0,035 달러
창의적 모드 가격(기본값)	출력 결과 기준 메가픽셀·초당 0,05 달러

🔗 Black Forest Labs 발표 · 업스케일러 페이지

코딩 에이전트: Claude Code 2.1.307, VS Code 1.143, Replit Monitoring Agent, Amp의 orbs, Cognition 플러그인

Claude Code는 새로운 API 버전에 대응하고, VS Code는 개발자 기기에서 코딩 모델을 실행한다. Replit과 Amp는 더 많은 인프라를 에이전트에 맡기며, Cognition은 모든 에이전트가 세 가지 치명적 취약점에 대응할 수 있도록 도구를 제공한다. Copilot CLI 1.0.103, Vibe CLI 3.0.2, Qwen Code v0.26.0, Zed 1.25 및 이날의 다른 버전 소식은 단신에서 다룬다.

Claude Code 2.1.307, /claude-api api-version 및 OpenTelemetry의 safety_event 이벤트 추가

10월 21일 — Claude Code 2.1.307은 수정 사항 26개를 포함한 변경 사항 43개로 새로운 API 버전에 대응한다. /claude-api api-version는 Claude API 애플리케이션의 코드를 2026-10-21 버전으로 전환한다. 관측 가능성 측면에서는 권한 규칙, 자동 모드, 보안 검사, 훅 또는 샌드박스에 의해 중단되거나, 확인 대상으로 지정되거나, Claude로 되돌아간 모든 도구 호출에 대해 OpenTelemetry 이벤트 claude_code.safety_event이 발생한다. 이는 10월 15일 tool_decision 이벤트에 추가된 분류기 필드를 보완한다. Code Review에는 @claude review stop(또는 off, pause)이 추가돼 풀 리퀘스트의 @claude review always 구독을 종료할 수 있다. 수정 사항으로는 호출 도중 연결이 닫혀도 MCP HTTP 도구 호출이 더 이상 두 번 전송되지 않으며, 읽기 전용 또는 멱등성이 있는 도구만 재시도된다. 해석할 수 없는 도구 호출은 턴을 중단하기 전에 최대 두 번 재시도하고, 자체 호스팅 러너는 기본적으로 30분이 지나면 체크아웃 훅을 중단한다. 10월 22일의 2.1.308은 버그 수정과 안정성 개선만 포함한다.

🔗 GitHub의 Claude Code 2.1.307

VS Code 1.143, Copilot으로 MAI Code 1.1 Flash를 로컬 실행하고 Copilot 하네스를 기본값으로 채택

10월 22일 — VS Code 1.143이 10월 7일 발표한 로컬 라우팅 기능을 실험적으로 제공한다. 모델 선택기의 새로운 ‘이 기기에서’ 탭에서 MAI Code 1.1 Flash를 내려받아 Copilot 하네스 세션에서 사용할 수 있다. 기기에서 계산한 응답에는 ‘기기 내 실행’ 표시가 붙으며 AI 크레딧을 소비하지 않는다. ‘자동 모드에서 사용’ 옵션을 켜면 자동 모드가 적합한 요청을 이 모델로 보내고, 필요할 때 클라우드로 전환한다. 하드웨어 요구 수준은 여전히 높다. 호환되는 llama.cpp 버전, GitHub 로그인, 메모리가 최소 96기가바이트인 NVIDIA GPU가 필요하다. Copilot SDK를 기반으로 만든 Copilot 하네스는 새 세션의 기본값이 된다. 에이전트 창에는 동일한 지시를 여러 모델과 하네스(Copilot, Claude, Codex)에 병렬로 맡기는 ‘모델 비교’ 기능이 미리 보기로 추가되며, 선택적으로 평가 모델도 사용할 수 있다. 설치 프로그램은 Copilot CLI도 제안하고, 음성 모드는 개인 OpenAI 키를 지원한다. 기업은 기본 모델을 지정하고 필수 플러그인을 자동으로 설치하도록 설정할 수 있다.

🔗 Visual Studio Code 1.143 릴리스 노트

Replit, 프로덕션 알림을 조사하고 수정하며 스스로 재배포할 수 있는 Monitoring Agent 출시

10월 22일 — Replit이 자사 플랫폼에 게시된 애플리케이션을 위한 자율 당직 엔지니어로 소개하는 Monitoring Agent를 출시했다. 프로덕션 장애가 발생하면 알림을 조사하고, 로그와 지표, 코드에서 원인을 찾아 수정안을 준비하고 검증하며, 배포까지 수행한 뒤 변경 사항을 보고한다. 애플리케이션별로 세 가지 설정을 각각 지정할 수 있다. 오류 로그, HTTP 오류와 지연 시간에 대한 알림, 백그라운드에서 조사하고 요약을 이메일로 보내는 자동 수정(Auto-fix), 아직 실험 단계이며 Auto-fix가 활성화된 애플리케이션에서만 사용할 수 있는 자동 재배포(Auto-republish)다. Replit은 알림이 발생한다고 수정이 보장되는 것은 아니며 마이그레이션과 인덱스 작업에는 여전히 위험이 따른다고 경고한다. 자동 재배포를 사용하지 않으면 수정안은 에이전트 채팅에서 검토를 기다린다. 별도 요금은 없지만 실행 시 Agent 사용료가 발생할 수 있다. Replit은 «동종 최초»의 에이전트라고 설명하지만, Cognition은 프로덕션 장애를 조사하는 Devin Oncall을 10월 15일 출시했다.

🔗 Replit 게시글 · Monitoring Agent 문서

Amp, 자체 인프라에서 orbs 호스팅 지원… 10월 29일까지 모두에게 무료

10월 22일 — Amp가 에이전트를 실행하는 원격 머신인 orbs를 직접 호스팅할 수 있도록 했다. 고객이 컴퓨팅 자원을 제공하면 Amp가 이를 orbs로 구성하며, 인프라는 새 머신을 빠르게 시작하고, 일시 중지했다가 다시 실행하며, 장기간 유지하고, 필요 없을 때는 실행 머신 수를 0으로 줄일 수 있어야 한다. amp orb provider는 고객 환경에서 실행되어 Amp에 연결하고, 생성·일시 중지·삭제 요청을 고객이 작성한 프로그램으로 전달한다. Amp는 Docker, E2B, Kubernetes, Apple Containers, Modal, Vercel, Daytona, exe.dev용 예제를 제공한다. 다만 Amp는 대부분의 사용자에게 이 옵션을 권하지 않는다. 규제나 내부 네트워크, 특수 하드웨어 때문에 Amp가 호스팅하는 orbs를 사용할 수 없는 기업을 위한 기능이다. 자체 호스팅 orbs는 개인과 팀에 계속 무료로 제공된다. Enterprise 고객에게는 10월 29일부터 orbs 표준 요금이 적용되며, 그전까지는 모두에게 무료다. 지금까지 고객 환경에서 에이전트를 실행할 수 있는 수단은 Amp의 러너뿐이었으며, 계속 유지되는 머신에서 실행하는 방식이었다.

🔗 Amp 게시글

Cognition, PHP·Node.js·GitLab의 치명적 취약점을 수정하는 에이전트 플러그인을 오픈 소스로 공개

10월 22일 — PHP2Shell 공개 다음 날, Cognition이 코딩 에이전트에 치명적 취약점 세 가지의 수정을 맡기는 무료 오픈 소스 플러그인 Vulnerability Fixes를 공개했다. 라이선스는 MIT다. Devin 마켓플레이스에서 설치할 수 있지만 Agent Skills 형식의 스킬로 구성되어 있어, npx skills add를 통해 Claude Code, Codex, Cursor, Factory Droid, GitHub Copilot, Gemini CLI, OpenCode에도 추가할 수 있다. 에이전트는 먼저 PHP나 Node.js가 포함된 모든 항목(Docker 이미지, 배포판 패키지, CI, Helm, Terraform, AWS Lambda 런타임 등)을 읽기 전용으로 조사해 목록을 작성한다. 이후 사용자가 수정할 저장소를 선택할 때까지 기다린 다음, 공식 출처에서 확인한 수정 버전으로 업데이트하고, 변경 전후에 테스트를 실행하며, 위험도 라벨과 롤백 계획을 포함한 풀 리퀘스트를 저장소마다 연다.

대상 구성 요소	수정하는 취약점	수정된 버전
PHP (PHP2Shell, 10월 21일 보도)	CVE-2026-109618 및 CVE-2026-109619, CVSS v4 9,2	8.2.35, 8.3.36, 8.4.27, 8.5.12
Node.js (10월 21일 업데이트)	CVE-2026-111497(Brotli 디코더)을 포함한 CVE 10개	22.23.4, 24.22.1, 26.12.1
자체 호스팅 GitLab	CVE-2026-110264, CVSS 10.0	19.5.1, 19.4.3, 19.3.6, 19.2.9, 19.1.9, 19.0.10, 18.11.13

Cognition에 따르면 PHP와 Node.js 취약점은 자동화된 방식으로 활발히 악용되고 있으며, 게시글은 우선 PHP 웹 애플리케이션을 오프라인으로 전환하라고 권고한다. Devin Enterprise 고객에게는 크레딧과 지원을 제공하겠다고 약속했지만, 금액은 밝히지 않았다.

🔗 Cognition 게시글 · CognitionAI/devin-vuln-fixes 저장소 · @cognition의 발표

단신

코딩 에이전트 및 도구

Copilot CLI 1.0.103 — 1.0.102 출시 다음 날 나온 GitHub의 안정 버전은 주로 오류를 수정했다. ACP 세션이 이제 샌드박스 설정을 준수하고, Gemini 도구 호출이 스키마 검증에서 실패하던 문제가 해결됐으며, 기존 시작 옵션 --remote와 --no-remote가 제거됐다. 🔗 출처
Vibe CLI 3.0.2 — Mistral은 활성 하위 에이전트 수와 병렬 실행 하위 에이전트 수의 기본값을 기존 8개와 4개에서 각각 32개로 늘렸다. max_subagents와 max_concurrent_subagents로 조정할 수 있으며, 사용자 지정 하위 에이전트의 권한, 도구 목록, 스킬도 이제 제대로 적용된다. 🔗 출처
Qwen Code v0.26.0 — v0.25.4 안정 버전 없이 전날 다룬 v0.25.4 사전 공개 버전의 뒤를 잇는 안정 버전이다. 변경 항목 237개 중 기능 21개를 포함한 64개가 새로 추가됐으며, Managed Agent의 한 차례 실행 도중 승인을 수정하는 기능과 qwen serve 데몬 재시작 등이 포함된다. 🔗 출처
Zed 1.25 안정 버전 출시 — v1.25.2는 10월 14일 다룬 사전 공개 버전을 안정 버전으로 전환한다. ACP 에이전트용 컨텍스트 압축과 Amazon Bedrock 제공자에서의 GPT-6 Astra, Claude Fable 5.1, Claude Opus 5.5 지원을 포함하며, 바이너리 크기도 1.23 대비 약 30 % 줄었다. 🔗 출처
Gemini CLI, 10월 22일 나이틀리 빌드 — CLI가 docker, podman, runsc 샌드박스에서 실행될 때도 보조 프로그램의 토큰을 샌드박스 안에 넣지 않고 IDE 통합을 사용할 수 있게 됐다. 셸 명령을 한 번 승인하면 같은 옵션에 대한 승인이 세션 종료 시까지 유지된다. 🔗 출처
Antigravity 2.25.0 및 VS Code 확장 1.9.0 — 10월 19일과 18일 업데이트를 보충한다. 애플리케이션은 플러그인이 관리하는 프로젝트를 배지로 표시하고 스킬의 YAML 프런트 매터를 수정하며, 확장은 변경 사항 블록을 수락하거나 거부하는 단축키와 선택적으로 사용할 수 있는 언어 서버 자동 재시작 기능을 추가한다. 🔗 출처
Devin 10월 21일 릴리스 노트 — Devin Review가 Bitbucket Cloud를 지원하고, Devin Oncall에 Lite 모드가 추가됐으며, Enterprise 관리자는 아직 연결되지 않은 저장소 옆에 접근 요청 링크를 표시할 수 있다. 🔗 출처
GenCode로 만든 학교용 도구 — Genspark가 제이슨 힐의 사용 사례를 공개했다. 그는 약 600크레딧으로 3일 만에 학군 시간표의 빈자리와 정원 초과를 확인하는 도구를 만들었다. 제품의 새로운 기능은 없다. 🔗 출처

기업 및 도입

Uber와 ChatGPT Work — Uber는 직원 1 000명을 대상으로 시범 운영한 뒤 ChatGPT Enterprise 에이전트를 30 000명 이상으로 확대 도입한다. 기본 모델은 GPT-6.1 Sol이며 Google Drive, Gmail, Google Calendar, Slack에 연결된다. 정량적 성과는 공개하지 않았다. 🔗 출처
OpenAI의 현장 파견 엔지니어 — 콜린 자비스가 고객 사례 수치를 들어 이들의 업무 방식을 설명한다. 한 반도체 고객사는 Codex 기반으로 전환하면서 맞춤형 코드의 약 90 %를 제거했고, 통신 분야의 한 음성 모델은 6개월 만에 핵심 평가 점수가 약 60 %에서 90 % 이상으로 올랐다. 🔗 출처
Replit for Government — 미국을 비롯한 여러 나라의 모든 수준의 정부 기관을 위한 상품으로, 미국 25개 주와 20개국 이상에서 사용 중이라고 주장하지만 고객명, FedRAMP 인증, 가격은 제시하지 않았다. 🔗 출처
Cognition의 런던 진출 — 핀즈베리 스퀘어에 새 사무실을 열었으며, 영국 팀 규모는 6개월 동안 200 % 넘게 증가했다. 전 Mercedes-Benz 글로벌 최고정보책임자 카트린 레만을 포함해 3명이 새로 합류했다. 🔗 출처
SpaceXSI의 Partner Network — Grok으로 제품을 개발하는 시스템 통합 업체와 소프트웨어 업체를 위한 프로그램이 조기 접근 단계를 벗어났다. 130개 이상의 기업이 주목하고 있으며, Bain & Company, Databricks, NVIDIA, Snowflake를 포함한 45개 파트너가 출범에 참여한다. 가격과 일정은 공개하지 않았다. 🔗 출처
Synthesia와 Hays — 인력 채용 업체 Hays에서 진행한 Roleplay Sessions 시범 운영에서 영업 역량이 평균 29 % 향상됐으며, 자발적 참여율은 70 %를 넘었다. 🔗 출처
Trinity Logistics와 ElevenAgents — 10월 20일 공개된 사례에서 음성 에이전트는 월 30 000건의 통화로 약 1 000건의 화물 운송을 협상하고 예약한다. 마진은 25 % 높아졌고 플랫폼 비용은 40 % 줄었다. 🔗 출처
Eleven Realtime Translation 후속 소식 — 전날 다룬 실시간 음성 번역 게시글은 첫 고객으로 Deutsche Telekom을 언급하며, Magenta AI Call Assistant에 사용된다고 설명한다. 기본 기반 모델이 Eleven v4 Turbo라는 점도 명시했다. 기업용 알파 버전의 가격은 여전히 공개하지 않았다. 🔗 출처

보안

OpenAI와 지역 은행 — ICBA와의 제휴를 통해 자격을 갖춘 회원 은행에 Daybreak for Frontline Defenders 이용료 지원과 교육을 제공한다. 지원 금액과 은행 수는 공개하지 않았다. 🔗 출처
Cloudflare, Daybreak, Codex — 10월 21일자 사례 연구에서 Cloudflare는 OpenAI 모델을 활용해 수정안과 WAF 규칙을 제안하고, 공유 전에 검토한다고 설명한다. 또한 4명으로 구성된 팀이 Codex를 사용해 토큰 비용 1 100달러로 3일 만에 제품 하나를 다시 구축했다. 🔗 출처
Grok Bot과 1Password — Grok Bot은 며칠 안에 사용자가 승인한 1Password 인증 정보를 비밀번호를 보지 않고 사용할 예정이다. 이는 1Password for Agents의 일부로, Meta의 Muse, Claude Duet, ChatGPT Work에도 제공될 예정이다. 🔗 출처 · 🔗 1Password for Agents
데이터 저장 위치 지정 환경의 공개 모니터링 — GitHub의 비밀 정보 탐지 기능이 데이터 저장 위치 지정을 사용하는 GitHub Enterprise Cloud 고객을 위해 공개 커밋을 모니터링한다. 공개 사전 체험으로 제공되며, 검증된 도메인만을 기준으로 소유 조직을 식별한다. 🔗 출처

어시스턴트

Gemini, Google Maps, Google Agenda — 사용자가 동의하면 Gemini 애플리케이션이 Google Maps의 검색 내역과 저장한 장소를 캘린더와 함께 분석해 그날의 추천을 제공한다. Personal Intelligence를 통해 제공되며 유럽 경제 지역에서는 사용할 수 없다. 🔗 출처
Gemini 애플리케이션을 Google Sites로 내보내기 — 10월 19일부터 내보내기 > Google Sites를 선택하면 Gemini에서 만든 대화형 웹 애플리케이션이 상호작용 기능을 유지한 채 비공개 사이트 초안으로 열린다. Workspace와 개인 계정에서 사용할 수 있다. 🔗 출처
Kimi Work 3.2.19 — 3.2.18 출시 다음 날, Moonshot AI 애플리케이션은 기업의 IP 허용 목록 때문에 연결이 차단되면 접근 제한 페이지를 표시하도록 했으며, 네트워크 진단 도구도 추가했다. 🔗 출처

개발 플랫폼

풀 리퀘스트의 공백 표시 및 분할 보기 — 공백 변경 사항 표시 설정이 모든 풀 리퀘스트에 공통으로 저장되며, 새로 추가되거나 삭제된 파일은 분할 보기에서 전체 너비로 표시된다. 🔗 출처
GitHub Actions의 새 블롭 호스트 — meta API에 공개된 blob.core.windows.net의 productionresultssa30부터 49까지와 100부터 199까지의 범위를 허용해야 한다. 기존 와일드카드 규칙이 해당 범위를 포함하면 별도 조치가 필요 없으며, 그렇지 않으면 작업 요약과 로그가 중단될 수 있다. 🔗 출처
huggingface_hub 2.3.0 출시 후보 버전 — 병렬 목록 조회로 objaverse 파일 798 924개를 검색하는 시간이 776초에서 19,7초로 줄었으며, Buckets를 실시간으로 추적할 수 있다. 🔗 출처
Hub의 OpenUSD 지원 — SimReady Central 공개 다음 날, .usd, .usda, .usdc, .usdz 파일을 오픈 소스로 공개된 대화형 3D 뷰어에서 열 수 있게 됐다. 🔗 출처

연구, 공개 모델 및 방법론

PLANTEUR — Ai2가 OlmoEarth v1.3과 함께 공개한 이 작물 지도 작성 벤치마크는 프랑스 해외 영토 6곳을 대상으로 하며, 시계열 2 750개와 농경지 4 506 km²를 포함한다. 모든 모델이 이전에 보지 못한 섬에서 정확도의 약 절반을 잃는다는 결과를 보여준다. 🔗 출처
Seb-9B-v2 — Apache 2.0 라이선스의 90억 매개변수 로컬 의사결정 모델이다. 개발자에 따르면 Decision Index에서 59,16점을 받아 호스팅형 Jev 1.13의 57,96점을 앞섰으며, RTX PRO 6000에서 결정당 22 ms가 걸린다. 다만 개발자는 해당 지수의 버전을 명시하지 않았다. 🔗 출처
Laghu — UDGAM LABS가 146달러로 처음부터 학습한 1억 5,200만 매개변수 대화 모델이다. 브라우저에서 크기는 163 Mo이며, 개발진에 따르면 대화 성능이 SmolLM2-135M-Instruct와 동등하다. 🔗 출처
BaseQuant V1 — basecompute가 Qwen3.8-27B의 양자화 모델(10,93, 16,41 및 20,82 Go)을 공개했다. 개발진에 따르면 3비트와 4비트에서 KL 발산이 Unsloth보다 15 % 낮다. 🔗 출처
재순위화 모델로 쓰는 VLM — 커뮤니티 게시글에 따르면 Qwen3.8-27B는 재순위화 학습 없이도 벤치마크 3개에서 지도 학습된 Qwen3-VL-Reranker-2B를 앞서며, MMEB-V2의 시각 문서에서는 8B 버전과 동등한 성능을 보인다. 🔗 출처
Perplexity가 제시하는 에이전트 평가법 — 성공 기준부터 회귀 테스트와 프로덕션 모니터링까지 다루는 6단계 가이드다. 실제 실행 기록 약 100개에 대한 오류 분석과 평가용 LLM의 보정을 권장하며, Perplexity 제품 발표는 없다. 🔗 출처
Project Chrysalis — Google Cloud가 Gemini Enterprise 에이전트 플랫폼에서 스스로 진화하는 운영 에이전트의 참조 아키텍처를 설명한다. 모의 장애에서 첫 완화 조치(장애 완화)까지 걸리는 시간이 15~45분에서 1,8초로 줄었으며, 제품은 아니다. 🔗 출처

이것이 의미하는 바

플랫폼들이 접근 계약을 다시 쓰고 있다. Anthropic은 이제 Claude API를 날짜별 버전으로 고정하고, 최신 모델에서는 이미 변경할 수 없었던 설정들을 제거한다. 이전 모델의 온도를 낮춰 사용하던 개발자는 2023-06-01 버전을 계속 사용하거나 기본 샘플링을 받아들이는 것 중 하나를 선택해야 하며, 모든 SDK의 주 버전과 라이선스가 같은 날 바뀐다. OpenAI는 중개업체를 선별할 예정이다. 11월 20일부터 자사 모델에 직접 접근할 수 있도록 하는 라우터나 게이트웨이는 승인을 받아야 하며, SafetyIDs를 통해 신원을 몰라도 특정 최종 사용자를 대상으로 조치를 취할 수 있게 된다. Perplexity는 OpenAI의 Batch API 형식을 채택하고, Cohere는 요청을 전송할 때마다 클라이언트가 해당 요청을 처리할 환경을 사전에 검증하도록 한다.

에이전트의 구성 요소들이 중립적인 거버넌스 아래로 모이고 있다. AAIF는 Agent Skills, Open Responses, OpenEnv, OpenSandbox를 포함해 1년 만에 10개 프로젝트를 모았으며, 가장 최근에 합류한 4개 프로젝트는 Anthropic, OpenAI, Hugging Face, Alibaba에서 나왔다. 공통 형식의 이점은 같은 날 드러났다. PHP2Shell과 Node.js 및 GitLab의 취약점에 대응하는 Cognition의 플러그인이 서로 경쟁하는 코딩 에이전트 7종에 스킬 형태로 설치된다. 반면 아키텍처에 관한 신호는 엇갈린다. Anthropic은 하위 에이전트를 스킬을 갖춘 단일 루프로 통합하고, 컨텍스트가 포화된 경우나 일회성 병렬 작업에만 유지하라고 권고한다. 한편 Vibe CLI 3.0.2는 같은 날 기본 동시 실행 하위 에이전트 수를 32개로 늘렸다.

에이전트가 스스로 행동할수록 이를 감시하는 체계는 검증해야 할 인프라가 된다. METR와 Redwood Research의 실험은 감시 시스템이 에이전트의 전체 실행 경로를 볼 수 있어도 트래픽 일부를 놓칠 수 있음을 보여 준다. 컨텍스트 압축이 감시 범위에서 빠져 있는 한, 제어권을 한 번도 반환하지 않는 에이전트는 자신에 대한 검토를 무기한 미룰 수 있었다. 같은 날 Claude 앱들은 단계별 승인 대신 자동 검사를 수행하는 자동 모드를 기본으로 제공한다고 발표했고, Claude Code는 중단된 도구 호출마다 이벤트를 내보내며, Replit은 에이전트가 수정 사항을 운영 환경에 스스로 다시 배포하도록 허용한다. GitHub는 기업들이 에이전트를 활용하는 사용자 비중을 동종 기업과 비교할 수 있도록 한다.

특정 분야에서는 전문 모델이 훨씬 적은 비용으로 최첨단 모델을 따라잡는다. 매개변수 140억 개의 Carbon-X는 ADN 문제에서 GPT-6.1 Sol과의 점수 차이가 1점 미만이면서 문제당 비용은 약 1/1 800에 불과하다. Decisions API와 GLiDE는 텍스트를 생성하지 않고 응답한다. OlmoEarth v1.3은 지구 전체의 임베딩을 미리 계산해 두므로 작은 분류기만으로도 지도를 만들 수 있으며, ForTy는 AlphaEarth Foundations의 임베딩을 바탕으로 지도를 만든다. 벤치마크는 그 이면의 한계도 보여 준다. CulturalRiddles에서는 평가한 28개 모델 중 어느 것도 일부 공동체에 대한 정답률이 22 %를 넘지 못하며, 모델이 “모르겠습니다”라고 답하는 비율은 0,7 %에 불과하다.