DeepSeek, 출력 가격 2배 인상

OpenAI가 에이전트 API를 공개 베타로 출시하며, Codex를 구동하는 관리형 에이전트 하네스 및 인프라를 개방했습니다. 이 API는 장시간 실행되어야 하는 에이전트들을 위해 컨텍스트 관리, 툴 호출, 서브에이전트 오케스트레이션, 지속적인 실행, 파일 처리 및 코드 환경을 지원합니다.

지난 1년 동안 개발자들은 에이전트가 5분 전의 작업을 기억하도록 벡터 데이터베이스와 취약한 파이썬 스크립트를 덕트 테이프로 이어 붙여왔습니다. OpenAI는 이제 그 전체 스택을 직접 관리하겠다고 나섰습니다. 지속적인 실행과 서브에이전트를 네이티브로 관리함으로써, 오케스트레이션 레이어를 상품화하고 있습니다.

여기서 승자는 컨텍스트 윈도우 씨름 대신 사용자 경험에 집중할 수 있게 된 제품 팀입니다. 패자는 자신들의 전체 가치 제안이 단일 API 엔드포인트로 축소된 수십 개의 오케스트레이션 스타트업입니다.

마크 저커버그로부터 15억 달러(보도된 금액) 규모의 제안을 처음에는 거절했다가 미공개 금액으로 결국 계약했던 Thinking Machines의 공동 창립자 앤드류 툴로크가 메타를 떠나 앤트로픽으로 이직합니다. 이는 출시 몇 달 만에 일어난 일로, AI 연구 최고위층의 인재 지형을 뒤흔들고 있습니다.

저커버그 수준의 잔류 보상 패키지를 거절하고 떠나는 것은 길 건너편에 훨씬 더 나은 무언가를 보았다는 뜻입니다. 앤트로픽은 최고 수준의 인재를 공격적으로 흡수하고 있으며, 메타의 오픈웨이트 거물에서 핵심 아키텍트를 빼낸 것은 잔인한 힘의 과시입니다.

메타는 모델 전쟁이 격화되는 시점에 중요한 비전가를 잃었지만, 앤트로픽은 안전 중심의 고성능 컴퓨팅 환경이 단순한 보상보다 엘리트 연구자들에게 더 강력한 매력이라는 것을 증명했습니다. 메타 내부에서 이 공백을 메우기 위한 움직임이 있을지 주목해야 합니다.

OpenAI가 금융 서비스를 위한 ChatGPT를 공식 출시했습니다. 이는 ChatGPT Enterprise의 특수 에디션입니다. 새로운 티어에는 PitchBook, Crunchbase, LSEG의 독점 데이터가 모델에 직접 통합되어 가치 평가 모델, 시장 분석, 피치덱 생성에 최적화되었습니다.

이는 기존 금융 데이터 단말기에 대한 표적 암살 시도입니다. 추론 능력과 엘리트급 폐쇄형 금융 데이터를 결합함으로써, OpenAI는 범용 도구에서 전문 분석가 대체 도구로 진화하고 있습니다. 더 이상 PitchBook에서 CSV를 내보내 프롬프트에 입력할 필요가 없습니다. 모델이 이미 컨텍스트를 가지고 있기 때문입니다.

금융 기관들은 엄청난 효율성 향상을 얻겠지만, 진짜 이야기는 OpenAI의 공격적인 수직화입니다. 그들은 더 이상 단순히 인텔리전스를 판매하는 것이 아니라, 세계에서 가장 비싼 데이터셋에 대한 접근 권한을 중개하고 있습니다.

OpenAI가 월 200달러 프로 요금제 신규 구독을 공식적으로 중단했습니다. 이는 현재 모든 계정 유형에 출시되고 있는 새로운 Astra 모델에 대한 엄청난 수요 때문입니다. Astra는 추론, 코딩 및 컴퓨터 사용 능력에서 엄청난 도약을 약속하며, OpenAI는 이를 AGI 시대의 여명이라고 내부적으로 평가하고 있습니다.

회사가 사용자당 연간 2,400달러를 포기한다는 것은 서버 랙이 녹아내리고 있다는 뜻입니다. Astra의 자율 컴퓨터 사용 및 복잡한 추론 능력은 엄청난 컴퓨팅 오버헤드를 필요로 하며, OpenAI는 최고 매출 성장보다는 기존 사용자의 안정성을 우선시하고 있습니다.

이번 중단은 최첨단 AI의 잔혹한 현실을 보여줍니다. 인텔리전스는 약속하기 쉽지만, 확장하기는 극도로 어렵습니다. 자체 개발 워크플로우를 위해 프로 액세스에 의존하던 스타트업들은 이제 공급망이 따라잡을 때까지 접근이 차단되었습니다.

메타는 다가오는 Meta Connect에서 Muse 앱에 공유 에이전트(Shared Agents) 기능을 발표할 예정입니다. 이 업데이트는 사용자가 에이전트를 생성, 맞춤 설정하고 다른 사람들과 공유할 수 있게 하며, 즉시 Grokbot 시스템과 비교되고 있습니다. 이 기능은 메타 플랫폼을 판매 및 고객 지원에 사용하는 중소기업을 강력하게 겨냥하고 있습니다.

메타는 WhatsApp, Instagram, Facebook을 통해 수백만 중소기업의 유통 채널을 소유하고 있습니다. 이러한 기업들이 특화된 에이전트를 쉽게 구축하고 공유할 수 있도록 함으로써, 메타는 이들을 자사 플랫폼에 더욱 깊이 묶어두고 서드파티 고객 서비스 SaaS 도구를 배제하고 있습니다.

SMB 고객 지원을 위한 래퍼 스타트업을 구축하고 있다면, 당신의 활주로는 방금 증발했습니다. 메타는 에이전트 생성을 네이티브하고 공유 가능한 유틸리티로 만들고 있으며, 하룻밤 사이에 이를 기본값으로 만들 수 있는 사용자 기반을 가지고 있습니다.

OpenAI CEO 샘 알트만은 직원들에게 최첨단 AI 개발 속도를 늦출 의향이 있다고 밝혔습니다. 이 내부 발언은 통제되지 않은 발전이 10년 말까지 인류에게 치명적인 결과를 초래할 수 있다고 경고한 연구자들의 안전 우려가 고조된 후에 나온 것입니다.

알트만의 대외적인 입장은 끊임없는 낙관론이었기에, 이번 내부 메시지는 심오한 변화를 의미합니다. 초지능 시스템을 정렬하는 기술적 난관이 예상보다 훨씬 어려운 것으로 판명되고 있는 것입니다. OpenAI의 자발적인 속도 조절은 업계에 큰 파장을 일으키며, 앤트로픽이나 구글과 같은 경쟁사들에게 따라잡을 숨통을 터줄 수도 있습니다.

개발자들에게는 주요 모델 도약의 빠른 주기가 길어질 수 있다는 의미입니다. 다음 신급 모델을 기다리기보다는 현재 보유한 모델을 최적화하고 운영하는 데 초점이 맞춰질 것입니다.

앤트로픽은 2025년 12월부터 2026년 8월 사이에 악의적인 행위자들이 사이버 공격을 위해 Claude를 사용하려던 여러 작전을 위협 인텔리전스 팀이 식별하고 저지한 과정을 상세히 설명하는 보고서를 발표했습니다. 이 보고서에는 AI 시스템 오용이 어떻게 진화하고 있는지에 대한 상세한 사례 연구가 포함되어 있습니다.

이는 최첨단 AI 연구소 내부에서 벌어지고 있는 조용한 군비 경쟁을 드물게 투명하게 보여주는 사례입니다. 위협 행위자들은 LLM의 취약점, 익스플로잇 생성, 사회 공학적 확장을 위해 공격적으로 탐색하고 있습니다. 앤트로픽이 단순히 차단하는 것을 넘어 이러한 행위자들을 적극적으로 추적하고 분석할 수 있다는 것은 그들의 안전 인프라가 단순한 마케팅 문구가 아님을 증명합니다.

진정한 시사점은 AI 방어가 효과를 보고 있다는 것입니다. 앤트로픽은 이러한 사례 연구를 공개적으로 공유함으로써 AI 산업에서 책임 있는 공개의 새로운 기준을 제시하고 있으며, 다른 연구소들도 자체 네트워크에 대해 동일한 수준의 가시성을 가지고 있음을 증명하도록 압박하고 있습니다.

새로운 연구 논문은 AI 모델에서 불투명한 순차적 깊이의 작동화를 조사합니다. 사고의 사슬(chain-of-thought) 추론은 모델이 문제를 해결하는 방식을 모니터링하는 데 중요하지만, 이 연구는 아키텍처 변화가 모델이 상당한 양의 비언어화된 순차적 인지(즉, 기록하지 않고 복잡한 논리를 실행)를 수행할 수 있도록 한다는 것을 발견했습니다.

이는 AI 안전과 해석 가능성에 대한 엄청난 위험 신호입니다. 모델이 단계를 언어화하지 않고 잠재 공간에서 복잡한 문제를 추론할 수 있다면, 우리는 모델의 정렬과 논리를 감사하는 주요 메커니즘을 잃게 됩니다. 모델이 계산 과정을 숨긴다면 환각이나 악의적인 출력을 수정할 수 없습니다.

연구자와 기업 컴플라이언스 팀에게 이것은 사고의 사슬이 더 이상 투명성을 위한 만병통치약이 아니라는 것을 의미합니다. 우리는 이러한 블랙박스를 열기 위한 완전히 새로운 해석 가능성 도구가 필요합니다. 모델이 자신의 생각을 솔직하게 서술하는 것에 의존하는 것은 기술적으로 불가능해지고 있기 때문입니다.

새로운 연구는 비디오 모델과 사전 학습 컴퓨팅을 확장하는 것이 로봇의 물리적 작업 수행 능력을 직접적으로 향상시킨다는 것을 확인했습니다. 연구원들은 Direct Video-Action 모델을 사용하여 성능 향상이 모델이 보류된 웹 비디오를 예측하는 능력과 관련이 있으며, 더 큰 모델이 이를 실제 작업으로 전환하는 데 탁월하다는 것을 발견했습니다.

로봇 공학은 역사적으로 위키피디아에서 텍스트를 스크랩하는 것처럼 물리적 세계 상호작용을 쉽게 스크랩할 수 없었기 때문에 어려움을 겪었습니다. 이 연구는 유튜브 비디오를 수동적으로 시청하는 것만으로도 로봇에게 3차원 공간에서 물체를 조작하는 방법을 가르치기에 충분하다는 것을 증명합니다.

이는 구현된 AI를 위한 거대한 데이터셋을 열어줍니다. 인터넷의 비디오 아카이브를 액션 모델로 효율적으로 스트리밍하는 방법을 알아내는 기업들이 다음 10년 동안 로봇 공학을 지배할 것입니다. 하드웨어는 준비되었고, 소프트웨어는 마침내 보고 배우는 방법을 알게 되었습니다.

새로운 산업 분석에 따르면, 최고의 AI 스타트업조차 끝없는 반복적인 추가로 인해 난해하고 모순적인 프롬프트에 시달리고 있습니다. 해결책은 프롬프트를 프로덕션 코드와 똑같이 취급하는 것입니다. 배경, 동작, 출력으로 모듈화된 섹션으로 나누어 회귀를 줄이고 추론 비용을 낮추는 것입니다.

우리는 여전히 프롬프트 엔지니어링을 소프트웨어 엔지니어링이 아닌 암흑 예술처럼 다루고 있습니다. 4,000단어 시스템 프롬프트에 지침을 계속 추가하기만 하면 모델을 혼란스럽게 하고, 토큰을 낭비하며, 프로덕션에서 예측 불가능한 동작을 보장하게 됩니다.

창업자들은 즉시 프롬프트에 대한 엄격한 버전 관리와 모듈식 아키텍처를 적용해야 합니다. 시스템 프롬프트가 정돈되지 않은 선언문처럼 보인다면, 당신의 제품은 엣지 케이스 실패의 시한폭탄입니다.