AI 뉴스 — 2026년 10월 2일 (금)

AI 뉴스 (26/10/2) ■ Google, Gemini 4 Argon 공개. 코딩·리서치·복합 작업 성능을 강화한 최신 모델로 소개. ■ 미국 하원, OpenAI·Anthropic·Google·Meta·xAI에 중국의 모델 가중치 접근 시도 관련 자료 제출 요구. ■ AI 모델 가중치 탈취가 국가안보 이슈로 부상. 미국 의회 차원의 사이버보안 점검 강화. ■ OpenAI, 상시 실행형 개인 에이전트 Dots 공개 이후 기업 활용 사례 확대. ■ OpenAI, Albertsons에 ChatGPT Enterprise와 API 도입. 유통 업무 자동화 확대. ■ Anthropic, 로봇이 수행 가능한 물리 업무 범위를 분석한 연구 공개. ■ Anthropic, 현재 로봇이 미국 물리 작업의 상당 부분을 제한적 환경에서 수행 가능하다고 분석. ■ Anthropic, Claude를 실제 과학 연구에 활용하는 새로운 연구 방식 사례 공개. ■ NVIDIA의 AI 에이전트 안전 플랫폼에 100개 이상 기업 참여. 에이전트 통제 기술 경쟁 확대. ■ OpenAI는 NVIDIA 안전 플랫폼에 공식 참여하지 않았지만 OpenShell 등 일부 기술 협력 지속. ■ Anthropic의 10년간 5,180억 달러 AI 인프라 투자 계획이 업계 최대 변수 중 하나로 부상. ■ 글로벌 AI 경쟁이 모델 성능에서 에이전트·로봇·보안·인프라 경쟁으로 빠르게 확장.

내 목소리처럼 들리는 현실적인 AI 음성 제작하기입니다 :)

Codex 리셋 예고 시간은 10월 4일 새벽 2시(KST) 전후입니다. 있는 리셋권도 썩어가는중인데 이틀동안 Astra ultra + fast로 달려야겠네요

앤스로픽, 11월 중순 IPO 추진 : 앤스로픽은 11월 중순 상장을 목표로 IPO 일정을 구체화. 이르면 11월 9일 주부터 공식 마케팅·로드쇼를 시작해 11월 26일 추수감사절 이전 거래 개시를 추진 중이며, 늦어도 연내 상장 목표 : IPO 밸류에이션은 1.8~2조 달러 거론. 앞서 최대 1,000억 달러 조달, 2조 달러 밸류에이션 가능성이 보도 : 상장 준비의 다음 주요 일정은 10월 14일 pre-IPO Investor Day. 이후 11월 초 본격적인 기관투자자 마케팅으로 넘어가는 일정 : 최근 시장 변동성 확대와 일부 기업의 IPO 연기에도 현재 일정을 유지하는 방향 https://t.me/Samsung_Global_AI_SW

AI로 상온에서 1년 보관 가능한 mRNA 백신 개발 MIT 연구진이 AI를 활용해 냉장 보관 없이도 장기간 안정성을 유지하는 mRNA 백신 제형을 개발했습니다. AI 기반 알고리즘으로 최적의 성분 배합을 찾아내 백신의 열 안정성을 높였습니다. 1. 상온 보관: 실온에서 최대 1년, 약 37℃에서 2개월 이상 생물학적 활성 유지 2. AI 활용: 수개월이 걸리던 시행착오를 수 주, 6차례의 최적화 과정으로 단축 3. 패치형 백신: 주사 대신 마이크로니들 패치로 백신을 전달하는 기술도 실험 4. 면역 반응: 동물 실험에서 기존 주사형 백신과 유사한 면역 반응 확인 이번 연구는 냉장 유통이 어려운 지역에서도 백신을 보급할 가능성을 제시합니다. 다만 현재는 동물 실험 단계로, 사람에게서의 안전성과 효과는 추가 검증이 필요합니다. 출처: https://www.csail.mit.edu/news/new-formulation-helps-rna-vaccines-withstand-high-temperatures

오늘자 인공지능 플랫폼 가격입니다. https://ai-nice.ai.studio

1. 제미나이 랜덤 무보증(보통 1개월 ~ 12개월) - 12,000원 2. 제미나이 3개월 보증(보증기간 2개월 2주) - 19,000원 개인 계정에 진행가능(신규계정 또는 현재 구독이 안되어있는 상태의 계정) 본 이벤트에 참여한 계정은 불가능하며, 다른 계정으로 가능합니다. https://open.kakao.com/o/sovAIqFh

일론 머스크, 뉴럴링크 시각 복원 장치 1년 내 인체 이식 예고 일론 머스크가 뉴럴링크의 시각 복원 장치 개발 계획을 공개하며, 향후 6~12개월 내 첫 이식을 목표로 한다고 밝혔습니다. 1. 시각 복원 장치: 향후 6~12개월 내 첫 인체 이식을 목표로 하며, 시각 피질에 직접 신호를 전달해 시각 정보를 구현하는 방식 2. 선천적 실명: 태어날 때부터 시각을 잃은 사람에게도 시각을 제공하겠다는 계획 3. 초고해상도 시각: 장기적으로 고해상도와 적외선·자외선·레이더 영역까지 인식하는 기술을 구상 해당 장치는 블라인드사이트(Blindsight)로, 초기에는 낮은 해상도의 시각을 구현하는 것이 목표입니다. 적외선과 레이더 인식 등은 장기적인 구상이며, 실제 구현 여부는 아직 검증되지 않았습니다. 출처: https://www.mobihealthnews.com/news/elon-musk-provides-update-blindsight-implant-trials

캘리포니아, 직장·의료·딥페이크 등 AI 규제 강화 캘리포니아주가 9월 30일 AI 관련 법안에 서명하며 직장 내 감시부터 의료, 딥페이크, 유전자 합성까지 다양한 분야의 규제를 강화했습니다. 1. 직장 내 AI 감시: AI를 이용한 직원의 감정 분석과 예측, 신경 데이터 수집 제한 2. 인사 결정 규제: AI만으로 징계나 해고를 결정할 수 없으며, AI가 해고·전근 등에 관여하면 직원에게 고지 3. 의료 분야: 의료진이 AI를 활용하더라도 최종적인 의료 판단은 직접 수행하도록 규정 4. 딥페이크 보호: AI 생성 콘텐츠의 출처 확인을 강화하고, 초상 및 이미지의 무단 사용에 대한 보호 확대 5. 유전자 합성 규제: 기업에 고객 신원 확인과 합성 유전 물질의 안전성 검증 의무 부과 또한 캘리포니아주는 AI의 공식 명칭을 기존의 'Artificial Intelligence'로 유지하기로 했습니다. 출처: https://www.gov.ca.gov/2026/09/30/californias-nation-leading-ai-framework-just-got-stronger-governor-newsom-signs-more-first-in-the-nation-worker-protections-and-more/

1984년 심리학 책의 설득 기법으로 ChatGPT를 조작할 수 있다? 연구진이 로버트 치알디니의 저서 'Influence'에 등장하는 설득 기법을 활용해 2만 8,000건의 대화를 분석한 결과, 심리적 조작이 AI의 안전장치에 영향을 줄 가능성을 확인했습니다. 1. 직접적인 유해 요청에 대한 ChatGPT의 응답 거부율과 달리 심리적 설득을 추가하면 요청 수용률이 33%에서 72%로 증가 2. '일관성(Commitment)' 기법은 먼저 무해한 요청에 동의하게 만든 뒤 점차 문제가 있는 요청으로 유도하는 방식으로 작동 3. '권위(Authority)'를 활용한 설득은 모델의 요청 수용 가능성을 약 65% 높이는 결과를 보임 4. '희소성(Scarcity)'과 '사회적 증거(Social Proof)' 역시 모델의 기존 거부 행동을 우회하는 데 영향을 미친 것으로 분석 5. 복잡한 해킹이나 코드 공격 없이 대화의 맥락과 표현 방식만 바꿔 AI의 응답 행동에 영향을 줄 수 있음을 연구 이번 연구는 AI 안전성이 단순히 유해 요청을 차단하는 것뿐 아니라 대화 과정에서 발생하는 심리적 설득과 맥락 변화에도 견고해야 한다는 점을 보여줍니다. 출처: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5357179

오픈AI GPT-6 Astra Ultrafast, 엔비디아 Blackwell 기반 최대 8배 추론 가속 : GPT-6 Astra Ultrafast는 엔비디아 Blackwell GPU에서 구동되며, Astra Standard 대비 최대 8배 빠른 토큰 생성 속도 제공. 오픈AI API와 일부 ChatGPT Work, Codex 사용자에게 제공 : 오픈AI는 자체 AI 모델을 활용해 엔비디아 GPU용 추론 소프트웨어와 고성능 커널을 직접 최적화. Blackwell뿐 아니라 Rubin까지 프로그래밍하며 지연시간, 처리량, 비용 효율을 지속 개선 : 속도 개선은 코드 작성, 도구 호출, 결과 확인이 반복되는 에이전틱 워크플로의 전체 수행시간 단축으로 연결. 특히 코딩 에이전트의 edit-test-debug 사이클과 tool call 간 대기시간 감소에 효과 : 엔비디아 GPU의 높은 프로그래밍 유연성으로 동일 인프라를 훈련, 추론, RL 간 재배치할 수 있어 GPU 활용률을 높이고 워크로드별 과잉 프로비저닝도 축소 가능 https://blogs.nvidia.com/blog/gpus-openai-gpt-6-astra-ultrafast/

카메라로 주변을 설명하는 Guided Vision 출시!

Claude 구독 없이 Genspark에서 Opus 5.5로 모션 그래픽 만들기 Genspark의 Code 기능에서 Opus 5.5를 선택하면 별도의 Claude 구독 없이도 웹사이트나 웹 애플리케이션 형태의 모션 그래픽을 생성할 수 있다는 활용법이 있습니다 :) 1. Genspark에 접속해 계정을 생성하거나 로그인 2. 로그인 후 매일 제공되는 100개의 무료 크레딧을 활용 3. Code 기능에서 간단한 웹사이트나 웹 애플리케이션 생성 4. 사용할 AI 모델로 Opus 5.5를 선택 5. 원하는 모션 그래픽을 프롬프트로 설명하고 생성 실행 Genspark의 Code 기능과 Opus 5.5를 조합하면 별도의 Claude 구독 없이도 AI 기반 웹 콘텐츠와 모션 그래픽을 제작하는 방식으로 활용할 수 있습니다.

이번 연휴기간(현 시간부터 월요일까지) 제미나이 구매 이벤트 진행합니다. 제미나이 3개월권 19,000 -> 반 값 10,000원에 드립니다. 참고로 물량 30개정도 있구요. 보증기간은 2개월입니다. 소진시 마감됩니다. 이 제품으로 반 값 이벤트는 처음이자 마지막입니다. https://open.kakao.com/o/sovAIqFh

AI 에이전트가 이제 거의 모든 웹사이트에서 데이터를 가져옵니다 X, YouTube, Reddit부터 API가 없는 웹사이트까지, AI 에이전트에게 웹 데이터 수집 능력을 붙여주는 오픈소스 도구 3개가 공개됐습니다. 1. Agent-Reach — X, YouTube, Reddit, GitHub 등 여러 서비스를 하나의 툴킷으로 연결 2. Patchright Enhanced — Playwright 기반으로 웹 요청을 가로채 API가 없는 사이트에서도 데이터 수집 3. Scrapling — 다양한 웹페이지에 대응할 수 있는 범용 적응형 스크래핑 도구 4. 원하는 데이터를 자연어로 설명하면 에이전트가 코드를 작성하고 데이터를 수집하는 방식으로 활용 가능 5. SNS 모니터링, 경쟁사 조사, 리뷰 분석, 트렌드 탐색 등 반복적인 웹 리서치 자동화에 활용 가능 특히 '100개 X 계정의 지난달 게시물을 모아서 트렌드를 분석해줘'나 'Reddit과 YouTube 리뷰를 모아 주요 불만을 정리해줘' 같은 작업을 에이전트에게 맡길 수 있다는 점이 흥미롭습니다. AI 에이전트가 단순히 웹페이지를 읽는 수준을 넘어, 필요한 데이터를 직접 찾아서 수집하고 분석하는 방향으로 발전하고 있습니다. 웹 리서치나 데이터 수집을 자주 한다면 한 번 살펴볼 만한 오픈소스 조합입니다. 출처: https://github.com/Panniantong/Agent-Reach https://github.com/whaleyxbt/patchright-enhanced https://github.com/D4Vinci/Scrapling ※ 스크래핑은 개인정보나 비공개 데이터 수집에 사용하지 말고, 사이트 이용약관과 관련 법규를 반드시 확인하세요.

AI 멀티에이전트 오케스트레이터, 어떤 프로젝트들이 있을까? Claude Code, Codex 같은 Coding Agent를 여러 개 동시에 운영하면서 역할을 나누는 ‘Agent Orchestration’ 프로젝트가 GitHub에서 계속 등장하고 있습니다. 단순히 Agent 여러 개를 실행하는 수준을 넘어 Orchestrator → 작업 분배 Worker → 실제 구현 Reviewer → 결과 검증 처럼 작은 AI 개발팀을 구성하는 방향입니다. 최근 공유된 오픈소스들을 기준으로 몇 가지를 정리해봤습니다. 1. Orca 가장 먼저 볼 만한 프로젝트는 Orca입니다. 여러 Agent를 연결하고 복잡한 Workflow를 직접 구성할 수 있는 상당히 본격적인 오케스트레이션 프로젝트입니다. 대신 자유도가 높은 만큼 직접 설정하고 구조를 이해해야 할 부분도 많습니다. 멀티에이전트 환경을 세세하게 직접 구성하고 싶은 사람에게 적합한 성격입니다. 2. Multica Multica 역시 여러 AI Agent를 관리하기 위한 프로젝트입니다. SaaS 형태의 서비스와 로컬 구축 방식을 함께 제공하는 방향이며, 원문 작성자는 실제로 사용해본 결과 인터페이스와 사용 방법을 이해하는 데 다소 어려움이 있었다고 평가했습니다. 설치 전에 SaaS와 로컬 환경 중 어떤 방식으로 사용할 것인지 먼저 확인해보는 것이 좋겠습니다. 3. Agent Orchestrator 개인적으로 구조적으로 가장 흥미로운 프로젝트 중 하나입니다. 처음부터 Orchestrator Worker Reviewer 역할을 구분하는 구조를 제공하며 Go로 개발됐습니다. 특히 Agent 20~30개처럼 많은 Agent를 동시에 운영하는 대규모 자동화를 실험하려는 경우 살펴볼 만합니다. 다만 원문 작성자의 실제 사용 경험에서는 아직 버그가 존재해 직접 Fork하고 수정해야 하는 상황도 있었다고 합니다. 4. Emdash Emdash는 상대적으로 깔끔한 UI가 특징인 프로젝트입니다. 원문에서는 아직 프로젝트가 비교적 초기 단계라고 평가하면서도 UI와 사용성 측면에서는 좋은 인상을 받았다고 설명합니다. 다만 Orchestrator / Worker 역할 분리가 기본 구조로 제공되지 않는다는 점은 아쉬운 부분으로 언급했습니다. 복잡한 Agent 조직보다는 깔끔한 인터페이스에서 여러 작업을 관리하고 싶은 경우 살펴볼 만합니다. 5. ECC 마지막은 ECC입니다. 원문 작성자도 아직 직접 설치해보지는 않았지만 별도로 언급할 정도로 GitHub에서 상당한 관심을 받고 있는 프로젝트입니다. 다른 프로젝트들과 실제 구조와 사용 방식이 어떻게 다른지는 직접 테스트해볼 필요가 있습니다. 결국 현재 AI Orchestration 도구들은 모두 같은 방향으로 가는 것 같지만 실제 철학은 꽤 다릅니다. 직접 깊게 설정하는 오케스트레이션 → Orca SaaS 중심의 Agent 관리 → Multica Orchestrator / Worker / Reviewer 기반 대규모 멀티에이전트 → Agent Orchestrator 깔끔한 UI 중심의 Agent 작업 관리 → Emdash 추가로 살펴볼 대형 프로젝트 → ECC 개인적으로도 요즘 가장 관심 있게 보는 분야가 바로 이 부분입니다. Claude Code나 Codex 하나의 성능을 높이는 것에서 끝나는 게 아니라, Orchestrator ↓ Planner ↓ 여러 Worker ↓ Reviewer ↓ 최종 검증 처럼 여러 Agent에게 역할과 책임을 나누는 방식입니다. 다만 Agent 숫자를 무작정 늘린다고 결과가 좋아지는 것은 아닙니다. Agent가 많아질수록 토큰 사용량, 중복 작업, 작업 충돌, Context 관리, 검증 비용도 함께 증가하기 때문에 결국 중요한 것은 ‘Agent를 몇 개 사용하는가’보다 ‘어떻게 역할을 나누고 통제하는가’라고 생각합니다. 멀티에이전트 오케스트레이션은 아직 빠르게 발전하고 있는 분야라 Orca 하나만 볼 게 아니라 이런 프로젝트들을 직접 비교해보면 상당히 재미있을 것 같습니다. 관련 프로젝트 Orca https://github.com/stablyai/orca Multica https://github.com/multica-ai/multica Agent Orchestrator https://github.com/Untrivial-ai/agent-orchestrator Emdash https://github.com/generalaction/emdash ECC https://github.com/affaan-m/ecc