9월 22일의 AI 역사

같은 세대 안에서 성능을 올리면서 단가를 함께 내린 갱신이다. 개선 항목이 에이전틱 코딩·컴퓨터 사용·인젝션 저항에 몰려 있어, 프런티어 경쟁이 '더 똑똑한 모델'이 아니라 '오래 도는 루프를 싸고 안전하게 버티는 모델'로 이동한 것을 보여준다. 벤치마크 수치는 전부 자사 주장이며 독립 재현은 없다

GPT-6 세대가 발표 3주 만에 가격 계층으로 내려왔다. 상위 모델의 성능을 1/10 안팎 비용에서 재현한다는 주장이 사실이라면, 에이전트 배포의 병목은 모델 지능이 아니라 어느 단가 계층에 얹느냐로 옮겨간다. 전 항목이 자사 벤치마크다

장기 에이전트 루프의 과금이 캐시 설계에 달려 있다는 점을 API 표면으로 끌어올린 변화다. 도구 목록 변경과 추론 강도 조정을 캐시 무효화 사유에서 뺀 것은, 한 세션이 몇 시간씩 도구를 갈아 끼우며 도는 에이전트를 1급 사용 패턴으로 인정했다는 뜻이다

지난주 Anthropic의 임베디드 평가(상주 평가자)에 이어 나온 문서로, 프런티어 랩들이 '외부 평가를 어디까지 들여보낼지'를 각자 성문화하기 시작한 흐름에 들어간다. 다만 평가자 수·접근 수준의 정량 약속은 없고 '공개 전 시정 기간'은 평가자의 공개 재량을 제약할 수 있는 조항이라, 실제 독립성은 개별 계약서에서 갈린다

에이전트가 로봇 소프트웨어의 '사용자'로 명시된 첫 주류 릴리스다. 스킬을 사람과 에이전트가 같은 인터페이스로 호출하게 만든 설계는 MCP·Skills 표준화 흐름이 물리 영역으로 건너온 모양이고, 카메라별 인식 모델 미세조정을 에이전트에게 맡기는 부분은 제조 현장의 비전 검사 셋업이 사람 손을 덜 타는 방향을 가리킨다

모델 성능이 아니라 '보고서를 제때 못 쓰는 것'이 병목인 현장에서 생긴 효과다. 추론 능력보다 서식이 제각각인 문서를 읽어 표로 만드는 능력이 실제 가치를 냈고, 이런 쓰임은 벤치마크에 잡히지 않는다. 수치는 대응기관 집계이고 시간 단축 효과는 Anthropic 측 서술이다

유해한 조작을 CCL로 신설하고 종료 저항 등 오정렬을 정면으로 다룸

순환 금융 논쟁의 시발점

정적 정보검색 평가에서 동적·비동기 환경의 에이전트 견고성 측정으로 전환