T 트렌드 모델 · 에이전트 동향
새 모델, 에이전트, 도구의 흐름을 기록합니다.
Fold Subagents into the Main Agent Loop: 서브에이전트를 하나의 루프로 합쳐 품질과 속도를 높이는 법
팀마다 만든 서브에이전트 위에 orchestrator를 얹는 대신, 하나의 에이전트 루프가 skills와 tool search로 필요한 것만 불러 쓰게 바꾸면 품질·비용·지연이 함께 나아지는 경우가 많다는 Anthropic의 모범 사례. eval부터 만드는 6주 이행안을 붙였습니다.
30 Months on the Exponential: AI가 통째로 맡는 일이 4분에서 17시간이 된 30개월
Co-Intelligence(2024)에서 Co-Existence(2026)까지 30개월 동안 AI가 한 번의 지시로 끝내는 일의 길이가 4분에서 17시간으로 늘었고, 선두 모델은 스무 번 바뀌었습니다. 이 추세를 기업 계획의 가정으로 옮기는 법과, 사람이 루프 밖에서 에이전트를 부리는 Conjurer 방식을 정리했습니다.
REA (Reverse Engineer Anything): AI 에이전트가 소스 없이 앱을 뜯어보고 기능을 다시 만드는 도구
AI 슬래시 채널이 GitHub에서 일주일 만에 약 19만 스타를 모은 오픈소스 REA를 정리한 영상입니다. 코딩 에이전트가 MCP로 Ghidra 같은 분석 도구를 부려 컴파일된 앱의 기능을 근거와 함께 설명하고 다시 만드는 구조를 풀고, 기업이 레거시 이해와 보안 점검에 쓰려면 갖출 법무·격리·검증 절차를 덧붙였습니다.
Free Cash Flow Negative: GPU는 창고에 쌓이고 전력이 모자란 AWS AI 투자의 구조
Business Insider가 입수한 AWS 내부 녹음과 이메일을 다룬 보도를 2차 소스로 확인해 정리했습니다. AI 인프라 책임자는 AI 사업이 앞으로 2년쯤 크게 현금 적자일 것이라 말했고, GB300 랙은 전력이 없는 창고에서 설치를 기다립니다. 병목이 GPU에서 전력으로 옮겨 간 구조를 풀고, 우리 회사의 클라우드 GPU 의존도를 재는 인벤토리와 6주 점검 일정을 붙였습니다.
Brain over Body: OpenAI가 휴머노이드를 직접 만들며 몸보다 두뇌에 거는 이유와 2027년 시연
Sam Altman이 Sources 팟캐스트에서 OpenAI가 휴머노이드와 다른 형태의 로봇을 모두 만들겠다고 확인하고, 몸의 설계보다 로봇을 움직이는 두뇌가 더 어려운 문제라고 말했습니다. Fortune 인터뷰에서는 2027년에 시연을, 거리의 로봇은 그 뒤 몇 년이라고 했습니다. 소프트웨어 AI 기업이 하드웨어까지 수직 통합하는 흐름을 정리하고, 우리 현장에서 로봇이 맡을 일을 고르는 방법을 붙였습니다.
Clairic: 추출 전용 모델을 앞에 세운 단계별 파이프라인으로 청구 처리 비용 49% 절감
Cloudflare가 문서에서 값만 뽑아내는 추출 모델 Clairic을 미리보기로 내놓고, 보험 청구 처리를 추출(Clairic) → 판단(Clef) → 답장(LLM)으로 나눠 돌려 LLM 단독 대비 비용 49%, 시간 69%를 줄인 시험을 공개했습니다. 반복 문서 업무에 이 구조를 옮기는 필드 설계, 임계값, 4주 파일럿을 붙였습니다.
에이전틱 추론 지도: 혼자 풀기, 스스로 나아지기, 함께 풀기
LLM 에이전트의 추론을 세 층(기초·자기 진화·집단)과 두 방식(추론 시점 설계·사후 학습)으로 정리한 서베이. 기업 에이전트를 층별로 쌓는 12주 로드맵을 붙였습니다.
결정만 하는 AI: Jev로 만든 214개 프로젝트에서 보이는 패턴
글을 쓰지 않고 정해진 형식의 결정과 확률만 돌려주는 TypeSafe의 Jev. 이 모델로 만든 214개 프로젝트를 모은 갤러리에서 결정 모델을 쓰는 다섯 가지 패턴과, 기업 업무에 붙이는 2주 파일럿을 정리했습니다.