이번 달 흐름은 한 단어로 모입니다. “에이전트(Agent)”.

구글은 Gemini 안에 Remy라는 ‘행동하는 247 에이전트’를 테스트하고, 안드로이드/업무툴까지 연결하려고 하고요.

보스턴 다이내믹스는 Atlas를 업그레이드해 미니냉장고를 실제로 들어 옮기는 수준을 보여줬고, 유니트리(G1)는 음성 명령으로 실시간 전신 동작을 붙였습니다.

딥시크는 가격을 또 내렸고, 엔트로픽(Claude)은 Mythos 1로 사이버보안 취약점 탐색/연결 능력을 끌어올리며 “보안의 병목이 바뀌고 있다”는 경고가 나왔습니다.

결국 핵심은 이거예요.

AI가 ‘대답’만 하는 게 아니라, 코드/시각/도구/기억을 바탕으로 실제 업무를 실행하고, 그 속도가 빨라지면서 기업과 국가 단위 의사결정도 흔들기 시작했다는 점입니다.

1) 에이전트는 “질문에 답”이 아니라 “백그라운드에서 일을 끝내는” 쪽으로 이동

구글 Remy, 엔트로픽 Orbit, 오픈AI Codeex 확장 모두 같은 방향.

2) 코딩 경쟁의 기준이 “정답률”에서 “실제 개발 파이프라인에서의 자동화”로 이동

구글 anti-gravity 2.0(에이전트 컨트롤타워), XAI Grok 5(커서(Cusror) 데이터 활용), 딥시크 V4 가격/능력 쇼크.

3) 비용 하락이 사용량 폭발(토큰 맥싱)로 이어지고, 시장 구조가 재편

저가 모델이 ‘이기는 게 아니라’ “충분히 쓸 만하고 싸서 더 많이 쓰게 만드는” 승리 전략.

4) 비전(시각)도 “픽셀 더 보기”보다 “좌표/참조 유지”가 핵심이 되기 시작

딥시크의 thinking with visual primitives: reference gap을 줄이는 방향.

5) 휴머노이드 로봇은 ‘데모’에서 ‘작업’으로 넘어오는 중

Atlas는 100lb+ 미니냉장고 이동을 목표, G1은 음성 기반 실시간 전신 동작.

6) 사이버보안에서 ‘발견(탐지)’보다 ‘패치 속도’가 병목으로 바뀜

Mythos가 탐지/연결 속도를 압도 → 인간 패치가 못 따라감.

7) “평가(Eval) 자체가 깨지는 구간”이 등장

MER 장기 과제에서 Mythos가 16시간 구간을 찍으며, 측정 상한이 사실상 붕괴(데이터가 더 이상 의미 있게 비교 못함).

뉴스 포인트(사실/관찰)

구글 내부 직원들이 Remy라는 에이전트를 시험 중.

단순히 “Gemini 기능”이 아니라, 247(상시에 가까운) 개인 에이전트 성격으로 사용자를 대신해 실제 작업을 수행하는 방향으로 설명됨.

어떤 방식?

이메일/문서/캘린더/드라이브/서치 등 구글 생태계에 깊게 통합.

사용자가 매번 열어서 답/작성/일정잡는 흐름을 “배경에서 자동으로” 처리하는 모델.

왜 중요한가

OpenClaw가 화제가 된 이유도 ‘자율적으로 일을 하는 에이전트’였는데, 구글은 통합 생태계라는 강점으로 “생산성 시장”을 정면 겨냥.

모델 성능 업

SVG 생성 정밀도, 3D/인터랙티브 코드 생성, 애니메이션 처리, 실시간 인터랙션 응답 향상 관측.

핵심 기술: Multi-Token Prediction(MTP)

기존 LLM은 토큰을 1개씩 생성해서 느린데, MTP는 작은 드래프터가 여러 토큰을 예측하고 큰 모델이 한 번에 검증하는 speculative decoding 구조.

구글은 최대 3배 빠른 inference를 주장.

의미

이건 “말 빨라짐”이 아니라, 에이전트가 여러 체인을 돌리는 실서비스에서 병목을 줄이겠다는 접근.

무엇이 바뀌었나

anti-gravity v2는 단순 코드에디터가 아니라 5개 구성요소(데스크톱 앱, 신규 CLI, 개발 SDK, managed agents, Google Cloud 엔터프라이즈 경로)로 재구성.

핵심은 “병렬 에이전트 운영”

여러 에이전트를 동시에 돌리고 백그라운드 작업을 스케줄링하는 구조(에이전트가 “대기”가 아니라 “운영”됨).

근데 문제도 터짐

자동 업데이트로 기존 개발 환경이 깨졌다는 불만이 폭주.

기존 IDE/CLI/에이전트용 도구가 분리되면서 개발자 입장에서 “도구가 3개로 늘어난” 혼란.

그럼에도 구글은 AI를 ‘기능’이 아니라 ‘기반’으로 밀어붙인다는 신호.

뉴스 포인트

기본 모델을 GPT 5.5 Instant로 교체.

환각(헛소리) 감소: 이전 대비 환각 주장 52.5%↓, 어려운 대화에서 부정확 주장 37.3%↓.

개발/업무 영향

의료/법/금융처럼 정확도가 중요한 영역에서 “일상 고빈도 모델”이 더 신뢰 가능해지는 방향.

또한 과거 대화/업로드 파일/Gmail 연결 컨텍스트 기반의 개인화 + 메모리 투명성(어떤 대화가 반영됐는지 관리).

핵심 개념

Orbit은 출시 전 단계지만, 설정 토글로 보이며 연결된 앱 기반의 사전 브리핑 기능 지향.

연결 대상

Gmail, Slack, GitHub, Calendar, Drive, Figma.

사용 시나리오

“무슨 일이 있었지?”를 묻기 전에, 변경/논의/디자인 업데이트/다음 미팅 등을 시간대에 맞춰 짧게 정리.

즉, 에이전트가 백그라운드에서 업무 상황을 요약하고 사용자에게 ‘보고’하는 형태.

왜 논쟁적인가

Mythos Preview가 공개 범위 제한을 유지해야 한다고 말하는 동시에, 내부/일부 경로에서 Mythos 1 관측이 등장.

보안 업계 반응의 결론

취약점 탐지가 아니라 취약점 연쇄(공격 체인) 구성 속도가 빠르다는 점이 핵심.

뉴스에서 반복되는 주장은 “인간이 패치하는 속도가 AI 탐지 속도를 못 따라간다”는 현실.

평가/측정도 흔들림

MER 장기 과제 측정에서 Mythos가 16시간 구간 도달 → 더 위는 측정 데이터가 의미를 잃는 ‘평가 위기’가 언급됨.

주요 포인트

Grok 계열의 대형 모델이 훈련 완료 및 공개 예고(커서 데이터 활용).

왜 커서 데이터가 중요?

단순 문법 생성이 아니라, 실제 개발자가 하는 멀티 파일 수정/디버깅/협업 패턴을 학습시키는 목적.

상업적 이동

터미널 기반 에이전트(예: Grock Build) 출시로 “IDE를 넘어 커맨드라인에서 작업 실행”으로 확장.

또한 경쟁 생태계(Claude Code 포맷 호환 같은)까지 고려하는 모습.

핵심 변화

API 단가를 대폭 낮추며 “모델이 이기는 게임”이 아니라 “더 많이 쓰게 만드는 게임”으로 판을 바꿈.

토큰 맥싱(사용량 경쟁)

기업 내부에서 고빈도 사용이 일상화되고, 대시보드/리더보드가 등장할 정도로 사용이 증가.

여기서 메시지는 하나예요.

싸게 충분히 좋은 모델은 ‘벤치마크 1등’이 아니어도 시장을 잠식한다는 점.

문제 정의

멀티모달이 이미지를 “볼 수는 있는데” 추론 중에 참조 대상을 잃는 문제(좌표/대상 동일성 유지 실패).

해결 방향

픽셀을 더 보는 게 아니라 점/바운딩 박스 같은 마커를 추론 과정에 고정(손가락처럼)해서 기억/참조를 안정화.

의미

로봇/자율주행/실시간 비디오 분석처럼 “끊김 없는 참조 유지”가 중요한 영역에 특히 맞는 접근.

데모의 포인트

미니냉장고를 들고 옮기는 데서 더 나아가, 무게중심 변화/불균형/바닥 마찰 등 현실 불확실성 대응이 강조됨.

학습 방식

강화학습 + 대규모 시뮬레이션, domain randomization(환경/물성/마찰/그립 변화 주입).

핵심 기술 주장

sim2real gap(시뮬 대비 실물 차이)을 줄였다는 설명.

스케일 계획(현대차)

현대차그룹이 Atlas를 미국 공장에 대규모 배치(수만대 단위 로드맵)한다는 보도가 함께 나옴.

핵심

음성 입력을 텍스트로 바꾸는 건 쉬운데, 그걸 안정적인 전신 동작으로 변환하는 게 어렵다는 점을 강조.

실시간 생성이라 약간의 지연/부드러움 저하 가능성도 언급.

다만, “완전한 오픈엔드 지능”을 증명했다고 단정하긴 이르다는 톤.

비즈니스 모델

로봇을 2만 달러짜리 자산으로 팔기보다, 앱으로 호출해 청소 서비스를 제공하는 방향(우버형).

의미

집안 로봇의 관문 시장을 “사람들이 이해하기 쉬운 집안일(청소)”로 잡았고, 하드웨어 종속을 줄이는 소프트웨어/서비스 레이어를 강조.

주장 요지

위험의 형태가 로봇 봉기(슈퍼지능)일 필요는 없다는 것.

AI 에이전트가 복제/변이/선택을 거치며 디지털 환경에서 살아남으면, 악의 없이도 “디지털 기생”처럼 될 수 있다는 경고.

왜 지금 더 위험하게 느껴지나

오늘날엔 이미 에이전트가 도구를 쓰고 코드를 생성하며, 인터넷/오픈소스/모듈/프롬프트 라이브러리가 풍부해 “진화에 필요한 부품”이 과잉 공급.

반복 루프를 끊어라

AI가 새로운 인스턴스를 자율 생성/배포/클라우드 자원 획득/프로덕션 코드 실행을 못 하게 게이팅(gating) 강화.

계보(provenance)와 재현성(reproducible build)

파인튜닝/어댑터/머지 등 “유전 물질”을 서명/추적/차단 가능하게 관리.

평가 방식 고도화

점수 최적화(개트의 법칙)로 게임될 수 있으니, 속임/숨은 트리거/강건성/백도어 테스트 등을 포함해야 한다는 주장.

이번 달 핵심은 “AI가 더 똑똑해졌다”보다 “AI가 더 일을 하게 됐다”에 있어요.

구글 Remy/anti-gravity, 오픈AI Codeex 확장, 엔트로픽 Orbit/Mythos, XAI Grock Build는 한 방향으로 수렴합니다.

그리고 그 변화는 경제적으로도 바로 이어져요.

1) 비용이 떨어지면 사용량이 폭발하고(토큰 맥싱),

2) 사용량 폭발은 기업 프로세스를 AI로 재배치하고,

3) 그 재배치 속도가 빨라질수록 보안/운영/규제의 병목이 바뀐다는 흐름이 등장합니다.

즉, 앞으로의 승부는 “모델 크기”만이 아니라 추론 속도·에이전트 운영·비용·도구 연결·보안 대응을 통합한 시스템 경쟁이에요.

이번 이슈를 한 문장으로 묶으면, AI 에이전트, 추론 속도 최적화, AI 코딩 자동화, 휴머노이드 로봇, 사이버보안이 “동시에” 가속되는 달이었습니다.

이번 달 AI 뉴스의 결론은 “에이전트가 업무를 실행하는 시대”로 급격히 이동 중이라는 점입니다.

구글 Remy(상시 행동 에이전트)와 anti-gravity 2.0(에이전트 컨트롤타워), 오픈AI의 환각 감소/개인화, 엔트로픽 Orbit(업무 레이더)과 Mythos 1(사이버보안 장기 자율·취약점 연쇄 가속), XAI Grok 5(커서 데이터 기반 코딩 학습), 딥시크 V4의 가격 붕괴 및 reference-gap 비전 연구까지 같은 방향으로 수렴했습니다.

동시에 휴머노이드 로봇은 Atlas의 전신 조작/현대차 배치 계획, G1의 음성 실시간 동작, Gatsby의 우버형 서비스 모델로 “데모→작업”으로 넘어오고요.

마지막으로, Evolvable AI 경고는 AI의 위협이 로봇 봉기 같은 ‘극단적 사건’이 아니라, 복제/변이/확산 루프가 통제에서 벗어나는 순간에 앞당겨질 수 있음을 강조합니다.

[관련글…]

• Remy 에이전트: 구글 ‘행동형 에이전트’의 의미
• Mythos 1과 사이버보안: 패치 병목이 바뀌는 이유