2026년 7월 20일 AI 뉴스 — Qwen3.8 오픈웨이트, 코덱스 컨텍스트 축소, 로컬 MoE 추론

알리바바 Qwen3.8 오픈웨이트 예고, 오픈AI 코덱스 컨텍스트 372k→272k 축소, Kimi K3 분석, Mindwalk·WrenAI·ktransformers 등 오늘의 AI 뉴스 8건.

오늘의 AI 뉴스는 오픈웨이트 모델 경쟁과 코딩 에이전트 도구가 중심이다. 알리바바가 차기 Qwen을 오픈웨이트로 예고했고, 오픈AI는 코덱스의 컨텍스트 한도를 조용히 줄였다. 로컬 추론과 에이전트 관찰 도구도 함께 정리했다.

알리바바, Qwen3.8 오픈웨이트 공개 예고

알리바바 Qwen 팀이 차기 모델 Qwen3.8을 곧 출시하며 가중치를 공개하겠다고 예고했다. Qwen 계열은 3.6에서 이미 에이전틱 코딩 성능으로 오픈소스 진영의 기준선을 끌어올렸고, 이번에도 오픈웨이트 기조를 이어간다.

프론티어 모델을 API로만 쓰던 팀에게 오픈웨이트 릴리스는 선택지를 바꾼다. 사내 인프라에 올려 데이터를 밖으로 내보내지 않고 코딩 에이전트를 돌릴 수 있기 때문이다.

원문: https://twitter.com/Alibaba_Qwen/status/2078759124914098291

오픈AI 코덱스 저장소에 모델 컨텍스트 크기를 372k에서 272k로 줄이는 변경이 올라왔다. 100k 토큰이 줄어드는 만큼, 대형 저장소를 통째로 물려 놓고 작업하던 사용자는 체감 차이를 겪게 된다.

컨텍스트 한도는 에이전트 설계에 직접 영향을 준다. 한 번에 넣을 수 있는 파일 수가 줄면 검색·요약 단계를 앞에 두는 구조가 더 중요해진다.

원문: https://github.com/openai/codex/pull/33972/files

중국발 오픈웨이트 모델 Kimi K3를 두고, 프론티어 모델 경쟁 구도가 바뀌는 지점이라는 분석이 나왔다. 폐쇄형 모델과의 격차가 좁혀지면서 비용 대비 성능 계산이 달라진다는 것이다.

같은 작업을 절반 이하 비용으로 처리할 수 있다면, 에이전트를 대량으로 돌리는 워크로드에서는 모델 선택 기준 자체가 재조정된다.

원문: https://stephen.bochinski.dev/blog/2026/07/18/the-kimi-k3-moment/

직접 딥리서치 파이프라인을 만들면서 토큰을 절약하는 방법을 찾다가, 정작 실험에 토큰을 전부 소진한 기록이다. 검색·요약·합성 단계를 어떻게 쪼개느냐에 따라 비용이 몇 배씩 벌어진다.

에이전트 하네스를 직접 만드는 사람에게는 실패 사례가 성공 사례보다 유용하다. 어떤 구조가 토큰을 잡아먹는지 구체적으로 드러나기 때문이다.

원문: https://quesma.com/blog/custom-deep-research-pipeline/

Mindwalk는 코딩 에이전트가 코드베이스를 어떻게 탐색했는지를 3차원 지도 위에서 재생해 보여주는 시각화 도구다. 어떤 파일을 먼저 열었고 어디서 헤맸는지를 궤적으로 확인할 수 있다.

에이전트가 왜 엉뚱한 수정을 했는지 로그만으로 추적하기는 어렵다. 탐색 경로를 눈으로 보면 프롬프트나 컨텍스트 구성의 문제를 훨씬 빨리 짚어낸다.

원문: https://github.com/cosmtrek/mindwalk

WrenAI는 자연어 질문을 SQL과 차트로 바꿔주는 오픈소스 GenBI 에이전트다. 데이터 모델을 정의해 두면 비개발자도 질문만으로 지표를 뽑아낼 수 있다.

사내 대시보드를 만들 때마다 분석가 큐가 밀리는 조직이라면, 반복적인 질의를 에이전트에 넘기는 쪽이 현실적인 해법이 된다.

원문: https://github.com/Canner/WrenAI

ktransformers는 소비자용 GPU 한 장으로 대형 MoE 모델을 로컬 추론할 수 있게 해주는 최적화 프레임워크다. CPU와 GPU에 전문가 레이어를 나눠 배치해 메모리 한계를 우회한다.

수백 기가 VRAM이 있어야 돌던 모델을 워크스테이션 한 대에서 시험해 볼 수 있다는 점에서, 로컬 실험 비용을 크게 낮춘다.

원문: https://github.com/kvcache-ai/ktransformers

Codex Resets는 오픈AI 코덱스의 사용량 한도가 언제 초기화되는지 추적해 알려주는 도구다. 한도에 걸려 작업이 멈추는 시점을 예측할 수 있게 해준다.

한도 관리는 유료 코딩 에이전트를 매일 쓰는 사람에게 실질적인 생산성 변수다. 리셋 시각을 알면 무거운 작업을 언제 몰아 돌릴지 계획할 수 있다.

원문: https://codex-resets.com/

오픈웨이트 모델이 프론티어를 따라붙는 흐름과, 에이전트를 관찰하고 비용을 통제하는 도구가 함께 늘고 있다. 나무숲에서는 이런 도구를 실제 업무 파이프라인에 붙여 보면서 어디까지 자동화가 가능한지 계속 실험하고 있다.

매일 아침 AI 뉴스를 받아보고 싶다면 나무숲 블로그를 구독해 두면 된다.