2026년 7월 24일 AI 뉴스 — 앤트로픽 연구 지원금·샤오미 로봇 모델·오픈 가중치

오늘의 AI 뉴스 8선을 정리했다. 앤트로픽의 희귀질환 연구 지원금부터 샤오미 로봇 파운데이션 모델, 중국 오픈 가중치 전략 분석까지 — AI를 매일 쓰는 개발자 관점에서 골랐다.

앤트로픽, 희귀질환 AI 연구 지원금 공모

앤트로픽이 'AI for Science' 프로그램의 일환으로 희귀질환 연구 지원금 공모를 시작했다. 선정되면 최대 5만 달러 상당의 클로드 크레딧을 6개월간 지원받는다. 트랙은 두 개다. 기초과학 트랙은 Monarch Initiative와 협력해 희귀질환의 기전 발견과 진단 개선 프로젝트를 지원하고, 바이오텍 트랙은 규제 서류 작성·약물 가능성 분석·바스켓 임상시험 같은 신약 개발 과정 가속화를 돕는다.

전 세계 4억 명 이상이 희귀질환의 영향을 받지만 연구 자원은 늘 부족했던 분야다. AI로 데이터 분석과 진단, 신약 개발 시간을 줄이겠다는 취지로, 마감은 2026년 8월 2일 밤 11시 59분(PST)이다. AI와 과학의 교차점에서 연구 중이라면 지원해 볼 만하다.

원본: https://www.anthropic.com/news/rare-disease-research-grants

CLAUDE.md 규칙을 훅으로 "컴파일"하는 Claude Code 플러그인

CLAUDE.md에 적어둔 프로젝트 규칙을 훅(hook)으로 변환해 강제 실행되게 만드는 Claude Code 플러그인이 GeekNews에 공개됐다. 규칙이 "지켜지면 좋은 제안"이 아니라 실제로 검증되는 체크로 바뀐다는 것이 핵심이다.

CLAUDE.md를 아무리 정성 들여 관리해도 에이전트가 컨텍스트가 길어지면 규칙을 잊거나 무시하는 경험은 Claude Code 사용자라면 누구나 해봤을 것이다. 규칙을 프롬프트가 아니라 훅이라는 실행 계층으로 내리면 이 문제가 구조적으로 해결된다. 에이전트 규칙 관리에 답답함을 느꼈다면 눈여겨볼 접근이다.

원본: https://github.com/seob717

샤오미, 로봇 파운데이션 모델 Xiaomi-Robotics-1 공개

샤오미가 로봇 파운데이션 모델 Xiaomi-Robotics-1을 공개했다. 1,700개 이상의 시나리오에서 수집한 10만 시간 분량의 UMI(embodiment-free) 궤적 데이터로 사전학습하고, 7,200시간의 실제 로봇 데이터로 사후학습하는 2단계 구조다. 새로운 조작(manipulation) 과제를 학습할 때 평균 40시간 미만의 데이터로 85% 성공률을 달성했고, RoboCasa·VLABench 등 4개 시뮬레이션 벤치마크에서 최고 성능을 기록했다고 한다.

주목할 점은 공개 범위다. 논문(arXiv)·코드(GitHub)·모델 가중치(Hugging Face)를 전부 공개했다. 로보틱스·임바디드 AI를 만들고 있다면 아키텍처를 뜯어볼 가치가 충분하다.

원본: https://robotics.xiaomi.com/xiaomi-robotics-1.html

16만 스타 OpenCode의 성가시고 불안한 문제들

깃허브 스타 16만 개를 넘긴 오픈소스 코딩 에이전트 OpenCode를 뜯어본 비판 글이 화제다. 지적은 세 갈래다. 첫째, 프롬프트 캐싱이 사실상 깨져 있다 — AGENTS.md를 매 턴 다시 읽고 시스템 프롬프트에 현재 날짜를 넣어 캐시를 계속 무효화한다. 둘째, 컨텍스트 프루닝이 부실해 사용자가 에이전트를 중단하면 초반에 읽은 명세 같은 핵심 정보가 삭제될 수 있다.

가장 심각한 건 샌드박싱이다. bash 명령을 AST 파싱으로 필터링하지만 `echo 'git clean' | bash` 같은 우회가 무수히 가능하고, 리다이렉션 경로는 아예 검증하지 않는다. HTTP 서버가 기본으로 열려 임의 코드 실행이 가능한 CVE(CVE-2026-22812)도 있었다. 저자의 결론은 텍스트 기반 명령 필터링은 쓸모없으며 Landlock·Seatbelt 같은 OS 수준 샌드박싱이 필요하다는 것이다. 도입 전에 직접 평가해 보길 권한다.

원본: https://wren.wtf/shower-thoughts/stop-using-opencode/

중국의 오픈 가중치 AI 전략이 앞서고 있다

미국의 폐쇄적·독점적 AI 전략과 달리 중국은 오픈 가중치 모델로 배포 싸움에서 이기고 있다는 분석이 나왔다. 저자는 "아무 스타트업이나 골라도 80% 확률로 중국 모델을 쓰고 있다"고 주장한다. 중국 기업들은 컴퓨트 제약을 오히려 배포 이점으로 전환했고, 미국 프론티어 모델과의 성능 격차는 빠르게 좁혀지고 있다는 것이다.

핵심 통찰은 모델 자체는 해자가 약하다는 점이다. 개방형 배포가 만드는 생태계 이점이 폐쇄 전략의 마진을 이긴다는 논리로, 수출 규제와 폐쇄적 관행이 미국의 장기 경쟁력을 해치고 있다고 결론짓는다. 모델 선택 전략을 세울 때 참고할 만한 관점이다.

원본: https://werd.io/american-ai-is-locked-down-and-proprietary-its-losing/

LLM 출력을 구조화하는 프레임워크, Outlines

Outlines(깃허브 스타 1만 5천 개)는 LLM 출력을 생성 단계에서부터 구조에 맞게 강제하는 오픈소스 라이브러리다. JSON/Pydantic 스키마, 정규식, 문맥 자유 문법(CFG), 다지선다 제한까지 지원하며, 후처리 파싱이 아니라 생성 중에 제약을 걸기 때문에 파싱 실패와 재시도 루프 자체가 사라진다.

transformers·llama.cpp 같은 로컬 모델부터 vLLM·Ollama 서버, OpenAI·Gemini API까지 동일한 코드로 동작한다는 것도 장점이다. 파이썬 타입 시스템처럼 원하는 출력 타입만 지정하면 되는 인터페이스라 도입 부담도 적다. LLM 출력 파싱 실패로 고생해 봤다면 바로 와닿을 도구다.

원본: https://github.com/dottxt-ai/outlines

290개 프로바이더를 하나로, 무료 AI 게이트웨이 OmniRoute

OmniRoute는 290개 프로바이더(무료 티어 90개 이상 포함)를 단일 엔드포인트로 통합하는 MIT 라이선스 AI 게이트웨이다. 한 프로바이더가 쿼터에 걸리거나 다운되면 구독·API 키·저가·무료 4개 티어에 걸쳐 자동 폴백하고, 우선순위·가중치·비용 최적화 등 19가지 라우팅 전략을 제공한다.

특이한 건 토큰 압축이다. 최대 12개 압축 엔진을 쌓아 토큰 소비를 15~95% 줄이는데, 코드와 URL은 바이트 단위로 보존하면서 설명 텍스트만 압축한다. 도구 호출이 많은 세션에서 평균 89% 절감이라고 한다. npm·Docker·데스크톱 앱·Termux(안드로이드)까지 지원하고 모든 것이 로컬에서 돈다. 프록시 하나로 프로바이더를 갈아타고 싶다면 살펴볼 만하다.

원본: https://github.com/diegosouzapw/OmniRoute

랭체인의 오픈소스 딥리서치 에이전트, open_deep_research

랭체인의 open_deep_research는 검색하고, 읽고, 여러 소스를 종합해 리포트를 만들어내는 오픈소스 딥리서치 에이전트다. 검색 에이전트가 정보를 수집하면 요약·압축을 거쳐 최종 보고서를 작성하는 다단계 구조로, Deep Research Bench 리더보드 상위권에 올라 있다.

`init_chat_model()` API로 OpenAI·앤트로픽 등 다양한 LLM을 갈아 끼울 수 있고, 검색은 Tavily API·MCP·모델 내장 검색을 지원한다. `uv sync` 후 `langgraph dev`로 LangGraph Studio에서 바로 돌려볼 수 있다. 딥리서치 기능을 직접 만들어보고 싶다면 좋은 출발점이다.

원본: https://github.com/langchain-ai/open_deep_research

---

나무숲(TreeSoop)은 이렇게 매일 AI 뉴스를 큐레이션해서 전한다. 내일도 개발자에게 진짜 쓸모 있는 AI 소식만 골라 돌아오겠다. 궁금한 점이나 다뤄줬으면 하는 주제가 있다면 언제든 문의를 남겨달라.