2026년 8월 18일 AI 뉴스 — 큐원 3.8 로컬 실행, 기업 AI 도입, 슬롭 점수

오늘은 로컬 LLM 실행 환경과 기업의 AI 도입 사례가 함께 눈에 띄는 날입니다. 큐원 3.8 27B를 개인 장비에서 돌릴 수 있게 되었고, 오픈AI는 기업들이 실제로 AI를 어떻게 쓰고 있는지에 대한 자료를 잇따라 공개했습니다.

큐원 3.8 27B, 램 17GB면 로컬 실행

언슬로스가 큐원 3.8 27B의 로컬 실행 가이드를 공개했습니다. 4비트 양자화(UD-Q4_K_XL) 기준으로 17~19GB면 돌아가고, 3비트는 13~16GB, 2비트는 11~13GB까지 내려갑니다. 원본 BF16이 56GB를 요구하는 걸 감안하면 통합 메모리를 갖춘 맥이나 24GB급 그래픽카드 한 장으로 27B 모델을 손에 쥘 수 있다는 뜻입니다.

이 모델은 하이브리드 사고 구조라 모드별로 권장 설정이 다릅니다. 사고 모드는 temperature 1.0 / top-p 0.95 / top-k 20, 지시 모드는 temperature 0.7 / top-p 0.80 / presence penalty 1.5를 권장합니다. 기본 컨텍스트는 256K이고 YaRN으로 1M까지 늘릴 수 있으며, 추론 깊이를 xhigh·medium·low·none으로 조절할 수 있습니다.

로컬 실행이 가능해지면 API 비용과 데이터 유출 걱정 없이 코드 리뷰나 문서 요약 같은 반복 작업을 붙여둘 수 있습니다. 툴 콜링에서 중첩 객체 파싱이 개선됐다는 점도 에이전트를 붙일 때 실질적인 차이를 만듭니다.

원문: https://unsloth.ai/docs/models/qwen3.8

챗GPT 비즈니스에 프리미엄 좌석 추가

오픈AI가 8월 10일 챗GPT 비즈니스에 프리미엄 좌석을 추가했습니다. 월 결제 기준 사용자당 125달러, 연 결제 시 100달러로, 기존 스탠다드 좌석(월 25달러, 연 결제 20달러)의 다섯 배 사용량을 제공합니다.

가장 큰 차이는 5시간 사용량 제한이 사라진다는 점입니다. 에이전트를 상시로 돌리다 한도에 걸리던 헤비 유저에게는 이게 핵심입니다. 한 워크스페이스 안에서 스탠다드와 프리미엄 좌석을 섞어 쓸 수 있어, 필요한 사람에게만 프리미엄을 배정하는 방식이 가능합니다.

프로모션으로 선착순 1만 개 고객사에 프리미엄 좌석당 워크스페이스 크레딧 100달러(2,500 크레딧)를 최대 5석까지 지급하며, 기한은 8월 20일까지입니다. 팀 단위로 코덱스나 챗GPT 워크를 붙여 쓰는 조직이라면 이번 주 안에 확인해둘 만합니다.

원문: https://openai.com/index/premium-seats-chatgpt-business

오픈AI, 기업 AI 도입 실태 리포트

오픈AI가 8월 12일 기업의 AI 도입 실태를 정리한 리포트를 냈습니다. 핵심 주장은 기업 AI가 "도움을 요청하는" 단계에서 "다단계 작업을 맡기는" 단계로 넘어갔다는 것입니다.

수치가 인상적입니다. 매월 AI 사용량 상위 10%에 드는 프론티어 기업은 활성 사용자당 출력 토큰이 일반 기업의 8.3배입니다. 1월에 2.6배였던 격차가 6월에 8.3배로 벌어졌습니다. 같은 6월 기준으로 기업 고객의 코덱스+챗GPT 출력 토큰 중 64%가 코덱스, 즉 에이전트 사용이었습니다.

AI가 조언에 그치지 않고 고객 운영, 재무, 소프트웨어 배포, 보안, IT 운영 등 실제 프로덕션 시스템을 건드리는 다단계 작업을 실행하고 있다는 이야기입니다. 사내에 AI 도입을 설득해야 하는 입장이라면 근거 자료로 쓸 만합니다.

원문: https://openai.com/index/how-enterprises-put-ai-to-work

재피어 마케팅팀의 챗GPT 워크 활용법

재피어 마케팅팀이 챗GPT 워크로 퍼널 최적화, 캠페인 자산 제작, 리포팅을 자동화한 과정을 공개했습니다. 자동화 도구를 만드는 회사가 자기 팀 업무를 어떻게 자동화했는지 보여주는 사례입니다.

마케팅이라는 비개발 직군에서 에이전트를 어디까지 맡길 수 있는지 감을 잡기 좋습니다. 반복되는 리포트 작업부터 넘기고, 캠페인 자산처럼 형식이 정해진 산출물로 범위를 넓혀가는 접근이 공통적으로 나타납니다.

원문: https://openai.com/index/zapier

링센트럴, 개발부터 운영까지 AI 전환

링센트럴이 챗GPT 워크와 코덱스를 제품 개발과 운영 전반에 붙인 사례를 공개했습니다. 엔지니어링 속도를 높이는 동시에 운영 데이터를 한곳에 모으는 방식입니다.

개발 조직만 AI를 쓰는 것이 아니라 운영 인텔리전스까지 묶어내려는 시도라는 점이 눈에 띕니다. 앞의 오픈AI 리포트가 말한 "프론티어 기업"의 실제 모습이 어떤 것인지 보여주는 구체적인 사례이기도 합니다.

원문: https://openai.com/index/ringcentral

깃 저장소 AI 슬롭 점수 띄우는 확장

슬롭스캔은 깃허브, 코드버그, sr.ht 저장소를 볼 때 저장소 이름 옆에 AI 슬롭 점수를 표시해주는 파이어폭스 확장입니다. 저장소를 열자마자 코드 품질을 대략 가늠할 수 있게 해줍니다.

앞서 소개했던 repo-slopscore 프로젝트를 브라우저 확장으로 감싼 형태로, 기본적으로 공개 서버(slopscan.ava.pet)에 점수를 조회합니다. 현재 버전 0.2.5, 용량 35.2KB, AGPL v3 라이선스이며 사용자는 아직 32명 수준입니다.

AI로 대량 생성된 저장소가 늘면서 의존성을 고르는 일이 점점 까다로워졌습니다. 점수 자체를 절대적으로 믿기보다는, 라이브러리를 채택하기 전 1차 필터로 쓰기에 적당합니다.

원문: https://addons.mozilla.org/en-US/firefox/addon/slopscan/

브라우저에서 도는 무료 AI 판별기

허깅페이스 스페이스에 올라온 무료 AI 텍스트 판별기입니다. 텍스트를 붙여넣으면 바로 AI 생성 여부를 추정해줍니다.

설치나 회원가입 없이 브라우저에서 바로 쓸 수 있어 가볍게 확인하기 좋습니다. 다만 판별기의 정확도에는 구조적인 한계가 있으니 참고 지표 정도로 쓰는 편이 안전합니다.

원문: https://huggingface.co/spaces/Lynote/free-ai-detector

마치며

로컬에서 돌릴 수 있는 모델의 문턱이 계속 낮아지고, 동시에 기업들은 AI를 보조가 아니라 실행 주체로 옮기고 있습니다. 프론티어 기업과 일반 기업의 격차가 반년 만에 2.6배에서 8.3배로 벌어졌다는 수치는 지금 어디에 서 있는지 점검해볼 이유가 됩니다. 나무숲은 이런 흐름을 매일 정리해 전해드립니다.

매일 아침 AI 뉴스를 받아보고 싶다면 나무숲 블로그를 확인해보세요.