2026년 8월 26일 AI 뉴스 — 오픈AI 할라피뇨 칩, 맥 스튜디오 M5 울트라, AI 에이전트 킬 스위치

오늘은 AI 하드웨어와 에이전트 보안이 동시에 움직인 날입니다. 오픈AI의 자체 추론 칩이 첫 성능 수치를 내놓았고, 애플은 512GB 통합 메모리를 얹은 맥 스튜디오로 로컬 추론의 상한을 다시 올렸습니다. 반대편에서는 영국 사이버보안 기관이 AI 에이전트에 킬 스위치를 달라는 첫 공식 가이드를 냈습니다.

오픈AI 자체 추론칩 할라피뇨, 첫 성적표 공개

오픈AI가 직접 설계한 추론 전용 칩 할라피뇨(Jalapeño)의 첫 성능 결과를 공개했습니다. 최신 모델 기준으로 처리량은 더 높고 지연 시간은 더 낮으며, 속도와 전력 효율 모두 업계 최고 수준이라는 것이 회사의 설명입니다.

할라피뇨는 지난 6월 24일 브로드컴과 함께 공개한 오픈AI의 첫 인텔리전스 프로세서입니다. 기존 AI 가속기를 개조한 것이 아니라 LLM 추론만을 위해 백지에서 설계했고, 설계부터 공개까지 9개월밖에 걸리지 않았습니다. 레티클 크기의 대형 ASIC으로, 범용 GPU보다 유연성은 떨어지지만 특정 작업에서는 더 싸고 빠릅니다.

두 달 만에 실측 수치가 나왔다는 건 일정이 밀리지 않고 있다는 뜻입니다. 오픈AI와 브로드컴은 2026년 말 초기 배치를 목표로 하고 있습니다. 추론 비용이 곧 서비스 원가인 시대에, 모델 회사가 칩까지 직접 만드는 수직 통합이 어디까지 갈지 보여주는 신호입니다.

https://openai.com/index/jalapeno-first-results

맥 스튜디오 M5 울트라, 512GB 통합 메모리와 4대 클러스터링

애플이 M5 맥스와 M5 울트라를 얹은 새 맥 스튜디오를 발표했습니다. M5 맥스는 18코어 CPU에 최대 40코어 GPU, 최대 128GB 통합 메모리를 지원하고, M5 울트라는 최대 36코어 CPU와 80코어 GPU에 최대 512GB 통합 메모리를 얹습니다. 메모리 대역폭은 1.2TB/s로 이전 세대보다 50% 높아졌습니다.

AI 성능은 M5 울트라 기준 M3 울트라 대비 최대 4.3배, M1 울트라 대비 9.8배로 제시됐습니다. 실제 작업으로는 LLM 프롬프트 처리가 M3 울트라 대비 4배, 텍스트-이미지 생성이 4.3배 빠릅니다.

가장 눈여겨볼 부분은 클러스터링입니다. 썬더볼트 5(120Gb/s)가 RDMA를 지원해 여러 대의 맥 스튜디오를 묶으면 시스템 간에 하나의 거대한 공유 메모리 풀이 만들어집니다. 4대를 묶으면 단일 시스템 대비 최대 3배 빠른 추론이 가능합니다. GPU 서버 없이 대형 모델을 로컬에서 굴리려는 개발자에게는 현실적인 선택지가 하나 늘어난 셈입니다.

가격은 M5 맥스 2,499달러, M5 울트라 5,499달러부터입니다. 사전 주문은 8월 25일 시작됐고 출시는 9월 22일입니다.

https://www.apple.com/newsroom/2026/08/apple-introduces-new-mac-studio-with-m5-max-and-m5-ultra/

큐원 3.8 플래시 넥스트, 125B A6B 공개 임박

알리바바 큐원 팀이 Qwen3.8-Flash-Next를 모델스코프에 올렸습니다. 총 125B 파라미터에 활성 파라미터는 6B인 MoE 구조로, 이름 그대로 속도에 초점을 맞춘 라인업입니다.

활성 파라미터가 6B에 불과하다는 건 추론 비용과 응답 속도 면에서 훨씬 가벼운 모델을 기대할 수 있다는 뜻입니다. 125B라는 전체 크기 덕분에 지식 폭은 유지하면서, 매 토큰마다 실제로 도는 연산은 소형 모델 수준으로 줄이는 구조입니다.

오픈웨이트 진영이 속도-품질 균형점을 어디에 두는지 확인할 만한 릴리스입니다. 로컬이나 자체 서버에서 에이전트를 다량으로 굴리는 워크로드라면 특히 체감 차이가 클 수 있습니다.

https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next

챗GPT 플러스, 코덱스 5시간 한도 복구

오픈AI가 몇 주간 해제했던 코덱스와 ChatGPT Work의 5시간 사용 한도를 8월 25일부터 다시 적용했습니다. 대상은 챗GPT 플러스 구독자이며, 프로 100달러·200달러 요금제는 당분간 제외됩니다.

오픈AI 엔지니어링 리드 티보 소티오는 두 가지 이유를 들었습니다. 하나는 5시간 단위 제한이 컴퓨트 부하를 고르게 분산시켜 주간 사용량 자체를 넉넉하게 유지할 수 있게 해준다는 것, 다른 하나는 가벼운 사용자가 실수로 주간 할당량을 한 번에 소진해버리는 혼란을 막는다는 것입니다.

코딩 에이전트를 하루 종일 돌리는 사용자에게 한도는 곧 생산성입니다. 구독 티어별 실제 한도가 공지 없이 바뀌는 패턴이 반복되고 있으니, 긴 작업을 계획할 때는 현재 한도를 한 번 확인하고 시작하는 편이 안전합니다.

https://9to5mac.com/2026/08/24/openai-restores-5-hour-codex-and-work-limits-for-chatgpt-plus-users/

영국 사이버 기관, AI 에이전트에 킬 스위치 요구

영국 국가사이버보안센터(NCSC)가 8월 20일 에이전틱 AI 보안에 대한 첫 공식 가이드를 발표했습니다. GCHQ 산하 기관이 내놓은 문서인데, 정책 선언문이라기보다 엔지니어링 체크리스트에 가까운 형태라는 점이 눈에 띕니다.

핵심 권고는 AI 에이전트를 운영하는 모든 조직이 킬 스위치를 갖추라는 것입니다. 그리고 이를 정당화하는 근거로, 모델의 안전 학습이 우회될 수 있다는 점을 공식적으로 인정했습니다.

프롬프트 레벨의 가드레일만으로는 부족하고, 에이전트를 감싸는 시스템 레벨의 차단 장치가 필요하다는 이야기입니다. 사내에서 에이전트에 실제 권한을 붙여 운영 중이라면, 지금 그 에이전트를 즉시 멈출 수 있는 스위치가 어디에 있는지부터 확인해볼 만합니다.

https://www.reddit.com/r/artificial/comments/1vxznqe/uks_cyber_agency_just_told_every_company_running/

MS 그림판, 로컬 생성물에도 보이지 않는 워터마크

리버스 엔지니어링 결과, 윈도우 그림판과 사진 앱이 NPU로 로컬 생성한 이미지에도 프롬프트를 마이크로소프트 원격 모더레이션 서버로 전송하는 것으로 확인됐습니다. 서버는 검열된 프롬프트를 돌려주면서 고유 GUID를 함께 발급하고, 이 GUID가 결과 이미지에 워터마크로 박힙니다.

메타데이터가 아니라 픽셀 데이터 자체를 바꾸는 방식입니다. 18바이트 메시지(GUID + 체크섬)를 144비트로 펼친 뒤 각 비트를 최소 3번씩 이미지 전역에 심는 SVD 계열의 콘텐츠 적응형 블록 워터마크로, 512×512 테스트 이미지에서 262,144픽셀 중 193,376픽셀이 변경됐습니다. C2PA 매니페스트에는 `com.microsoft.invismark.1`로 기록됩니다.

워터마크 삽입이 실패하면 그림판은 생성 자체를 거부합니다. 결과적으로 로컬에서 만든 모든 이미지에 프롬프트 요청과 연결된 고유 식별자가 따라붙습니다. "로컬 생성"이 곧 "오프라인"을 뜻하지는 않는다는 점, 그리고 AI 생성물 추적이 이미 조용히 작동 중이라는 점을 함께 보여주는 사례입니다.

https://xusheng.dev/posts/reversing/mspaint_invisible_watermark/main/

앤트로픽, 보안팀 파업 우려에 전원 재택

앤트로픽이 샌프란시스코 사무실 직원들에게 월요일과 화요일 재택근무를 지시했습니다. 보안 인력 파견업체 얼라이드 유니버설로부터 소속 보안 노동자의 파업 가능성을 통보받은 데 따른 조치입니다.

그런데 해당 노동자들을 대표하는 서비스노조(SEIU)는 파업 찬반 투표를 진행한 적도, 이번 주 파업을 예고한 적도 없다고 밝혔습니다. 보안 인력은 임금 인상과 의료 보장, 교육 개선을 두고 협상 중인 상태입니다. 얼라이드 유니버설은 답변하지 않았고, 앤트로픽도 재택 지시에 대해 언급을 거부했습니다.

프론티어 AI 랩의 물리 보안 인력이 노동 이슈로 이어진 사례는 흔치 않습니다. AI 기업의 몸집이 커지면서 일반 대기업이 겪는 조직 문제를 똑같이 마주하기 시작했다는 신호로 읽힙니다.

https://www.businessinsider.com/anthropic-san-francisco-staff-work-remote-office-security-strike-2026-8

agent.md로 AI 생성 코드 품질 잡기

파비앙 상글라르가 LLM 코딩 에이전트가 같은 스타일 실수를 반복하는 문제를 agent.md 파일 하나로 정리하는 방법을 공개했습니다. 세션 시작 시 프롬프트에 주입되는 이 파일에 코딩 취향과 스타일 규칙을 모아두면, 매번 같은 지적을 반복하지 않아도 출력 일관성이 크게 올라간다는 것입니다.

글에는 저자가 실제로 쓰는 규칙이 그대로 담겨 있습니다. 사람이 읽는 텍스트는 최대한 짧게 쓸 것, 매직 넘버 대신 상수를 쓸 것, 얼리 리턴으로 들여쓰기를 줄일 것, 함수 이름은 30자 이내로 유지할 것. 논리 블록은 빈 줄로 구분하고, 주석은 무엇을 하는지와 왜 하는지를 함께 적습니다. 아키텍처는 계층으로 나누고 각 계층은 바로 옆 계층하고만 통신하게 해서 경계에 구멍을 뚫지 않도록 합니다.

그 외에도 불리언 파라미터 대신 enum을 쓸 것, 가시성 변경은 설계 변경으로 취급할 것, 커밋에는 해당 기능을 위해 직접 수정한 코드만 담을 것, 버그 수정은 테스트를 먼저 쓰고 시작할 것 같은 규칙이 이어집니다. 컨텍스트 희석 문제에 대해서는 세션을 짧게 유지하고, 품질이 떨어지기 시작하면 agent.md를 명시적으로 다시 읽히라고 권합니다.

매번 같은 지적을 리뷰에서 반복하고 있다면, 그 지적을 파일로 옮기는 것부터 시작해볼 만합니다.

https://fabiensanglard.net/agent.md/index.html

마치며

칩과 메모리는 계속 커지고, 그 위에서 도는 에이전트는 이제 킬 스위치를 요구받기 시작했습니다. 성능을 올리는 일과 통제 가능하게 만드는 일이 같은 속도로 굴러가야 하는 시점입니다.

나무숲은 이런 흐름을 매일 정리해 전해드립니다. 오늘 소개한 도구 중 하나라도 내 작업 흐름에 붙여보고 싶다면, 링크를 따라가 직접 확인해보세요.