2026년 09월 04일 AI 뉴스 — 제미나이 3.8 플래시, 뮤즈 스파크 1.3, 페이블 5.1 프롬프팅 가이드

오늘은 구글과 메타의 새 모델, 앤트로픽의 기업용 안전장치와 공식 프롬프팅 가이드, 그리고 로컬에서 돌리는 에이전트 도구들을 정리했습니다. 새 모델 출시만큼이나 "그 모델을 어떻게 써야 하는가"에 관한 자료가 많이 나온 하루입니다.

구글, 제미나이 3.8 플래시·사이버 공개

구글이 제미나이 3.8 플래시와 3.8 플래시 사이버 두 모델을 동시에 내놓았다. 3.8 플래시는 추론과 코딩 성능을 끌어올린 범용 모델이고, 3.8 플래시 사이버는 취약점 탐지와 자동 패치에 특화된 보안 전용 모델이다. 구글은 3.8 플래시가 자율 소프트웨어 엔지니어링 벤치마크인 DeepSWE v1.1에서 자기보다 큰 프론티어 모델들을 앞섰다고 밝혔다.

가격은 100만 토큰당 입력 0.75달러, 출력 3.75달러로 이전 세대와 같지만, 이 요금은 2026년 12월 31일까지만 유지되고 이후 각각 1.50달러와 7.50달러로 두 배 오른다. 지금 연동을 시작하는 팀이라면 내년 예산에 이 인상분을 미리 반영해 두는 편이 좋다. 3.8 플래시는 Google AI Studio, Gemini API, Android Studio, Antigravity, Stitch에서 바로 쓸 수 있고 기업 고객은 Gemini Enterprise로 접근한다.

플래시 사이버는 20개 프로그래밍 언어에 걸친 내부 취약점 발견 테스트에서 70% 성공률을 기록했다. 다만 일반 공개가 아니라 새로 만든 Fairwind 프로그램을 통해 정부 기관, 핵심 인프라 운영자, 소프트웨어 메인테이너에게만 제한적으로 배포된다. 두 모델 모두 CBRN과 공격적 사이버 악용을 막는 안전장치를 갖췄고, Gray Swan 벤치마크 기준 프롬프트 인젝션 내성도 개선됐다.

원문: https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

메타, 뮤즈 스파크 1.3 공개

메타가 뮤즈 스파크 1.3을 공개했다. 장기 에이전틱 워크플로우를 목표로 학습된 모델로, 긴 작업에서 맥락을 놓치지 않고 서로 충돌하는 입력을 처리하는 능력이 강화됐다. 코딩 벤치마크에서 경쟁력 있는 점수를 내면서 출력이 더 깔끔해지고 불필요한 처리 턴이 줄었다는 점을 메타는 강조한다. 영상, 이미지, 문서를 함께 이해하는 멀티모달 인식도 실제 환경에서 시각적 추론을 수행하는 방식으로 구현됐다.

개발자 접근 경로는 세 가지다. OpenAI SDK와 호환되는 Meta Model API, 터미널에서 쓰는 Muse Code CLI, 그리고 OpenRouter다. 기존에 OpenAI SDK로 짜둔 코드라면 엔드포인트만 바꿔 시험해볼 수 있다. 컨텍스트 창은 100만 토큰으로 대형 코드베이스를 통째로 넣는 작업에 적합하다.

가격은 표준 등급이 100만 토큰당 입력 1.25달러(캐시 0.15달러), 출력 4.25달러이고, 데이터 기여에 동의하는 컨트리뷰터 등급은 입력 0.10달러, 출력 0.20달러로 훨씬 저렴하다. 멀티 에이전트 오케스트레이션, 컴퓨터 사용, GitHub 연동, 검색 그라운딩을 다루는 쿡북도 함께 제공된다.

원문: https://developer.meta.com/ai/models/muse-spark/

클로드 페이블 5.1 공식 프롬프팅 가이드

앤트로픽이 페이블 5.1과 미토스 5.1을 위한 공식 프롬프팅 가이드를 공개했다. 기존 페이블 5용 프롬프트는 그대로 써도 잘 동작하지만, 몇 가지 행동 차이가 있으니 관찰되는 증상별로 해당 섹션을 찾아 읽으라는 구성이다. 노력(effort) 레벨, 진행 상황 보고, 툴 호출 배칭, 대화 기록 관리, 글 밀도, 채팅 포맷, 인용 표시, 작업 완수, 컴팩션 요약, 변경 범위와 테스트, 검색 트리거, 세이프가드 오탐, 파일 편집, 긴 출력, 서브에이전트, 비전까지 16개 항목을 다룬다.

가장 먼저 읽을 부분은 effort 레벨이다. 기본값 high에서 시작하되 low, medium, xhigh, max를 자기 평가셋으로 다시 돌려보라고 권한다. 페이블 5에서 한 번 측정했더라도 모델마다 레벨 이름이 같은 양의 사고를 뜻하지 않으므로 재측정이 필요하다. medium은 페이블 5 수준을 더 싼 비용으로 내고, low는 작은 모델을 높은 effort로 돌리는 것보다 비용 대비 점수가 높은 경우가 많다고 설명한다.

에이전트를 만드는 개발자에게 실용적인 조언도 많다. 페이블 5.1은 긴 툴 호출 턴에서 사용자 대상 중간 보고를 덜 하므로, thinking display를 updates로 켜고 "먼저 뭘 할지 한 줄로 말하고, 끝에 독립적으로 읽히는 요약을 남겨라" 같은 문장을 시스템 프롬프트에 넣으라고 한다. 코딩 루프에서 툴 호출이 한 턴에 하나씩만 나가면 "다음에 필요한 것을 먼저 나열하고 서로 의존하지 않는 것을 한 번에 요청하라"는 한 문장을 턴 단위 시스템 메시지로 붙이는 방법을 코드 예제와 함께 보여준다.

원문: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1

앤트로픽, 기업용 프론티어 세이프가드

앤트로픽이 고객사와 함께 만든 Enterprise Frontier Safeguards(EFS)를 소개했다. 데이터를 전혀 보관하지 않는 제로 리텐션 정책과 정교한 오남용 탐지를 동시에 만족시키는 구조다. 사이버 공격이나 자격 증명 탈취처럼 여러 세션에 걸쳐 진행되는 악용을 잡으려면 활동 기록이 필요한데, 규제 산업의 기업은 그 기록을 외부에 넘길 수 없다는 모순을 풀기 위한 설계다.

핵심은 모니터링에 쓰이는 활동 데이터를 고객의 클라우드 계정에 두는 것이다. Amazon S3, Azure Blob Storage, Google Cloud Storage 같은 자체 스토리지에 고객이 관리하는 암호화 키와 접근 정책으로 보관하고, 자동 모니터링이 의심 활동을 발견하면 그 결과가 앤트로픽 직원의 검토 없이 고객 보안팀에게 직접 전달된다.

AWS, Google Cloud, Microsoft Azure가 파트너로 참여하고, Goldman Sachs, Wells Fargo, Citi, Mastercard, Stripe, Snowflake 등 금융, 헬스케어, 제조, 법률 분야 100개 이상 고객이 설계에 참여했다. Claude Code, Claude Enterprise, Claude Platform, Amazon Bedrock, Google Agent Platform, Microsoft Foundry에서 지원되며 2026년 가을부터 단계적으로 배포된다. 앤트로픽은 별도 요금을 받지 않고 클라우드 스토리지와 전송 비용만 발생한다.

원문: https://www.anthropic.com/news/enterprise-frontier-safeguards

openclaude, LLM 백엔드 자유 교체

OpenClaude는 클라우드와 로컬 모델 제공자를 모두 지원하는 오픈소스 코딩 에이전트 CLI다. 프롬프트, 도구, 에이전트, MCP, 스트리밍 출력을 하나의 터미널 워크플로우로 묶으면서 백엔드를 자유롭게 바꿀 수 있다는 점이 특징이다. OpenAI, Gemini, GitHub Models, Ollama, DeepSeek, Groq, Mistral, Anthropic Bedrock을 비롯해 OpenAI 호환 API와 로컬 추론 서버 20여 종을 지원한다.

설치는 Node.js 22 이상에서 npm으로 전역 설치한 뒤 openclaude 명령을 실행하면 되고, /provider 명령으로 안내에 따라 제공자를 설정하거나 환경 변수로 지정할 수 있다. bash, 파일 조작, grep, glob 같은 도구 기반 워크플로우, 다단계 툴 호출, 비전 입력, 저장소 맵 기반 코드베이스 이해, 대화 재개와 분기, 백그라운드 세션을 갖췄다.

라이선스는 MIT이며, 저장소는 Claude Code에서 파생된 독립 커뮤니티 프로젝트라고 명시하고 있다. 앤트로픽과는 무관하다. 특정 모델 API에 묶이지 않는 에이전트 환경을 원하거나, 같은 워크플로우를 여러 제공자에서 비교해보고 싶은 팀에 유용하다.

원문: https://github.com/Gitlawb/openclaude

magnitude, 하드웨어 맞춤 로컬 추론

Magnitude는 "에이전트를 로컬 모델로 돌려라. 무료, 프라이빗, 오프라인"을 내세우는 오픈소스 추론 서버다. 설치 후 setup 명령을 실행하면 CPU, 메모리, 대역폭 같은 하드웨어 사양을 분석해 그 기기에서 돌아갈 양자화 모델을 초당 토큰 예상치와 함께 추천하고, 선택한 모델을 내려받아 최적화까지 해준다. 로컬 모델 세팅에 시간을 쓰기 싫은 개발자를 위한 도구다.

에이전트 연동 폭이 넓다. Pi, OpenCode, Hermes, OpenClaw, Codex, Claude Code, Oh My Pi, Cline과 바로 연결되고, 이런 통합이 없는 에이전트를 위한 내장 하네스도 제공한다. 에이전트에게 온보딩을 맡겨 CLI로 자동 설정하게 하는 방식도 지원한다.

모델은 필요할 때 로드되고 유휴 상태이거나 메모리가 부족하면 자동으로 내려간다. 최초 다운로드 이후에는 오프라인으로 동작하고, Hugging Face의 커스텀 GGUF 모델도 쓸 수 있다. 데이터는 클라우드로 전송되지 않는다. 라이선스는 Apache 2.0이다.

원문: https://github.com/magnitudedev/magnitude

AI 글 티 지우는 스킬, humanizer

Humanizer는 AI가 생성한 글을 사람이 쓴 것처럼 다듬는 에이전트 스킬이다. 사실과 원래 의미는 유지하면서 LLM 출력에 흔한 통계적 패턴만 걷어낸다. 기준은 위키백과의 "AI 글쓰기의 징후" 문서에서 정리한 35가지 패턴으로, 과장된 표현, "actually"나 "testament" 같은 남용 단어, 억지스러운 문장 구조, 챗봇 특유의 말투가 포함된다.

동작 방식은 두 단계다. 먼저 초안을 다시 쓰고, 그 초안을 패턴 목록에 비춰 스스로 비평한 뒤 최종본을 만든다. 사용자의 글 샘플을 주면 그 목소리에 맞춰 톤을 조정하고, 개인적인 글과 기술 문서를 구분해 다르게 다듬는다. 파일 전체를 처리할 때 코드와 프런트매터는 건드리지 않고, 없는 사실을 지어내지 않는다.

설치는 npx skills add 명령으로 전역 설치하거나 Claude Code 2.1.142 이상에서 플러그인 마켓플레이스로 추가하면 된다. /humanizer 명령이나 "이 글을 자연스럽게 다듬어줘" 같은 자연어로 호출한다. 라이선스는 MIT다.

원문: https://github.com/blader/humanizer

AI 추천 조작한 21만 페이지 적발

트렐너(Trellner)의 조사 보고서에 따르면 서로 연결된 세 사이트가 "최고의 소프트웨어" 구매 가이드 21만 5,128개를 기계로 찍어냈고, 퍼플렉시티가 이를 출처로 인용하고 있다. wifitalents.com, worldmetrics.org, gitnux.org는 2023년 12월부터 2024년 5월 사이에 등록됐고 같은 템플릿, 같은 DNS 인프라를 쓰며 블로그에서 서로를 언급한다. 두 사이트는 홈페이지를 아예 "Facts & Grounding Page"라 부르고 메타 설명에 "기계가 읽을 수 있는 기록"이라고 적어, 사람이 아니라 AI 검색 엔진을 독자로 삼았음을 드러낸다.

조사팀은 구매 의도가 있는 380개 소프트웨어 카테고리를 퍼플렉시티 모델 두 개에 760회 질의해 인용 7,534건을 모두 수집했다. 그 결과 AI 추천의 근거가 된 출처의 59.8%가 방문자 수 상위 10만 사이트 밖에 있었고, 23.4%는 상위 100만에도 들지 못했다. 한 벤더의 마케팅 블로그는 96개 카테고리에서 194회 인용돼 가트너보다 앞선 세 번째 출처가 됐다. 같은 템플릿의 "프로젝트 견적 소프트웨어" 페이지끼리 상위 5개 제품이 제각각이고, 가짜 작성자 이름과 렌더링되지 않은 템플릿 변수가 남아 있는 것도 자동 생성의 증거로 제시됐다.

보고서는 이 출처들을 제거했을 때 추천 결과가 실제로 달라지는지는 검증하지 않았다고 한계를 밝힌다. 그럼에도 AI가 추천한 도구를 스택에 넣기 전에 출처를 직접 확인하는 습관이 필요하다는 점은 분명하다. 어제 다룬 가짜 표준 cats.txt 사례와 함께, AI 검색을 겨냥한 콘텐츠 조작이 이미 산업 규모로 벌어지고 있음을 보여준다.

원문: https://trellner.com/reports/manufactured-sources-behind-ai-recommendations/

마치며

새 모델이 나오는 속도만큼 그 모델을 제대로 쓰는 법을 익히는 것도 중요해졌습니다. 오늘 페이블 5.1 프롬프팅 가이드나 제미나이 3.8 플래시의 내년 가격 인상처럼, 실제 운영에 영향을 주는 세부 사항을 놓치지 않는 것이 팀의 비용과 품질을 가릅니다. 나무숲(TreeSoop)은 매일 아침 AI를 실제 업무에 쓰는 개발자에게 도움이 되는 뉴스만 골라 전합니다. 팀에 맞는 AI 도입이나 자동화가 고민이라면 언제든 문의해 주세요.