2026년 9월 10일 AI 뉴스 — 앤트로픽 연구자 퇴사, 메타 뮤즈, 온디바이스 모델 18종

앤트로픽 연구자가 공개 사직서를 던지며 "우리 목숨을 걸고 도박하고 있다"고 썼고, 메타는 이메일을 보내고 결제까지 하는 개인 에이전트를 내놨다. 오늘은 "모델이 얼마나 똑똑한가"보다 "그 모델에 어디까지 맡길 것인가"를 묻는 소식이 많다.

앤트로픽 연구자 퇴사, "우리 목숨 걸고 도박한다"

앤트로픽 소속 연구자 제이콥 콕슨(Jacob Coxon)이 공개적으로 사직 의사를 밝혔다. 그는 지난 3년간 오픈AI와 앤트로픽 양쪽에서 프리트레이닝 연구를 해 온 인물이다. X에 올린 글에서 그는 이 기술을 만들고 있는 사람들이 "이번 10년 안에 이것이 우리 모두를 죽일 수 있다고 진심으로 믿으면서도" 자기개선형 초지능을 향해 직행하며 "우리 목숨을 걸고 도박하고 있다"고 썼다.

그는 두 회사 모두 책임 있게 행동하지 않는다고 지적했다. 오픈AI 쪽은 문명적 차원의 위험을 깊이 내재화하지 못했고, 앤트로픽 쪽은 위험을 잘 이해하고 있지만 먼저 도달하려는 경쟁에 갇혀 있다는 진단이다. 이 글은 7천만 회 넘게 조회됐고, 에이전트가 샌드박스를 벗어나 외부 인터넷에 접근한 사건들이 잇따른 직후에 나와 파장이 컸다.

AI를 도구로 쓰는 입장에서도 이 논쟁은 남의 일이 아니다. 자율성을 어디까지 허용할지에 대한 판단이 회사 정책이 아니라 개별 개발자의 설정 파일 수준에서 매일 내려지고 있기 때문이다.

https://www.businessinsider.com/anthropic-researcher-quits-over-ai-safety-concerns-2026-9

메타 뮤즈, 대신 일해주는 개인 AI 에이전트

메타가 개인용 AI 에이전트 뮤즈(Muse)를 공개했다. 질문에 답하는 챗봇이 아니라 실제 작업을 실행하는 쪽에 무게를 뒀다. 이메일을 보내고, 여행을 예약하고, Stripe Link를 통해 결제까지 진행한다. 사용자가 화면을 보고 있지 않아도 백그라운드에서 작업을 이어간다는 점도 강조됐다.

무료 티어를 두고 미국 iOS·안드로이드와 muse.ai 웹에서 먼저 제공된다. 에이전트에게 결제 권한을 주는 소비자 제품이 대형 플랫폼에서 나왔다는 건, 권한 위임과 실패 복구를 어떻게 설계할지가 곧 일반 사용자 수준의 문제가 된다는 뜻이다.

https://ai.meta.com/muse/

데저트앤트 랩스, 기기에서 도는 소형 모델 18종

유럽 소재 신생 랩 데저트앤트가 온디바이스 실행을 전제로 만든 소형 모델 18종을 한꺼번에 공개했다. 음성 인식은 Whisper 대비 4.7배 빠르다고 밝혔고, 9MB짜리 오디오 정리 모델과 개인정보(PII) 마스킹 모델처럼 용도가 좁고 확실한 모델들이 포함됐다.

Swift·Kotlin·JavaScript SDK로 바로 붙일 수 있고, 10만 대 기기까지는 무료다. 클라우드 왕복 없이 기기에서 끝내면 지연 시간과 데이터 유출 위험이 동시에 줄어든다. 대형 모델을 API로 부르는 게 기본값이 된 시대에, 작고 특화된 모델을 로컬에 두는 선택지가 다시 힘을 얻고 있다.

https://desertant.com/blog/introducing-desert-ant-labs/

버튼 하나 고치랬더니 다 뜯어고쳤다

"장바구니 담기 버튼 색을 파란색으로 바꿔줘." 이 한 줄짜리 요청을 AI 에이전트에게 던지면 어떤 일이 벌어지는지 체험하게 만드는 인터랙티브 사이트가 화제다. 에이전트는 버튼 색만 바꾸는 대신 주변 컴포넌트를 리팩터링하고, 테스트를 새로 쓰고, 설명을 길게 덧붙인다.

풍자물이지만 코딩 에이전트를 매일 쓰는 사람이라면 웃으면서도 뜨끔한 지점이 있다. 요청 범위를 넘어서는 수정은 리뷰 비용을 키우고 롤백을 어렵게 만든다. 에이전트에게 "무엇을 하지 말라"를 명시하는 규칙이 왜 필요한지를 가장 짧게 설명하는 자료이기도 하다.

https://opusfived.dev/

큐원 드라이브 1.0, 자율주행 오픈 모델

Qwen 팀이 자율주행용 비전-언어 모델 Qwen-Drive-1.0을 공개했다. 파라미터 40억 규모로, 3D 인지와 주행 상황에 대한 시각 질의응답(VQA), 그리고 주행 경로 계획까지 한 모델에서 처리한다. 인식과 판단을 별도 파이프라인으로 쪼개던 기존 방식과 대비되는 접근이다.

가중치와 추론 코드가 허깅페이스·모델스코프에 함께 올라왔다. 자율주행 스택은 그동안 사내 비공개 자산으로 다뤄지던 영역인데, 4B급 오픈 모델이 나오면서 연구자와 소규모 팀도 실험 가능한 출발점이 생겼다.

https://github.com/QwenLM/Qwen-Drive-1.0

챗GPT 이미지 2.5 공개

오픈AI가 챗GPT 이미지 2.5를 내놨다. 아이디어·스케치·참고 사진을 넣으면 의도에 더 가깝게 다듬어 준다는 게 핵심 개선점이다. 특히 참조 이미지를 반영하는 개인화 쪽에 초점이 맞춰졌다.

이미지 모델 경쟁은 "예쁜 결과"에서 "지시를 정확히 따르는 결과"로 축이 옮겨간 지 오래다. 스케치나 레퍼런스를 얼마나 충실히 반영하느냐는 실무에서 재작업 횟수를 직접 줄이는 지표라, 프로덕트 팀 입장에서는 체감이 큰 변화다.

https://openai.com/index/introducing-chatgpt-images-2-5

헤르메스 vs 오픈클로, 실무 벤치마크

에이전트 하네스 두 개를 실제 업무로 몇 달간 비교한 기록이 공개됐다. 필자는 원래 헤르메스에 스킬·메모리·수개월치 히스토리를 모두 쌓아둔 상태였고, 당연히 헤르메스가 이길 거라 예상했다고 한다. 결과는 반대였다.

결론의 기준은 성능 수치가 아니라 "스스로 배우는가"였다. 축적된 설정이 많다는 것과 그 설정이 계속 개선된다는 것은 다른 문제다. 하네스를 고를 때 초기 세팅 편의성보다 장기 학습 구조를 봐야 한다는 주장은, 도구를 자주 갈아타는 팀에게 특히 참고할 만하다.

https://engineering.kenmazaika.com/blog/hermes-vs-openclaw/

답부터 말하게 하는 에이전트 스킬

코딩 에이전트가 답을 장문 설명 속에 묻어버리는 문제를 겨냥한 스킬이 공개됐다. 이름은 i-have-adhd. 결론을 맨 앞에 놓고, 번호 매긴 단계로 정리하고, 서론과 요약 반복을 없애도록 강제한다.

클로드·커서·제미나이 등에 그대로 얹을 수 있는 드롭인 형태다. 모델 성능이 올라갈수록 출력이 길어지는 경향이 있어서, 출력 형식을 규칙으로 못 박는 작은 스킬이 체감 생산성을 크게 바꾼다. 에이전트 응답을 스크롤하며 결론을 찾는 데 시간을 쓰고 있다면 시도해 볼 만하다.

https://github.com/ayghri/i-have-adhd

마치며

오늘 소식을 관통하는 질문은 하나다. 이 에이전트가 내 대신 어디까지 실행해도 되는가. 메타 뮤즈는 결제까지 밀고 나갔고, 앤트로픽을 떠난 연구자는 그 속도 자체가 도박이라고 말한다. 반대편에서는 버튼 하나 고치랬더니 코드베이스를 뒤집는 에이전트를 풍자하고 있다. 권한을 넓히는 일과 범위를 좁히는 일이 같은 속도로 필요하다는 뜻이다.

트리숲에서는 이런 AI 소식을 매일 아침 정리해 전한다. 오늘 다룬 도구 중 하나라도 실제 작업 흐름에 붙여 보고, 어디까지 맡길지 직접 선을 그어 보길 권한다.