2026년 9월 14일 AI 뉴스 — 구글 오픈소스 논란, 로컬 MoE 추론, 에이전트 보안
구글 아르테미스의 아파치 코드 크레딧 삭제 논란, 순수 C로 프론티어 MoE를 돌리는 colibri, claude-mem 자격증명 경고, 맥킨지 에이전트 개발 32% 등 오늘의 AI 뉴스 8건.
오늘 AI 뉴스는 오픈소스 저작권 분쟁부터 로컬 추론, 에이전트 보안까지 폭이 넓습니다. 구글이 아파치 라이선스 코드를 가져가면서 저자 표기를 지운 사건이 가장 큰 논란이고, 매일 쓰는 도구 쪽에서는 claude-mem의 자격증명 접근 경고가 당장 확인해볼 만한 소식입니다.
구글, 오픈소스 베끼고 크레딧 지웠다
모바일 조작 에이전트를 만드는 Minitap이 구글의 아르테미스(Artemis)가 자사 아파치 2.0 코드를 그대로 가져갔다고 공개했습니다. 프롬프트와 태스크 정의가 동일했고, 이후 force-push로 원저자 크레딧이 커밋 히스토리에서 사라졌다는 주장입니다.
아파치 2.0은 상업적 사용과 수정을 허용하지만 저작자 표시는 요구합니다. 라이선스 위반 여부보다 큰 문제는, 대형 랩이 오픈소스 에이전트 생태계에서 어떤 태도를 취하는지가 이 사건으로 드러났다는 점입니다.
원문 보기내 PC에서 프론티어 MoE 돌린다
colibri는 순수 C로 작성된 의존성 제로 추론 엔진입니다. MoE(Mixture of Experts) 모델의 전문가 가중치를 디스크에서 스트리밍하는 방식으로, 전체 모델을 메모리에 올리지 않고도 프론티어급 모델을 이미 가지고 있는 하드웨어에서 돌릴 수 있게 합니다.
MoE는 토큰마다 일부 전문가만 활성화되기 때문에, 전부를 상주시키는 대신 필요한 것만 읽어오는 전략이 통합니다. 로컬 추론을 진지하게 시도해보려는 개발자에게 실용적인 선택지입니다.
원문 보기주요 AI 시스템 프롬프트 유출 모음
Anthropic, OpenAI, 구글, xAI, Cursor, Kimi 등에서 추출된 시스템 프롬프트를 모아 정기적으로 갱신하는 저장소입니다.
각 랩이 모델을 실제로 어떻게 제약하고 유도하는지 원문으로 볼 수 있어서, 프롬프트 엔지니어링 레퍼런스로 가치가 큽니다. 특히 코딩 에이전트의 시스템 프롬프트는 도구 정의와 안전장치 설계 패턴을 그대로 보여줍니다.
원문 보기claude-mem, 자격증명 몰래 읽었다
Claude Code용 메모리 도구 claude-mem이 PowerShell을 통해 자격증명을 읽는 동작을 카스퍼스키가 고위험으로 탐지했다는 보고가 올라왔습니다. 제보자는 보안 전문가가 아니라고 밝히면서도, 동작 자체가 납득되지 않아 즉시 삭제했다고 전했습니다.
서드파티 에이전트 플러그인은 사용자 셸 권한을 그대로 물려받습니다. 오탐 가능성과 별개로, 설치한 확장 도구가 무엇을 읽는지 점검해볼 시점입니다.
원문 보기기업 32%, 안 사고 직접 만들었다
맥킨지의 State of AI 2026 설문에 따르면, 조사 대상 조직의 32%가 올해 상용 소프트웨어 구매를 포기하고 에이전트로 직접 만드는 쪽을 택했습니다.
단순한 헤드라인 수치가 아니라 구매 의사결정이 실제로 뒤집힌 사례를 집계한 결과입니다. SaaS 구매 예산이 사내 개발로 이동하고 있다는 신호이고, 그 개발의 상당 부분을 에이전트가 담당하고 있다는 뜻이기도 합니다.
원문 보기평범한 문장이 AI 공격 무기 된다
체크포인트 리서치가 공개한 PuzzleMask는 겉보기에 아무 문제 없는 산문 안에 숨은 지시를 심어 LLM 파이프라인으로 밀어넣는 기법입니다.
특수문자나 인코딩 트릭에 의존하지 않기 때문에 기존 프롬프트 인젝션 필터가 잡아내기 어렵습니다. 외부 문서를 읽어들이는 RAG나 에이전트 파이프라인을 운영한다면 입력 신뢰 경계를 다시 점검해야 합니다.
원문 보기챗GPT 워크에 데이터 에이전트 탑재
OpenAI가 ChatGPT Work에 Data agent를 추가했습니다. 사내 데이터 소스를 연결하고 자연어로 질문하면 인사이트를 뽑아내고, 인터랙티브 대시보드까지 만들어줍니다.
BI 도구를 거치지 않고 대화로 데이터에 접근하는 형태라, 분석 요청이 몰리는 조직의 병목을 겨냥한 기능입니다.
원문 보기애플 신경엔진, 병목은 연산 아닌 이동
애플 뉴럴 엔진(ANE)을 역공학한 분석글입니다. 결론은 LLM 추론에서 실제 제약은 연산 처리량이 아니라 메모리 대역폭과 데이터 이동이라는 것입니다.
TOPS 숫자만 보고 온디바이스 추론 성능을 예측하면 빗나가는 이유가 여기 있습니다. 엣지 추론을 설계한다면 연산기 스펙보다 메모리 계층 구조를 먼저 봐야 합니다.
원문 보기마치며
오늘은 "내가 쓰는 도구가 뭘 하고 있는지" 확인하게 만드는 소식이 많았습니다. claude-mem 경고와 PuzzleMask는 결국 같은 질문입니다. 에이전트에게 넘긴 권한과 입력을 어디까지 믿을 수 있는가.
나무숲은 매일 아침 이런 AI 뉴스를 골라서 정리합니다. 어제 놓친 소식이 궁금하다면 블로그의 지난 AI 뉴스 목록을 확인해보세요.