2026년 9월 18일 AI 뉴스 — 클로드 통합, JP모건 격리 배포, 작은 모델 직접 훈련

오늘 AI 뉴스는 제품 통합, 기업 도입, 그리고 인프라를 직접 만드는 쪽으로 무게가 실렸다. 클로드는 챗과 코워크를 하나로 합쳤고, JP모건은 코딩 에이전트를 아예 격리된 환경에 집어넣었다. 작은 모델을 직접 훈련시켜 큰 모델을 대체하는 사례도 두 건 나왔는데, 둘 다 비용 명세까지 공개했다.

클로드, 챗과 코워크 하나로 합친다

앤트로픽이 Claude Cowork와 일반 채팅을 하나의 Claude로 통합한다. 이제 작업을 어디에 맡길지 사용자가 고민할 필요가 없어진다. 짧은 질문을 던지든 리포트 전체를 넘기든 클로드가 알아서 처리하고, 노트북을 닫은 뒤에도 작업을 이어간다. 불명확한 부분이 있으면 클로드가 먼저 되묻는 방식이다.

통합의 논리는 분명하다. 그동안 "이건 채팅으로 물어볼 일인가, 코워크에 맡길 일인가"를 사용자가 매번 판단해야 했는데, 그 판단 자체가 마찰이었다. 이제 입구가 하나다.

다만 통합 과정에서 기존 기능 일부가 빠졌다. 커뮤니티에서는 대화 분기(branching)가 새 통합 환경에서 지원되지 않는다는 지적이 곧바로 올라왔다. 같은 프롬프트에서 여러 갈래를 비교하는 방식으로 워크플로우를 설계해둔 사용자라면 확인이 필요하다.

https://www.reddit.com/r/ClaudeAI/comments/1wi1wfu/claude_cowork_and_chat_are_merging_into_one_claude/

JP모건, 클로드 코드 격리 배포

JP모건이 일부 엔지니어를 대상으로 Devspace라는 새 환경을 열고 그 안에서 클로드 코드를 돌리기 시작했다. 월 2,000달러라는 사용 한도가 눈에 띄지만, 진짜 흥미로운 지점은 에이전트 권한을 다루는 방식이다.

핵심은 내부 시스템에 대한 상시 접근(standing access)을 주지 않는다는 것이다. 에이전트는 격리된 작업 공간 안에서만 움직이고, 권한은 필요한 순간에만 열린다. 에이전트에게 사내 시스템 자격증명을 통째로 넘기고 "알아서 잘 하라"고 맡기는 방식과는 정반대다.

규제 산업이 코딩 에이전트를 실제로 배포하면서 어디에 선을 긋는지 보여주는 사례다. 사내 도입을 검토하는 팀이라면 한도보다 이 권한 모델을 먼저 볼 만하다.

https://www.reddit.com/r/ClaudeAI/comments/1wit5yg/jpmorgan_is_putting_claude_code_inside_a_sandbox/

GLM, 추론 인프라 직접 만들었다

z.ai가 GLM 모델을 서빙하기 위해 자체 추론 인프라를 구축한 과정을 공개했다. 기존 오픈소스 서빙 스택을 그대로 쓰지 않고 직접 만든 이유와, 그 과정에서 감수한 트레이드오프를 정리한 글이다.

모델을 만드는 회사가 서빙 레이어까지 손수 가져가는 흐름은 이제 흔해졌다. 추론 비용과 지연이 곧 제품 가격표이자 경쟁력이 되는 구조라, 프론티어급 모델을 직접 운영하는 팀에게는 선택이 아닌 필수에 가까워지고 있다. 모델 학습만 잘해도 되던 시기는 지났다는 뜻이다.

https://z.ai/blog/glm-built-its-inference-infrastructure

텐센트, 내 브라우저를 에이전트에 연다

텐센트가 BrowserSkill을 오픈소스로 공개했다. AI 에이전트가 사용자의 실제 로그인된 브라우저를 그대로 쓰게 해주면서, 사용자의 작업은 방해하지 않는 것이 목표다.

구조는 세 조각이다. 에이전트가 호출하는 `bsk` CLI, 통신을 중계하는 로컬 데몬, 그리고 실제 자동화를 수행하는 브라우저 확장. 에이전트가 브라우저와 직접 대화하는 게 아니라 이 파이프라인을 거친다. Cursor, Claude Code, Codex, OpenClaw, CodeBuddy, Pi, Hermes Agent 등 셸을 쓸 수 있는 에이전트라면 대체로 붙는다.

방해하지 않는 방식이 특히 실용적이다. 에이전트 작업은 별도의 Agent Window에서 돌아가고, 사용자가 쓰고 있는 탭이 필요하면 명시적으로 "빌려" 쓴 뒤 작업이 끝나면 반납한다. 빌리는 순간 확인을 받도록 설정할 수도 있다. 에이전트 브라우저 자동화의 최대 난점이 인증 세션이었는데, 이미 로그인된 실제 브라우저를 공유하는 방식으로 그 문제를 우회한다.

https://github.com/Tencent/BrowserSkill

4B 모델, 쿼리 플랜 81% 빠르게

4B 규모 모델(Qwen 3.8-4B 증류본)을 훈련시켜 PostgreSQL 쿼리 플랜을 최적화하게 만든 실험이다. 학습은 두 단계로 갔다. 먼저 GPT-6 Astra로 만든 420개 트라젝토리를 증류해 SFT로 `pg_hint_plan` 힌트 생성법을 가르쳤고, 그다음 anchored GRPO 변형으로 1,200회 옵티마이저 업데이트를 돌려 실제 실행 시간을 보상 신호로 삼았다.

작동 방식은 에이전트적이다. 테이블 스키마를 살펴보고 통계를 가져오고, 후보 플랜을 제안한 뒤 Postgres 기본 플랜과 실측 비교하고, 그 결과로 힌트를 다시 다듬는다.

Join Order Benchmark 113개 쿼리에서 기하평균 1.81배 속도 향상, 전체 워크로드 지연 44.7% 감소. 113개 중 68개가 빨라졌고, 개별 쿼리 최대 90배까지 나왔다. 총비용은 1,200달러(H100 2장 약 95시간 800달러 + API 400달러). 검증 신호가 명확한 도메인에서 작은 모델 RL이 얼마나 잘 먹히는지 보여주는 사례다.

https://rohanbansal.com/qorl

일래스틱, 에이전트에 성능 최적화 맡겼다

일래스틱이 Elasticsearch 코드베이스의 성능 최적화를 AI 에이전트에게 맡기는 하네스(`atune` CLI)를 만들어 공개했다. 제목이 "Trust, but benchmark"인 이유가 분명하다. 신뢰는 하되, 전부 통계적으로 검증한다.

파이프라인은 세 단계로 나뉜다. 탐색 단계에서 실제 워크로드를 분석해 병목 후보를 순위화하고, 활용 단계에서 승인된 마이크로벤치마크를 상대로 최적화를 구현하며, 검증 단계에서 실제 워크로드로 회귀를 잡는다.

가드레일 설계가 이 글의 핵심이다. 에이전트는 사전 승인된 파일 경로 밖을 수정할 수 없고, 위반은 컴파일 전에 거부된다. 작업 정의와 임계값, 중단 조건은 코드 수정이 시작되기 전에 잠긴다. 개선으로 인정받으려면 노이즈 플로어 캘리브레이션을 넘고 Mann-Whitney U 검정을 통과하고 가드 벤치마크에서 회귀가 0이어야 한다. 탐색 작업에는 커밋 권한이 없고, 활용 단계는 사람 승인을 요구한다.

문자열 변환 비효율, NEON 벡터 내적 개선, gzip 라이브러리 업그레이드 등 실제 발견 사례를 예고했고, 구체적 수치는 2부로 넘겼다. 에이전트에게 튜닝을 맡길 때 결과 품질을 결정하는 건 모델이 아니라 측정 루프 설계라는 점을 보여준다.

https://www.elastic.co/search-labs/blog/ai-code-optimization-elasticsearch-agent-harness

오픈AI, 모델 오정렬 보고 체계 공개

오픈AI가 모델 오정렬(misalignment)을 추적하고 조사하고 공개하는 프레임워크를 발표했다. 함께 예상치 못한 동작이나 우려스러운 행동 사례 여섯 건도 보고했다.

에이전트를 프로덕션에 붙이는 팀에게는 이런 사례 보고가 실질적인 참고 자료가 된다. 어떤 상황에서 모델이 지시와 다르게 움직이는지 패턴을 알면, 권한을 어디까지 열고 검증 지점을 어디에 둘지 판단이 쉬워진다. 위의 일래스틱 하네스나 JP모건 권한 모델과 같은 문제를 다른 층에서 다루는 셈이다.

https://openai.com/index/model-misalignment-reporting-framework

9달러로 제미나이 대체 모델 뽑았다

제미나이로 레이블을 만들어 자기 자리를 대체할 모델을 훈련시킨 사례다. 태스크는 레딧 댓글에서 칼 브랜드·모델·강재명을 뽑아내는 NER.

과정은 간단하다. 제미나이가 temperature 0으로 댓글 4,290개를 한 번 레이블링했다. 문자 오프셋 대신 엔티티를 문자열로 뽑게 하고 오프셋은 코드로 계산했는데, 제미나이의 문자 세기 오류를 피하려는 선택이었다. 그 레이블로 GLiNER large v2.5(459M)를 파인튜닝하고, 잠가둔 225개 테스트셋으로 검증했다.

결과는 제미나이 레이블 대비 F1 0.83. 제로샷 베이스라인이 0.65였으니 확실한 개선이고, 클래스별 신뢰도 임계값을 쓰면 재질 항목 재현율이 0.911까지 올라갔다. 비용은 제미나이 레이블링 9달러(댓글당 0.0021달러), Tesla T4 열 번 학습에 약 2.50달러. 댓글 4,291개를 더 처리하는 순간부터 본전이다. 태스크가 좁고 반복량이 많다면 증류의 손익분기점은 생각보다 훨씬 빨리 온다.

https://www.petervijeh.com/projects/reddit-ner

마치며

오늘 소식을 한 줄로 묶으면 "직접 만든다"다. 모델 회사는 추론 인프라를 직접 만들고, 개발자는 프론티어 API 대신 작은 모델을 직접 훈련시키고, 기업은 에이전트 실행 환경과 권한 경계를 직접 설계한다. 남이 준 기본값을 그대로 쓰던 단계는 지났다.

그리고 직접 만든 사례들이 공통으로 강조하는 게 하나 있다. 측정이다. 일래스틱은 통계 검정을 가드레일로 세웠고, 4B 쿼리 플래너는 실행 시간을 보상으로 썼고, NER 증류는 잠긴 테스트셋으로 검증했다. 에이전트를 믿는 방식은 신뢰가 아니라 벤치마크였다.

나무숲에서는 매일 이런 AI 소식을 골라 정리한다. 매일 아침 확인하고 싶다면 treesoop.com/blog를 북마크해두면 된다.