2026년 9월 20일 AI 뉴스 — AGENTS.md, 칩 설계 LLM, 온디바이스 에이전트

오늘 AI 뉴스는 도구와 모델 양쪽에서 실용적인 소식이 많았다. 클로드 코드가 AGENTS.md를 직접 읽기 시작했고, 오픈AI는 자사 칩 설계에 자기 모델을 투입한 과정을 숫자와 함께 공개했다. 8MB짜리 모델이 툴 호출을 해내는 반대쪽 극단도 같은 날 나왔다.

클로드 코드, AGENTS.md 지원

클로드 코드가 이제 AGENTS.md 파일을 기본으로 읽는다. 그동안은 저장소에 AGENTS.md가 있어도 클로드 코드를 쓰려면 CLAUDE.md를 따로 만들어야 했다.

AGENTS.md는 코딩 에이전트에 지시문을 전달하는 개방형 포맷이다. 공식 소개에 따르면 6만 개가 넘는 오픈소스 프로젝트와 에이전트 프레임워크가 이 포맷을 채택했고, 코덱스, 커서, 앰프, 주울스, 팩토리, VS 코드, 데빈 등이 목록에 올라 있다.

실무적으로는 설정 파일 중복이 사라진다는 뜻이다. 한 저장소에서 코덱스와 클로드 코드를 번갈아 쓰면서 지시문을 두 벌로 관리하던 부담이 없어진다. 에이전트 도구들이 서로 다른 포맷으로 경쟁하는 대신 공용 규격으로 수렴하고 있다는 신호이기도 하다.

https://x.com/trq212/status/2101009392611278961

오픈AI, 자사 LLM으로 칩 설계

IEEE 스펙트럼이 오픈AI의 추론 전용 칩 '할라피뇨' 개발 과정을 상세히 다뤘다. 칩 공개 자체는 앞서 알려졌지만, 설계 공정 안에서 모델이 실제로 무엇을 했는지는 이번에 처음 나왔다.

숫자가 인상적이다. 구상부터 실리콘까지 20개월이 채 걸리지 않았고, 최초 RTL 코드에서 테이프아웃까지는 9개월이었다. 투입 인원은 하드웨어 전 직군 통틀어 약 100명, 백엔드 물리 설계는 브로드컴이 맡았다.

모델이 특히 잘한 영역은 프론트엔드 설계였다. 구글의 고수준 합성 도구 XLS를 썼는데, 크리스 리어리는 "AI는 소프트웨어처럼 생긴 것에 훨씬 강했다"고 말했다. XLS 코드가 소프트웨어를 닮아서 모델이 붙기 좋았다는 얘기다. 물리 설계 쪽에서는 AI 기반 최적화로 행렬 곱셈 유닛 면적을 사람 기준선 대비 10% 줄였다. 5월에 첫 실리콘을 받은 뒤에는 모델이 벤치마크 소프트웨어를 직접 최적화했는데, 딥시크 지연 벤치마크에서 이론 최대치 대비 0.31%였던 성능을 약 40시간 만에 88.94%까지 끌어올렸다.

모델도 프로젝트 도중에 세대가 바뀌었다. o3에서 시작해 GPT-6 아스트라의 전신까지 왔고, 최신 모델은 중간 번역 단계 없이 베릴로그를 직접 다룬다. 결과물인 할라피뇨는 4비트 연산 13.4페타플롭스를 내고, 엔비디아 GB300 대비 종단 지연이 최대 3.6배 낮으면서 전력은 덜 쓴다고 한다.

https://spectrum.ieee.org/llms-for-chip-design

아스트라, 1918년 암호 풀었다

GPT-6 아스트라가 1918년 11월 27일에 송신된 독일군 ADFGVX 암호 무전을 해독했다. 그동안 풀리지 않던 전문이다.

해독된 내용은 "영국 순양함 1척이 24일 세바스토폴에 도착, 연합 함대가 26일 뒤따름"이었다. 키는 TRUPPENVERSCHIEBUNG. 전문은 총 170자로, 19개 기호 8줄에 18개 1줄로 배열해야 풀리는 구조였다.

이 사례에서 중요한 건 검증 쪽이다. 아스트라는 해독 결과를 당대 해군 기록과 대조했고, HMS 캔터베리의 항해일지에서 1918년 11월 24일 영국 순양함의 세바스토폴 입항과 26일 연합 함대의 후속 도착을 확인했다. 왜 이 전문만 안 풀렸는지에 대한 설명도 내놨다. 해당 키가 문헌상 12월 9일부터 쓰인 것으로 기록돼 있어, 그보다 앞선 11월 전문에는 아무도 그 키를 대입해 보지 않았다는 것이다.

https://www.prinzai.com/p/gpt-6-astra-solves-a-wwi-german-radio

오픈클로, 원자적 업데이트 도입

오픈클로 v2026.9.5가 나왔다. PR 4,179개, 직접 커밋 64개, 기여자 502명이 반영된 릴리스다.

간판 기능은 원자적 업데이트(Atomic Updates)다. 다음 버전을 먼저 검사한 뒤 교체하기 때문에 업데이트 도중 설치가 깨지는 상황을 막는다. 여기에 플러그인 핫 리로딩과 대화 공유가 함께 들어갔다. 플러그인을 직접 만들어 쓰는 쪽이라면 재시작 없이 반복 개발이 가능해지는 게 체감이 클 것이다.

https://www.reddit.com/r/openclaw/comments/1wkbbqp/openclaw_v202695_brings_atomic_updates_plugin_hot/

스펙 도구 4종, 실비용 재봤다

오픈스펙, 스펙 킷, BMAD, 키로 네 가지 스펙 기반 개발 도구로 기존 프로젝트에 작은 기능 하나를 추가하는 데 실제로 얼마가 드는지 측정한 글이다.

앞선 측정에서는 첫 프롬프트에 도달하기까지 조작이 몇 번 필요한지를 셌는데, "그건 상자 개봉 과정을 잰 것이지 잔디를 깎은 게 아니다"라는 반박이 많았다고 한다. 그래서 이번에는 실제 기능 추가 작업 전체를 놓고 비용을 비교했다. 스펙 우선 워크플로우 도입을 저울질하는 팀이라면 도구 선택 전에 한 번 볼 만한 숫자다.

https://www.reddit.com/r/ClaudeAI/comments/1wkktmh/i_measured_what_four_specdriven_tools_actually/

GPT 이미지 2.5 프롬프트 가이드

오픈AI가 GPT Image 2.5용 공식 프롬프팅 가이드를 냈다. 모델은 속도 중심의 플레어(Flare)와 품질 중심의 선버스트(Sunburst) 두 종이고, quality는 auto부터 max까지, size는 한 변 최대 3,840px에 3:1 비율까지 지정할 수 있다.

가이드의 핵심은 "무엇을 바꾸고 무엇을 지킬지"를 분리해 쓰라는 것이다. 편집 시에는 "X만 바꿔라"라고 말한 뒤 유지해야 할 요소를 명시적으로 나열하라고 권한다. 인물 동일성, 기하 구조, 레이아웃, 조명, 라벨 같은 것들이다. 제약 조건은 편집할 때마다 매번 다시 적어야 하고, 픽셀 단위로 동일해야 하는 부분은 따로 짚어 줘야 한다.

프롬프트 구성 패턴도 다섯 가지로 정리해 뒀다. 결과물을 먼저 정의하고, 보이는 디테일을 서술하고, 들어갈 문구는 따옴표로 정확히 지정하고(특이한 고유명사는 철자를 하나씩), 참조 이미지마다 번호와 역할을 부여하고, 한 번에 하나씩만 바꿔 가며 반복하라는 것이다.

https://developers.openai.com/api/docs/guides/image-prompting

8MB 모델이 툴 호출까지 한다

캑터스 컴퓨트가 공개한 니들(needle)은 초소형 기기를 겨냥한 자동화 파운데이션 모델이다. 2비트 양자화(가중치당 2.125비트)로 크기가 8~29MB에 불과하고, 아파치 2.0 라이선스다.

크기만 줄인 게 아니다. 사용자 입력에서 적절한 함수를 골라 인자를 채우는 툴 호출을 하고, 범위를 벗어난 요청에는 틀린 추측 대신 빈 목록을 돌려준다. 어질러진 텍스트를 송장이나 예약 정보 같은 타입 검증된 필드로 바꾸는 구조화 추출, 로컬 검색·라우팅용 임베딩 생성도 된다. 니들 3은 여섯 개 벤치마크에서 툴 호출 기준 10배 큰 모델을 앞섰고, 추출에서는 2~3배 큰 모델과 대등했다고 한다.

배포 대상은 macOS, 리눅스, iOS, 안드로이드, WASI 브라우저와 각종 ARM 플랫폼이다. 모든 배포본에 1MB 미만의 사전 빌드 엔진이 포함돼 시작 시 가중치를 로드한다. 폰, 웨어러블, 로봇, 스마트홈, 심지어 마이크로컨트롤러에서 클라우드 없이 도는 에이전트를 만들겠다는 그림이다.

https://github.com/cactus-compute/needle

도클링, 문서를 AI용으로 변환

도클링은 IBM 리서치가 시작한 오픈소스 문서 처리 도구다. 각종 문서를 생성형 AI가 다루기 좋은 형태로 파싱한다. 깃허브 스타 6.7만 개, 포크 4,800개로 이미 규모가 큰 프로젝트이고, MIT 라이선스에 LF AI & Data 재단 소속이다.

지원 범위가 넓다. PDF, DOCX, PPTX, XLSX, HTML, EPUB, 애플 페이지스, LaTeX 같은 문서는 물론 MP3·WAV 같은 오디오와 MP4·MKV 같은 영상, 이메일(EML·MSG), XBRL 재무보고서까지 받는다. 오디오는 ASR 모델로 전사한다.

RAG 파이프라인을 짜 본 사람은 알겠지만 실제 난이도는 임베딩이 아니라 문서 파싱에 있다. 표가 깨지고 읽기 순서가 뒤엉키면 그 뒤 단계가 전부 흔들린다. 도클링은 PDF 레이아웃과 읽기 순서 탐지, 스캔 문서 OCR, 그래니트도클링 같은 비전 언어 모델 연동에 힘을 줬다. 출력은 마크다운, HTML, JSON으로 뽑히고 랭체인·라마인덱스·헤이스택과 붙는다. 민감한 문서는 로컬에서 처리할 수 있다.

https://github.com/docling-project/docling

마치며

오늘 소식을 관통하는 흐름은 고리가 짧아지고 있다는 점이다. 오픈AI는 자기 모델로 자기 칩을 설계해 20개월 만에 실리콘을 받았고, 그 칩 위에서 돌 모델이 다시 다음 칩을 설계할 것이다. 에이전트 도구들은 지시문 포맷을 공유하는 쪽으로 수렴하고 있고, 반대편에서는 8MB 모델이 기기 안에서 툴을 호출한다. 거대해지는 방향과 작아지는 방향이 같은 날 나란히 움직였다.

나무숲은 이런 변화를 매일 따라가며 실제 업무에 붙일 수 있는 것만 골라 정리한다. 매일 아침 AI 뉴스가 필요하다면 treesoop.com을 찾아오시길.