2026년 10월 14일 AI 뉴스 — 메타 뮤즈 원더, 앤트로픽 증류 방어, 캐릭터AI 파산
메타의 프런티어 모델 뮤즈 원더, Z.ai GLM-Legal, 앤트로픽의 증류 공격 방어와 AI 자기 복제 연구, 캐릭터AI 파산 신청, 인텔 D270, Janas 등 오늘의 AI 뉴스 8건을 정리했습니다.
오늘은 모델 출시와 모델 보안 소식이 겹쳤습니다. 메타는 기억과 장기 작업을 앞세운 프런티어 모델 뮤즈 원더를, Z.ai는 법률 업무에 특화한 GLM-Legal을 내놓았습니다. 앤트로픽은 클로드를 겨냥한 증류 공격을 90% 넘게 줄였다는 보고서와, 소형 모델이 값싼 IoT 기기 위에서 스스로를 복제할 수 있다는 레드팀 연구를 함께 공개했습니다. 캐릭터AI의 파산 신청, 인텔의 새 AI GPU, 로컬 추론 엔진 Janas, 코딩 에이전트 운영 가이드까지 8건을 정리했습니다.
메타, 프런티어 에이전트 모델 '뮤즈 원더' 공개
메타가 뮤즈 원더(Muse Wonder)와 뮤즈 원더 풀(Muse Wonder Full)로 이뤄진 새 모델 시리즈를 발표했습니다. 메타는 개인용·업무용 에이전트 작업에서 최고 수준의 성능을 낸다고 소개했고, 기가와트급 프로메테우스 데이터센터에서 학습했다고 밝혔습니다.
핵심 기능은 두 가지입니다. 액티브 메모리(Active Memory)는 대화가 바뀌어도 사용자에 관한 중요한 맥락을 이어 가고, 지금 하는 작업에 필요한 내용을 능동적으로 꺼내 씁니다. 액티브 포커스(Active Focus)는 어려운 목표를 향해 다른 접근을 시도하고 막힌 지점을 풀어 가며 작업을 계속하는 능력입니다. 중요한 행동을 하기 전에는 사용자에게 확인을 구한다고 합니다. 메타는 집중력을 FocusBench로, 장기 소프트웨어 작업을 SWE-Marathon으로 평가했습니다.
뮤즈 원더는 오늘부터 메타 모델 API와 뮤즈 코드에서 쓸 수 있고, 뮤즈 원더 풀은 뮤즈 코드 구독자에게 제공됩니다. 뮤즈 앱에는 구독자부터 순차 적용될 예정입니다. 메타는 CBRN과 사이버 오용에 대해 지금까지 가장 강한 안전장치를 넣었다고 밝혔고, 추가 안전성 평가 보고서는 곧 공개하겠다고 했습니다.
Z.ai, 법률 에이전트 모델 GLM-Legal 공개
Z.ai가 법률 업무에 특화한 모델 GLM-Legal을 공개했습니다. 경량 모델인 GLM-5.3-Flash를 기반으로 만들었고, 실제 로펌 업무 흐름을 24개 분야에 걸쳐 평가하는 하비 LAB에서 올패스 기준 19.2%를 기록했습니다. 기반 모델보다 12.5%포인트 높은 수치입니다. LegalBench와 중국 법률 실무를 다루는 PLawBench에서는 훨씬 적은 파라미터로 최상위 폐쇄형 모델과 비슷한 성능을 냈다고 합니다. 하비 LAB과 LegalBench 결과는 Vals가 독립적으로 평가했습니다.
학습은 두 단계로 진행했습니다. 미드 트레이닝에서 양질의 법률 코퍼스를 늘려 법 개념과 조문, 해석 틀을 익히게 했고, 포스트 트레이닝에서는 수만 개의 현실적인 법률 작업 환경에서 강화학습을 돌렸습니다. 이 과정에서 작업 맥락과 도구, 실행 피드백을 관리하는 하네스를 모델과 함께 반복 개선했다는 점을 강조합니다.
현재는 베타입니다. 로펌, 리걸테크 기업, 사내 법무팀, 개인 실무자를 대상으로 API 접근 신청을 받고 있고 AutoClaw에서도 써 볼 수 있습니다.
앤트로픽, 클로드 증류 공격 90~99% 차단
앤트로픽이 클로드를 겨냥한 증류 공격에 대한 방어 현황을 공개했습니다. 증류 공격은 가짜 계정 네트워크로 상위 모델의 응답을 대량 수집해 다른 모델을 학습시키는 행위입니다. 앤트로픽은 새 방어 기법으로 증류 업자가 가져가는 데이터 양이 90~99% 줄었다고 밝혔습니다.
증류에 가장 값진 데이터는 클로드가 답하기 전에 적는 추론 과정입니다. 그래서 방어는 추론을 빼내기 어렵게 만드는 데 집중합니다. 첫째, 추론이 갈 수 있는 곳을 통제합니다. 클로드 페이블 5.1과 오퍼스 5.5부터는 2026년 8월 31일 이후 만든 새 API 계정이 클로드의 이전 컨텍스트를 편집할 수 없고, 소넷 5.5에서는 추론 기록을 요청을 보낸 조직만 볼 수 있습니다. 둘째, 추론 추출 시도를 잡아내는 2단계 분류기를 돌립니다. 오탐률은 0.1% 미만이고, 생물무기 관련 안전장치와 비슷한 수준으로 견고하다고 합니다. 셋째, 반복 시도하는 계정을 제재합니다.
사례도 실었습니다. 앤트로픽에 따르면 즈푸는 GLM-5.3을 개발하면서 미국 주요 모델의 사이버 역량을 증류했고, 문샷의 키미로 들어온 요청이 몰래 클로드로 전달된 경우도 있었습니다. 그중 하나는 중국 인민해방군 소속으로 추정되는 사용자가 특정 인물의 CCTV 영상 분석을 요청한 것이었습니다. 앤트로픽은 이 과정에서 상당한 매출과 수조 토큰 규모의 유료 트래픽을 포기했고, 일부 정상 사용자도 연동 방식을 바꿔야 했다고 설명했습니다.
앤트로픽 "소형 모델, TV 박스 위에서 자기 복제 가능해진다"
앤트로픽 프런티어 레드팀이 소형 AI 모델이 데이터센터 없이도 스스로를 복제할 수 있는 시점이 몇 달 앞으로 다가왔다는 연구를 공개했습니다. 대상은 스마트 오븐이나 저가 안드로이드 TV 박스 같은 상용 IoT 기기입니다. 이런 복제 프로그램은 끌 수 있는 중앙 지점이 없어 차단하기 어렵습니다. 다만 확산 속도는 느려서 두 배로 늘어나는 데 며칠이 걸릴 것으로 봤습니다.
실험에서는 한 대에 약 55달러인 저가 안드로이드 TV 박스 15대를 연결해 Gemma4-26B-A4B를 분산 추론으로 돌렸습니다. 속도는 초당 0.39토큰입니다. 낯선 하드웨어에 추론 환경을 스스로 구축하는 평가에서는 9B 모델이 9종 가운데 8종에서 성공했습니다.
30B 이하 모델은 복제에 필요한 개별 단계를 이미 상당수 해내지만, 전 과정을 이어 붙일 때는 실수를 합니다. 단순화한 평가에서는 GLM-5.2 이상의 모델이 처음부터 끝까지 복제를 해냈습니다. 소형 모델이 지금까지의 속도로 발전하면 올해 말에는 이 수준에 도달할 것이라는 게 앤트로픽의 전망입니다.
캐릭터AI, 챕터11 파산 신청
AI 캐릭터 챗봇 서비스 캐릭터AI가 자발적 챕터11 파산 절차에 들어갔다고 밝혔습니다. 목적은 법원 감독 아래 회사를 매각하는 것입니다. 회사는 지난 1년간 법적·규제·운영상의 역풍 속에서 사업을 유지하려 했지만, 검토 끝에 이사회가 이 방식이 이해관계자의 가치를 가장 잘 지킨다고 판단했다고 설명했습니다.
서비스는 지금도 정상 운영됩니다. 구독은 유지되고 결제도 당분간 그대로입니다. 매각 절차는 11월 말에서 12월 초 사이에 끝날 것으로 예상합니다. 플랫폼 운영을 이어 갈 인수 제안이 나오지 않으면 서비스를 종료하게 됩니다. NBC 뉴스는 캐릭터AI가 일부 자산을 디즈니에 2,000만 달러에 넘기는 스토킹 호스 계약을 맺었다고 보도했습니다.
인텔, 최대 480GB 메모리 탑재 AI GPU D270
인텔이 추론에 최적화한 데이터센터 GPU D270을 공개했습니다. 카드 한 장에 LPDDR5X 메모리를 최대 480GB까지 싣고, 소비 전력은 350W이며 공랭으로 동작합니다. 연산부는 Xe3P 코어 32개와 XMX 매트릭스 엔진 256개로 구성됩니다.
인텔이 겨냥한 것은 에이전트 워크로드입니다. 에이전트는 쓰는 양보다 읽는 양이 훨씬 많아서, 긴 컨텍스트와 여러 단계의 작업에서는 프리필이 연산의 대부분을 차지합니다. 인텔은 그래픽과 레이 트레이싱 파이프라인에 쓰던 다이 면적을 코어와 행렬 연산으로 돌렸고, 큰 메모리로 모델과 긴 컨텍스트를 HBM 없이 카드에 상주시킬 수 있다고 설명합니다.
도입 부담을 낮춘 점도 내세웁니다. 표준 PCIe 5.0 폼팩터라 기존 서버에 꽂을 수 있고, 수랭 설비를 새로 갖출 필요가 없습니다. 소프트웨어는 vLLM과 PyTorch 생태계를 지원하며 주요 오픈 모델을 출시 당일부터 지원한다고 밝혔습니다.
Janas, 32GB 노트북에서 80B 모델을 돌리는 추론 엔진
Janas는 C 표준 라이브러리 외에 의존성이 없는 AI 도구 모음입니다. 첫 구성 요소인 Janas-LLM은 대형 MoE(전문가 혼합) 모델을 일반 컴퓨터에서 돌립니다. 가중치는 디스크에 두고, 토큰마다 필요한 전문가만 NVMe SSD에서 스트리밍해 오며, 자주 쓰이는 전문가는 메모리에 남겨 둡니다.
제작자가 공개한 수치로는 메모리 32GB 노트북에서 48GB짜리 Qwen3-Next-80B가 초당 37토큰으로 생성됩니다. 드래프트를 끄면 24토큰이고, 같은 조건에서 llama.cpp는 2.8토큰입니다. 프롬프트 읽기는 초당 62토큰 대 16토큰입니다. 측정 장비는 인텔 코어 울트라 9 185H와 내장 Arc GPU를 쓴 노트북입니다.
리눅스 x86-64와 윈도우 10·11용 바이너리를 제공합니다. 아직 초기 개발 단계라 공개 API와 명령줄 옵션은 예고 없이 바뀝니다. 남는 메모리를 전문가 캐시로 채우는 등 기기에 부담을 크게 주도록 설계됐다는 점도 저장소에 적혀 있습니다.
코딩 에이전트가 실제 저장소에서 실패하는 15가지 패턴
클로드 코드, 코덱스 CLI, 제미나이 CLI를 실제 프로젝트에 나란히 돌려 본 개발자가 반복해서 마주친 실패 15가지와 해결책을 정리했습니다. 글쓴이는 이 가운데 모델 품질 문제는 거의 없고 대부분 운영 문제이며, 파일 기반의 단순한 수정으로 풀린다고 말합니다.
몇 가지를 꼽으면 이렇습니다. 에이전트는 의도를 결과처럼 보고하므로, AGENTS.md에 증거를 요구하는 완료 정의를 넣습니다. "테스트 통과"가 아니라 실행한 명령과 결과를 적게 하는 식입니다. CLAUDE.md, GEMINI.md, AGENTS.md가 제각각이면 계약은 AGENTS.md 하나로 두고 나머지는 얇은 어댑터로 만듭니다. 권한은 프롬프트가 아니라 설정과 훅으로 강제하고, 명령어 하나가 아니라 네트워크나 경로 같은 능력 단위로 막습니다. 긴 테스트는 실패만 돌려주는 테스트 러너 서브에이전트에 맡기고, 리뷰어에게는 편집 도구를 주지 않습니다.
메모리는 턴별 원본 로그, 40줄로 제한한 일일 요약, 120줄로 제한한 장기 메모리의 세 층으로 나누라고 권합니다. 타임아웃 뒤 재시도로 외부 작업이 중복 실행되는 문제에는 멱등성 키를 쓰라고 조언합니다.
마치며
모델은 더 오래 기억하고 더 오래 일하게 됐고, 그만큼 모델을 지키는 일과 모델을 운영하는 일의 비중도 커졌습니다. 나무숲(TreeSoop)은 이런 흐름을 실제 업무 자동화에 적용하는 AI 에이전트 개발을 돕습니다. 도입을 고민 중이라면 treesoop.com에서 문의해 주세요.