2026년 11월 04일 AI 뉴스 — 오픈AI 깃 백엔드 판도, GPT-6 가중치 직접 수정, 앤트로픽 AI for Science 확대

오늘은 오픈AI가 코덱스 시대에 맞춰 사내 깃 백엔드를 통째로 새로 만든 이야기로 시작합니다. MIT 연구진이 GPT-6 아스트라로 Qwen 모델의 가중치를 직접 고쳐 수학 점수를 끌어올렸다는 글은 화제와 반박을 함께 불렀습니다. 앤트로픽은 AI for Science 프로그램을 재단과 연구기관 20곳으로 넓혔고, 오픈AI는 버그 바운티 보상을 크게 올렸습니다. 도구로는 엔비디아의 Auto Ontology, 병렬 에이전트용 워크트리 CLI 워크트렁크, 앱을 직접 써 보며 버그를 찾는 AI QA 모멘틱을 골랐고, 국가 슈퍼컴퓨터 6호기 '한강' 가동 소식도 담았습니다.

오픈AI, 깃 백엔드 '판도' 공개

오픈AI가 사내 모노레포를 떠받치는 새 깃 백엔드 판도(Pando)를 공개했습니다. 코덱스가 엔지니어 한 명이 동시에 굴리는 작업량을 크게 늘리면서 브랜치, 푸시, 머지, 페치가 함께 폭증했고, 작년 말부터는 페치와 푸시가 느려지고 머지가 실패하면서 신뢰도가 90% 아래로 떨어지기도 했다고 합니다.

판도는 깃 프로토콜과 클라이언트 호환성을 그대로 유지합니다. 엔지니어와 에이전트 모두 쓰던 방식 그대로 옮겨 왔다는 뜻입니다. 핵심은 두 가지 설계 선택입니다. 첫째, 저장소 전체의 일관된 스냅샷을 포기하고 브랜치마다 독립적으로 갱신하는 인과적 일관성(causal consistency)을 택해, 서로 다른 브랜치로의 푸시가 서로를 기다리지 않습니다. 둘째, 클라이언트마다 팩파일을 새로 만드는 대신 저장해 둔 팩파일을 재사용해 읽기를 캐시에서 바로 내보냅니다. 서버는 팩을 풀지 않고 블롭 스토리지로 스트리밍하면서 검증만 하기 때문에 범용 하드웨어로 돌아갑니다.

결과적으로 푸시 지연 중앙값은 5배 가까이 줄었고, 지금은 하루 1페타바이트 가까운 깃 데이터를 내보낸다고 합니다. 오픈AI는 클라이언트 쪽 개선을 자체 깃 포크에서 업스트림으로 기여할 계획입니다. 에이전트를 여러 개 병렬로 돌리는 팀이라면 저장소 서버가 다음 병목이 될 수 있다는 신호로 읽을 만합니다.

원문: https://openai.com/index/scaling-git-at-openai

GPT-6, Qwen 가중치 직접 수정

MIT CSAIL의 다케히 리키야 연구원 팀이 "LLM이 신경망 가중치를 직접 읽고 쓸 수 있다"는 글을 공개했습니다. GPT-6 아스트라가 원시 가중치만 보고 작은 네트워크가 어떤 게임을 학습했는지 맞히고, 환경 피드백 없이 PPO로 1억 스텝 학습한 네트워크보다 나은 게임 플레이 네트워크를 처음부터 써냈다는 주장입니다. 가장 눈길을 끈 결과는 Qwen3.5-0.8B 실험입니다. 아스트라가 추론 루프를 일으키는 원인을 가중치에서 찾아 0.016%만 고쳤더니 MATH-500 점수가 7.9%에서 48.1%로 올랐고, IFEval도 3배 뛰었다고 합니다.

다만 바로 반박이 나왔습니다. spaCy 개발자 매슈 호니벌은 "원시 가중치만 보고"라는 표현은 1만7천~17만 개 가중치 규모의 작은 네트워크 실험에만 해당한다고 지적했습니다. 실제 언어 모델이 등장하는 실험은 모두 파이썬 코드를 썼고, 헤드라인인 Qwen 결과도 모델을 최대 50배치의 연습 문제로 직접 돌려 보면서 얻었다는 것입니다. Gemma 3에 같은 방법을 적용한 실험은 실패했습니다.

호니벌의 결론은 "아스트라가 사람 ML 엔지니어가 할 법한 작업을 스스로 설계하고 수행할 수 있다"는 정도로 읽어야 한다는 것입니다. 1~2년 전 모델은 이것조차 못 했다는 점에서 의미는 있지만, 가중치 공간 기법에 시간을 쓰기 전에 실험 조건부터 확인하는 편이 좋겠습니다.

원문: https://rikiyat.github.io/blog/weight-space-programming/

앤트로픽, 과학 지원 20곳 확대

앤트로픽이 과학자에게 클로드 크레딧을 무료로 주는 AI for Science 프로그램을 재단, 연구기관, 연구 프로젝트 20곳으로 넓혔습니다. 2025년 5월 개인 연구자 지원으로 시작한 프로그램이 이제 기관 단위로 크레딧을 나눠 주는 구조로 바뀐 것입니다.

연구비 배분 기관으로는 슬론 재단, 사이먼스 재단, 슈미트 사이언스, 미국 국립과학재단(NSF), 미국화학회의 CAS 등이 참여해 자체 심사로 연구자에게 크레딧을 배분합니다. 허블·제임스 웹 망원경을 운영하는 우주망원경과학연구소(STScI), 웰컴 생어 연구소, 프랜시스 크릭 연구소, EMBL 등은 기관 내부에서 클로드를 씁니다. 개별 프로젝트로는 초파리 뇌 전체 배선도를 만든 프린스턴 FlyWire, 80만 명 유전체 데이터를 모은 브로드 연구소 gnomAD, 수학을 린(Lean)으로 자동 형식화하는 Tau Ceti 등이 선정됐습니다.

앤트로픽은 이 협업들에서 오픈 데이터셋, 오픈소스 소프트웨어, 공개 표준 같은 공공재가 나올 것으로 기대한다고 밝혔습니다. 연구실 장비를 AI 에이전트가 안전하게 다루게 하는 Model Hardware Standard도 HHMI 자넬리아와 함께 연구 프리뷰로 개발 중입니다.

원문: https://www.anthropic.com/news/ai-for-science-expands-foundations-research-institutions

오픈AI 버그바운티 최대 17만 달러

오픈AI가 보안 버그 바운티 보상을 대폭 올렸습니다. 중간·높음·치명 등급 보상 범위의 중간값을 평균 4배 이상 높였고, 챗GPT, 코덱스, API 플랫폼 같은 핵심 제품의 치명적 취약점은 최대 3만 달러를 받습니다. 예외적인 치명 취약점은 기존 상한 10만 달러에 보너스를 얹어 최대 17만2천 달러까지 받을 수 있습니다.

새 보너스도 생겼습니다. 버그를 분리하고 악용 조건과 영향을 보여 주는 재현 코드를 낸 고품질 리포트에는 배수가 붙고, 꾸준히 제보하는 연구자를 위한 5단계 로열티 보너스, 새 기능 출시 때 별도 보너스 풀을 거는 우선 캠페인이 추가됐습니다. 예를 들어 챗GPT 제로클릭 계정 탈취는 예전 기준 6,500달러였지만 새 기준으로는 보너스를 합쳐 5만1천 달러 수준이 됩니다.

아직 보상을 받지 않은 기존 제보에도 새 기준이 적용되고, 발표 전 30일 안에 지급된 건은 차액을 소급해 줍니다. 오픈AI 보안팀은 11월 20~21일 오클랜드에서 열리는 PROMPT2PWN 행사에도 참여합니다.

원문: https://openai.com/index/rewarding-defenders-with-bigger-bug-bounties

엔비디아, 오토 온톨로지 공개

엔비디아가 에이전트용 시맨틱 레이어를 만드는 오픈소스 파이썬 프레임워크 Auto Ontology를 아파치 2.0으로 공개했습니다. 문제의식은 단순합니다. 에이전트가 매출 지표를 빨리 답해도 숫자가 틀리면 소용없으니, 데이터가 어디 있고 무슨 뜻이며 어떻게 써야 하는지 알려 주는 컨텍스트 레이어가 필요하다는 것입니다.

Auto Ontology는 기업 메타데이터에서 온톨로지를 자동으로 생성하고 기존 시맨틱 모델과 연결해 AI용 지식 그래프를 만듭니다. 에이전트가 만든 SQL은 인증된 정의와 계보(lineage)로 검증하고, 답마다 출처를 붙여 돌려줍니다. 이 컨텍스트는 MCP, CLI, API로 어느 에이전트 하네스에나 붙일 수 있고, 사람이 고친 내용은 다시 온톨로지에 반영됩니다.

추론은 엔비디아 NIM 엔드포인트를 쓰고, 기본값은 Nemotron 3 Nano 30B-A3B와 Nemotron 임베딩·리랭커 모델입니다. 쿠버네티스용 헬름 차트와 로컬용 도커 컴포즈를 제공하고, BIRD 같은 텍스트-투-SQL 벤치마크용 평가 저장소도 따로 공개했습니다. 사내 데이터에 자연어 질의 에이전트를 붙이려는 팀이 참고할 만합니다.

원문: https://github.com/NVIDIA/auto-ontology

병렬 에이전트용 깃 CLI, 워크트렁크

워크트렁크(Worktrunk)는 AI 에이전트 여러 개를 한 저장소에서 동시에 돌리기 위한 깃 워크트리 관리 CLI입니다. 클로드 코드나 코덱스를 5~10개씩 병렬로 돌릴 때 에이전트마다 독립된 작업 디렉터리를 주는 게 워크트리인데, 기본 명령은 새 워크트리 하나를 만들 때도 브랜치 이름을 세 번 쳐야 할 만큼 번거롭습니다.

워크트렁크는 워크트리를 브랜치 이름으로 다루게 해서 브랜치만큼 쉽게 만듭니다. 생성·머지 전후에 명령을 돌리는 훅, diff로 커밋 메시지를 만드는 LLM 커밋, 스쿼시·리베이스·정리를 한 번에 하는 머지 워크플로가 들어 있습니다. wt switch pr:123으로 PR 브랜치로 바로 넘어갈 수 있고, wt list --full은 브랜치별 CI 상태와 AI 요약을 보여 줍니다.

실무에서 반가운 기능은 빌드 캐시 공유입니다. APFS, btrfs, XFS에서는 워크트리 10개가 target/이나 node_modules/를 다시 빌드하거나 복사하지 않고 함께 씁니다. 워크트리마다 다른 포트를 주는 템플릿 필터도 있어 개발 서버를 여러 개 띄우기 편합니다.

원문: https://github.com/max-sixty/worktrunk

앱을 직접 써보는 AI QA, 모멘틱

YC W24 출신 모멘틱(Momentic)이 해커뉴스에 런칭 글을 올렸습니다. QA 에이전트가 웹, iOS, 안드로이드 앱(데스크톱은 곧 지원)을 직접 써 보면서 테스트 계획을 세우고, 화면과 사용자 흐름을 탐색하며 버그를 찾는 서비스입니다. 프롬프트 한 줄로 핵심 흐름을 검증하게 할 수 있습니다.

모멘틱에 따르면 지금까지 테스트 7만7천여 개가 만들어졌고, 7천만 회 넘게 실행돼 버그 11만7천여 건을 잡았습니다. UI가 바뀌면 테스트를 스스로 고치는 자동 복구도 890만 회를 넘었습니다. 노션의 개발자 경험 책임자는 PR마다 E2E 테스트를 6.3배 병렬로 돌릴 수 있게 됐다고 평가했습니다.

AI 코딩으로 PR이 늘어날수록 사람이 하는 QA가 병목이 되기 쉽습니다. 에이전트가 쓴 코드를 다른 에이전트가 실제 앱에서 검증하는 흐름이 점점 기본 구성으로 자리잡고 있습니다.

원문: https://momentic.ai/

국가 슈퍼컴 '한강' 본격 가동

국가 슈퍼컴퓨터 6호기 '한강'이 본격 가동에 들어갑니다. GPU 8,496개를 탑재했고 12월 14일부터 정식 서비스를 시작합니다. 대규모 AI 학습과 추론 같은 연산 자원이 필요한 연구자는 이용을 신청할 수 있습니다.

국내 연구 현장에서는 GPU 확보가 늘 병목이었습니다. 수천 장 규모의 공용 GPU 자원이 열리면 대학과 공공 연구기관이 자체 장비 없이도 큰 모델 실험을 해 볼 수 있습니다. 신청 방법과 할당 기준은 정책브리핑의 보도자료 원문에서 확인할 수 있습니다.

원문: https://www.korea.kr/briefing/pressReleaseView.do?newsId=156787521

---

나무숲(TreeSoop)은 매일 아침 개발자가 실제로 쓸 만한 AI 소식만 골라 전합니다. 업무에 AI를 도입하는 방법이 궁금하다면 treesoop.com에서 문의해 주세요.