2026년 11월 12일 AI 뉴스 — 클로드 페이블 5.2, 앤트로픽 IPO 로드쇼, 제미나이 4 카본

오늘은 프런티어 모델 소식이 몰렸습니다. 앤트로픽이 클로드 페이블 5.2와 미토스 5.2를 내놓았고 IPO 로드쇼도 시작했습니다. 구글은 제미나이 4 카본을 정식으로 풀었습니다. 애플이 맥을 로컬 추론 서버로 바꾸는 앱을 준비 중이라는 소식이 나왔고, 파이어웍스 AI 유출로 노션 AI 대화 일부가 노출됐습니다.

앤트로픽, 클로드 페이블 5.2·미토스 5.2 공개

앤트로픽이 클로드 페이블 5.2와 클로드 미토스 5.2를 공개했습니다. 두 모델은 같은 기반 모델입니다. 페이블은 사이버보안·생물학 안전장치를 걸어 모든 사용자에게 열고, 미토스는 사이버 검증 프로그램이나 생명과학 프로그램 승인을 받은 조직만 씁니다. 출력 속도는 5.1보다 최대 30% 빨라졌고, 가격은 100만 토큰당 입력 8달러, 출력 40달러로 내려갔습니다. 생성 속도를 최대 2.5배 올리는 패스트 모드는 입력 16달러, 출력 80달러입니다.

벤치마크에서는 FrontierSWE v2 69.9%, FrontierCode 2.0 49.1%로 오퍼스 5.5(62.3%, 45.5%)와 GPT-6 Astra, 제미나이 4 카본을 앞섰습니다. 다만 AutomationBench에서는 제미나이 4 카본(53.9%)이 페이블 5.2(51.4%)보다 높았습니다. 앤트로픽은 High effort 페이블 5.2가 Max effort 오퍼스 5.5와 비슷한 점수를 작업당 절반 정도 비용으로 낸다고 밝혔습니다. 사내 실험에서는 빈 폴더에서 시작해 서브에이전트 1,000개 이상을 8일 동안 돌려 노트북에서 부팅되는 운영체제를 만들었고, 페이블 5.2 에이전트 1,000개가 페르마의 마지막 정리 형식화를 30시간 만에 끝냈습니다.

모델 ID는 claude-fable-5-2이고 AWS·구글 클라우드·애저에서 바로 쓸 수 있습니다. 앤트로픽은 대부분의 코딩 작업은 여전히 오퍼스 5.5로 시작하고, 범위가 크고 열린 문제일 때 페이블로 올리라고 권합니다. 이번 주에는 유료 플랜에 페이블 사용량을 추가로 줍니다.

원문: https://www.anthropic.com/claude-fable-and-mythos-5-2

앤트로픽, IPO 로드쇼 시작

10월 26일 S-1을 공개 제출한 앤트로픽이 11월 10일 기업공개 로드쇼를 시작했습니다. 공모 규모는 클래스 A 보통주 8억 2,500만 주이고, 이 가운데 8억 135만여 주는 회사가, 2,364만여 주는 기존 주주가 내놓습니다. 희망 공모가는 주당 70~78달러입니다. 상장 시장은 나스닥 글로벌 셀렉트, 종목 코드는 'ANT'이고 주관사는 골드만삭스와 모건스탠리입니다.

희망가 상단 기준으로 이번 공모 규모는 600억 달러를 넘습니다. 클로드 API와 클로드 코드를 업무 기반으로 쓰는 팀이라면 상장 이후 가격 정책과 제품 로드맵이 어떻게 바뀌는지 지켜볼 만합니다.

원문: https://www.anthropic.com/news/roadshow-launch

제미나이 4 카본 정식 출시

10월 말 일부 사용자에게만 먼저 배포됐던 구글의 제미나이 4 카본이 정식 출시됐습니다. 구글 AI 스튜디오와 Gemini for business의 API로 모든 유료 개발자와 기업이 쓸 수 있고, 가격은 출시 때의 할인가를 그대로 유지합니다. 구글은 카본이 CursorBench 4.0과 퍼플렉시티의 WANDR 등 실무형 벤치마크에서 1위라고 소개했습니다.

코딩 쪽에서는 여러 패키지에 걸친 마이그레이션, 서브시스템을 넘나드는 원인 분석, 큰 구조 재설계처럼 여러 에이전트가 협업해야 하는 작업에 강하다고 합니다. 함께 구글 안티그래비티에 /swarm 프리뷰가 들어왔는데, 프롬프트 하나를 여러 에이전트로 이뤄진 팀으로 바꿔 실시간으로 진행 상황을 보여 줍니다. 보안 쪽에서는 구글 내부 자동 취약점 시스템 Project Fortify에서 스캔 재현율 100%, 분류 정밀도 95%를 기록했다고 밝혔습니다.

원문: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

애플, 로컬 AI 서버 앱 '하버' 준비

애플이 맥을 사설 AI 추론 서버로 바꾸는 앱 '하버(Harbor)'를 만들고 있다는 사실이 유출됐습니다. 애플 실리콘에서 오픈웨이트 모델을 로컬로 돌리고, 데이터는 클라우드로 나가지 않습니다. 썬더볼트 5로 맥 여러 대를 연결하면 통합 메모리를 하나로 묶어, 한 대로는 못 올리는 큰 모델을 돌리거나 동시 요청을 더 많이 처리할 수 있습니다.

기기 감지와 클러스터 구성은 자동이고 명령줄이 필요 없습니다. 앱 안에서 모델을 찾아 내려받고 바로 올릴 수 있습니다. 지금은 애플 자회사 클라리스 브랜드로 비공개 프리뷰 중입니다. 정식 출시되면 Ollama나 LM Studio 같은 도구에 애플이 직접 만든 대안이 생깁니다.

원문: https://9to5mac.com/2026/11/10/apple-has-new-mac-app-coming-to-make-running-local-ai-models-easy/

파이어웍스 AI 유출, 노션 AI 대화 일부 노출

노션이 AI 추론 업체 파이어웍스 AI의 보안 사고로 전체 워크스페이스의 1% 미만이 영향을 받았다고 공지했습니다. 노션은 관리자용 기능 Insights의 분류 작업과 오픈웨이트 모델 서빙에 파이어웍스를 썼습니다. 파이어웍스는 데이터를 보관하지 않는다는 계약상 약속을 했지만, 조사 과정에서 실제로는 데이터가 남아 있었다는 사실이 드러났습니다. 노출된 건 노션 AI 채팅 기록입니다.

노션은 11월 3일 파이어웍스와 연결을 끊고 데이터를 모두 지웠으며 Insights 기능도 꺼 두었습니다. 영향을 받은 워크스페이스 소유자는 사이드바의 ? → Security incident review에서 노출된 데이터를 CSV로 내려받을 수 있습니다. 노션은 이 기간에 노션 AI에 비밀번호나 API 키를 붙여 넣었다면 바로 교체하라고 권했습니다. 서드파티 추론 업체의 ZDR 약속만 믿고 민감 데이터를 보내는 구조가 얼마나 위험한지 보여 주는 사례입니다.

원문: https://www.notion.com/help/security-incident-involving-a-third-party-ai-vendor

아마존, 소넷 4.6 대신 결정 모델로 라벨링 비용 98% 절감

아마존 엔지니어 두 명이 사내 최대 규모 티켓 시스템의 라벨링을 클로드 소넷 4.6에서 Strands Decider로 바꾼 과정을 공개했습니다. 티켓을 20개 카테고리로 분류하는 작업입니다. 결정 모델은 텍스트를 만들지 않고, 상태와 질문, 선택지를 받아 선택지별 확률과 신뢰도만 돌려줍니다. 처음엔 Decider 2B를 썼다가 테스트셋에서 결과가 더 좋은 Gemma 4 E4B 빌드로 옮겼습니다.

티켓당 토큰은 6,724개에서 2,010개로 70% 줄었고 출력은 1토큰이 됐습니다. 람다 평균 실행 시간은 74% 짧아졌습니다. 비용은 티켓 100만 건당 약 2만 2,200달러에서 약 500달러로 내려갔습니다. 바로 전환하지 않고 AppConfig에 BEDROCK·DUAL·DECIDER 세 가지 설정을 두고, 두 모델을 나란히 돌려 결과를 비교한 뒤 넘어갔습니다. LLM으로 분류만 하고 있는 파이프라인이라면 참고할 만한 구조입니다.

원문: https://strandsagents.com/blog/amazon-saves-millions-replacing-sonnet-with-strands-decider/

AI 에이전트 48개, 라이다로 마야 유적 재발견

구글 엔지니어 피에트로 미오티가 AI 에이전트 48개로 NASA 라이다 데이터 약 1,200㎢를 훑어 멕시코 정글 속 마야 유적을 찾아낸 과정을 일기 형식으로 공개했습니다. 라이다 스트립을 이미지로 바꾼 뒤 에이전트들이 한 장씩 보며 피라미드·기단·광장을 찾고, 자연 언덕이나 싱크홀, 도로는 걸러 냈습니다. 별도의 모델이나 분류기는 쓰지 않았습니다. 에이전트들은 원시 포인트 클라우드까지 확인했고 멕시코 국립인류학역사연구소(INAH)에 보낼 보고서를 스페인어로 번역했습니다. 아이디어를 떠올린 뒤 INAH의 답장을 받기까지 72시간이 안 걸렸습니다.

INAH는 그 위치에 등록된 유적이 없다고 답했습니다. 하지만 11월 11일 업데이트에서 이 유적이 2025년 논문에 이미 실려 있었다는 사실이 밝혀졌습니다. 에이전트가 문헌 조사에서 놓친 것이라 '발견'이 아니라 '재발견'이 됐습니다. 대규모 데이터를 여러 에이전트에 나눠 맡기는 방식은 통했지만, 마지막 문헌 확인은 사람이 다시 봐야 한다는 교훈도 남겼습니다.

원문: https://pietromiotti.com/latest/maya-site/?maya

엑스포, AI 에이전트가 만드는 앱 런타임 Exact

엑스포(Expo)가 앱을 한 번 짜면 웹·macOS·iOS·리눅스에서 네이티브로 도는 런타임 Exact를 공개했습니다. 리액트를 쓰지 않습니다. 웹에서는 브라우저의 DOM과 CSS를, iOS에서는 UIKit과 네이티브 컨트롤을, macOS에서는 AppKit을 그대로 씁니다. 핵심은 AI 에이전트가 앱을 만들고, 실행하고, 화면을 보고, 모든 플랫폼에서 테스트까지 하도록 설계했다는 점입니다.

README에는 클로드 코드에 그대로 넣을 수 있는 프롬프트가 있습니다. 할 일 앱을 만들고 테스트 계약을 작성해 웹·macOS·iOS 시뮬레이터에서 통과시키는 예제입니다. 깨끗한 클론에서 새 에이전트가 약 57분 만에 세 플랫폼 테스트를 모두 통과했고, 그중 25분 정도는 첫 macOS·iOS 빌드 시간이었습니다. 이후 빌드는 1~2분이면 끝납니다.

원문: https://github.com/expo/exact

---

새 모델과 도구가 매주 쏟아지는 만큼, 우리 팀 업무에 무엇을 붙일지 고르는 일이 점점 어려워지고 있습니다. 나무숲(TreeSoop)은 AI 에이전트와 자동화를 실제 업무 흐름에 맞춰 설계하고 구축합니다. 도입을 고민하고 계시다면 treesoop.com에서 편하게 문의해 주세요.