제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
GitHub은 2026년 10월 28일에 Copilot Fusion 정식 버전을 발표하며, 동시에 실험적인 로컬 모델 라우팅 기능도 함께 선보였습니다. 이 기능은 Windows 장치에서 MAI Code 1.1 Flash와 같은 로컬 모델을 자동으로 호출하고, VS Code, CLI 및 Copilot 앱에서 지능형 라우팅을 활성화할 수 있도록 지원합니다. 이 시스템은 Standard/High/Max 세 가지 노력 수준을 통해 클라우드 모델(예: OpenAI, Anthropic, Google)을 자동으로 선택하고 조합하여 작업을 수행하며, 코딩 평가에서 Claude Code에 근접한 성능을 구현하면서 비용은 절반으로 줄였습니다.
arXiv:2610.38355v1 발표 유형: 신규 초록: KV 캐시 재사용은 LLM 서비스를 가속화하지만, 기존 시스템들은 호스트 DRAM과 NVMe SSD를 계층적 하위 구조로 관리하며, DRAM을 중간 캐시로 활용합니다. 그러나 실제 생산 환경의 LLM 워크로드는 이러한 계층 구조의 두 가지 전제 조건을 모두 무너뜨립니다. 첫째, 이중 모드 재사용 방식은 DRAM의 시간적 필터링 기능을 무력화합니다. 왜냐하면 워크로드는 재사용 거리가 긴 일회성 블록이나 DRAM 용량을 초과하는 수기가바이트 규모의 에이전트 세션으로 구성되어 있어 SSD가 핵심 읽기 경로에 위치하게 되기 때문입니다. 둘째, DRAM의 스테이징과 제거 순서에 따른 배치 방식은 SSD 복원 과정을 병목으로 만듭니다. 인-플라이트 프리픽스를 위해 호스트 스테이징 버퍼를 유지하면 부하 상황에서 컨텐션을 유발해 프리페치 작업이 중단되며, 증분식 제거는 세션의 블록들을 SSD 전체에 분산시켜 대규모 연속 읽기를 방해합니다. 우리는 p
GitHub는 Universe 2026에서 Copilot Fusion 지능형 오케스트레이션 계층을 공개했으며, OpenAI, Anthropic, Google 등 다양한 모델을 자동으로 라우팅하고 조합하여 코딩 작업을 완료할 수 있도록 지원합니다. 개발자는 별도로 모델을 선택할 필요가 없습니다. 이 기능은 기존의 자동 모델 선택 기술과 지난 9월 연구에서 선보인 Project HydraFusion의 다중 모델 오케스트레이션 기능을 통합한 것입니다.
GitHub Copilot Fusion이 일반에 공개되었습니다. 각 작업마다 개별 모델을 선택하는 대신, Copilot Fusion을 선택하면 Copilot이 지능적으로 어떤 모델을 사용할지 라우팅하고 오케스트레이션해 줍니다.… 글 ‘GitHub Copilot Fusion으로 모델을 라우팅하고 오케스트레이션하세요’는 The GitHub Blog에 처음 게재되었습니다.
1. 워커들에게 더 적합한 GPT-6.1 Terra가 출시되며, API 가격은 절반으로 인하되고 컴퓨터 작업 속도는 더욱 빨라집니다. 10월 26일, OpenAI는 GPT-6.1 Terra를 발표했으며, 주요 기능으로 시각적 이해력, 컴퓨터 작업 능력, 사실 정확성 및 프로그래밍 능력을 향상시켰습니다....
구 버전 순위의 점수는 만점에 근접했지만, 신규 버전의 실전 성적은 집단적으로 낙제점을 기록했다. 대형 모델 평가 자체가 하나의 비즈니스로 전환되면서, 기업들의 선택 기준은 이제 순위를 보는 데서 비용 계산으로 옮겨가고 있다.
실리콘밸리의 다음 한 차례 재편은 어쩌면 여기에서부터 시작될지도 모릅니다.
큰 것이 드디어 왔다. 10월 26일, 앤트로픽은 미국 증권거래위원회에 S-1 상장 신청서를 공식 제출하며 나스닥 글로벌 엘리트 시장에 상장할 준비를 하고 있다. 주식 코드는 ANT로 정해졌다. 언론 보도에 따르면, 이 회사의 기업 가치는 이미 1조 5천억 달러에서 2조 달러 사이로 거론되고 있으며, 공모가 범위는 아직 공개되지 않았다. 24시간 만에 300여 페이지에 달하는 이 상장 신청서는 기술계와 금융계에서 뒤집혀 읽힐 정도로 화제를 모았다. 가장 눈길을 끄는 몇 가지 수치는 이미 모두가 확인했을 것이다: 2026년 상반기 매출은 162.86억 달러로, 지난해 동기에는 겨우 11.63억 달러에 불과했다; 2분기에는 9.74억 달러의 영업이익을 기록하며 회사 역사상 최초로 영업 흑자를 달성했다. 한편, 대차대조표상의 순손실 규모는 무려 807억 달러에 달하는데, 그 대부분은 723.88억 달러에 달하는 전환사채·파생상품 부채 및 SAFE의 공정가치 변동으로 인한 비현금성 회계비용이다. 그러나 이러한 월스트리트식 서사와는 별개로, 중국 내 개발자들과 일반 사용자들은 또 다른 이질감을 느끼고 있다. 중국 본토 이용자들 입장에서는 Claude가 현재 시장에서 계정이 가장 많이 차단되고, 리스크 관리가 가장 엄격하며, 사용하기에 가장 답답한 AI 제품 중 하나로 여겨진다. 대체 왜 최고 수준의 대규모 언어모델을 개발한 회사가 일반 개인 사용자들에게는 이렇게까지 냉담하게 다가오는 걸까? 상장 신청서의 재무 주석과 위험 경고 부분을 뒤져보면, 그 해답은 사실 회계 장부 속에 이미 적혀 있다. 앤트로픽의 사업 지형에서 개인 사용자가 실제로 기여하는 현금은 매우 미미한 비중을 차지한다. 01 개인 사용자의 비중은 20%에도 못 미친다 회사가 진정으로 누구를 중요시하는지 파악하려면, 가장 직접적인 방법은 그 회사의 매출 구성표를 살펴보는 것이다. 상장 신청서의 재무 주석 2에 따르면, 앤트로픽은 매출을 크게 두 가지로 구분한다. 하나는 사용량 기반 과금 매출이고, 다른 하나는 구독 매출이다. 이 두 수치를 비교하면 극명한 차이가 드러난다. 2025년 전체 기준으로, 사용량 기반 과금 매출은 37.96억 달러였고, 구독 매출은 7.89억 달러에 불과해 비율은 약 83% 대 17%였다. 2026년 상반기에는 사용량 기반 과금 매출이 130.64억 달러로 치솟았고, 구독 매출은 32.22억 달러로, 전자는 여전히 약 80%를 차지하는 반면 구독 매출은 약 20%에 그쳤다. 더욱 중요한 세부 사항은 구독 매출의 구성 안에 숨어 있다. 이 20% 가운데에는 개인 사용자의 Cl
공모설명서에 따르면, 2026년 상반기 동안 회사는 매출액 162억 8,600만 달러를 기록해 전년 동기 대비 약 14배 증가했으며, 영업손실은 21억 3,500만 달러에서 6억 9,300만 달러로 축소됐다.
AI 순위에서 1위는 바뀌지만, 사용자가 매일 이용하는 제품은 반드시 바뀌지 않습니다. 대규모 모델 간의 다음 경쟁은 단순히 누가 더 강력한 모델을 보유하느냐를 넘어, 한 번의 사용을 습관으로 만드는 데에 있습니다.
dbt Wizard의 디자이너와 엔지니어링 리드가, 코드가 프로덕션에 도달하기 전에 에이전트가 자신의 작업을 어떻게 검증하는지 보여줍니다.
Anthropic의 S-1 서류에 따르면, 10만 달러 이상의 고객 중 절반 이상이 현재 Claude 플랫폼과 자사 애플리케이션을 모두 사용하고 있으며, 이는 기업 고객의 충성도를 높이는 데 기여하는 아마존식 교차 판매 전략을 연상시킵니다.
Nace AI는 Drex for Search를 출시하며, 자사의 Drex 의사결정 모델을 AI 에이전트의 문서 검색에 적용했습니다. Nace는 BrowseComp-Plus에서 12.6회의 검색 호출로 92.05%의 성과를 기록했으며, OfficeQA Pro에서는 에이전트의 전환 횟수가 더 적었습니다. 이 글은 MarkTechPost에 처음 게재되었습니다.
손익계산서가 충격적이라면, 대차대조표에 나타난 약속이야말로 진정한 이야기다.
Ramp은 내부 AI를 분석 엔지니어링으로 간주하여 구축한 에이전트, 샌드박스 및 대시보드를 공유합니다.
Verisk는 AI 대응 가능성을 높이기 위해 메인프레임에서 dbt로 이전하는 방식으로 수십 년간의 보험 데이터를 현대화했습니다.
DocuSign은 Claude Code, dbt Agent Skills, dbt MCP 및 dbt v2를 하나의 워크플로우로 통합하고, 생산성 향상 50%를 측정했습니다.
카림의 AI 에이전트는 사람이 PR을 검토하기도 전에 dbt 모델을 처음부터 끝까지 작성하고 검증합니다.
데이터 과학자가 조직 지식을 위한 AI 컨텍스트 계층을 어떻게 구축했는지: dbt 프로젝트 하나만으로는 이를 담아낼 수 없습니다.
벤 스탄실은 허깅 페이스 해킹을 활용해, 가장 유용한 아이디어가 왜 가장 기이한 연결에서 비롯되는지 설명합니다.
