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.
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.
작업은 항상 하나의 저장소나 세션에만 맞춰지지는 않습니다. 하나의 기능이 여러 저장소에 걸쳐 있을 수 있습니다. 런칭 계획은 저장소를 전혀 건드리지 않고도 스펙, 디자인, 자산 등을 포함할 수 있습니다… 이 글은 GitHub Copilot 앱, Universe 출시라는 제목으로 GitHub 블로그에 처음 게재되었습니다.
이제 GitHub Copilot 앱을 떠나지 않고도 리포지토리의 GitHub 코드 스캐닝 알림을 처리할 수 있습니다. 현재 공개 미리보기 중인 새로운 GitHub 보안 확장 기능을 통해 가장 중요한 알림을 찾고, Copilot에 이를 설명하거나 수정을 도와달라고 요청할 수 있습니다. 이 글은 GitHub 보안 확장 기능이 처음으로 게시된 GitHub 블로그의 내용입니다.
리포지토리 플러그인 기본값과 엔터프라이즈 관리형 플러그인 제어가 이제 VS Code, Copilot CLI 및 GitHub Copilot 앱에서 일반적으로 사용 가능합니다. 신뢰할 수 있는 리포지토리는 다음과 같은 기능을 위해 기본 플러그인을 설치하고 활성화할 수 있습니다… 게시물 “리포지토리 플러그인 기본값 및 엔터프라이즈 플러그인 제어가 일반적으로 제공됩니다”는 The GitHub Blog에 처음 게재되었습니다.
이제 GitHub Copilot에서 자연어를 사용해 이미지를 생성하고 편집할 수 있습니다. 이미지를 요청하면, 선택한 추론 모델이 …에 의해 구동되는 전용 이미지 생성 도구를 호출합니다. 이 글은 ‘Copilot에서 이미지를 직접 생성하고 편집하세요’라는 제목으로 GitHub 블로그에 처음 게시되었습니다.
GitHub Copilot은 이제 조직에 설치된 GitHub 앱에 대해 서버 간 인증을 지원하며, 공개 프리뷰로 제공됩니다. GitHub Copilot SDK로 구축된 서비스와 에이전트는 이제… 해당 사용자에게 로그인한 사용자의 자격 증명에 의존하지 않고도 조직을 대신하여 요청을 보낼 수 있습니다. 이러한 워크로드 소유형 신원은 에이전트와 자동화된 서비스가 개별 사용자에 대한 인증이나 사용과 연결되지 않은 채 더 큰 규모에서도 안정적으로 운영되도록 돕습니다.
모든 제조업체에는 고유한 산업 지능이 있습니다. 일부는 문서화되어 있으며, 일부는 숙련된 작업자의 경험과 지식에 담겨 있습니다. 예를 들어, 교체 작업 후 라인을 재가동하려는 숙련된 운영자를 생각해 보십시오. 기계 설정도 중요하지만, 특정 소재가 어떻게 반응하는지, 이전 교대 시간에 어떤 일이 있었는지, 그리고 겉보기에는 사소해 보이는…
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
쇼피파이 AI의 거래 주문 수는 13배 증가했다. 10월 16일 이른 아침, 애플의 첫 번째 폴더블 스마트폰인 아이폰 듀오의 사전예약이 시작됐다. 가격은 1,999달러부터이며, 초기 생산량이 부족해 배송 일정이 얼마 지나지 않아 내년 1월로 연기됐다. 이번에 첫 출시 물량을 선점한 것은 단순히 화면 앞에 매달린 사람들만이 아니었다. 올해 에이전트는 아이폰 듀오 암시장에서 가장 강력한 ‘아버지’로 떠올랐다｜출처: 애플 MacRumors 포럼에서는 예약에 실패한 한 사용자가 분통을 터뜨렸고, 레딧에는 누군가 자신이 설정한 뮤즈 로봇이 순식간에 여러 대를 확보해 놓았다는 자랑이 올라왔다. 사람이 손을 대기도 전에 재고가 AI에 의해 이미 소진된 것이다. 뮤즈는 메타가 9월 8일 출시한 개인용 에이전트로, 출시 직후 미국 앱스토어 무료 앱 순위 1위에 오르며 다운로드 수가 곧바로 250만 건을 넘어섰다. 메타 측은 쇼핑이 뮤즈의 가장 주요한 활용 사례 중 하나라고 밝혔다. 아이폰 듀오 판매 개시를 전후해 뮤즈는 이 신형 기기에 맞춘 새 버전을 별도로 출시했으며, 업데이트 설명에는 채팅 내 쇼핑을 더욱 편리하게 만든다는 문구가 바로 뒤따랐다. AI가 사람을 대신해 쇼핑하는 일은 이제 발표장에서의 시연을 넘어 실제 물량 확보 현장으로까지 진입했다. 그러나 모든 상점이 이러한 새로운 고객들을 환영하는 것은 아니다. 9월 하순, 아마존은 뮤즈에 대한 접근을 차단하기 시작했다. 10월에 들어서는 머스크가 이끄는 그록 보트의 사용자들도 아마존에서 주문할 때 동일한 경고 문구를 마주하게 됐다. 무허가 AI 에이전트의 계속된 접근은 아마존 이용 약관을 위반하는 행위라는 것이다. 반면 다른 한 기업인 쇼피파이는 정반대의 길을 선택했다. 9월 21일, 쇼피파이 최고경영자 토비 뤼트케는 뮤즈와의 심층적 협력을 발표하며, 뮤즈가 쇼프 파이 결제 방식(Shop Pay)을 통해 모든 쇼피파이 스토어에서 결제를 완료할 수 있도록 했다. 그리고 쇼피파이의 실적 보고서는 이 길이 초창기부터 어떤 성과를 낳았는지를 보여준다. 올해 1분기, AI 검색을 통한 주문 수는 전년 동기 대비 거의 13배 증가했으며, AI가 유발한 스토어 트래픽은 8배 늘어났다. 한쪽에서는 문을 닫고, 다른 쪽에서는 문을 열고 있다. 점점 더 많은 구매 결정이 에이전트에게 맡겨지는 가운데, “에이전트를 들여보낼 것인지 말 것인지”가 과연…
마이크로소프트, AI 연산 능력 비용 절감을 위한 자발적 퇴직 프로그램을 도입했다.
지원되는 권한 기능이 이제 GitHub Copilot CLI, GitHub Copilot 앱 및 Visual Studio Code에서 일반적으로 제공됩니다. Copilot이 명령을 실행하거나 파일 시스템 경로에 접근하려는 권한을 요청할 때,… 이 글은 GitHub Copilot 지원 권한 기능이 일반적으로 제공된다는 내용으로, 원래는 The GitHub Blog에 처음 게시되었습니다.
OpenAI의 최신 모델인 GPT-6.1 Terra가 이제 GitHub Copilot에서 일반적으로 제공됩니다. 이 모델은 GPT-6.1 Sol보다 더 낮은 비용으로 일상적인 에이전트형 코딩과 터미널 작업을 수행하도록 설계되었습니다. … 게시물 ‘GitHub Copilot의 GPT-6.1 Terra’는 The GitHub Blog에 처음 게재되었습니다.
마이크로소프트는 미국, 영국, 캐나다, 인도 전역의 최대 6만 명의 직원을 대상으로 자발적 퇴직 제안을 제공하고 있습니다. 직원들에게 보낸 메시지에서 마이크로소프트의 최고인사책임자 에이미 콜먼은, 회사가 추가적인 […] 없이 인력을 축소하려는 가운데 이번 조치를 통해 직원들이 “재정적 지원과 경력 설계 자원을 받으며 마이크로소프트를 떠날 수 있는 기회”를 얻게 된다고 밝혔습니다.
AI 에이전트는 BI 계층 내부에서 dbt 라이너지 기능을 활용해, 커피를 타는 시간 안에 세 가지 데이터 미스터리를 해결했습니다.
마이크로소프트 연구소는 2026년 10월 25일, 중앙 조정자를 필요로 하지 않는 다중 에이전트 런타임 프레임워크인 Agensh를 오픈소스로 공개했습니다. 이 프레임워크는 ProgramBench에서 1개부터 1,024개까지의 LLM 기반 코딩 에이전트가 자율적으로 협업하도록 지원합니다. 시스템은 Gitea, Mattermost 및 DeLM 스타일의 공유 보드를 기반으로 탈중앙화된 조정을 구현하며, 모든 에이전트는 동일한 프롬프트 기반 5단계 순환을 실행합니다. 또한 Linux와 Docker 환경에서 확장성을 검증했습니다.
추천 이유：이 성과는 다중 에이전트 시스템 아키텍처의 중요한 발전을 나타냅니다—전통적인 ‘주제어 에이전트’ 패러다임을 탈피하고, 프롬프트 엔지니어링과 경량 서비스의 조합을 통해 대규모 자조직화를 구현합니다. ProgramBench에서 확보한 실증 데이터(예: 128개의 에이전트를 사용할 때 5개의 작업에 대한 평균 성능 향상이 49%에 달함)는 분산형 AI 엔지니어링의 새로운 기준점을 제시합니다. MIT 라이선스로 오픈소스화되어 있으며 Copilot CLI 등 주요 단일 에이전트 도구와도 호환되므로, 실제 개발에서의 참고 가치를 갖습니다.
MarkTechPost는 2026년 10월 24일, Letta 프레임워크를 기반으로 지속적 상태를 갖춘 엔지니어링 협업자(agentic copilot)를 구축하는 방법을 소개하는 튜토리얼을 발표했습니다. 이 튜토리얼은 검증 가능한 핵심 메모리, 다중 에이전트 간 공유 메모리, 의미 기반 검색을 통한 지식 아카이브, 맞춤형 Python 도구 통합, 스트리밍 응답 및 .agent 형식(.af) 내보내기 등의 기능을 포괄합니다. 해당 내용은 기술 실무 가이드로, 성능 지표, 보안 감사 또는 생산 환경에서의 검증은 제공되지 않습니다.
AWS는 SageMaker AI의 서버리스 모델 맞춤화 기능에 ‘훈련 세션(Training Sessions)’을 추가했다고 발표했으며, 이는 오늘부터 전면적으로 이용 가능하다. 사용자는 훈련 후 로직(예: 사용자 정의 손실 함수, 보상 신호, 다단계 강화학습 등)을 직접 작성할 수 있으며, GPU 할당, 분산 실행, 장애 복구 및 체크포인트 저장은 모두 플랫폼에서 자동으로 처리된다.
마이크로소프트와 허깅페이스가 공동으로 오픈소스 프레임워크인 ThinkingBox를 출시했으며, 이는 LLM 에이전트가 실행한 후의 실제 데이터베이스 최종 상태와 예상 상태를 비교하여 0/1 이진 보상을 생성함으로써 강화학습을 통해 모델을 미세조정하는 데 활용된다. 이와 함께 제공되는 벤치마크인 ThinkingBox-Bench에는 실제 백엔드 작업 507개가 포함되어 있으며, 해당 작업들은 모두 학습에 사용되지 않았다. Qwen3.8-27B는 50단계의 GRPO 미세조정을 거친 결과, 유지 테스트 세트에서 pass@1 지표가 9.08%포인트 상승하고 Observed 20/20 지표는 약 3배 증가했으나, 일부 분야에서는 pass@20 지표가 하락해 광범위성과 안정성 간의 균형을 반영했다.
