OpenAI가 복잡한 워크플로우를 자동화하고 클라우드에서 팀 단위로 작동하는 Codex 기반의 '워크스페이스 에이전트'를 발표했습니다.

• 01 에이전트 도입의 제약 조건이 프롬프팅 기술에서 접근 제어 및 감사 가능성 등 운영 통제로 전환되었습니다.
• 02 클라우드 실행형 에이전트는 처리량을 확장하지만 동시에 규정 준수를 위한 결정론적 로깅의 중요성을 높입니다.
• 03 범용 에이전트보다는 성공 기준이 명확하고 반복 가능한 좁은 범위의 워크플로우 자동화가 가장 빠른 승리 전략입니다.
• 04 기업용 에이전트 생태계에서 Codex의 역할이 모델 성능 이상의 워크플로우 실행 엔진으로 재정의되고 있습니다.

구글이 에이전트 기반 애플리케이션의 확장에 맞춰 학습(TPU v8t)과 추론(TPU v8i)에 최적화된 두 종류의 새로운 칩을 공개했습니다.

• 01 시장 최적화의 초점이 단순한 학습 처리량에서 시스템 전체의 비용과 지연 시간으로 이동하고 있습니다.
• 02 경쟁력 있는 가속기의 등장은 프로덕션 추론 환경에서 선택 가능한 모델 크기와 아키텍처의 폭을 넓힙니다.
• 03 기업 구매자는 학습과 추론에 대해 서로 다른 하드웨어와 계약 구조를 갖는 복잡한 용량 계획을 세워야 합니다.
• 04 구글의 수직적 통합 전략은 클라우드 서비스의 비용 구조를 개선하여 엔드 유저의 토큰 가격 인하를 유도합니다.

알리바바가 하이브리드 어텐션과 사고 보존 메커니즘을 적용하여 코딩 에이전트 성능을 극대화한 27B 규모의 조밀 모델을 공개했습니다.

• 01 27B 규모의 모델이 거대 모델을 능가하는 성능을 보인 것은 잘 훈련된 중형 모델이 로컬 배포에 더 실용적임을 입증합니다.
• 02 하이브리드 어텐션 기술은 벤치마크 점수보다 실제 도구 사용 루프에서의 실패율 감소에 기여해야 의미가 있습니다.
• 03 오픈 모델을 사용할 때는 벤치마크 결과에 매몰되지 말고 실제 저장소 환경에서의 안정성을 직접 검증해야 합니다.
• 04 사고 보존(Thinking Preservation) 메커니즘은 다단계 추론 과정에서의 문맥 상실 문제를 해결하는 핵심 기술로 부상하고 있습니다.