이번 주 AI 테크뉴스 - 에이전트·저장소·모델 생태계의 실전 업데이트

안녕하세요. 이번 주에는 AI 에이전트의 실전 도입, 대규모 저장소 운영, 그리고 오픈 모델·개발 도구 생태계의 움직임이 눈에 띄었습니다.

에이전트가 “도구를 쓰는 수준”을 넘어서고 있다

OpenAI는 Astra 계열 모델이 단순 응답 생성보다, 실제 업무 시스템을 연결해 문서 작성·소프트웨어 변경·운영 모니터링까지 맡는 사례를 소개했다. Perplexity는 이전 세대보다 훨씬 덜 자주 확인해도 될 만큼 신뢰도를 높였다고 전한다. 또 Cognition은 Devin이 자신의 작업을 테스트하고 결과를 증명하는 흐름에 Astra를 활용해, 리뷰 부담을 줄이고 더 빠르게 배포하는 방향을 제시했다. 개발자 입장에서는 “에이전트가 무엇을 할 수 있나”보다 “어디까지 자동화해도 안전한가”가 핵심 질문이 되어가고 있다.

ChatGPT와 업무 데이터, 이제는 대시보드까지

OpenAI는 ChatGPT Work 안에서 데이터를 연결하고, 자연어로 인사이트를 찾고, 인터랙티브 대시보드를 만드는 Data agent를 공개했다. 단순한 요약 챗봇이 아니라, 사내 데이터 분석 흐름의 진입점이 되는 방향이다. 실무에서는 SQL·BI 도구·문서 검색을 오가던 작업을 한 화면에서 줄일 가능성이 있다.

Now everyone can put data to work

AI 인프라는 “모델”보다 “저장소와 운영”이 더 큰 문제

OpenAI는 ChatGPT 10억 사용자와 초당 2,200만 요청을 감당하기 위해 Habitat라는 저장소 플랫폼을 Python 라이브러리에서 전 세계 분산 시스템으로 키운 과정을 설명했다. AI 서비스가 커질수록 모델 성능만큼이나 데이터 저장, 배치, 지역 분산, 운영 복구가 중요하다는 점을 잘 보여준다. 팀 단위로 AI 제품을 만드는 개발자라면, 추론 비용만큼이나 백엔드 아키텍처를 함께 설계해야 한다.

Rapidly scaling online storage to serve over 1 billion ChatGPT users

바이오·과학 연구에서도 코딩 에이전트가 실험 파이프라인에 들어온다

OpenAI는 연구자가 Codex와 ChatGPT를 활용해 살아 있는 유전체와 멸종 종의 유전체에서 항균 후보를 탐색하는 사례를 소개했다. 신약 탐색처럼 가설 생성과 필터링이 중요한 분야에서, LLM이 문헌 요약을 넘어 후보 발굴 도구로 쓰이는 흐름이다. 이쪽은 곧바로 제품 개발에 연결되진 않더라도, 도메인 특화 워크플로우 설계에 참고할 만하다.

How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules

Google DeepMind, 유전체 변이 예측 지도를 더 넓혔다

DeepMind는 인간 유전체의 9억 개가 아닌 90억 개 수준의 단일 염기 변이를 예측 맵으로 정리한 AlphaGenome Atlas를 공개했다. 생물정보학 쪽 개발자에게는 대규모 예측 데이터셋이 어떤 식으로 해석 도구와 결합되는지 볼 만한 사례다.

AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

Hugging Face: 오픈 모델은 작아지고, 특화는 더 진해졌다

이번 주 Hugging Face 인기 모델은 범용 대형 모델과 경량화 모델이 함께 강세였다.

눈에 띄는 모델은 DeepSeek-V4.1-Flash와 Qwen3.8-27B다. 둘 다 텍스트를 넘어 이미지-텍스트 계열 활용까지 염두에 둔 모델로 보이며, 실서비스에서 멀티모달 흐름을 구성하려는 팀에 참고할 만하다. MiniCPM5-2B는 작은 크기 대비 많은 다운로드를 기록해, 온디바이스나 저비용 추론 수요를 다시 확인시켜 준다.

GitHub 급상승 레포: AI 비디오·에이전트·시스템 도구가 강세

최근 7일 내 생성된 급상승 레포는 아래와 같다.

순위	레포	스타
1	sdli1995/dlssg_for_sm86	2110
2	openai/NavierStokesAndEuler	1806
3	EverettFish/holo-card-studio	1464
4	Edge0-AI/Edge0	1411
5	Vincentwei1021/anything2explainer	1037
6	Faizpi/bank-sampah	921
7	achimala/dream-loop	907
8	jtydhr88/screenwriting-skills	828
9	gazijarin/itsgiving	771
10	sumimakito/Mac-Duo	660
11	truanayangi-com/truanayangi	585
12	SpaceDudem/text-humanizer	583
13	angusdevgo/IDM_Pro_Tool	579
14	Colafornia/short-video-generator-AI	577
15	OpenWAM-Official/OpenWAM	548

상위 5개를 보면, 먼저 sdli1995/dlssg_for_sm86는 RTX 30 시리즈용 DLSSG 구현을 시도하는 프로젝트로 보인다. openai/NavierStokesAndEuler는 나비에-스토크스와 오일러 결과에 대한 Lean 증명 인증서를 담아, 정리된 형식 검증 작업의 결을 보여준다. EverettFish/holo-card-studio는 설명이나 참고 이미지를 Blender 카드와 Three.js 페이지로 바꾸는 생성 도구다. Edge0-AI/Edge0는 설명이 적지만 이름상 엣지 환경용 AI 작업을 겨냥한 것으로 읽힌다. Vincentwei1021/anything2explainer는 주제만 넣으면 나레이션·자막·챕터바가 있는 설명 영상으로 변환하는 워크플로우를 제공한다.

주목할 개발자: 지금 무엇을 만들고 있나

sdli1995는 GPU 커널과 추론 스택 쪽 관심이 강해 보인다. dlssg_for_sm86가 대표적이고, mm_amx처럼 AMX 기반 행렬곱 실험도 보여서, 고성능 그래픽/연산 최적화에 계속 손을 대는 흐름으로 읽힌다.
EverettFish는 시각화와 카드형 콘텐츠 생성에 집중하는 모습이다. holo-card-studio를 중심으로 ip_illustration_for_yourself 같은 레포도 있어, 캐릭터·브랜딩·아티클 삽화를 빠르게 만들어내는 제작 도구를 다듬는 중으로 보인다.
Vincentwei1021은 AI 영상 제작 자동화에 무게가 실려 있다. video-shotcraft, video-talkcraft, anything2explainer가 모두 Remotion 기반의 모션 비디오 생성 워크플로우를 다루며, 코드로 편집 가능한 설명 영상 스튜디오를 만들려는 방향이 뚜렷하다.

OpenRouter 급상승 모델: 사용량은 에이전트·플래시 모델로 쏠렸다

전주 대비 사용량 증가율 기준 상위 모델은 다음과 같다.

dots-studio/dots-3-note-preview-20260813:free — 1497%
meta/muse-spark-1.3-contributor-20260902 — 505%
meta/muse-spark-1.3-20260902 — 377%
google/gemini-3.8-flash-20260902 — 295%
qwen/qwen3.7-flash-20260727 — 158%
qwen/qwen3.8-flash-20260826 — 120%
anthropic/claude-fable-5.1-20260831 — 68%
thinkingmachines/inkling-20260715:free — 66%
upstage/solar-pro4-20260810 — 55%
deepseek/deepseek-v4-flash-vision-exp-20260821 — 41%

이번 주는 무료 또는 빠른 플래시 계열, 그리고 멀티모달 실험형 모델의 상승이 눈에 띈다. 실제 서비스에서 응답 속도와 비용 효율이 중요해질수록 이런 모델군의 채택이 더 빨라질 가능성이 크다.

정리하면, 이번 주는 “더 큰 모델”보다 “더 잘 연결되고, 더 잘 운영되고, 더 잘 자동화되는 AI”가 주제였습니다.