키워드：AI 에이전트, 메타 인수, 오픈AI 투자, 범용 에이전트 작업 계획, 스타게이트 AI 인프라, 클로드 코드 자동 코딩
🔥 포커스
Meta, 수십억 달러에 AI 에이전트 스타트업 Manus 인수: Meta는 2025년 말, 창사 이래 세 번째로 큰 규모의 인수 건을 완료하며 AI Agent 분야의 다크호스인 Manus를 20억 달러가 넘는 거액에 인수했습니다. 이번 거래는 마크 저커버그가 직접 진두지휘하여 단 열흘 만에 성사되었습니다. Manus는 ‘범용 에이전트’라는 포지셔닝을 통해 설립 1년도 채 되지 않아 ARR 1억 달러를 달성했으며, 강력한 작업 계획 및 실행 프레임워크가 핵심 경쟁력입니다. 이번 행보는 AI 산업의 중심이 ‘대화형 모델’에서 ‘행동형 에이전트’로 패러다임이 전환되고 있음을 상징하며, Meta는 이 ‘중국산 메기’를 영입함으로써 내부 AI 애플리케이션 생태계를 재편하고 OpenAI 및 Anthropic 대비 취약했던 Agent 실행 레이어를 보완하고자 합니다. (출처: 36氪, ZhihuFrontier, TheRundownAI)
소프트뱅크, OpenAI에 400억 달러 규모의 거액 투자 완료: 소프트뱅크가 OpenAI에 약속했던 투자금을 전액 지급했습니다. 지난주 마지막 회차인 225억 달러가 입금되면서 소프트뱅크의 지분율은 약 11%에 도달했습니다. 이번 자금 조달은 OpenAI가 구조 조정을 완료하고 영리 조직으로 전환하기 위한 핵심 전제 조건이었습니다. 손정의 회장은 Arm 지분 담보 대출 및 NVIDIA 주식 매각을 통해 자금을 마련했으며, 이는 OpenAI와 Oracle이 협력하는 ‘Stargate’ AI 인프라 프로젝트를 전폭적으로 지원하기 위함입니다. 이로써 글로벌 AI 군비 경쟁은 조 단위의 인프라 구축 시대로 진입했으며, 자본 집약도는 역사적 정점에 도달했습니다. (출처: 36氪)
Zhipu, MiniMax 잇달아 홍콩 증권거래소 상장 추진: Zhipu(智谱)가 홍콩 증권거래소 상장 예비 심사를 공식 통과하고 공모 절차에 착수했습니다. 2026년 1월 8일 상장 예정이며, IPO 시가총액은 511억 홍콩 달러를 넘을 것으로 전망됩니다. MiniMax 역시 뒤를 이어 상장 신청서를 제출했습니다. 중국 대형 모델 ‘6소강(六小强)’의 대표 주자인 두 회사의 상장은 업계가 ‘파라미터 경쟁’에서 ‘자본 교정’ 단계로 진입했음을 의미합니다. 투자 설명서에 따르면 높은 성장세와 함께 손실도 큰 상황으로, Zhipu의 2025년 상반기 순손실은 8.2억 위안에 달했습니다. 시장은 공개된 재무 데이터를 통해 대형 모델 상용화 경로의 실제 수익성과 컴퓨팅 비용의 변곡점을 면밀히 살필 것입니다. (출처: 36氪, andrew_n_carr)
Claude Code, 100% AI 자율 기여 코드 구현: Anthropic의 엔지니어 Boris Cherry는 지난 30일 동안 Claude Code 프로젝트에 이루어진 수백 건의 PR과 수만 줄의 코드 기여가 100% AI에 의해 수행되었다고 밝혔습니다. 인간은 단지 프로세스가 계속 실행되도록 ‘중단 후크’를 건드리는 역할만 담당했습니다. Claude Opus 4.5는 METR 테스트에서 OpenAI의 GPT-5.1-Codex를 훨씬 상회하는 5시간 연속 자율 코딩 능력을 보여주었습니다. 이러한 돌파구는 소프트웨어 공학이 ‘AI Operator’ 시대로 접어들고 있음을 예고하며, 프로그래머의 역할이 작성자에서 감사자 및 시스템 오케스트레이터로 변화하고 있음을 보여줍니다. (출처: ylecun, imjaredz)
🎯 동향
OpenAI 2025년 모델 출시 로드맵 복기: OpenAI는 2025년 GPT-5.2 시리즈를 통해 추론 능력의 수렴과 실시간 멀티모달의 혁신을 이뤄냈습니다. 새롭게 출시된 Responses API, Agents SDK 및 MCP 프로토콜은 Agent 네이티브 개발 모듈을 구축했습니다. 성능 면에서 GPT-5.2는 AIME 수학 경진대회에서 100% 정확도를 달성했으며, SWE-bench Verified 점수는 80.0으로 상승했습니다. 동시에 OpenAI는 gpt-oss와 같은 오픈 가중치 모델을 출시하기 시작하며, 폐쇄형 모델의 우위를 유지하는 동시에 오픈소스 생태계를 통해 경쟁사에 대응하고 있습니다. (출처: reach_vb)
신경망은 사실을 검색 테이블이 아닌 기하학적 구조로 저장: Google과 카네기 멜런 대학교의 최신 논문에 따르면, Transformer와 Mamba 모델은 훈련 과정에서 사실을 기하학적 공간 내의 관계로 조직하는 경향이 있습니다. 이러한 기하학적 기억 구조에서 다단계 추론은 단일 단계의 거리 확인으로 전환될 수 있으며, 이를 통해 모델은 5만 개의 노드가 있는 그래프 경로 쿼리에서 100% 정확도를 달성했습니다. 이 발견은 딥 시퀀스 모델이 국소적 연결을 넘어 글로벌 논리 이해 능력을 발현할 수 있는 이유를 설명해 줍니다. (출처: jpt401)
NVIDIA, NitroGen 범용 게임 AI 파운데이션 모델 발표: 이 모델은 4만 시간의 게임 비디오를 활용한 대규모 행동 모방 학습(Behavior Cloning)을 통해 1,000개 이상의 게임 타이틀을 학습했으며, 범용 게임 에이전트의 기반으로 사용될 수 있습니다. NVIDIA CEO 젠슨 황은 인터뷰에서 NVIDIA가 Omniverse와 물리 세계의 융합을 통해 미래 시스템의 진화를 예측하는 ‘타임머신’을 만들고 있다고 강조했습니다. 또한, NVIDIA는 컴퓨팅 에너지 효율을 8년 동안 1만 배 향상시켰으며, 에너지 제한을 AI 발전의 핵심적인 물리적 경계로 보고 있습니다. (출처: Reddit, 36氪)
Self-E 모델, 임의의 단계 수로 텍스트-이미지 생성 구현: 연구진은 단일 단계부터 다단계 추론까지 지원하는 이미지 생성 프레임워크인 자가 평가 모델(Self-E)을 도입했습니다. 사전 학습된 교사 모델에 의존하는 증류(Distillation) 방식과 달리, Self-E는 동적 자가 평가 메커니즘을 통해 자가 주도적 글로벌 매칭을 수행합니다. 실험 결과, 이 모델은 적은 단계 수에서도 우수한 성능을 보였으며 추론 단계가 증가함에 따라 성능이 단조 증가하여, 효율적이고 확장 가능한 이미지 생성을 위한 통합 프레임워크를 제공합니다. (출처: HuggingFace)
🧰 도구
Manus, Design View 및 Mark Tool 기능 출시: 디자인 구상과 최종 생성 이미지 사이의 간극을 좁히기 위해 Manus가 새로운 시각적 편집 도구를 발표했습니다. 사용자는 프롬프트를 반복해서 수정하는 대신 Mark Tool을 사용하여 이미지에서 수정이 필요한 영역을 직접 표시할 수 있습니다. 이러한 상호작용 방식은 이미지 생성에 대한 세밀한 제어를 제공하여 AI 드로잉을 ‘랜덤 박스 모드’에서 ‘정밀 편집’으로 전환시킵니다. (출처: Reddit)
HelloBoss, AI Agent 기반 ‘AI 헤드헌터’ 애플리케이션 출시: 이 플랫폼은 일본 및 글로벌 채용 시장의 페인 포인트를 겨냥하여 채용 공고 게시, 이력서 스마트 매칭, 면접 기록 공유 등 채용 프로세스의 90%를 자율적으로 완료합니다. HelloBoss는 성과 기반 과금 모델을 채택하여 채용 비용을 20% 절감하고 채용 주기를 절반 이상 단축했습니다. 현재 플랫폼 내 온라인 채용 공고 수는 50만 개를 넘어섰으며, 베텔스만 그룹의 BAI Capital로부터 시리즈 A 투자를 유치했습니다. (출처: 36氪)
LangChain, AI Wrapped 2025 분석 도구 발표: 이 도구는 LangSmith Insights 에이전트를 활용하여 사용자의 ChatGPT 및 Claude 대화 기록을 분석하고, 지난 한 해 동안의 사용 패턴, 트렌드 및 이상 클러스터를 식별합니다. Anthropic의 CLIO 논문을 기반으로 구축되었으며, 사용자가 데이터를 통해 자신이 AI와 어떻게 협업했는지 복기하고 숨겨진 상호작용 습관을 발견할 수 있도록 돕습니다. (출처: LangChainAI)
Typeless, iOS용 AI 음성 키보드 출시: 이 앱은 음성을 다듬어진 텍스트로 변환하며, 타이핑보다 4배 빠른 속도를 자랑합니다. 100개 이상의 언어를 지원하며 WhatsApp, Slack, 이메일 등 앱에서 직접 호출할 수 있습니다. 이는 모바일 AI 상호작용이 단순한 음성 인식을 넘어 문맥 이해와 스타일 교정 기능을 갖춘 네이티브 통신 모드로 진화하고 있음을 보여줍니다. (출처: Reddit)
📚 학습
Google, 무료 AI 교육 플랫폼 Google Skills 출시: 이 센터는 기초 Transformer 아키텍처부터 DeepMind의 연구 워크플로우에 이르는 전문적인 내용을 담은 3,000개의 기술 모듈을 포함하고 있습니다. 시중에 넘쳐나는 ‘프롬프트 튜토리얼’과 달리, Google Skills는 기저 기술 원리와 최첨단 연구 경로에 초점을 맞추어 최고 수준 연구소의 내부 교육 과정을 대중에게 공개하는 것을 목표로 합니다. (출처: JeffDean)
BrennerBot: 시드니 브레너 인터뷰 기반 과학 방법론 리소스: 개발자들이 GPT-5.2 Pro와 Opus 4.5를 활용해 생물학자 시드니 브레너(Sydney Brenner)의 인터뷰 기록 236건을 심층 분석하여 brennerbot.org를 구축했습니다. 이 프로젝트는 롱 컨텍스트(Long-context) 모델을 사용하여 방대한 비정형 자료에서 ‘사고의 실마리’를 추출하는 방법을 보여주며, 브레너가 자원이 부족한 상황에서 베이지안 추론과 논리적 귀납을 통해 어떻게 과학적 가설을 신속하게 형성했는지 탐구합니다. (출처: doodlestein)
2025년 AI의 미래를 예고하는 23편의 핵심 연구 논문: TheTuringPost가 올해 가장 영향력 있는 논문들을 정리했습니다. 여기에는 LeJEPA, Absolute Zero(제로 데이터 강화 자가 대국), System 3 사고 프레임워크 등이 포함됩니다. 특히 System 3는 인지와 추론 위의 자가 개선 레이어로 정의되며, AI 에이전트의 장기적 행동과 정체성 구축을 담당합니다. 이는 2026년 Agent가 정적인 도구에서 동적으로 성장하는 실체로 변모할 것임을 예고합니다. (출처: TheTuringPost)
💼 비즈니스
소프트뱅크, 40억 달러에 DigitalBridge 인수하여 AI 인프라 확장: 소프트뱅크는 이번 인수를 통해 대규모 데이터 센터, 기지국 및 광섬유 네트워크 자산을 확보했습니다. 손정의 회장은 자산 구조 조정과 자금 조달을 통해 AI 가치 사슬의 핵심 고리에 자본을 집중시키고 있으며, 이는 향후 OpenAI의 상용화 및 ‘Stargate’ 컴퓨팅 센터 구축을 위한 포석입니다. (출처: 36氪)
Adobe와 Runway, 다년 전략적 파트너십 체결: Runway의 모델과 기술이 Adobe의 창작 도구에 직접 도입됩니다. 양사는 전문적인 워크플로우에 특화된 고급 AI 기능을 공동 개발하여 Adobe 애플리케이션에서만 독점 제공할 예정입니다. 이는 비디오 생성 기술이 독립 앱 형태를 벗어나 성숙한 크리에이티브 생태계로 깊숙이 통합되고 있음을 의미합니다. (출처: c_valenzuelab)
UBTECH, 16.65억 위안에 A주 상장사 Fenglong(锋龙股份) 인수 추진: 이번 ‘H주가 A주를 인수하는’ 교차 시장 인수는 휴머노이드 로봇의 제조 및 공급망 퍼즐을 완성하기 위함입니다. UBTECH은 Fenglong의 정밀 제조 능력을 통합함으로써 Walker S2 등 산업용 휴머노이드 로봇의 대량 양산 체제를 구축하고, 나날이 증가하는 상업적 주문 압박에 대응하고자 합니다. (출처: 36氪)
🌟 커뮤니티
전문 개발자들 ‘Vibe Coding’ 거부, 제어권 강조: 숙련된 개발자들을 대상으로 한 조사 결과, 전문가의 100%가 AI를 활용할 때 아키텍처 설계에 대한 제어권을 고수하는 것으로 나타나 커뮤니티에서 화제가 되었습니다. 이른바 ‘분위기 코딩(Vibe Coding)’은 복잡한 비즈니스 로직이나 레거시 코드 통합 시 한계를 드러냅니다. 개발자들은 AI가 인간의 감독을 완전히 벗어난 자동 기계가 아닌, 통제 가능한 협업 파트너여야 한다고 믿으며, 핵심 경쟁력은 ‘도구 길들이기’가 아닌 ‘문제 정의’에 있다고 봅니다. (출처: omarsar0, random_walker)
AI 제품, ‘쾌락 적응’으로 인한 심미적 피로기 진입: Reddit 사용자들은 ‘AI 피로’ 현상에 대해 논의하며, Scaling Law의 한계 효용 체감과 인터넷 데이터 고갈로 인해 신제품의 충격이 사라지고 있다고 지적했습니다. 사용자들은 단순한 ‘대화’나 ‘이미지 생성’에 무뎌졌으며, 커뮤니티의 관심은 ‘더 똑똑한 모델’에서 ‘누가 실제로 일을 끝내주는가’로 옮겨가고 있습니다. 이제는 대화창보다 진행률 표시줄이 더 매력적으로 다가옵니다. (출처: Reddit, dotey)
물리 세계는 AI 학습의 ‘정직한 스승’: 커뮤니티에서는 Embodied AI의 가치에 대해 논의하며, 시뮬레이션 환경은 거짓말을 할 수 있지만 물리 법칙은 정직하다고 강조했습니다. 로봇이 지면으로부터 받는 피드백은 조작할 수 없는 진릿값(Ground Truth)이며, 이러한 즉각적이고 실제적인 피드백 루프는 AI가 고차원 지능으로 나아가기 위한 필수 경로입니다. 즈후이쥔(稚晖君)이 발표한 Q1 소형 로봇은 연구 문턱을 낮추어 더 많은 팀이 ‘물리적 피드백’을 접할 수 있게 하는 중요한 시도로 평가받습니다. (출처: ziran_pu, 机器之心)
💡 기타
양자 컴퓨터, 슈퍼컴퓨터를 능가하는 복잡한 물리 시뮬레이션 성공: 양자 컴퓨팅이 특정 물리 시스템 시뮬레이션에서 양자 우위를 입증하며 기존 컴퓨터로는 불가능했던 계산량을 처리했습니다. 이는 미래의 AI 컴퓨팅 파워가 양자 가속을 통해 비약적으로 성장할 수 있음을 예고하며, 특히 재료 과학 및 신약 개발 분야에서 큰 기대를 모으고 있습니다. (출처: Ronald_vanLoon)
AI 의료 도구, ‘점성술을 물리학에 결합’했다는 비판 직면: AI 심리 상담사 등의 애플리케이션에 대해, 디지털 표현형 분석이 물리적 측정만큼 정밀하더라도 가설이 불안정한 정신의학적 프레임워크에 결합될 경우 잘못된 개입을 초래할 수 있다는 의견이 제기되었습니다. 커뮤니티는 AI가 인간의 복잡한 감정을 단순한 예측 패턴으로 평면화할 위험성을 경계하고 있습니다. (출처: MIT Technology Review)
숏폼 플랫폼, ‘AI 전자 쓰레기’로 몸살: 연구에 따르면 YouTube 신규 사용자 추천 피드의 21%가 AI 생성 콘텐츠인 것으로 나타났습니다. 이러한 저비용, 고반복, 강한 감각 자극 비디오는 알고리즘 추천과 광고비를 가로채지만, 콘텐츠 생태계의 가치를 희석시킵니다. 행동 신호에 보상을 주는 알고리즘이 의도치 않게 대규모 저정보 밀도 콘텐츠 산업 체인을 부추기고 있습니다. (출처: 36氪)
