Infrastructure

Language Models Need Sleep 논문은 긴 작업의 병목이 컨텍스트 길이만이 아니라 오래된 정보를 내부 상태로 압축하는 계산 시간임을 보여준다.

장기 실행 에이전트의 다음 병목은 더 긴 컨텍스트가 아니라 언제 멈추고, 무엇을 압축하고, 어떤 상태를 남길지 결정하는 메모리 운영이다. 추론은 연속 대화가 아니라 깨어 있는 시간과 정리 시간이 섞인 시스템 문제가 된다.

SignalBloom의 로컬 AI 경제성 주장은 프런티어 모델만으로 에이전트 업무를 운영하는 비용 구조가 곧 재검토될 수 있음을 보여준다.

프런티어 모델은 어려운 판단에 남고, 반복 작업은 로컬 모델과 사람 운영으로 내려오는 계층화가 빨라질 가능성이 크다. 모델 선택은 성능 순위가 아니라 업무 포트폴리오 설계가 된다.

Uber가 2026년 AI 예산을 네 달 만에 소진했다는 보도는 코딩 에이전트가 생산성 도구에서 사용량 기반 인프라 비용으로 이동했음을 보여준다.

코딩 에이전트의 ROI는 도입률이 아니라 단위 업무당 토큰, 재작업률, 고객 기능 전환으로 측정해야 한다. 예산을 태우는 속도가 빠를수록 생산성 지표는 더 엄격해져야 한다.

네덜란드 당국의 800대 서버 압수와 러시아 연계 인프라 수사는 AI 에이전트 기업에도 호스팅, 프록시, 데이터 파이프라인 실사가 보안 경쟁력이 됐음을 보여준다.

AI 기업은 모델과 데이터셋만 실사해서는 부족하다. 에이전트가 쓰는 프록시, 스크래핑, 호스팅, 벡터DB, 배포 인프라가 제재·범죄 네트워크와 얽히면 기술 리스크가 곧 법적 리스크가 된다.

노르웨이 국립도서관의 2PB 플래시 기반 LLM 파이프라인은 주권 AI가 모델 경쟁이 아니라 데이터 보존, 정제, 평가, 거버넌스 경쟁임을 보여준다.

노르웨이 사례는 비영어권 국가의 AI 경쟁력이 GPU 구매량만으로 결정되지 않는다는 신호다. 법정 납본 자료, 저작권 협의, 평가 도구, 초대형 저장소 파이프라인이 함께 있어야 지역 언어모델이 작동한다.

DeepSeek가 V4 Pro 75% 할인을 상시 가격으로 전환한다. 초저가 추론 단가가 코딩 에이전트와 API 시장의 가격 기준을 다시 낮추고 있다.

DeepSeek의 75% 할인 상시화는 일회성 프로모션이 아니라 가격 기준선 재설정에 가깝다. 저가 추론은 에이전트 실험을 늘리지만, 공급자 지속가능성과 기업 리스크 평가도 함께 요구한다.

Epoch AI는 HBM이 AI 칩 부품 지출의 63%까지 커졌다고 분석했다. 모델 경쟁의 병목이 GPU 코어에서 메모리 공급망으로 이동하고 있다.

AI 인프라 경쟁은 더 이상 연산 코어만의 문제가 아니다. HBM이 비용의 63%를 차지한다는 신호는 한국 메모리 기업과 AI 서비스 기업 모두의 전략 변수를 바꾼다.

DeepSeek 전용 코딩 에이전트 Reasonix는 프롬프트 캐시 안정성을 제품 구조로 삼아 장시간 실행형 개발 에이전트의 비용 공식을 바꾸고 있다.

Reasonix의 핵심은 새 모델 성능이 아니라 에이전트 루프를 캐시 친화적으로 설계했다는 점이다. 장시간 켜두는 코딩 에이전트 시장에서는 추론 품질만큼 토큰 경제성이 제품 경쟁력이 된다.

오렌지카운티 화학물질 누출은 산업 현장 자동화와 재난 관제 AI의 한계를 드러냈다. 예측보다 중요한 것은 검증 가능한 운영 체계다.

화학 탱크의 온도와 밸브 상태처럼 물리 세계의 작은 신호는 AI 관제에서 가장 비싼 입력이다. 자동화의 성패는 더 똑똑한 모델보다 센서, 권한, 현장 절차의 정합성에 달려 있다.

CISA contractor의 공개 GitHub 비밀정보 유출 의혹은 AI 코딩 에이전트 시대에 secret scanning, 권한 분리, 감사 로그가 왜 필수인지 보여준다.

AI 코딩 에이전트가 저장소와 클라우드에 더 깊게 연결될수록 비밀정보 유출은 사람 실수와 자동화 실수가 결합한 문제가 된다. secret scanning은 기능이 아니라 배포 조건이어야 한다.

Horace He의 딥러닝 성능 글은 GPU 부족 시대에도 여전히 유효하다. 최적화는 트릭이 아니라 compute, memory, overhead를 구분하는 일이다.

GPU가 비싸질수록 최적화는 비용 관리가 된다. 트릭 목록보다 병목이 compute인지 memory인지 overhead인지 먼저 구분하는 능력이 AI 팀의 실전 역량이다.

이탈리아의 Airbus A330 급유기 전환은 단순 장비 교체가 아니라 NATO형 데이터·정비·운용 표준으로 이동하는 국방 AI 스택의 사례다.

현대 국방 AI는 무기 자체보다 정비, 보급, 임무 계획 데이터의 표준화에서 시작된다. 공중급유기 전환은 모델보다 운영 스택이 먼저라는 사실을 보여준다.

Models.dev는 AI 모델의 가격·기능·스펙을 공개 데이터베이스로 모은다. 에이전트 스택의 모델 라우팅은 감이 아니라 갱신 가능한 데이터가 필요해졌다.

모델 수가 폭발하면 개발자의 병목은 호출 코드가 아니라 최신 가격·컨텍스트·기능 차이를 추적하는 일이다. Models.dev는 그 판단을 사람이 기억하는 문서에서 기계가 읽는 데이터로 옮긴다.

Project Hail Mary 팬 별지도는 ESA Gaia DR3 데이터를 체험형 UI로 바꿨다. AI 제품도 정확한 데이터와 설명 가능한 인터페이스가 경쟁력이 된다.

이 프로젝트의 가치는 소설 팬서비스보다 크다. 검증된 공개 데이터를 사용자가 탐색 가능한 형태로 바꾸는 능력이 앞으로 AI 에이전트 제품의 신뢰성을 좌우한다.

Multi-Stream LLM 논문은 생각·입력·출력을 병렬 스트림으로 나눠 단일 채팅 흐름의 병목을 줄이려 한다. 에이전트 아키텍처 경쟁이 모델 구조로 내려갔다.

에이전트의 느림은 도구 오케스트레이션만의 문제가 아니다. 모델이 읽기, 생각, 쓰기를 한 줄 메시지 흐름에 묶어두는 구조 자체가 다음 병목으로 떠오르고 있다.

YC P26 Runtime은 Claude Code, Codex, Gemini CLI 등을 팀 샌드박스와 거버넌스로 묶는다. 코딩 에이전트 경쟁은 개인 도구에서 운영 플랫폼으로 이동 중이다.

Runtime의 메시지는 모델 선택이 아니라 운영 경계다. 기업이 코딩 에이전트를 쓰려면 컨텍스트, 권한, 비용, 감사 로그를 한곳에서 다루는 런타임 계층이 필요해진다.

Alibaba가 Qwen3.7-Max를 공개하며 35시간 연속 실행과 1,000회 이상 도구 호출을 강조했다. 에이전트 경쟁은 모델보다 스택 싸움이 됐다.

Qwen3.7-Max 발표의 핵심은 단일 답변 품질보다 장시간 도구 호출 안정성을 전면에 세웠다는 점이다. 에이전트 시장은 이제 모델, 클라우드, 칩, 개발도구를 묶은 풀스택 경쟁으로 재편되고 있다.

Forge는 8B 로컬 모델의 도구호출 안정성을 guardrails와 context management로 끌어올린다. 에이전트 품질은 모델 크기만의 문제가 아니다.

Forge가 흥미로운 이유는 더 큰 모델을 기다리지 않고, 파싱 복구·재시도·필수 단계 강제·컨텍스트 압축 같은 실행 레이어로 작은 모델의 실사용 품질을 끌어올린다는 점이다.

Mistral AI가 Physics AI 스타트업 Emmi AI를 인수한다. 유럽 AI 경쟁은 챗봇을 넘어 제조·항공·반도체 엔지니어링으로 이동한다.

Mistral의 Emmi 인수는 범용 챗봇 경쟁만으로는 유럽 AI의 차별화가 어렵다는 판단을 보여준다. 물리 시뮬레이션과 제조 워크플로가 다음 기업 AI 전장이 되고 있다.

Semble은 grep과 파일 읽기에 의존하던 코딩 에이전트의 탐색 비용을 줄이려는 도구다. 병목은 모델보다 컨텍스트 전달 방식에 있다.

코딩 에이전트의 다음 경쟁력은 더 큰 모델만이 아니라, 필요한 코드 조각을 더 싸고 정확하게 찾는 컨텍스트 인프라에서 나온다.