AI 악용의 핵심 변화는 ‘완전 자율화’보다 비용 하락일 수 있다
Anthropic의 2026년 9월 위협보고서는 AI가 공격 업무의 노동·전문성 비용을 낮추고 있음을 보여준다. 다만 이는 Anthropic이 관찰한 사례의 범위 안에서 읽어야 한다.
AI·테크
에이전틱 AI 인프라 경쟁은 ‘칩’보다 ‘운영 루프’로 이동한다
NVIDIA와 CoreWeave는 Vera Rubin을 단순한 가속기가 아니라 에이전트의 실행·평가·개선까지 잇는 생산 인프라로 밀고 있다. 실제 경제성은 아직 검증이 더 필요하다.
NVIDIA와 CoreWeave가 에이전틱 AI를 ‘닫힌 생산 루프’로 만들려는 이유
Vera Rubin on CoreWeave는 더 빠른 연산보다 운영·평가·후속학습을 연결하는 에이전틱 AI 생산 루프를 강조한다.
Anthropic 9월 위협 보고서: AI 악용은 ‘완전 자율화’보다 비용 하락이 핵심이다
Anthropic의 2026년 9월 위협 보고서는 AI가 악성 활동의 시간·기술·인력 비용을 낮출 수 있음을 보여준다. 핵심은 완전 자율화가 아니라 운영비용 감소다.
SynthID Bio가 AI 설계 생물학에 ‘출처 증명’을 붙이려는 이유
SynthID Bio는 AI가 설계한 단백질에 기능을 유지하면서 워터마크를 넣으려는 기술이다. 핵심은 워터마크 자체보다 합성생물학의 출처 추적 문제다.
Gemini 4 Argon의 핵심은 더 좋은 챗봇이 아니라 ‘긴 작업’이다
Google의 Gemini 4 Argon은 긴 작업을 위한 대규모 출력 예산과 강한 기업·사이버 성능을 내세운다. 그러나 제한적 배포와 엇갈린 벤치마크까지 함께 봐야 변화의 의미가 보인다.
OpenAI DevDay 2026: AI는 챗봇에서 ‘지속형 에이전트’로 이동한다
OpenAI DevDay 2026의 20개가 넘는 발표를 한 방향으로 보면, AI는 대화형 챗봇에서 지속형 에이전트로 이동하고 있다. Dots·Agents API·Codex·GPT-6.1 Sol이 만드는 구조적 변화를 살펴본다.
자가 개선 AI의 다음 병목은 모델이 아니라 ‘루프’다 — Stanford CS329A Part 9
Stanford CS329A Part 9을 바탕으로 자가 개선 AI의 다음 연구 과제인 reasoning diversity, verification, self-generated curriculum, continual learning, intelligence per watt를 정리합니다.
오래 일할 수 있는 AI와 믿고 맡길 수 있는 AI는 다르다 — Stanford CS329A Part 8
Stanford CS329A Part 8을 따라 METR, GDPval, DeepScholar-Bench를 비교하며 긴 task horizon과 실제로 믿고 맡길 수 있는 AI의 차이를 설명한다.
탐색만 늘린다고 AI가 똑똑해지는 것은 아니다 — Stanford CS329A Part 7
Stanford CS329A Part 7을 따라 AlphaCode, AlphaCode 2, Search-o1, Search-R1을 연결한다. Search의 핵심은 더 많이 찾는 것이 아니라 더 잘 생성·선별·압축하는 데 있다.