오늘의 AI 브리핑 · 2026.08.22

모델은 그대로, 하네스만 바꿨다

주요 키워드 TOP 5: 엔비디아 AVO의 ARC-AGI-3 만점 · 정체불명 모델 Ox Alpha · 코덱스 한도 해명과 2,000만 명 · 취약점 탐지 실측 · 클로드 말투 줄이기 도구 | 메인 이벤트: 엔비디아가 오퍼스 5를 자기 하네스로 감싸 ARC-AGI-3 공개 세트 183레벨을 전부 풀었다 — 같은 모델을 그냥 쓰면 30% 근처다

오늘 소식들은 모델 이름보다 그 바깥이 결과를 갈랐다는 쪽을 가리킵니다. 엔비디아는 새 모델을 만들지 않았습니다. 남의 모델을 자기 하네스에 넣었더니 같은 벤치마크 점수가 30%에서 100%로 올라갔습니다. 같은 날 나온 보안 실측도 결이 같습니다 — 가장 비싼 모델을 한 번 돌리는 것보다 값싼 모델을 세 번 돌리는 쪽이 취약점을 더 많이 찾아냈습니다. 무엇을 쓰느냐가 아니라 어떻게 두르느냐의 문제로 무게가 옮겨 가고 있습니다.

1. 엔비디아가 남의 모델을 감싸 ARC-AGI-3를 전부 풀었다

• 엔비디아의 코딩 에이전트 AVO가 ARC-AGI-3 공개 세트에서 RHAE 100점을 받았습니다. 25개 환경의 183레벨을 하나도 남기지 않고 통과했습니다.
• 핵심은 새 모델이 아니라는 점입니다. AVO가 안에서 쓰는 건 클로드 오퍼스 5이고, 같은 모델을 그냥 쓰면 같은 벤치마크에서 30% 근처에 그칩니다.
• 효율도 같이 올랐습니다. 183레벨을 동작 6,624번으로 끝냈는데, 기존 상위 하네스 VISTA는 7,542번이 필요했습니다.

이 벤치마크가 까다로운 이유는 문제가 어려워서가 아니라 무엇을 해야 하는지 알려 주지 않기 때문입니다. 지시도, 명시된 규칙도, 목표도 없이 화면만 주고 알아서 파악하게 합니다. AVO는 살펴보고, 가설을 세우고, 실행해 보고, 결과를 보고 고치는 순환을 계속 돌리면서 배운 것을 다음 판에 씁니다. 원래 이 구조는 소프트웨어 작업과 GPU 커널 최적화를 시키려고 만든 것이었습니다.

숫자의 무게는 30과 100의 차이에 있습니다. 모델은 그대로인데 두른 것만 바꿔서 그 간격이 났습니다. 지난 몇 달 벤치마크 경쟁은 대체로 '어느 회사 모델이 몇 점'이었는데, 이 결과는 같은 표에서 하네스를 따로 세지 않으면 비교 자체가 성립하지 않는다는 걸 보여 줍니다. 테크크런치는 이를 두고 모델이 아니라 하네스가 주인공이 됐다고 정리했습니다.

그 밖에: 엔비디아는 GPT-5.6 솔로도 일부만 따로 돌려 봤고 비슷한 방향의 결과가 나왔다고 밝혔습니다. 다만 공개 세트라는 점은 감안해야 합니다 — 비공개 세트 성적은 아직 없고, 하네스가 환경에 맞춰 다듬어졌을 여지도 남습니다.

시사점: 에이전트 도구를 고를 때 모델 이름만 보고 정하지 마세요. 같은 모델이라도 감싸는 쪽이 살펴보기·가설·재시도를 얼마나 잘 돌리느냐에 따라 결과가 몇 배로 갈립니다. 도구를 바꾸기 전에 지금 쓰는 도구가 실패했을 때 다시 시도하는지부터 확인하는 게 순서입니다.

#엔비디아AVO #ARCAGI #에이전트하네스

출처 1🚀 @NVIDIAAI

2. 아무도 자기 것이라 말하지 않는 모델이 코딩 1위에 올랐다

• 8월 20일 오픈라우터에 Ox Alpha라는 이름만 붙은 모델이 나타났습니다. 컨텍스트 100만 토큰, 텍스트·이미지·영상 입력, 일주일 무료입니다.
• 한 개발자가 DeepSWE 과제 10개로 재 보니 Ox Alpha 80%였습니다. 같은 표에서 페이블 5가 65%, 그록 4.6과 GLM-5.3이 62%, GPT-5.6 솔이 52%였습니다.
• 하루 만에 사용량 1위로 올라섰습니다. 오픈코드 집계에서 8월 21일 하루 2.6조 토큰을 처리해, 56일 연속 1위였던 딥시크를 밀어냈습니다.

정체를 두고 두 갈래 증거가 부딪칩니다. 한쪽은 지문입니다 — 프롬프트 25개로 토크나이저를 재 보니 GLM-5.3과 일정하게 75토큰 차이로 일치했고, 영상 인코더가 토큰을 먹는 방식과 오디오 입력을 거부하는 동작까지 같았습니다. 지푸의 미공개 모델이라는 추정이 여기서 나옵니다. 다른 쪽은 위치입니다. 한 개발자가 클라우드플레어 7개 지역에서 같은 요청을 49번 보내 응답 시간을 맞춰 보니 미국 동부에 수렴했습니다.

읽을 때 두 가지는 갈라 둬야 합니다. 벤치마크 표는 조건이 대칭이 아닙니다 — 다른 모델은 네 번씩 돌린 평균인데 Ox Alpha 칸은 통과 여부만 적혀 있어, 같은 자로 잰 값이 아닙니다. 정체 쪽도 마찬가지입니다. 다만 배경 하나는 분명합니다. 이런 익명 출시는 최근 반년 새 다섯 번째이고, 앞의 넷은 모두 중국 연구소 것으로 밝혀졌습니다(지푸·샤오미·앤트·메이투안).

그 밖에: 같은 시기 코드 아레나에는 "korrine"이라는 이름의 모델이 올라와 있습니다. 키미 K3가 출시 전 "kivine"으로 시험됐던 전례를 들어 K3.1일 것이라는 추측이 돕니다. 익명 시험판을 여러 곳에 뿌려 반응을 보고 이름을 붙이는 게 하나의 출시 방식으로 굳어지는 모양새입니다.

시사점: 무료 시험판을 업무에 넣기 전에 약관부터 확인하세요. 이름을 밝히지 않은 모델은 어느 회사가 어디서 돌리는지, 입력을 학습에 쓰는지가 불분명합니다. 사내 코드나 고객 데이터를 넣는 건 정체가 공개된 뒤로 미루는 편이 안전합니다.

#OxAlpha #스텔스모델 #코딩벤치마크

출처 9🔥 @OpenRouter🔥 @davis7🔥 @davis7🔥 @synthwavedd🔥 @niklasdev🔥 @theo🔥 @kimmonismus🔥 @opencode💬 @MiaAI_lab

3. 오픈AI가 코덱스 한도 논란에 답했다 — 절반은 답이고 절반은 조사 중이다

• 어제 저희가 다룬 "주간 한도가 너무 빨리 준다"는 보고들에 코덱스 책임자가 직접 답했습니다. 커뮤니티와 소통 없이 한도를 바꾸는 일은 없다고 못 박았습니다.
• 대신 한 가지 패턴을 지목했습니다. 영향을 받았다는 사용자 상당수가 sub2api를 쓰고 있었다는 겁니다 — 구독을 API 트래픽으로 바꿔 되팔거나 여러 사람이 나눠 쓰는 방식이고, 이건 사기 방지 시스템에 걸립니다.
• 같은 날 코덱스 활성 사용자가 2,000만 명을 넘었다고 밝히며 전 사용자에게 뱅크드 리셋을 지급했습니다. 원할 때 골라 쓰는 한도 초기화권입니다.

문장을 끝까지 읽으면 이 답변이 어디까지인지가 드러납니다. sub2api 이야기는 전체 하락의 원인이 아니라 발견된 한 갈래이고, 본인도 그렇게 적었습니다. 즉 "왜 나까지 빨리 닳는가"는 아직 열려 있습니다. 회사는 이상 징후가 없다고 보고, 사용자는 화면에 0%를 띄우고 있으며, 조사는 진행 중입니다. 어제 기사를 "오픈AI는 아직 입장이 없다"로 닫았는데, 오늘 온 건 답변 절반과 조사 절반입니다.

사용자 쪽에서도 원인이 하나 더 나왔습니다. 한 사용자는 대화 하나로 16시간 만에 주간 사용량의 77%를 썼다며 스스로 진단을 붙였습니다 — 서브에이전트 넷을 최고 추론 강도에 빠른 모드까지 겹쳐 돌렸다는 겁니다. 어제 저희가 본 터미널 화면도 추론 강도가 최고 단계였습니다. 설정 하나가 몇 배를 가르는 구간이 생겼는데 그게 화면에 잘 안 보인다는 게 이 소동의 절반쯤을 설명합니다.

그 밖에: 오픈AI 쪽 한 직원은 한도에 닿아도 작업 도중에 끊지 않기로 일부러 정했다고 적었고, 이를 받아 한 개발자는 0%가 된 뒤에도 토큰 800달러어치를 더 썼다고 했습니다. 끊지 않는 설계는 친절하지만, 잔량 표시와 실제 소모가 어긋나 보이는 원인이기도 합니다.

시사점: 한도가 빨리 준다고 느끼면 모델보다 설정을 먼저 보세요. 추론 강도·서브에이전트 수·빠른 모드는 곱셈으로 붙습니다. 그리고 구독을 여러 사람이 나눠 쓰거나 API로 되파는 도구는 계정 제재 사유이니 팀에서 쓰고 있지 않은지 확인해 두는 게 좋습니다.

#코덱스 #사용량한도 #sub2api

출처 5💬 @thsottiaux🔥 @theo🔥 @theo🔥 @ChrisGPT🔥 @testingcatalog

4. 취약점을 가장 많이 찾은 건 가장 비싼 모델이 아니었다

• 보안 회사 아이키도가 토큰 117억 개를 태워 모델 10종을 비교했습니다. 갓 공개된 취약점 32건을 다시 찾아내게 하고 각 모델을 세 번씩 돌렸습니다.
• 1위는 딥시크 V4 프로였습니다. 세 번 실행을 합치면 32건 중 28건을 찾아냈고, 오퍼스 5·그록 4.6·GPT-5.6 솔보다 위였습니다. 비용은 약 295달러로 오퍼스 5 쪽의 6분의 1 수준입니다.
• 더 값싼 딥시크 V4 플래시는 108달러로 24건을 찾아, 그록 4.6이 한 번에 낸 최고 성적과 맞먹었습니다.

이 실측에서 더 중요한 건 순위가 아니라 반복의 값어치입니다. 어느 모델도 한 번에 다 찾지 못했고, 같은 모델을 다시 돌릴 때마다 찾는 건수가 붙었습니다. 그래서 "가장 똑똑한 모델 한 번"보다 "적당한 모델 세 번"이 더 많이 찾고 더 쌉니다. 오늘 1번 토픽과 같은 이야기입니다 — 성능을 끌어내는 건 모델이 아니라 그 모델을 돌리는 방식 쪽에 있습니다.

재미있는 실패 유형도 하나 나왔습니다. 콴 계열은 코드베이스 안에서 이미 공개된 옛 취약점을 붙들고 시간을 썼습니다. 학습 때 외운 CVE를 지금 발견한 것으로 착각한 셈인데, 96개 실행 기록 중 95개에서 이 행동이 관찰됐습니다. 모델이 아는 게 많을수록 새것과 외운 것을 가르는 일이 어려워진다는 걸 보여 주는 사례입니다.

그 밖에: 같은 날 앤스로픽은 클로드 시큐리티 스캔을 미토스 5로 올려 전 기업 고객에게 공개 베타로 열었습니다. 취약점마다 CWE 분류와 심각도, 수정안을 함께 내고 사람이 검토하는 구조이며, 별도 요금 없이 기존 토큰 사용량으로 과금됩니다.

시사점: 코드 취약점 점검에 모델을 붙일 생각이면 한 번 돌리고 끝내지 마세요. 같은 모델을 세 번 돌린 합집합이 더 비싼 모델 한 번보다 많이 찾습니다. 그리고 결과에 옛 CVE가 섞여 나올 수 있으니, 발견 목록은 공개 일자와 대조하고 넘어가는 게 좋습니다.

#취약점탐지 #클로드시큐리티 #딥시크V4

출처 2🔥 @AikidoSecurity🔥 @claudeai

5. 클로드가 말이 많다는 불만이 일주일 새 도구 셋을 낳았다

• 깃허브를 직접 세어 보니 같은 목적의 저장소가 연달아 생겼습니다. vomit(8월 15일), nobuzz(8월 21일), claudish-to-english(8월 21일)입니다.
• 방식이 셋 다 같습니다 — 클로드가 낸 답을 다른 모델에 한 번 더 통과시켜 줄입니다. 로컬 올라마, 제미나이, 코덱스 CLI 등 붙이는 모델만 다릅니다.
• 가장 많이 모인 claudish-to-english는 별 579개에 지켜보는 사람이 237명입니다. 어제 저희가 다룬 별만 많고 사람은 없던 저장소들과는 결이 다릅니다.

토큰을 써서 토큰을 줄이는 구조라는 게 이 도구들의 특징입니다. 답을 한 번 받고, 그걸 다시 다른 모델에 넣어 짧게 만들고, 화면에는 짧은 쪽만 띄웁니다. 비효율이 뻔한데도 사람들이 만들어 쓰는 이유는 읽는 시간이 토큰값보다 비싸기 때문입니다. 어제 해커뉴스에서 980점을 받은 "AI가 쓴 걸 그대로 붙여 넣지 말라"도 같은 자리를 가리켰습니다 — 다듬지 않은 출력은 이해할 부담을 읽는 사람에게 넘깁니다.

만드는 쪽도 같은 걸 느끼고 있습니다. 앤스로픽은 같은 주에 클로드 코드의 출력 스타일에 Concise를 넣었습니다. 결과부터 말하고 짧게 끝내며, 자세한 설명은 물어볼 때만 내놓는 방식입니다. 사내에서는 /eli5 스킬이 널리 쓰인다는 소개도 돌았는데, 아무것도 모르는 사람에게 설명하듯 큰 그림과 적은 단어로 다시 쓰게 하는 용도입니다. 바깥에서는 도구로, 안에서는 기본 설정으로 같은 방향을 손보고 있는 셈입니다.

그 밖에: 이 계열 도구는 원문을 바꾸지 않고 화면에 보이는 문장만 갈아 끼우는 쪽이 많습니다. 기록이나 감사가 필요한 작업에서는 원문이 그대로 남는지 확인하고 쓰는 게 좋습니다.

시사점: 답이 길어서 피곤하다면 도구를 깔기 전에 설정부터 바꿔 보세요. 클로드 코드는 /config의 출력 스타일에서 Concise를 고르면 됩니다. 그래도 길면 "5줄 이내로, 결론부터"처럼 형식을 지정하는 편이 두 번째 모델을 붙이는 것보다 쌉니다.

#출력스타일 #Concise #개발자도구

출처 2🔥 @benhylak🔖 @trq212

6. 🆕 그 밖의 신기능·신제품

• 그록 봇이 전면 개방됐습니다. 슈퍼그록 플러스·커서 프로+·커서 팀즈 구독자 전원에게 열렸고, 나머지 사용자에게도 사용량 제한이 있는 무료 체험이 제공됩니다. 어제까지는 최상위 요금제에 묶여 있었습니다.
• 구글이 젬마 4 31B의 가성비 자료를 냈습니다. 알파센스 검색 과제에서 답변 품질이 소넷 5와 비슷한 자리에 있으면서 질문당 중간 비용은 훨씬 낮았습니다. 다만 이건 한 회사의 검색 과제 하나를 잰 값이라 일반 성능으로 옮겨 읽으면 안 됩니다.
• 스타클라우드가 2억 5,000만 달러를 유치했습니다. 기업가치 23억 달러이고, 궤도에 데이터센터를 올리겠다는 회사입니다. 맨해튼 웨스트가 주도하고 엔비디아·시스코가 참여했습니다.

그 밖에: 백악관 AI 정책 책임자 데이비드 색스가 어제 저희가 다룬 하비의 법률 모델을 정책 논거로 들었습니다. 미국 회사가 중국 오픈웨이트(키미 K3)를 밑감으로 최고 성적을 냈다는 점을 들어, 오픈 모델을 제약하면 중국 연구소는 못 막고 미국 스타트업만 묶인다는 주장입니다. 딥시크는 V4 플래시에 비전 기능을 붙인 실험판을 API에 올렸고, 지푸는 신규 ZCode 사용자 5만 명에게 GLM-5.3 토큰 1억 개를 무료로 뿌리고 있습니다.

시사점: 무료 개방과 무료 토큰이 몰리는 시기입니다. 체험판으로 실무 워크플로를 갈아타기 전에 종료일을 달력에 적어 두세요. 무료 구간이 끝난 뒤의 정가와, 그때 옮겨 갈 대안을 미리 정해 두지 않으면 갑자기 값이 붙습니다.

#그록봇 #젬마4 #스타클라우드

출처 6🔥 @bot🔥 @googlegemma💬 @PhilipJohnston🔥 @DavidSacks🔥 @zizhpan🔥 @ZixuanLi_

📊 오늘의 감정/온도 분석

경쟁의 축이 모델에서 하네스로 옮겨 갔습니다. 같은 오퍼스 5가 감싸는 것에 따라 30%와 100%로 갈렸습니다.

코덱스 활성 사용자 2,000만, 그록 봇 무료 체험 개방처럼 문턱을 낮추는 발표가 몰렸습니다.

Ox Alpha는 어느 회사 것인지, 입력을 어떻게 쓰는지가 공개되지 않았습니다. 벤치마크 표도 조건이 대칭이 아닙니다.

이름 없는 모델이 등장 하루 만에 한 플랫폼의 사용량 1위가 됐습니다. 검증보다 채택이 빠릅니다.

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 6가지

1. 에이전트 도구는 모델 이름이 아니라 재시도 방식으로 고르기 같은 모델도 감싸는 쪽이 살펴보기·가설·재시도를 돌리느냐에 따라 결과가 크게 갈립니다. 실패했을 때 그냥 멈추는 도구인지부터 확인하세요.

2. 취약점 점검은 한 번 말고 세 번 돌리기 어느 모델도 한 번에 다 찾지 못했습니다. 같은 모델 세 번의 합집합이 더 비싼 모델 한 번보다 많이 찾고 값도 쌉니다.

3. 코덱스 한도가 빨리 준다면 설정부터 점검 추론 강도·서브에이전트 수·빠른 모드는 곱해져서 붙습니다. 한 사용자는 이 조합으로 16시간에 주간 사용량의 77%를 썼습니다.

4. 정체 미공개 모델에는 사내 코드를 넣지 않기 어느 회사가 어디서 돌리는지, 입력을 학습에 쓰는지 알 수 없습니다. 무료 시험판일수록 약관을 먼저 보세요.

5. 답이 길면 도구를 깔기 전에 출력 스타일 바꾸기 클로드 코드는 /config에서 Concise를 고르면 결과부터 짧게 옵니다. 두 번째 모델을 붙이는 것보다 쌉니다.

6. 벤치마크 표는 '같은 자로 쟀는지'부터 보기 오늘 화제가 된 표는 한 모델만 시도 횟수 표기가 달랐습니다. 열 이름이 같아도 조건이 다르면 순위는 의미가 없습니다.

📦 확인 방식 AVO의 점수와 동작 수, 안에 쓰인 모델은 엔비디아 개발자 블로그에서 확인했고, 코덱스 관련 문장은 책임자 게시물 원문을 그대로 읽었습니다. 취약점 실측 수치는 아이키도가 공개한 보고서에서, 저장소의 별·watcher·생성일은 2026년 8월 22일에 깃허브 API로 직접 조회했습니다. Ox Alpha의 정체는 어느 회사도 밝히지 않은 상태이며, 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 인기(좋아요 중심) · 🔁 공유(리트윗 비율 높음) · 💬 논쟁(댓글 비율 높음) · 🔖 저장(북마크 많음) · 🚀 떠오름(작은 계정인데 확산 시작)