AI 브리핑 · 2026.10.19

DeepSeek Flash, 값은 10분의 1

주요 키워드 TOP 5: DeepSeek V4.1-Flash-1017 · OpenCode 해킹 · Anthropic 사내 보고서 · AI 에이전트 차단 · OpenAI aurora | 메인 이벤트: DeepSeek V4.1-Flash-1017이 Browser Use 외부 시험에서 Claude Opus 5.5와 같은 75.0점을 약 10분의 1 비용에 냈지만, 디자인 시험과 일본어 기사 작성 비교에서는 밀렸습니다

주말이라 새로 나온 모델 발표는 적었습니다. 대신 17일 나온 DeepSeek V4.1-Flash-1017을 회사 밖에서 잰 결과가 이틀 사이 여럿 나왔습니다. AI가 웹 브라우저를 다루게 하는 도구를 만드는 Browser Use의 시험에서는 Claude Opus 5.5와 같은 75.0점을 과제당 약 10분의 1 비용으로 냈습니다. 하지만 BridgeBench의 디자인 시험에서는 GPT-6 Luna에 밀렸고, 일본어 기사 작성 비교에서는 뜻을 잘못 옮긴 곳이 Opus 5.5보다 훨씬 많았습니다. 값싼 모델로 비싼 모델을 대신할 수 있는지는 맡기는 일의 종류에 따라 갈린다는 결과입니다.

1. DeepSeek V4.1-Flash-1017, Browser Use 외부 시험에서 Opus 5.5와 같은 75점을 약 10분의 1 비용에 냈다…함께 연 웹 검색 API는 1,000회에 0.75달러

• AI가 웹 브라우저를 다루게 하는 도구를 만드는 Browser Use가 자체 시험(v2.1, 과제 180개)을 돌렸습니다. V4.1-Flash-1017은 가장 오래 생각하는 max 설정에서 100점 만점에 75.0점을 받아 Claude Opus 5.5(high 설정)와 같았습니다. 과제당 비용은 0.22달러로 Opus 5.5(2.35달러)의 약 10분의 1입니다.
• 모든 외부 시험에서 이긴 건 아닙니다. BridgeBench의 3D 라바램프 만들기 시험에서는 GPT-6 Luna가 0.01달러 미만으로 42.8초 만에 끝냈습니다. 0.04달러와 4분 3초가 든 Flash보다 싸고 빨랐고, BridgeBench는 결과물도 Luna가 가장 낫다고 평가했습니다.
• DeepSeek는 17일 웹 검색(Search)과 웹페이지 본문 가져오기(Fetch) API(프로그램이 기능을 불러 쓰는 창구)를 모든 사용자에게 열었습니다. 공식 문서 기준 성공한 요청 1,000회당 0.75달러이고, 실패하거나 결과가 비면 요금을 받지 않습니다.

17일 이 모델이 나왔을 때 점수는 DeepSeek가 직접 잰 것뿐이었습니다. 그 뒤 이틀 사이 회사 밖 측정이 여럿 나왔고, 결과는 시험마다 갈렸습니다. Browser Use 시험에서도 1위는 아니었습니다. 맨 위는 과제당 1.30달러를 쓴 GPT-6.1 Sol(medium 설정)의 79.6점입니다. 디자인 시험에서는 GPT-6 Luna에 값·속도·완성도 모두 밀렸고, BridgeBench는 DeepSeek 발표 차트의 비교 상대가 두 세대 전 모델인 Opus 5와 GPT-5.6 Sol이라는 점도 짚었습니다.

AI용 웹 검색 회사 Parallel Web Systems는 자사 검색 능력 순위표에서 이 모델이 공개 모델(누구나 내려받는 모델)로는 처음 전체 10위 안에 들었다고 밝혔습니다. 일본 창업가 kensuu는 팟캐스트 받아쓰기로 일본어 기사 20편을 만들어 비교했습니다. 언뜻 보면 Opus 5.5와 큰 차이가 없었고, 비용은 3.3엔 안팎으로 Opus 5.5(37엔)의 약 11분의 1이었습니다. 하지만 시간은 145초로 Opus(72초)의 약 두 배였습니다. 뜻을 잘못 옮긴 곳은 22군데(Opus 4군데), 말한 사람을 뒤바꾼 곳은 12군데(Opus 0군데)였습니다. 그는 Sonnet 5.5에서 갈아탈 가치는 충분하지만 Opus 5.5 품질에는 못 미친다고 정리했습니다.

Search & Fetch API는 AI 에이전트가 인터넷을 찾아보고 페이지를 읽게 해 주는 도구입니다. DeepSeek 자체 검색 엔진으로 돌아가며, Fetch는 페이지 본문을 글로 정리해 돌려줍니다. Kenn Ejima는 다른 회사 AI와 조합해 써도 되고 값이 주요 검색 API의 약 10분의 1이라, Exa·Firecrawl 같은 검색 업체와 직접 겨루게 됐다고 평가했습니다. DeepSeek Harness(DeepSeek 자체 에이전트 도구)·Claude Code·Codex에서 DeepSeek API를 쓸 때 자동으로 부르는 검색도 이미 이 API를 거치는데, 11월 1일 0시(베이징 시각, 한국 시각 1시)까지는 무료입니다. 이 소식은 개발자 커뮤니티 Hacker News에서 479점을 받았습니다.

그 밖에: Ollama는 미국 서버에서 데이터를 남기지 않는 방식으로 이 모델을 Ollama Cloud에 올렸고, Dolphin API는 100만 토큰(글자 조각)당 0.01달러·0.07달러라는 가격을 내걸었습니다.

시사점: 브라우저 작업처럼 긴 일을 맡길 때 비싼 최상위 모델 대신 써 볼 후보가 외부 시험으로도 하나 생겼습니다. 다만 디자인 시험과 기사 작성처럼 세부 정확도가 중요한 일에서는 밀린 결과도 있으니, 내 작업 몇 개에 직접 돌려 보고 바꾸는 편이 안전합니다.

#DeepSeek #AI벤치마크 #검색API

출처 9💬 @browser_use💬 @bridgebench🚀 @p0🔥 @kensuu🔥 @kenn💬 @ollama💬 @dphnAIDeepSeek Search & Fetch API 문서Hacker News 토론

2. 코딩 에이전트 OpenCode 해킹, Console 이용자 1.4%가 맡겨 둔 OpenAI·Anthropic 등 API 키가 노출됐을 수 있다…Anthropic은 해당 Claude 키를 폐기했다

• 오픈소스 코딩 에이전트 OpenCode가 현지 시각 10월 17일, 없애는 중이던 옛 시스템에 무단 접근이 있었다고 공지했습니다.
• 대상은 Console 이용자의 1.4%입니다. Console(OpenCode의 웹 관리 화면) 작업공간에 OpenAI·Anthropic 같은 외부 회사의 API 키(내 계정으로 모델을 부르는 열쇠 문자열)를 저장해 둔 사람들입니다.
• Anthropic은 영향을 받았다고 판단한 Claude API 키를 폐기했고, Google은 노출된 Gemini 키를 막았습니다. OpenCode는 Anthropic·OpenAI·Google과 함께 수습 중이라고 밝혔습니다.

API 키는 쓴 만큼 요금이 나가는 열쇠라, 남이 손에 넣으면 내 돈으로 최상위 모델을 부를 수 있습니다. OpenCode는 공지에서 이번 일이 대규모 증류 공격과 관련됐다고 설명했습니다. 증류 공격은 다른 회사 모델의 답을 대량으로 뽑아 자기 모델 학습에 쓰는 일입니다. 다만 공지에는 키 유출과 증류가 어떻게 이어지는지, 어디로 들어왔는지에 대한 설명이 없습니다. 그사이 OpenCode에서만 쓰던 OpenAI·Anthropic 키로 하룻밤 새 400달러 넘게 청구됐다는 이용자 글이 나왔습니다. 키를 왜 이용자 컴퓨터가 아니라 회사 서버에 맡겨 두게 했느냐는 질문도 많은 공감을 받았습니다.

한 이용자는 사고를 막았을 수도 있는 수정이 이미 있었다는 화면을 공유했습니다. 8월에 OpenCode 팀원이 옛 Console 로그인에 Cloudflare Turnstile(사람인지 자동 프로그램인지 가려내는 확인 장치)을 붙이는 패치를 올렸습니다. 그런데 이용자와 AI 에이전트가 올리는 패치가 너무 많아 오래된 것을 자동으로 닫는다는 규칙에 걸려 반영되지 못했습니다. 이번 침입이 실제로 그 로그인 경로를 거쳤는지는 OpenCode가 밝히지 않았습니다.

그 밖에: David Sacks는 Andrew Curran의 전언을 인용해, OpenCode가 방어에 쓰던 최상위 모델이 안전 필터 때문에 공격 분석을 거부했다고 적었습니다. 이 대목은 Curran의 전언에만 기댄 이야기입니다. Sacks는 이를 근거로 방어하는 쪽도 강력한 모델을 직접 쓸 수 있어야 한다고 주장했습니다.

시사점: OpenCode에서 메일을 받았다면 각 제공사 대시보드에서 키를 폐기하고 다시 발급한 뒤, 최근 사용 내역에 낯선 청구가 없는지 확인하세요. 회사 설명으로는 메일을 받지 않은 이용자는 영향이 없습니다.

#OpenCode #API키 #보안사고

출처 7🔥 @NetworkChuck🔥 @sudoingX🔥 @MTSlive💬 @hqmank🔥 @karankendre🔥 @notjamesbennett💬 @DavidSacks

3. Anthropic 사내 보고서: 기술직 신규 채용 중 신입 비중이 27%에서 9%로 줄었고, Claude 대화 세션 시간의 약 80%는 사람 입력을 기다리는 시간이었다

• Anthropic 연구팀은 10월 16일 자기 회사 안에서 일과 채용이 어떻게 바뀌었는지 보고서로 공개했습니다. 기술직 신규 채용에서 신입급(하위 직급) 비중은 27%에서 9%로 줄었고, 기술 부서 직원 가운데 신입급 비중도 2025년 초 21%에서 14%로 내려갔습니다.
• 회사 전체에서 Claude 에이전트(여러 단계 작업을 스스로 이어 가는 AI)가 일한 시간은 2026년 3월 처음으로 직원 근무 시간 합계를 넘었습니다. 8월에는 직원이 직접 지시한 에이전트만 세도 그 직원들 근무 시간의 6배였습니다.
• 반면 사람이 Claude와 주고받으며 일하는 대화형 세션 시간의 약 80%는 Claude가 사람의 다음 입력을 기다리는 시간이었습니다. 한 엔지니어는 이제 사람이 에이전트를 붙잡는 병목(일이 막히는 지점)이라고 말했습니다.

최신 AI를 가장 앞서 쓰는 회사가 자기 채용 변화를 숫자로 내놓았고, X에서는 사람이 병목이라는 대목을 옮긴 글이 좋아요 699개를 받았습니다. 다만 한 회사의 내부 자료이고, 숫자 밖 이야기는 직원 17명 인터뷰로 보탰습니다. 지난 1년 사이 회사가 3배로 커졌고, 보고서는 채용 구성 변화의 일부를 사업 부서가 늘어난 결과로 봤습니다. 신입 비중이 준 원인을 AI로 단정하지도 않았습니다.

직원 근무 시간은 인원수에 주 40시간을 곱해 잡은 값입니다. 80%라는 값은 세션이 열려 있던 전체 시간에서 Claude가 실제로 일한 시간을 빼서 구했습니다.

그 밖에: 4월 설문에서 ML(머신러닝) 매니저의 약 3분의 1, SWE(소프트웨어 엔지니어) 매니저의 약 5분의 1이 AI 때문에 사람을 덜 뽑는다고 답했습니다. 채용 평가에서 지원자의 AI 도구 활용 경험을 언급한 비율은 2024년보다 기술직에서 약 3배, 비기술직에서 약 4배가 됐습니다.

시사점: 이 보고서에서는 AI를 가장 앞서 쓰는 조직에서 신입 채용 비중이 줄었고, 남은 직원의 일은 에이전트에게 맡긴 뒤 결과를 읽고 판단하는 쪽으로 옮겨 가고 있습니다. 한 회사의 사례이므로 업계 전체의 채용 전망으로 곧바로 넓혀 읽기는 어렵습니다.

#Anthropic #AI와일자리 #Claude에이전트

출처 3🔥 @Hesamation💬 @TokenGremlin💬 @colindotj

4. JPMorgan·Yelp·Delta 등이 AI 에이전트의 예약·계좌 접근을 막거나 돈을 받기 시작했다

• JPMorgan Chase는 외부 AI 에이전트(사람 대신 웹사이트에서 클릭·입력을 처리하는 AI)가 개인 고객 대신 돈을 보내거나 요금을 내지 못하게 막습니다. 잔액 조회 같은 읽기 전용 정보는 Plaid 같은 중개 회사를 거쳐 계속 넘어갑니다.
• Yelp는 데이터 이용료를 낸 에이전트만 들여보냅니다. Delta는 외부 에이전트가 항공권을 사도록 허용한 제휴가 없다고 밝혔고, 실제로 예약이 거절됐다는 사용자 경험담이 나옵니다.
• Amazon은 9월부터 Meta의 AI 에이전트 Muse를 막고 있습니다. xAI의 Grok Bot 주문도 막았다는 보도가 있지만 Amazon이 확인하지는 않았습니다.

The Verge가 이런 움직임을 한데 정리했고 여러 매체가 다시 실었습니다. 이유는 회사마다 조금씩 다릅니다. Charles Schwab의 Rick Wurster CEO는 고객 돈을 옮기려는 에이전트를 일주일에 수십 번 막는다고 Bloomberg TV에서 말했습니다. Schwab은 외부 에이전트가 고객 아이디로 로그인하게 두는 대신, 잔액 조회 같은 일만 하도록 회사가 관리하는 연결 통로를 따로 만들고 자체 비서 Charley를 쓰도록 안내합니다. JPMorgan의 Jamie Dimon CEO는 실적 발표에서 통제되지 않는 에이전트가 수천 개 생길 수 있다며 아무 에이전트나 들이지 않겠다고 했습니다. 결국 회사들은 막거나, 돈을 받거나, 자기 통로를 따로 만드는 쪽으로 갈라지고 있습니다.

Ethan Mollick(Wharton 교수)은 접수를 가로막던 번거로운 절차를 에이전트가 대신 넘어 주면서 정부·기업 창구에 문의가 몰리기 시작했다고 썼습니다. 그러면서 서비스를 더 불편하게 만들어 막을지, 더 낫게 고쳐 받아들일지 곧 골라야 한다며 위 표를 함께 올렸습니다.

그 밖에: Amazon은 2025년 11월 Perplexity의 Comet 브라우저가 일반 사용자인 척 접속했다며 소송을 냈습니다. 3월에 내려진 접속 금지 명령은 8월 항소심에서 뒤집혀 사건이 1심으로 돌아갔습니다.

시사점: 에이전트에게 예약·결제·이체를 맡길 생각이라면 그 회사가 에이전트를 허용하는지 먼저 확인해야 합니다. JPMorgan처럼 조회는 되고 이체는 막히는 경우도 있습니다.

#AI에이전트 #에이전트차단 #JPMorgan

출처 3🔥 @trikcode💬 @emollickThe Verge 보도

5. OpenAI API 목록에 미발표 모델 'aurora' 3종이 잠깐 떴다…써 본 사람들은 이미지 생성 모델이라고 전했다(공식 발표 없음)

• 10월 18일 낮(한국 시각), OpenAI API(프로그램에서 OpenAI 모델을 불러 쓰는 창구)의 모델 목록에 aurora-red-alpha·aurora-green-alpha·aurora-blue-alpha 세 이름이 나타났다가 곧 사라졌습니다.
• 같은 날 저녁 Arena(이름을 가린 AI 모델 결과를 나란히 보여 주고 사람이 고르게 하는 비교 사이트)에서 aurora를 받아 본 이용자가 이미지 생성 모델로 보인다고 전했습니다.
• OpenAI는 이 모델들에 대해 아무것도 발표하지 않았습니다. 이름의 뜻·용도·출시 일정 모두 공식 확인 전입니다.

OpenAI API에서는 지금 부를 수 있는 모델 목록을 조회할 수 있습니다. 이 목록을 지켜보는 커뮤니티 알림에 세 이름이 잡혔습니다. AI 신기능 소식을 전하는 TestingCatalog는 이름이 곧 지워진 점을 들어 실수로 잘못 공개된 것으로 봤습니다. 이름 끝의 alpha는 초기 시험 단계라는 뜻이어서, 일반 사용자가 이 모델을 곧 직접 써 볼 가능성은 낮다고도 덧붙였습니다.

이미지 모델이라는 판단은 측정이 아니라 사용 후기에서 나왔습니다. TestingCatalog는 Arena에서 aurora-red-alpha를 받았다는 이용자의 글을 인용해 이미지 모델일 가능성이 높다고 적었습니다. 10월 19일 새벽에는 직접 써 본 소감도 올렸습니다. green이 red보다 낫고, aurora 결과물이 OpenAI 이미지 모델 gpt-image-2.5-flare보다 특히 색감에서 훨씬 좋아 보인다는 내용입니다. 다만 한 계정의 소감일 뿐 Arena 순위나 점수는 아직 확인되지 않았습니다.

그 밖에: X에서는 이 이름들이 OpenAI의 다음 언어 모델이 아니냐는 기대도 돌았습니다. TestingCatalog도 다른 모델 출시 계획이 있을 가능성은 열어 두었습니다. xAI가 2024년 12월 공개한 Grok의 이미지 생성 모델 이름도 Aurora라서 검색할 때 헷갈릴 수 있습니다.

시사점: 지금 확인된 사실은 이름 세 개가 API 목록에 잠시 보였다는 것뿐입니다. OpenAI의 이미지 생성 기능을 쓰고 있다면 공식 발표가 나온 뒤 이름·가격·쓸 수 있는 곳을 확인하면 됩니다.

#OpenAI #이미지생성 #미발표모델

출처 3💬 @testingcatalog💬 @testingcatalog💬 @testingcatalog

6. 🆕 그 밖의 신기능·신제품 — Anthropic 공익 기금에 지분 5% · GPT-6 Astra가 미공개 물리 문제 정답률 98% · Linux 커널 'AI 도움' 표기 의무 폐지

• Anthropic이 회사 지분 5%를 담는 공익 기금 Anthropic Public Benefit Fund를 만든다고 미국 시간 10월 18일 발표했습니다. 회사 가치가 기준보다 50% 오를 때마다 이사회 판단으로 2%를 더 넣을 수 있습니다.
• 공개된 적 없는 연구 수준 이론물리 문제 50개로 AI를 시험한 논문에서, Codex(OpenAI의 코딩 에이전트)로 돌린 GPT-6 Astra가 최종 답을 98% 맞혔습니다. 문제당 평균 비용은 3달러 미만이었습니다.
• Linux 커널(운영체제의 핵심 프로그램)이 AI 도움을 받은 코드에 붙이던 'Assisted-by' 표기를 더는 요구하지 않기로 했습니다.

Anthropic 기금의 첫 5%는 주주 승인을 받아야 확정됩니다. 회사는 이 지분을 미국 안팎의 로비나 정치 기부에 쓰지 않는다고 밝혔습니다. X에 퍼진 '지분 20%'는 이번 5%에 공동창업자들의 개인 지분 80% 기부 약정과 직원 기부 매칭까지 더해 회사가 밝힌 대략적인 합계입니다.

물리 시험 TheoPhysEval 논문은 10월 9일 공개됐고, 그 분야 최고 전문가가 하루 정도면 푸는 문제로 짜였습니다. 웹 검색과 참고 논문을 막아도 정확도가 거의 그대로여서, 저자들은 모델이 기존 문헌을 상당 부분 외웠을 가능성도 함께 적었습니다.

Linux 표기 의무 폐지는 10월 8일 프라하 커널 관리자 회의에서 정해졌고 10월 17일 보도로 알려졌습니다. Linus Torvalds는 Laurent Pinchart의 10월 13일 메일에 답하며, 중요한 건 어떤 도구를 썼느냐가 아니라 개발자가 자기 코드를 이해하느냐라고 적었습니다.

그 밖에: Google의 코딩 에이전트 앱 Antigravity에서 Gemini 4 Argon이 유료 Google AI Pro 구독자에게 열렸지만 아직 못 쓰는 이용자도 있습니다. X 이용자 Kai의 정리로는 학생 무료 Pro, Pixel 구매·Jio(인도 통신사) 묶음으로 받은 Pro, 옛 Antigravity IDE, Ultra for Business 이용자가 빠져 있습니다.

시사점: Anthropic 기금의 최종 규모는 앞으로의 회사 가치에 달려 있습니다. 물리 시험은 AI가 연구 수준 계산을 싸게 해낸다는 결과와 함께, 푼 것인지 외운 것인지라는 질문도 남겼습니다.

#Anthropic #GPT6Astra #리눅스커널

출처 4💬 @WatcherGuru🚀 @HowToPrompt__🔥 @IntCyberDigest💬 @hqmank

오늘의 감정·온도

오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 6가지

1. 화면에 움직임을 넣을 땐 찾기·넣기·검토를 나눠 시킵니다 Emil Kowalski는 주말에 해 볼 만한 흐름으로 스킬(에이전트에게 주는 작업 설명서) 세 개를 차례로 부르는 방법을 공유했습니다. 애니메이션을 넣을 만한 곳을 먼저 찾게 하고(/find-animation-opportunities), 넣게 한 뒤(/animate), 마지막에 결과를 검토하게(/review-animations) 하는 순서라 단계마다 결과를 따로 확인할 수 있습니다.

2. 에이전트가 스스로 결과를 확인할 수단을 줍니다 santi는 Claude Code나 Codex 같은 코딩 에이전트에게 테스트 실행, 자동 오류 검사 명령, 실제 브라우저로 화면을 눌러 보는 도구를 주면 만든 것을 스스로 확인하고 고친다고 설명했습니다. 무엇이 되면 완성인지 기준을 정하고 그 확인 절차를 CLAUDE.md나 AGENTS.md(에이전트가 일을 시작할 때 읽는 규칙 파일)에 적어 두면, 단계마다 지켜보지 않고도 더 큰 일을 맡길 수 있다고 덧붙였습니다.

3. 출시 전에 가상의 첫 이용자 5명을 보냅니다 RoundtableSpace는 Claude Code에서 Opus 5.5에게 서브에이전트(일을 나눠 맡는 보조 AI) 5개를 띄워 서로 다른 첫 이용자를 연기하게 하는 프롬프트를 공유했습니다. 성질 급한 사람, 약관부터 읽는 사람, 느린 휴대폰 사용자, 화면 문구만 따라가는 비영어권 사용자, 아무 값이나 넣어 보는 사람이 실제 브라우저로 써 보며 막힌 순간을 캡처하고, 많이 걸린 문제부터 고친 뒤 같은 다섯 명을 다시 돌려 확인하는 방식입니다.

4. AI의 기억은 출처와 확인 날짜가 붙은 위키로 남깁니다 Argona는 Karpathy의 '두 번째 뇌' 방식을 Grok Bot(AI 봇을 만들어 일을 맡기는 서비스)에서 돌리는 법을 소개했습니다. 자료를 모으는 봇, 위키 문서를 고쳐 쓰는 봇, 밤마다 어긋나거나 오래된 내용을 찾는 봇을 나누고 문서마다 주장·출처·마지막 확인 날짜를 적게 하되, 처음엔 실제로 일하는 주제 하나로 시작하고 무엇이든 만들기 전에 구조부터 보여 달라고 지시하라고 권했습니다.

5. 마음에 드는 연출은 스킬로 만들어 모아 둡니다 MagicAI는 유튜브 긴 영상에 넣을 지도 연출을 만들 때, 참고할 영상을 저장해 Claude Code에 넣고 이렇게 만들어 달라고만 해도 비슷하게 나온다고 적었습니다. 그는 이렇게 만든 영상 스킬과 연출을 300개 넘게 모아 두고 있다며, 하나하나가 자산이니 꼭 따로 보관해 두라고 권했습니다.

6. AI 서비스 사용량에는 알림을 걸어 둡니다 s1r1us는 여러 AI 모델 호출을 대신 중계하는 서버처럼 인터넷에 열린 AI 서비스를 운영한다면 힘든 시기를 겪게 될 거라며 사용량을 지켜보고 알림을 설정하라고 했습니다. 개인 사용자도 제공사 대시보드의 사용 한도·알림 기능을 켜 두면, 2번 꼭지의 OpenCode 사례처럼 키가 새어 나갔을 때 낯선 청구를 빨리 알아챌 수 있습니다.

출처 6🔖 @emilkowalski🔥 @santtiagom_💬 @RoundtableSpace🔖 @Argona0x💬 @magic_ai_skill🔥 @S1r1u5_

📦 확인 방식

DeepSeek 검색 API 요금은 공식 문서에서, Anthropic 채용 수치와 공익 기금 내용은 회사 보고서와 발표에서, 물리 시험 결과는 arXiv 논문에서 가져왔습니다. Browser Use·BridgeBench·kensuu의 비교는 각자 직접 돌린 결과이고, 회사와 저자가 잰 수치는 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 일반 확산 · 🔖 북마크 많음 · 🔁 리트윗 비중 높음 · 💬 댓글 비중 높음 · 🚀 작은 계정에서 빠르게 퍼짐