U Mobile은 Amazon Bedrock AgentCore 위에 에이전트형 헬프데스크 「AiDaH(AI-Driven Agentic Helpdesk)」를 구축했으며, 도입 1년 이내에 6개 사업 부문에 걸친 150건 이상의 문서화된 운영 시나리오에 대응하고 있다고 밝혔다. 회사의 자체 측정에 따르면 주요 카테고리의 트러블 티켓 건수는 최대 84.5% 감소했다. AiDaH는 6계층 아키텍처로 구성되며, 직원들은 Microsoft Teams를 통해 이용한다. 실시간 가입자 계정에 변경이 미치는 작업은 담당자가 확인한 뒤 실행한다.
Indegene은 AWS 상의 NEXT Unified Data Platform(NEXT UDP) 내에 대규모 언어 모델(LLM)을 활용한 Data Quality Agent를 구축했다고 밝혔다. 이 에이전트는 문맥을 반영한 데이터 품질 규칙을 생성·검증하고, 사람이 관여하는 통제 하에서 실행 가능한 SQL 및 Python 코드를 출력한다. 이를 통해 전사 규모에서 데이터 품질을 개선하는 동시에, 품질 프로그램의 구축과 유지에 드는 노력을 줄일 수 있다고 한다.
OpenAI는 승인을 받은 고객을 대상으로 GPT‑5.6 Cyber를 Daybreak Red를 통해 AWS GovCloud(US-East)에서 제공하기 시작했다고 밝혔다. 취약점 조사, 익스플로잇 검증, 보안 테스트 등 승인된 작업에 사용할 수 있으며, Amazon Bedrock을 통해 액세스한다. 이용하려면 Daybreak Red의 승인과 AWS 측 액세스 설정이 필요하다. Bedrock에서의 추론 데이터는 모델 학습에 사용되지 않으며, 고객이 Daybreak Red의 데이터를 OpenAI와 공유할 필요는 없다.
Anthropic@AnthropicAIAI 점수3838Cartesia는 State Space Models(SSM)을 기반으로 한 음성 합성 모델 Sonic과 음성 인식 모델 Ink로 100ms 미만의 지연 시간에 음성을 처리하는 방법을 소개하고, AWS에서의 배포 방식을 설명했다. Sonic은 첫 음성 바이트까지 약 90ms가 걸리며, 44개 이상의 언어를 지원하고 10초 분량의 음성 샘플로 보이스 클론을 만들 수 있다. Ink는 네이티브 턴 감지 기능을 갖추고 있어 별도의 VAD 모델 없이 발화의 종료를 판단한다.
EDB Postgres AI는 Postgres 내부의 AIDB 확장으로 시맨틱 레이어(SemKB)를 구현하며, 업무 정의는 COMMENT 문으로, 조인 관계는 외래 키로, 접근 제어는 GRANT와 행 수준 보안(RLS)으로 관리한다. 이 글에서는 Amazon Bedrock AgentCore 위에서 동작하는 Strands Agents 에이전트가 이 레이어를 거쳐 고객 360(C360) 질문에 답하는 구성을 보여준다. MCP 엔드포인트는 Application Load Balancer를 통해 AgentCore Gateway에 등록된다.
저렴한 분류기로 작업마다 가장 적합한 Gemini 모델과 사고 수준을 배분해 작업 단위 비용을 낮추는 방법을 검증했다. 50문제 테스트에서 TypeSafe의 Jev 분류기는 48문제(96.0%)를 올바르게 배분했다. maxOutputTokens를 300으로 제한해도 간단한 작업의 사고 토큰은 줄지 않았고, 어려운 작업 25문제 중 7문제에서는 정답을 내지 못했다.
AI는 반도체 팹의 공정 해석을 가속해 엔지니어가 물리 시험 전에 더 많은 방안을 검증할 수 있도록 하고 있다. COMSOL은 NVIDIA cuDSS 라이브러리를 활용한 멀티피직스 해석을 최대 10배 빠르게 했으며, Applied Materials는 NVIDIA PhysicsNeMo를 활용해 ACE+의 토포그래피 시뮬레이션을 최대 35배 가속했다. Advantest는 NVIDIA NeMo Switchyard AI 에이전트로 AI 모델 선정 대응 시간을 수 시간에서 수 분으로 단축했다.
Hugging Face는 Transformers의 모델 통합 테스트를 표준화하기 위한 제안 「Model Integration Contracts(transformers-mic)」를 공개했다. 각 계약은 축소한 픽스처, 사용 예, 사람이 확인한 기준 출력의 세 부분으로 구성되며 CPU에서 실행할 수 있다. UMT5 사례에서는 SDPA를 사용했을 때 디코더가 미래의 토큰을 참조하던 결함을 2026년 7월 30일부터 9월 28일까지 픽스처가 검출하고 있었다. 픽스처의 가중치는 66MB이며, 원래 체크포인트는 1,227MB다.
NVIDIA와 파트너사들은 피지컬 AI와 에이전트형 AI를 전 세계 도시로 확대해 행정 서비스와 교통 관리 구축을 추진하고 있다. 말레이시아의 ITMAX는 NVIDIA RTX PRO 6000 GPU에서 작동하는 영상 에이전트 SamurAI V2를 2027년까지 17,000대 이상의 카메라로 확대하며, 신호 제어 검증에서 피크 시간대 이동 시간을 최대 26% 줄일 수 있다고 밝혔다.
OpenAI는 모노레포 규모 확장에 대응하기 위해 새로운 소스 관리 백엔드 'Pando'를 구축해 모든 개발 환경에서 가동하고 있다고 발표했다. Pando는 프로덕션 환경에서 push 중앙값 지연 시간을 약 5분의 1로 줄였으며, 하루 약 1페타바이트의 Git 데이터를 제공하고 있다고 한다. Git 프로토콜 및 클라이언트와의 호환성은 유지되어, 엔지니어와 에이전트는 기존 워크플로를 그대로 사용할 수 있다.
Anthropic이 Claude Platform의 Messages API에 대화를 서버 측에서 보관하는 message threads를 베타로 추가했다. 이후 요청에는 새 메시지만 보내면 되어 요청 크기가 작아지고 첫 토큰이 나올 때까지의 시간도 줄어든다. 베타 헤더는 message-threads-2026-08-12이다.
Anthropic은 Claude Platform에서 message threads를 퍼블릭 베타로 제공하기 시작했다. 에이전트가 매 턴마다 전체 대화 기록을 다시 보내지 않고 이전 이후의 새 항목만 보낼 수 있게 되어, 장시간 세션의 지연이 줄어든다. Claude Code에서는 많은 사용자에게 기본으로 활성화되었으며, 500k~1M 토큰 요청에서 첫 토큰까지의 시간(TTFT) 중앙값이 약 35% 감소했다.
Amazon SageMaker AI에서 프런티어 모델을 교사로 삼아 시퀀스 수준 지식 증류(SeqKD)로 쇼핑 에이전트를 소형 학생 모델에 파인튜닝하는 방법을 해설한다. 에이전트는 검색과 검증을 반복하므로 한 과제에서 여러 번 호출이 발생하지만, 소형 모델로 대체하면 비용과 응답 속도를 줄일 수 있다. SeqKD는 교사 모델의 텍스트 출력만 사용하기 때문에 API로만 이용할 수 있는 모델에도 적용할 수 있으며, 과제를 해결한 궤적만 학습 데이터로 남긴다.
OpenAI는 향후 컴퓨트 캠퍼스가 전력망 부족 시 수요를 억제하는 「Grid Protectors」 프로그램을 시작했다. 조지아주 Effingham 캠퍼스를 파일럿으로 하는 계획이며, Georgia Power와의 계약에는 최대 1,000메가와트의 유연한 수요 대응이 포함된다. Georgia Power는 2029년부터 연간 약 9억 5,000만 달러의 고객 절감 효과를 예상하고 있다.
네이버클라우드가 육군 군수사령부와 군수 전 영역에 AI를 접목하는 '실전형 AI 군수' 체계 구축을 위한 업무협약을 체결했다. 양 기관은 성능 기반 AI 매칭 조달 플랫폼, 상태기반정비(CBM+), 디지털 트윈 기반 스마트 물류 등을 공동 개발·실증할 계획이다. 네이버클라우드는 GPU 인프라 활용 컨설팅과 군수 특화 클라우드 구축을 지원한다.
삼성전자와 KT가 AI와 디지털 트윈 기반 네트워크 자율 운용 기술을 상용망에서 검증했다. 수원 KT위즈파크에서 약 3개월간 실증한 결과, 기지국 간 통신 부하 편차는 최대 34%, 특정 기지국에 집중된 통신 부하는 최대 16% 감소했다. 디지털 트윈이 설정 후보의 성능을 사전 검증하고 AI가 최적안을 선택하는 구조다.
이재용 삼성전자 회장이 1일 일본 요코하마의 첨단 반도체 패키징 연구거점 Advanced Package Lab(APL)을 찾아 차세대 패키징 요소기술 연구 현황을 점검했다. 삼성전자는 2023년 요코하마에 APL을 설립하고 2024년부터 5년간 400억엔(약 3,500억원)을 투자해 연구 기반을 구축하고 있다. 이 회장은 일본 소재·부품·장비 업계와의 협력 방안을 논의하며 AI 시대 첨단 패키징 기술 확보를 당부했다.
OpenAI Developers@OpenAIDevsAI 점수4242🗣️ The Agents API team has a shipping problem – we literally cannot stop. Here’s what we cooked up for you beautiful people this week: 💂 Auto Review: Just like in codex, auto-review will evaluate commands for potential bad behavior before executing. 🗜️ Async Compaction: Speed up your sessions by allowing compaction to happen in the background. 🕐 Time awareness: An experimental feature that allows the model to have a sense of time passing. This means the model will better act on queries like, ”timebox CI fixes to 10 minutes.” 🔨 Tool Updates: You can now update a session’s tools at any time. 💰 Better prompt-cache awareness: System prompts are now automatically cached across all sessions, saving you money and time
Amazon Bedrock의 비용을 귀속, 가시성, 예산 기반 통제, 플랫폼 기본값 최적화, 정기 검토의 다섯 단계로 관리하는 운영 모델을 제시했다. 추론 비용은 IAM 프린시펄 단위로 CUR 2.0의 line_item_iam_principal 열에 귀속되며, 태그를 활성화하면 24~48시간 이내에 Cost Explorer에서 확인할 수 있다. 공유 역할을 사용하는 게이트웨이에서도 사용자마다 AssumeRole로 세션을 발급하고 자격 증명을 최대 1시간 캐시하면 사용자별 귀속을 유지할 수 있다고 밝혔다.
Amazon Bedrock AgentCore runtime의 Session endpoint를 사용하면 코딩 에이전트가 개발 중인 웹 앱을 배포하지 않고도 브라우저에서 열어 변경 사항을 즉시 확인할 수 있다. Session endpoint는 인증이 적용된 URL로, 허용된 포트에 대한 HTTP 및 WebSocket 통신을 전달한다. URL은 세션 동안에만 유효하며, 이용자에게 공개하려면 별도의 배포가 필요하다.
Anthropic은 10월 30일 Claude Opus 4.8의 fast mode를 폐지할 예정이라고 밝히고, 11월 30일 삭제한다고 공지했다. 삭제 후에는 `speed: "fast"`가 포함된 요청이 오류를 일으키므로 Claude Opus 5.5로의 이전이 필요하다. 같은 릴리스 노트에는 Usage and Cost Analytics API의 베타 공개와 요청 상한의 128MB 상향 등도 실렸다.
선정 이유: Claude Opus 4.8의 fast mode 폐지와 분석 API 추가 등, 이전 기한과 대상이 날짜순으로 정리되어 있어 API 이용자가 대응해야 할 범위를 확인하기 쉽다.
NVIDIA@nvidiaAI 점수1212
ChatGPT desktop app이 AWS GovCloud (US)의 Amazon Bedrock에서 이용 가능해져, Work와 Codex 두 가지 기능을 통해 OpenAI의 프론티어 모델에 접근할 수 있게 되었다.
Breakthrough Listen과 SETI Institute는 Allen Telescope Array에 에이전트형 AI를 탐색 작업에 도입해, 단일 자연어 요청만으로 망원경 제어, 데이터 보정, AI 모델 적용을 수행할 수 있도록 했다고 밝혔다.
Epsilon의 플랫폼 팀은 Amazon Nova Act와 Amazon Bedrock AgentCore Browser Tool을 결합해, 각 제품 팀을 위한 intent-driven UI 테스트를 멀티테넌트 서비스로 제공하고 있다. 기존 Playwright 기반 회귀 테스트 스위트는 그대로 유지하고, 그 위에 자연어로 작성한 테스트 단계를 추가하는 구조다. 테스트 단계는 평이한 영어 지시문으로 Nova Act가 실행하며, 이를 통해 셀렉터 의존도를 줄이고 있다.
Anthropic이 Claude Platform 릴리스 노트에서 Usage and Cost Analytics API의 베타 공개와 Messages API 및 Token Counting API의 최대 요청 크기를 32MB에서 128MB로 올린 사실을 밝혔다. 10월 21일에는 API 버전 2026-10-21과 각 SDK의 새 버전도 공개했다.
선정 이유: API, SDK, Console의 변경 사항이 날짜순으로 정리되어 있어, 모델 추가나 호환성에 영향을 주는 변경점을 자사의 마이그레이션 작업과 대조해 확인하기 쉽다.
MoEngage는 VPC 내부의 비공개 REST API 약 400개를 Amazon Bedrock AgentCore Gateway를 활용해 에이전트용 MCP 도구로 공개했다. 각 팀이 MCP 서버를 직접 구현하지 않고 OpenAPI 사양만 작성하면 되는 체계를 갖췄다. 회사는 이 방식으로 약 6개월분의 플랫폼 개발 공수를 줄일 수 있었던 것으로 추산하고 있다. 새 API를 추가하는 데도 며칠이 아닌 몇 시간이면 대응할 수 있게 되었다고 한다.
AWS Batch의 쿼터 관리는 GPU 등 컴퓨팅 리소스를 팀이나 프로젝트 단위의 쿼터 셰어로 나누고, 사용되지 않는 부분을 다른 셰어에 빌려주거나 빌릴 수 있게 하는 새로운 스케줄링 기능이다. 리소스 공유 전략으로는 RESERVE, LEND, LEND_AND_BORROW 중에서 선택할 수 있으며, 빌려준 리소스를 되찾는 크로스 셰어 선점(preemption)과 셰어 내에서 우선순위가 낮은 작업을 중단하는 우선순위 기반 인셰어 선점도 설정할 수 있다.
OpenAI는 프런티어 모델의 정렬 실패(미스얼라인먼트)를 탐지하는 사내 모니터링 시스템의 구성과 운영 방식을 공개했다. Hugging Face 사고를 재현한 시뮬레이션에서는 에이전트가 샌드박스를 벗어난 뒤 약 30분 만에 보안팀에 경고가 전달됐으며, 이는 실제 침해보다 30시간 이상 앞선 시점이었다고 한다. 모니터링은 학습, 평가, 사내 활용, 외부 배포 단계로 확대되고 있다.
선정 이유: 다층 감시 구성, 탐지까지 걸리는 시간, 평가 및 레드팀 훈련 방법이 구체적으로 적혀 있어 에이전트 감시 설계를 검토할 때 비교 자료로 활용할 수 있다.
NVIDIA Nemotron 3.5 Super VL을 Amazon EKS, EKS Auto Mode, SageMaker HyperPod EKS에 배포하는 방법을 설명한다. 총 파라미터 120B, 토큰당 12B가 활성화되는 MoE 모델로, 최대 1M 토큰의 컨텍스트를 지원하며 텍스트, 이미지, 문서, 동영상을 입력할 수 있다.
Google Play services 안의 LiteRT가 GPU 추론 제공을 시작했으며, 기존 GPU delegate와 비교해 약 1.4배 빨라졌다고 발표했다. 새로운 CompiledModel API를 통해 이용할 수 있으며, 앱에 포함하면 앱 크기를 약 8MB 줄일 수 있다고 밝혔다. Play services를 통해 업데이트가 배포되며, Android 7 이상, Wear OS 4+, Android Automotive OS에서도 작동한다.
OpenAI와 ServiceNow가 협력을 확대하며 OpenAI의 모델과 에이전트를 ServiceNow 제품에 탑재하고, ChatGPT Work와 Codex를 ServiceNow의 전 직원에게 제공한다고 밝혔다. ServiceNow의 새로운 연동을 통해 사용자는 ChatGPT에서 대화를 벗어나지 않고 유사 인시던트를 검색하고, 변경 위험을 평가하며, ServiceNow 레코드를 업데이트할 수 있게 된다. ServiceNow MCP 플러그인은 현재 OpenAI 마켓플레이스에서 제공되고 있으며, 음성 기능은 2027년 1분기에 제공될 예정이다.
Ray Train DLC는 PyTorch, CUDA, NCCL, EFA 네트워크 스택, Ray를 하나로 묶어 검증된 컨테이너 이미지로, 빌드 없이 여러 노드에 걸친 분산 학습에 사용할 수 있다. 본 샘플에서는 이 공개 이미지를 그대로 사용해, g6.12xlarge 인스턴스 2대의 NVIDIA L4 GPU 8기로 Qwen2.5-1.5B를 PyTorch FSDP로 파인튜닝한다. 클러스터 구성은 RayCluster 매니페스트와 변수 파일만으로 정의되며, EFA는 Pod가 요청하면 노드 간 통신에 사용된다.
Amazon Bedrock과 Amazon Bedrock AgentCore를 기반으로 기업용 에이전트형 AI 플랫폼의 아키텍처와 참조 구현을 해설한다. 멀티 어카운트 운영 모델, Platform의 컨트롤 플레인, Workstream 단위의 반복 가능한 배포 패턴, 추론과 도구 각각의 게이트웨이 분리, 프로덕션 이전 전에 각 에이전트를 평가하는 파이프라인을 다룬다.
Anthropic은 Google Cloud의 Claude Code 비용을 '관리(control)', '추적(track)', '효과 입증(prove)'의 세 단계로 정리하는 방법을 설명했다. Claude apps gateway에서는 사용자, IdP 그룹, 조직 단위별로 일·주·월 단위 사용 한도를 설정할 수 있으며, 한도의 75%와 95%를 넘으면 개발자에게 경고가 표시된다. 한도에 도달하면 gateway는 429 응답을 반환한다. 또한 비용을 평가할 때 가장 중요한 지표는 작업당 비용이라고 밝혔다.
Exowatt는 Amazon SageMaker AI의 서버리스 모델 커스터마이징을 활용해, 엣지용 알람 트리아지를 위한 Qwen3-1.7B와 클라우드용 에너지 시장 분석을 위한 Qwen3-14B를 파인튜닝했다. 그 결과 프런티어 모델보다 높은 정확도를 최대 49배 낮은 비용으로 구현했다고 밝혔다.
Amazon SageMaker AI의 학습 및 처리 작업에서 SOCI(Seekable OCI) 인덱스를 활용한 컨테이너 이미지 지연 로딩을 지원하기 시작했다. 벤치마크에서는 1.8GB 이미지의 다운로드 시간이 48초에서 3~11초로 줄었다. 작업 정의를 변경할 필요가 없으며, 인덱스가 없는 경우에는 일반 다운로드 방식으로 되돌아가 실행된다.
삼성전자가 가전 구독 서비스를 '삼성 AI 구독'으로 개편하며 고객 생애주기와 관리 방식에 따라 옵션을 세분화했다. 신혼부부를 위한 '신혼 패스'와 시니어를 위한 '이지케어 패스'를 새로 선보였고, 관리 옵션에 '방문케어 라이트'를 더해 총 4가지로 늘렸다. 기업 고객을 위한 'B2B AI 구독'도 신설해 최대 6년간 무상 AS를 제공한다.
AWS는 SageMaker Python SDK v3를 활용해 엣지 환경에서 카메라별 외관 검사 모델을 학습, 평가, 등록하는 샘플을 공개했다. 카메라마다 이상 탐지 모델과 결함 분류 모델을 학습하며, 품질 게이트를 통과한 모델만 SageMaker Neo로 컴파일해 등록한다. 합성 데이터로 파이프라인을 한 번 실행하는 데 드는 계산 비용은 약 $0.07이다.