· 9건
10월 5일 (월)
아침판
08:00오늘의 흐름
오픈AI가 상시 에이전트 dots와 GPT-6.1 Sol을 공개했고, 구글은 Gemini 요금제별 모델 접근 범위를 바꿉니다. 독일 Aleph Alpha도 오픈 웨이트 모델 Kolibri를 공개했습니다.
투자·인수1
국내 액셀러레이터 투자액 147배 증가했지만 집행은 소수에 집중
국내 등록 액셀러레이터는 2017년 36개에서 2025년 누적 495개로 늘었습니다. 연간 투자액은 69억원에서 1조117억원으로 약 147배 증가했고, 누적 투자액은 4조5291억원입니다.
투자실적이 있는 액셀러레이터 가운데 32.3%가 전체 투자액의 92.8%를 집행했습니다.
왜 중요한가
투자 유치를 준비하는 창업자라면 등록 기관 수보다 실제 투자 집행 실적을 보고 접촉 대상을 고를 근거가 됩니다.
10/4 · 벤처스퀘어
모델·제품3
오픈AI, 상시 에이전트 dots와 GPT-6.1 Sol 공개
오픈AI가 대화를 닫아도 클라우드 컴퓨터에서 계속 일하는 에이전트 dots를 공개했습니다. 함께 공개한 GPT-6.1 Sol의 단가는 GPT-6 Astra의 5분의 1입니다.
DevDay에서는 Codex 클라우드 개발 환경과 최대 8배 빠른 Ultrafast 추론도 선보였습니다.
왜 중요한가
AI로 개발하거나 반복 업무를 운영한다면 에이전트 실행 방식과 모델 비용을 함께 재검토할 소식입니다.
10/5 · CHOI Threads
구글, 10월 9일부터 Gemini 요금제별 모델 접근 범위 변경
10월 9일부터 무료 사용자는 Flash-Lite만, AI Plus 사용자는 Flash-Lite와 Flash까지 사용할 수 있습니다. Pro 모델은 AI Pro와 AI Ultra 요금제에서 제공됩니다.
AI Pro에는 기존 Ultra의 Deep Think가 추가되며, 모델별 추론 강도를 low·medium·high로 고를 수 있습니다.
왜 중요한가
Gemini를 업무에 쓰는 사람은 현재 요금제로 필요한 모델을 계속 쓸 수 있는지 확인해야 합니다.
10/4 · CHOI Threads
Aleph Alpha, 오픈 웨이트 모델 Kolibri 공개
독일 Aleph Alpha가 총 78B 규모의 MoE 모델 Kolibri를 Apache 2.0으로 공개했습니다. 토큰당 활성화되는 규모는 3.46B이며, 100만 토큰 컨텍스트를 지원합니다.
학습에는 GLM과 Qwen이 만든 데이터가 쓰였습니다.
왜 중요한가
오픈 웨이트 모델을 검토하는 개발자에게 새 선택지이며, 모델의 출처를 따지는 조직에는 학습 데이터 구성도 확인할 부분입니다.
10/5 · CHOI Threads
커뮤니티에서 나온 이야기5
Opus 5.5 프롬프트에서 생각의 양은 effort 설정으로 조절한 사례
공유된 프롬프트 정리글은 시스템 프롬프트의 ‘신중히 생각해’를 빼고 생각의 양을 effort 설정으로 맞추는 방식을 다룹니다. 소개된 실행 사례에서는 시간이 10.4초에서 6.7초로 줄었습니다.
긴 작업에서는 완료 조건을 프롬프트 맨 앞에 적는 방법도 제시합니다.
왜 중요한가
Opus 5.5로 반복 작업을 돌린다면 프롬프트와 effort 설정을 함께 바꿔 응답 시간을 비교해 볼 수 있습니다.
10/4 · AI 오픈채팅방
여러 계정으로 병렬 작업할 때 독립 headless 세션을 쓴 사례
메인 세션 안에서 서브에이전트를 띄우면 단일 계정에 묶인다는 사례가 공유됐습니다. 세션마다 다른 계정을 붙이려면 headless 독립 세션을 열고 JSON 출력으로 결과를 돌려받는 방식이 쓰였습니다.
출력 규약과 프로토콜을 미리 정해야 결과가 어긋나지 않으며, OAuth 어댑터와 로드밸런서는 직접 구현해야 합니다.
왜 중요한가
여러 계정의 AI 작업을 병렬로 운영하는 개발자에게 세션 구성과 결과 수집 방식을 설계할 단서가 됩니다.
10/4 · AI 오픈채팅방
AI 작업 문서는 최신 규칙과 결정 기록을 구분해 관리
코드를 읽으면 알 수 있는 내용은 문서에서 빼고, 남길 문서를 dynamic과 cold로 나누는 방식이 공유됐습니다. 낡은 문서도 모델이 정답으로 받아들일 수 있기 때문입니다.
설계와 컨벤션은 목적별로 문서 하나를 최신 상태로 유지하고, ADR은 계속 추가하되 결정이 뒤집히면 관련 기록을 가리키는 포인터를 둡니다.
왜 중요한가
AI 에이전트가 프로젝트 문서를 읽는 팀이라면 오래된 지침 때문에 잘못 작업하는 일을 줄이는 데 쓸 수 있습니다.
10/4 · AI 오픈채팅방
AI 작업 이력은 태스크 도구에 두고 핵심 규칙은 압축 뒤 다시 주입
대화 이력을 통째로 쌓는 대신 Linear 같은 태스크 도구를 MCP로 연결해 작업을 관리하는 방식이 공유됐습니다.
프로젝트마다 plan.md와 핵심 규칙 문서를 두고, PostCompact 훅으로 문맥 압축 뒤에도 다시 주입하는 방법도 나왔습니다.
왜 중요한가
긴 AI 개발 작업을 이어 가는 사람은 이력의 잡음을 줄이면서 필요한 작업 상태와 규칙을 유지하는 방법으로 시험할 수 있습니다.
10/4 · AI 오픈채팅방
로컬 소형 모델로 먼저 걸러 상위 모델 작업을 80% 줄인 사례
로컬 소형 모델이 입력을 먼저 분류하고, 처리하지 못한 것만 상위 모델에 보내는 2단 필터 사례가 공유됐습니다. 이 방식으로 상위 모델이 맡는 일이 80% 줄었다고 합니다.
왜 중요한가
대량의 항목을 AI로 검토한다면 일부를 소형 모델에 맡겨 상위 모델 호출량을 줄일 수 있는지 시험해 볼 만합니다.
10/4 · AI 오픈채팅방