2026년 9월 22일 AI 코딩 소식

CursorBench 는 8월에 스페이스X 가 인수를 마친 커서의 벤치마크이고 Terminal-Bench 는 자기 발표와 독립 측정이 12 포인트 어긋나니, 페이블·GPT-6 의 몇 분의 일 가격에 끌린다면 발표 표를 믿기보다 자기 저장소의 에이전트 작업으로 직접 재 보는 편이 맞아요. HN 실사용 보고에는 작업을 금방 끝냈다고 선언하는 버릇이 있다는 불만도 있으니, 코파일럿에서 쓸 때는 싼 단가가 토큰 과금에 그대로 반영되는 대신 재시도 비용까지 함께 보세요.

Pro 는 FP8 로도 1TB 급이라 자체 서빙이 아니라 API 로 쓰는 모델이고, Flash 도 DGX 스파크 두 대를 묶어야 도는 크기예요. 샤오미 표만 봐도 패치 생성보다 터미널 작업 격차가 크니, 클로드 코드나 오픈코드에 붙여 볼 때는 SWE 류 벤치 점수를 믿기보다 자기 저장소의 셸 다단계 작업으로 먼저 재 보세요.

에이전트에 준 권한은 그 에이전트가 도는 기기에서 코드를 실행하는 모든 프로세스의 권한이 되니, 설정값이나 서버 주소를 일반 사용자 권한으로 고칠 수 있는 에이전트 앱이라면 맬웨어 하나가 계정과 연결 기기까지 이어받는 구조인지 먼저 확인하세요.

MCP 서버를 뺄지 정하는 기준은 모델이 얼마나 똑똑한가가 아니라, 셸을 쥔 에이전트가 환경변수와 파일 속 자격증명을 볼 수 있는가예요. 클로드 코드처럼 터미널을 쓰는 에이전트라면 공식 CLI 와 API 문서로 바꿔 토큰을 줄여 볼 여지가 있지만, 웹 클라이언트나 샌드박스가 없는 환경이라면 MCP 가 키를 떼어 두는 일을 하고 있으니 통합별로 토큰 소비를 실제로 재고 나서 결정하세요.

회사 코드를 다루는 세션이라면 점수 프롬프트보다 그 뒤에 나오는 두 번째 질문이 문제예요. 입력창에 치려던 'y' 한 글자가 '예'로 잡혀 세션 전체가 올라갔다는 7월 신고가 '계획 없음'으로 닫혀 있으니, CLAUDE_CODE_DISABLE_FEEDBACK_SURVEY=1 로 설문 자체를 끄거나 두 번째 질문에서 '다시 묻지 않기'를 고르세요. 소비자 요금제라면 학습 거부 설정과 별개로 약관의 피드백 예외 조항이 살아 있다는 점은 확인된 사실이고, 제품 문서의 '학습에 안 쓴다'는 약속이 그 예외를 이기는지는 문서만으로는 판단할 수 없어요.

제브 대기자 명단을 기다리거나 SemIf 처럼 학습 없이 로짓만 읽는 대신, 라우팅·분류 판정을 자기 라벨 데이터로 학습시켜 볼 수 있는 재현 명령이 공개됐어요(4B 는 H100 한 장으로 약 1시간, 0.8B 는 4GB GPU 에서도 학습). 다만 9B 가 새 데이터의 4% 에서 0.9 이상 확신으로 틀리고 선택지 순서에 민감하니, 자기 검증셋으로 정확도와 보정을 먼저 재고, 맥에서는 속도가 실무 기준에 못 미친다는 점을 감안해야 해요.

페이블 5 는 사고 텍스트를 기본으로 돌려주지 않고 사고 토큰을 출력 토큰 안에 합산해 청구하며 간단한 턴에서는 사고를 건너뛰기도 하니, 실제 업무 로그의 토큰 양만으로 서버 쪽 변화를 단정하긴 어려워요. 저하가 의심되면 프롬프트와 노력 단계를 고정한 소규모 회귀 세트를 정기적으로 돌려 결과 품질과 턴별 usage 를 함께 기록해 두는 편이 나중에 앤트로픽에 제시할 근거로 쓸 수 있어요.

공식 문서가 열어 준 통로는 훅·스크립트가 자기 세션 소켓에 글을 넣는 것까지이고, 남의 에이전트를 동료 세션으로 등록하는 이 방식은 양쪽 다 문서에 없는 내부 구조라 클로드 코드나 코덱스 앱이 판올림되면 예고 없이 끊길 수 있어요. 그래도 같은 OS 계정의 프로세스라면 누구나 세션 소켓에 글을 밀어 넣을 수 있고, 권한을 묻는 보통 세션은 그 글을 승인 없이 프롬프트로 받아 사용량까지 잡히니, 한 기기에서 여러 도구를 돌린다면 crossSessionInbound 를 hold 로 두고 받은 글을 눈으로 확인한 뒤 넘기는 편이 안전해요.

제품별 MCP 서버를 여럿 붙이면 도구 목록이 길어져 컨텍스트를 먹는데, 에이전트에게 필요한 게 '찾기'뿐이라면 읽기 전용 도구 하나로 끝나는 구성이라 권한 심사도 단순해져요. 다만 프리뷰 약관상 정식 출시 전에는 고객 대상 제품에 넣을 수 없고, 어느 제품을 검색 범위에 넣을지는 스코프 승인 화면에서 사용자가 직접 고르므로 사내 배포 전에 스코프 설정을 먼저 정하세요.

클로드 코드·코덱스 같은 하네스를 수십 개 이상 병렬로 돌릴 계획이 있다면 AX 가 푸는 문제(샌드박스·나가는 트래픽 차단·MCP 사전 연결·중단 후 재개)는 직접 만들면 비싼 것들이라 개념 문서와 리소스 설계는 읽어 둘 만해요. 다만 쿠버네티스와 Agent Substrate 를 같이 올려야 하고 둘 다 초기 단계라, 지금은 도입보다 설계 참고와 실험 클러스터 범위로 두는 게 맞아요.

선언에 의존하는 구조라 에이전트가 의도를 올리지 않거나 클래스 이름과 내부 메서드처럼 다른 이름으로 올리면 못 잡고, 실제 diff 가 선언과 다른지 대조하는 기능은 아직 로드맵이라고 작성자가 적었어요. 병렬 워크트리를 여럿 돌린다면 충돌 감지보다 빌드·타입체크 같은 빠른 검증을 통과해야 다른 에이전트가 완료로 취급하는 수락 조건 부분부터 시험해 볼 만해요.