주요 업데이트
앤트로픽이 10월 6일 프로젝트 글래스윙을 CVP 에 합쳐 방어 접근·레드팀 접근·특화 접근 세 단계로 나눴고, 세 단계 모두 오푸스 5.5·소넷 5.5·미토스 5.1 과 앞으로 나올 모델을 쓸 수 있다고 밝혔어요. 방어 접근은 기업·대학·공공기관 보안팀과 오픈소스 관리자, 취약점 신고 이력이 있는 개인 연구자가 신청해 며칠 안에 답을 받고 레드팀 접근은 조직만 몇 주 심사를 거치는데, 단계마다 다른 것은 차단 분류기의 강도라 다단계 공격 평가 50회 중 방어 접근은 46회가 도중에 막혔고 레드팀 접근은 한 번도 막히지 않았어요. 기존 CVP 회원은 지금 설정을 유지한 채 새 모델 접근을 자동으로 평가받고, 제공 경로는 클로드 플랫폼·구글 버텍스 AI·마이크로소프트 파운드리이며 아마존 베드록은 EFS 대상 고객만 쓸 수 있고, 데이터 보관이 원칙이에요.
용어 풀이 - CVP
- 앤트로픽이 보안 업무를 하는 조직·연구자를 확인해 사이버 관련 차단을 줄여 주는 사이버 검증 프로그램(Cyber Verification Program)
- EFS
- 앤트로픽 기업용 프론티어 안전장치(Enterprise Frontier Safeguards). 기록을 고객 자기 클라우드에 남기는 방식
- 레드팀
- 허가를 받고 공격자 입장에서 시스템을 시험하는 보안 팀
운영자 인사이트
레딧에는 CVP 회원 계정의 claude.ai 모델 목록에 미토스 5.1 이 보인다는 글이 올라왔지만, 발표문이 적은 경로는 클로드 플랫폼과 클라우드 3사뿐이에요. 보안 업무에 미토스를 쓰려는 팀은 앱 화면보다 포털의 재평가 결과를 확인하고, 데이터 보관이 필수라는 조건을 사내 정책과 먼저 맞춰 두는 편이 좋아요.
여러 관점으로 보기 - 국내 매체 보도 미토스는 그동안 프로젝트 글래스윙 참여 기관에만 열려 있었는데 이번 개편으로 CVP 참여자 전체로 넓어졌고, 글래스윙 회원은 가장 높은 단계인 특화 접근에 그대로 남는다고 전했어요. Digital Today
원본 보기 (hn:anthropic)
10월 6일 나온 v2.1.292 에서는 클로드가 하위 에이전트를 띄울 때 요청한 노력(effort) 수준으로 돌리도록 Agent 도구에 effort 매개변수가 더해졌어요. 같은 릴리스는 보안 항목으로 PreToolUse 훅 승인과 auto 모드가 UNC 경로의 파일 읽기에서 권한 확인 창을 건너뛰던 문제를 고쳤고, 샌드박스 안 명령이 ~/.claude/seed-admin 아래 /ultrareview 업로드 사본을 읽을 수 있던 문제와 macOS·윈도우에서 읽는 도중 링크를 바꿔치기해 승인 밖 파일을 돌려받던 문제도 막았어요. 같은 날 앞서 나온 v2.1.291 은 v2.1.290 에서 클라우드 세션이 권한 확인 응답을 잃던 문제와 v2.1.288 에서 종료할 때 마지막 메시지가 사라지던 문제를 되돌린 수정판이에요.
용어 풀이 - UNC
- 윈도우에서 \\서버\공유폴더 형식으로 네트워크 공유 위치를 가리키는 경로 표기
- PreToolUse 훅
- 클로드 코드가 도구를 실행하기 직전에 돌아가 허용·거부를 정할 수 있는 사용자 스크립트
- auto 모드
- 클로드 코드가 분류기 판단으로 권한 확인 없이 도구를 실행하는 권한 모드
- effort
- 모델이 답을 내기 전에 들이는 추론량 수준 설정
운영자 인사이트
윈도우에서 훅 자동 승인이나 auto 모드를 쓰는 팀이라면 네트워크 공유 경로 읽기가 확인 없이 통과됐을 수 있으니 바로 올리는 편이 좋아요. effort 매개변수는 탐색·요약 같은 가벼운 하위 작업의 노력 수준을 낮춰 사용량을 아끼는 데 쓸 수 있어요.
여러 관점으로 보기 - 직전 수정판 v2.1.291 은 v2.1.290·v2.1.288 에서 생긴 클라우드 세션 권한 응답 유실과 종료 시 메시지 유실 문제를 고친 짧은 수정판이에요. GitHub
원본 보기 (github-releases:claude-code)
총 1조 파라미터 중 토큰마다 490억 개만 쓰는 멀티모달 MoE 이고, 미스트랄 스튜디오 API 가격은 100만 토큰당 입력 1.36달러·출력 4.18달러예요. 가중치는 사이버보안 기업·검증된 파트너·정부 기관과 레드팀 시험을 마친 뒤 이달 말에 풀겠다고 했고, 어떤 라이선스로 풀지는 발표문에 적혀 있지 않아요. 미스트랄이 밝힌 Terminal Bench 4.0 점수는 28.3%인데, 외부 평가 기관 Vals AI 가 같은 시험을 돌린 결과는 22.73%로 44개 모델 중 20위였고 클로드 오푸스 5.5(65.15%)나 가중치 공개 모델 GLM 5.3(38.89%)보다 낮았어요.
용어 풀이 - MoE
- 전문가 혼합(Mixture of Experts). 전체 파라미터 중 입력마다 일부만 골라 계산하는 모델 구조
- API
- 프로그램끼리 기능을 주고받는 호출 규격
- 레드팀
- 공격자 입장에서 모델의 위험한 쓰임새를 찾아보는 시험
- Terminal Bench
- 에이전트가 터미널에서 실제 작업을 끝내는지 재는 벤치마크
운영자 인사이트
코딩 에이전트용으로 갈아탈 근거는 아직 약해요. 외부 터미널 작업 점수가 최상위권의 3분의 1 수준이고, 자체 호스팅을 검토한다면 이달 말 가중치와 함께 나올 라이선스에 매출 기준 같은 조건이 붙는지부터 확인하세요. 지금 써 볼 수 있는 경로는 API 프리뷰뿐이에요.
여러 관점으로 보기 - 외부 평가 Vals AI 기준 Terminal Bench 4.0 22.73%(44개 중 20위), Vals 종합 지수 48.05%(44개 중 32위)이고, 법률 에이전트 평가에서는 75개 중 6위로 가장 높았어요. Vals AI
- 회사 설명과 공개 일정 피에르 스톡 부사장은 엔비디아 GPU 약 4,000장으로 학습해 중국 경쟁사보다 2~3배 적게 썼다고 했고, 가중치는 3주 뒤 안전 시험을 거쳐 신뢰할 수 있는 파트너·정부와 함께 풀겠다고 했어요. TechCrunch
원본 보기 (hn:top-stories)
Beam 은 전체 501B 파라미터 중 토큰마다 23B 만 쓰는 MoE 모델이고, 지금은 platform.reflection.ai 대기자 명단으로 일부 사용자만 써 볼 수 있어요. 공식 표에서 터미널 벤치 v2.1 은 80.1 로 GLM 5.3(88.2)·키미 K3(88.3)·딥시크 V4.1 플래시(90.6)보다 낮고, SWE-bench Verified 는 80.9 예요. 회사는 추론 과제에서 GLM 5.2 와 비슷한 성능을 3~4배 적은 연산으로 낸다는 효율을 내세우지만, 실행에 필요한 메모리나 GPU 수는 밝히지 않았고 클로드·GPT 와의 비교도 표에 없어요.
용어 풀이 - MoE
- 전문가 혼합(Mixture-of-Experts). 여러 하위 신경망 중 일부만 골라 계산하는 구조
- GPU
- 그래픽 처리 장치. AI 모델 학습·실행에 쓰는 연산 칩
- API
- 프로그램끼리 기능을 주고받는 호출 창구
운영자 인사이트
가중치가 아직 없어서 공개된 점수를 직접 재현하거나 자체 서버 비용을 계산할 수 없어요. 코딩 에이전트용 오픈 모델을 고르는 중이라면 지금 바꿀 근거는 약하고, 이달 나올 기술 보고서와 가중치를 보고 4비트 기준 메모리와 터미널 벤치 재현 결과를 확인한 뒤 판단하는 편이 안전해요.
여러 관점으로 보기 - 해커뉴스 반응 가중치 없이 '오픈'을 내세웠다는 비판과 표에 있는 GLM 5.3·딥시크 V4.1 플래시가 그래프에서는 빠졌다는 지적이 나왔고, 128GB 통합 메모리 기기 두 대면 4비트로 느리게 돌릴 수 있다는 추정도 있었어요. Hacker News
- 사용 경로 데이터캠프는 대기자용 API 가 모델 ID Beam-501B-A23B 로 오픈AI 호환 Chat Completions 형식을 지원하고, 10월 6일 기준 허깅페이스에는 가중치가 없다고 정리했어요. DataCamp
원본 보기 (hn:top-stories)
커서가 10월 6일 변경 기록에서 iOS 앱에 로그인하면 계정에 연결된 컴퓨터가 자동으로 뜨고, 데스크톱에서 연결 요청을 한 번 승인하면 그 컴퓨터의 로컬 에이전트를 폰에서 보고 답할 수 있다고 밝혔어요. 이 기능은 엔터프라이즈 조직을 뺀 모두에게 기본으로 켜져 있고, 컴퓨터는 켜진 채 온라인이어야 해요. 공식 문서는 에이전트 루프가 커서 클라우드에서 돌고 터미널 명령·파일 수정·테스트·git 같은 도구 호출만 내 컴퓨터에서 실행되며, 도구 결과와 모델이 필요로 하는 맥락이 커서로 넘어간다고 적었어요. 다만 두 문서가 어긋나요. 변경 기록은 클라우드 에이전트가 없어도 된다고 했지만 문서는 커서 3.9.8 이상과 클라우드 에이전트 접근 권한을 조건으로 적었고, 관리자 설정 위치도 서로 다르게 적혀 있어요.
용어 풀이 - 에이전트 루프
- 모델이 다음 행동을 정하고 도구를 부르고 결과를 받아 다시 판단하는 반복 과정
- git
- 코드 변경 이력을 관리하는 버전 관리 도구
운영자 인사이트
변경 기록대로라면 엔터프라이즈가 아닌 팀 계정도 앱 로그인과 승인 한 번이면 회사 컴퓨터의 터미널·파일 작업을 폰에서 지시할 수 있고, 그 도구 결과는 커서 클라우드를 거쳐요. 조건과 설정 위치가 문서마다 다르니, 관리자는 자기 대시보드에서 원격 제어 설정이 어디 있고 지금 켜져 있는지를 직접 확인해 두세요.
여러 관점으로 보기 - 작동 방식과 조건 에이전트 루프는 커서 클라우드에서, 도구 호출은 내 컴퓨터에서 돌고 저장소·시크릿·빌드 캐시는 컴퓨터에 남는다고 적었어요. 커서 3.9.8 이상과 클라우드 에이전트 접근 권한이 필요하고, 레거시 프라이버시 모드에서는 막히며, 이제 git 원격이 없는 프로젝트도 된다고 해요. Cursor 문서
- 이전 버전의 한계 7월부터 사용자들이 git 저장소에서만 되고 데스크톱 세션을 직접 넘겨야만 조종할 수 있다고 지적했고, 커서 직원은 9월 24일 이런 문제를 풀 새 버전을 만들고 있다고 답했어요. Cursor 커뮤니티 포럼
원본 보기 (rss:cursor-changelog)
7월 30일 공개 프리뷰로 나온 스택 풀 리퀘스트는 큰 변경을 작은 PR 여러 개로 나누고, 각 PR 이 바로 아래 PR 의 브랜치를 기준으로 삼아 차례로 쌓이게 하는 기능이에요. 정식 출시와 함께 베이스 브랜치가 바뀌어 리베이스해도 바뀌지 않은 코드의 승인과 서명 커밋이 유지되고, 스택 전체가 머지 큐에 한 그룹으로 들어가며, 스택 자동 병합은 앞으로 몇 주에 걸쳐 열려요. 공식 문서 기준으로 모든 브랜치가 같은 저장소에 있어야 해서 포크를 건너는 스택은 안 되고 병합은 맨 아래 PR 부터 해야 하며, 빠른 시작 문서는 gh CLI 2.90.0 이상에 gh-stack 확장을 깔아 gh stack init·add·submit 으로 만드는 절차를 안내해요(GHES 는 다음 릴리스에 들어가요).
용어 풀이 - PR
- 풀 리퀘스트. 변경을 합쳐 달라고 리뷰를 요청하는 단위
- CLI
- 명령줄 도구
- GHES
- GitHub Enterprise Server. 회사가 직접 설치해 운영하는 깃허브
- 머지 큐
- 병합 요청을 줄 세워 차례로 검사하고 합치는 기능
운영자 인사이트
공식 문서는 코파일럿 같은 에이전트에 스택을 맡기려면 gh skill install github/gh-stack 으로 스킬을 깔라고 안내하고, 따라 하기 문서도 코파일럿 CLI 기준이에요. 클라우드에서 도는 코파일럿 코딩 에이전트가 스택을 만든다는 내용은 문서에서 찾지 못했으니, 에이전트가 만든 큰 변경을 층별 리뷰로 나눠 받으려면 로컬 CLI 에이전트로 먼저 시험해 보세요.
여러 관점으로 보기 - 공개 프리뷰 발표 7월 30일 공개 프리뷰 때부터 웹·CLI·모바일 앱과 함께, gh-stack 스킬을 쓰는 코파일럿 같은 코딩 에이전트로도 스택을 다룰 수 있다고 밝혔어요. GitHub
- 공식 문서의 제약 모든 브랜치가 같은 저장소에 있어야 하고 포크를 건너는 스택은 지원하지 않으며, 깃허브 데스크톱에서도 쓸 수 없다고 적었어요. GitHub Docs
- 에이전트로 스택 만들기 코파일럿 CLI 가 gh-stack 스킬로 층마다 브랜치를 만들어 커밋하고, 리뷰 지적을 받으면 해당 층을 고친 뒤 위층을 다시 리베이스하는 절차를 안내해요. GitHub Docs
- CLI 확장 저장소 gh-stack 은 MIT 라이선스이고 별 약 1,600개, 열린 이슈 141개이며, 확장과 에이전트용 스킬을 각각 설치하는 명령을 안내해요. GitHub
원본 보기 (rss:github-changelog)
vals.ai 에 10월 4일 올라온 글에서 게비 재프(Geby Jaff)는 클로드 오푸스 5.5 에이전트 여러 개와 함께 새로 설계한 YBaMnFeO₅ 와 1999년에 이미 합성된 KV[Cr(CN)₆] 를 상온에서도 자성을 유지하는 반도체 후보로 제시했어요. 공개 저장소를 보면 에이전트들은 모달(Modal) 클라우드 CPU 에서 퀀텀 에스프레소 7.5 로 DFT 계산을 돌렸고, 통과 기준을 계산 전에 먼저 적어 두고 반박 전담 '심사' 에이전트가 주장마다 허점을 찾게 했으며, 그 검토로 안정성 수치 오류(2.6→13.7 meV/원자)와 덜 수렴한 계산, 놓친 2008년 선행 연구 등 다섯 가지를 바로잡았다고 적었어요. 다만 두 물질의 띠 간격과 스핀 편극을 실제로 잰 사람은 아직 없고, 해커뉴스(482점·댓글 325개)에서는 DFT 가 유한 온도 자성을 잘 못 다룬다는 점과 한 물질은 27년 전 것이고 다른 하나는 합성이 어려워 보인다는 점을 들어 '발견'이라는 표현이 과하다는 반론이 많았어요.
용어 풀이 - DFT
- 밀도 범함수 이론. 전자 구조를 근사해 물질 성질을 계산하는 양자역학 계산법
- 띠 간격
- 밴드 갭. 전자가 전기를 나르려면 넘어야 하는 에너지 차이로, 반도체 여부를 정하는 값
- 스핀 편극
- 전류를 나르는 전자의 스핀 방향이 한쪽으로 치우친 정도
- meV
- 밀리전자볼트. 아주 작은 에너지 단위
운영자 인사이트
가져갈 것은 물성 예측보다 검증 구조예요. 통과 기준을 미리 적어 두고, 반박 전담 에이전트를 붙이고, 주장 61개를 원본 출력 파일에 연결해 숫자 검산(초)·모델 재실행(분)·DFT 재계산(시간) 세 단계로 누구나 다시 돌려 보게 한 방식은 장시간 에이전트 작업에도 옮겨 쓸 수 있어요. 비용과 토큰 수는 공개되지 않았으니 같은 구조를 들일 때는 제출 작업 약 750건을 기준으로 따로 어림해 보세요.
여러 관점으로 보기 - 계산 원본과 검증 단계 퀀텀 에스프레소 입력·출력 876건과 주장 61개의 근거 대장, 세 단계 재현 스크립트를 담았고, 사람은 목표 설정과 탐색 방향, 공개 여부 결정만 맡았다고 적었어요. GitHub
- 재료 연구자들의 반론 DFT 는 강하게 얽힌 전자와 유한 온도 자성에 약하고, 에이전트는 기존 계산 도구로 목표 함수를 탐색했을 뿐이며, 원자를 바둑판처럼 정확히 배치하는 합성법은 아직 없다는 지적이 나왔어요. Hacker News
원본 보기 (hn:top-stories)
공식 페이지 기준으로 클로드 팀은 팀 요금제를 처음 쓰는 조직에 한해 프리미엄 좌석 최대 5개를 1년 동안 무료로 주고, API 크레딧 1,000달러는 받은 날부터 6개월 뒤 만료되며 앤트로픽 API 에만 쓸 수 있고 AWS 베드록·구글 버텍스 AI 에는 쓸 수 없어요. 일부 매체 제목의 '최대 4만 5천 달러'는 앤트로픽 크레딧이 아니고, 일레븐랩스·클릭하우스·헥스 같은 다른 회사들이 주는 할인 묶음(Claude Startup Stack)의 합계예요. 앤트로픽 제휴 투자사에서 투자받은 회사는 그 투자사를 거쳐 API 크레딧을 최대 10만 달러까지 더 받을 수 있지만, 제휴 투자사 명단은 공개돼 있지 않아요.
용어 풀이 - API
- 프로그램이 모델을 호출하는 접속 창구
운영자 인사이트
신청은 클로드 콘솔에서 하고 회사 도메인과 같은 이메일이 필요하며, 대부분 몇 분 안에 결과가 나온다고 해요. 다만 크레딧이 6개월 뒤 사라지고 클라우드 마켓플레이스 경유 사용에는 안 쓰이니, 베드록·버텍스로 클로드를 쓰는 팀이라면 받아도 운영 비용에는 반영되지 않는다는 점을 먼저 확인해 두는 게 좋겠어요.
여러 관점으로 보기 - 발표 보도 테크크런치는 앤트로픽이 샌프란시스코 테크 위크 행사에 맞춰 10월 6일 확대안을 발표했다고 전했어요. TechCrunch
- 프로그램 이력 쿼츠는 이 프로그램이 5월에 시작돼 이미 수천 개 회사가 들어와 있고, 이번에 대상과 혜택을 넓혔다고 전했어요. Quartz (Yahoo Tech 게재)
원본 보기 (rss:techcrunch-ai)
애디 오스마니가 claude.dev 에 쓴 안내 글은 새 기능 발표가 아니라, 9월 23일 정식 제공된 클라우드 세션의 활용법을 모은 글이에요. 서로 무관한 수정을 claude --cloud 로 동시에 띄우기, 불안정한 테스트를 수십 번 돌려 검증하기, 로컬에서 계획하고 클라우드에서 만든 뒤 claude --teleport 로 내려받아 마무리하기, CI 실패를 /autofix-pr 로 넘기기, 루틴으로 일정·HTTP·GitHub 이벤트에 맞춰 돌리기, 처음 보는 PR 을 버리는 VM 에서 돌리기 등 7가지를 들어요. 함께 적은 한계도 구체적이에요: 저장소의 .claude/ 설정은 따라가지만 개인 ~/.claude 는 넘어가지 않고, 쉬는 VM 은 회수되며, GitLab·Bitbucket 으로는 푸시할 수 없고, VM 은 약 4 vCPU·16GB 램·30GB 디스크예요.
용어 풀이 - VM
- 가상 머신. 클라우드에서 세션마다 따로 띄우는 컴퓨터
- CI
- 지속적 통합. 커밋마다 빌드·테스트를 자동으로 돌리는 체계
- vCPU
- 가상 머신에 할당된 가상 CPU 코어
- PR
- 풀 리퀘스트. 변경을 합쳐 달라는 검토 요청
운영자 인사이트
실제 데이터가 든 DB·VPN·GPU 가 필요한 일은 글도 로컬에 두라고 하니, 넘길 작업은 저장소만으로 재현되는 수정·테스트 반복부터 고르세요. 개인 설정에 둔 스킬·훅은 저장소 .claude/ 로 옮겨야 클라우드에서도 같은 동작이 나오고, 쉬는 VM 은 회수되니 중간 결과는 커밋해 두는 습관이 필요해요.
여러 관점으로 보기 - 공식 문서의 실행 환경 사양 클라우드 환경 문서도 세션마다 4 vCPU·16GB 램·30GB 디스크를 준다고 적고, 무거운 설치는 설정 스크립트와 환경 캐시로 미리 해 두라고 안내해요. Claude Code Docs
원본 보기 (hn:claude-code)