해외·미국 · 모형 출시·추론 경제성 · 앤스로픽(Anthropic)
같은 모형을 두 갈래로 나누다 — 클로드 페이블 5.1·미토스 5.1과 캐시 읽기 75퍼센트 인하
앤스로픽이 2026년 9월 1일 클로드 페이블 5.1(Claude Fable 5.1)과 클로드 미토스 5.1(Claude Mythos 5.1)을 공개하였다. 두 모형은 코딩과 지식 노동, 사이버보안, 과학 연구를 겨냥한 최신 세대이며, 회사의 가장 앞선 모형을 두 갈래로 제공하는 구성이다. 페이블 5.1은 회사의 상용 안전장치가 적용된 상태로 일반에 제공되고, 미토스 5.1은 사이버보안과 생명과학 분야에서 심사를 통과한 조직에 한해 제한적 접근 프로그램을 통해 제공된다. 회사는 새 페이블이 더 낮은 추론 설정에서도 이전 세대와 동등하거나 더 나은 성능을 낼 수 있으며, 고도로 에이전트적인 일부 작업의 비용을 최대 45퍼센트까지 낮춘다고 설명하였다. 가격 구조에서 가장 큰 변화는 캐시 읽기 가격의 75퍼센트 인하다. 캐시 읽기 비용은 종전의 4분의 1 수준으로 내려갔으며, 입력 100만 토큰당 10달러와 출력 100만 토큰당 50달러라는 기본 단가는 이전 세대와 동일하게 유지되었다. 맥락이 길고 도구 호출이 많은 에이전트 작업에서는 캐시 읽기가 전체 비용의 대부분을 차지하므로, 이 항목의 인하가 실제 사용 비용에 미치는 영향이 크다는 것이 회사의 설명이다. 아울러 안전장치의 오탐이 줄어들어 정당한 사이버보안 및 과학 연구 요청이 불필요하게 차단될 가능성이 낮아졌으며, 페이블 5.1은 소스 코드에서 소프트웨어 취약점을 식별하는 작업을 도울 수 있게 되었다. 다만 더 민감한 취약점 악용 코드 생성 역량은 제한된 모형에만 남겨 두었다.
기술적 의미
이 출시의 첫 번째 층위는 경쟁의 축이 벤치마크 점수에서 지속적 작업의 단가로 옮겨 갔다는 점이다. 단발 질의에서 얼마나 인상적인 답을 내는가보다, 장시간에 걸쳐 도구를 호출하며 맥락을 유지하는 작업을 얼마의 비용으로 수행하는가가 도입 기업의 실질적 판단 기준이 되었다. 기본 토큰 단가를 유지한 채 캐시 읽기만 대폭 인하한 것은 이 사용 패턴을 정확히 겨냥한 가격 설계이며, 요금표의 항목별 구조 자체가 제품 전략을 드러낸다. 두 번째 층위는 캐시가 갖는 기술적 의미다. 에이전트 작업은 매 단계마다 누적된 대화 이력과 도구 출력, 문서를 다시 모형에 입력하므로 동일한 접두 맥락이 반복 처리된다. 이 부분의 계산 결과를 재사용하면 실제 연산량이 크게 줄어들며, 인하 폭이 크다는 것은 그만큼 재사용의 효율이 확보되었다는 신호로 읽을 수 있다. 다시 말해 이 가격 변화는 할인 정책이라기보다 추론 기반 구조 최적화의 결과가 가격에 반영된 것이다. 세 번째 층위는 역량 분리의 제도화다. 동일한 기반 모형을 안전장치가 적용된 일반 공개판과 심사를 거친 조직에만 열리는 제한판으로 나누는 구성은, 경제적으로 가치가 크지만 제약 없이 배포하면 위험할 수 있는 역량을 다루는 하나의 표준이 될 가능성이 있다. 오늘 이어서 다룰 오픈AI의 사이버 역량 등급 분류와 나란히 놓고 보면, 프런티어 모형 개발사들이 서로 다른 경로를 통해 같은 문제, 곧 공개 범위와 역량 수준을 분리해 관리하는 문제에 도달하였음을 알 수 있다. 유보 사항은 다음과 같다. 본 항목은 기업 발표와 기술 매체 보도에 근거하며 독립적인 성능 검증이 이루어진 것이 아니다. 공개된 자료만으로는 45퍼센트 비용 절감의 측정 조건과 대상 작업 유형, 벤치마크별 성능 변화의 세부, 미토스 접근 심사의 기준과 승인 절차, 안전장치 오탐 감소의 정량적 근거, 취약점 식별 역량과 악용 코드 생성 역량을 구분하는 기술적 방법, 컨텍스트 창과 처리량 등 사양 변경 사항, 기존 이용자의 이전 일정과 하위 호환성을 확인할 수 없다.
해외·미국 · 프런티어 안전·사이버 역량 · 오픈AI(OpenAI)
스스로 '치명적'이라 적다 — 오픈AI 아스트라와 대비 프레임워크의 최고 등급
오픈AI가 2026년 9월 1일 차기 모형 아스트라(Astra)가 자사 대비 프레임워크(Preparedness Framework)상 사이버보안 역량에서 '치명적(Critical)' 등급에 도달하였다고 공개하였다. 회사 역사상 사이버보안 항목에서 이 등급으로 분류된 첫 모형이다. 회사는 '치명적 사이버 역량이라는 다음 프런티어에 대한 대응'과 '아스트라로 가는 길: 치명적 역량과 프런티어 안전장치'라는 제목의 문서를 함께 게시하였다. 대비 프레임워크에서 사이버보안의 치명적 문턱은 다음과 같이 정의된다. 모형이 인간의 개입 없이 다수의 견고하게 방어된 실제 핵심 시스템에서 모든 심각도 수준의 기능적 제로데이 취약점 악용 코드를 식별하고 개발할 수 있거나, 상위 수준의 목표만 주어진 상태에서 견고한 표적에 대한 새로운 공격 전략을 처음부터 끝까지 고안하고 실행할 수 있는 경우다. 오픈AI는 아스트라가 기존 공개 모형보다 훨씬 적은 인간의 지시만으로 알려지지 않은 보안 결함을 찾아내고 이를 악용할 수 있다고 설명하였다. 이 평가는 접근 권한과 감시, 모형 행동, 배포 방식에 대한 추가 통제를 촉발하였다. 회사는 아스트라를 '곧' 제공할 계획이지만 사이버보안 역량에 대한 접근은 더 제한적일 것이라고 밝혔으며, 고급 사이버보안 기능은 초기에는 소수의 알파 시험자에게만 열리고 방어 목적의 더 넓은 접근은 데이브레이크 블루(Daybreak Blue)를 통해 제공될 예정이라고 설명하였다.
기술적 의미
이 공개의 첫 번째 층위는 자체 평가가 배포 결정을 구속하는 구조가 실제로 작동하였다는 점이다. 프런티어 개발사들이 발표해 온 안전 프레임워크는 그동안 선언적 문서에 가깝다는 지적을 받아 왔으나, 최고 등급 판정이 실제로 접근 제한과 추가 통제로 이어진 사례가 나왔다는 사실 자체가 하나의 선례가 된다. 다만 평가의 주체와 배포의 주체가 동일한 기업이라는 점은 그대로 남는 구조적 한계이며, 외부 검증 체계의 부재가 이 선례의 신뢰도를 제약한다. 두 번째 층위는 공격과 방어의 비대칭이다. 취약점을 자율적으로 발견하고 악용하는 역량은 방어자에게도 동일하게 유용하지만, 방어자는 자신이 관리하는 시스템 전체를 지켜야 하고 공격자는 하나의 경로만 찾으면 된다. 같은 역량이 양쪽에 동시에 주어질 때 순효과가 방어에 유리한지는 자명하지 않으며, 이것이 광범위한 공개 대신 제한적 배포를 선택하게 만든 핵심 근거로 보인다. 세 번째 층위는 오늘 앞서 다룬 앤스로픽의 출시와의 대비다. 두 회사 모두 취약점 식별을 돕는 역량은 넓게, 악용 코드를 생성하는 역량은 좁게 제공하는 방향으로 수렴하였다. 서로 다른 프레임워크와 명칭을 쓰지만 실질적 분할선은 유사하며, 이는 업계가 자율적으로 도달한 사실상의 표준이 형성되고 있음을 시사한다. 동시에 이 분할선이 기술적으로 얼마나 안정적으로 유지되는가는 별개의 문제다. 취약점 식별과 악용 코드 생성 사이의 거리는 모형의 역량이 높아질수록 좁아지기 때문이다. 유보 사항은 다음과 같다. 본 항목은 기업 발표와 언론 보도에 근거하며 제3자 검증 결과가 공개된 것이 아니다. 공개된 자료만으로는 치명적 등급 판정에 사용된 평가 항목과 시험 환경, 평가에 참여한 외부 기관의 유무와 역할, 알파 시험자의 선정 기준과 규모, 데이브레이크 블루의 제공 조건과 일정, 추가 통제의 구체적 내용과 검증 방법, 아스트라의 일반 공개 시점과 기능 범위, 규제 당국과의 협의 여부를 확인할 수 없다.
국내·한국 · 국가 AI 사업·보안 특화 모형 · 과학기술정보통신부/SK텔레콤·네이버클라우드
보안 모형의 주도권을 가른다 — '사이버 보안 특화 AI 파운데이션 모델' 2파전과 B200 256장
정부가 추진하는 '사이버 보안 특화 인공지능 파운데이션 모델 개발' 사업의 수행 사업자 발표가 임박한 가운데, SK텔레콤 컨소시엄과 네이버클라우드 컨소시엄이 2파전을 벌이고 있다고 국내 산업 매체가 2026년 9월 2일 전하였다. 과학기술정보통신부는 이달 초 선정 결과를 발표할 예정이며, 최종 선정된 컨소시엄에는 엔비디아의 B200 그래픽처리장치 256장이 지원된다. 두 진영의 전략은 뚜렷하게 갈린다. SK텔레콤 컨소시엄은 '에이전틱 보안'을 표방한다. 국내 보안 환경을 학습한 모형을 인공지능 에이전트와 결합해 탐지에 그치지 않고 실행까지 옮기는 구조를 목표로 한다. 컨소시엄에는 업스테이지를 비롯해 SK쉴더스, 시큐아이, 안랩, 이글루코퍼레이션, 라온시큐어, 에임인텔리전스, 지니언스, 파이오링크 등 주요 보안 기업이 참여하였으며, 스마트엠투엠과 한국정보보호산업협회, 고려대학교 및 숭실대학교 산학협력단을 포함해 모두 13개 기관이 이름을 올렸다. 네이버클라우드 컨소시엄은 '소버린 보안 인공지능'을 내세운다. 외부와 분리된 폐쇄망 환경에서 보안 모형을 직접 운영하며 축적한 경험을 근거로 삼아, 모형부터 기반 구조까지 자체적으로 갖추는 풀스택 접근을 제시한다. 이 컨소시엄은 32개 기업·기관으로 구성되었으며 LG CNS와 LG AI연구원, LG유플러스 등 LG 계열사와 이스트시큐리티, 트릴리온랩스 등이 참여하였다. 국내 매체들은 이 사업을 국산 보안 인공지능의 주도권 경쟁이 본격화된 국면으로 평가하고 있다.
기술적 의미
이 사업의 첫 번째 층위는 보안 영역에서 특화 모형이 필요한 이유가 자료의 접근성에 있다는 점이다. 침해 사고 기록과 악성코드 표본, 내부 로그와 위협 정보는 대체로 공개 웹에 존재하지 않으며 법적·계약적 제약 때문에 국경을 넘기 어렵다. 범용 모형이 이 영역에서 성능 한계를 보이는 것은 추론 능력이 부족해서가 아니라 학습 분포에 해당 자료가 없기 때문이며, 다수의 국내 보안 기업이 하나의 컨소시엄에 모이는 구성은 그 자료를 합법적으로 결합하기 위한 장치로 이해할 수 있다. 두 번째 층위는 두 전략이 서로 다른 위험을 다룬다는 점이다. 에이전트 결합 방식은 탐지와 대응 사이의 시간을 줄이는 대신 자동화된 조치가 오작동하였을 때의 피해 범위를 넓히며, 폐쇄망 자체 운영 방식은 자료 유출 위험을 낮추는 대신 모형 갱신 주기와 운영 비용의 부담을 키운다. 어느 쪽이 우월한가는 일반적으로 결정되지 않으며 보호 대상 시스템의 성격에 따라 달라진다. 세 번째 층위는 오늘 앞서 다룬 두 항목과의 연결이다. 오픈AI가 사이버 역량을 '치명적'으로 분류해 접근을 좁히고 앤스로픽이 취약점 식별과 악용 코드 생성을 분리한 것과 같은 시점에, 국내에서는 방어 목적의 보안 특화 모형을 국가 사업으로 구축하는 절차가 진행되고 있다. 공격 역량의 확산을 제한하는 흐름과 방어 역량을 국가 단위로 확보하는 흐름이 동시에 나타나고 있으며, 두 흐름이 만나는 지점에서 결국 문제가 되는 것은 방어 측이 필요한 역량에 합법적으로 접근할 수 있는 경로를 어떻게 설계하는가이다. 유보 사항은 다음과 같다. 본 항목은 국내 산업 매체 보도에 근거하며 사업자 선정 결과가 발표된 것이 아니다. 공개된 자료만으로는 사업의 총예산과 수행 기간, 평가 기준과 배점 및 심사 절차, 모형의 규모와 학습 자료 확보 방안, 참여 기관 사이의 자료 공유 및 지식재산권 처리 방식, B200 256장의 운영 주체와 배치 계획, 개발 결과물의 공개 범위와 활용 조건, 선정 발표의 정확한 일정을 확인할 수 없다.
해외·미국/이스라엘 · 에이전트 보안·소프트웨어 공급망 · 에어(AIR)/랭플로우 취약점
에이전트가 무엇을 설치하는가 — 5,000만 달러가 겨냥한 새로운 공급망과 실제 공격
인공지능 보안 스타트업 에어(AIR)가 5,000만 달러의 투자를 유치하며 은신 상태에서 벗어났다고 2026년 9월 2일 보도되었다. 이스라엘 정보부대 8200부대 출신의 사이버보안 전문가 야이르 사반과 니브 호프만이 창업하였으며, 자금은 세쿼이아와 그리노크스가 주도한 두 차례의 시드 라운드를 통해 조달되었다. 회사는 자사 플랫폼이 기업 내부에서 작동하는 인공지능 에이전트를 탐지하고, 그 에이전트가 사용하는 플러그인과 스킬 및 모델 컨텍스트 프로토콜(MCP) 서버를 점검해 보안 검사를 통과하지 못한 구성 요소를 차단할 수 있다고 설명하였다. 회사에 따르면 공개적으로 이용 가능한 애드온과 스킬 가운데 약 27퍼센트가 자사의 보안 기준을 충족하지 못하였다. 이 문제가 가설이 아니라는 사실은 같은 시점의 다른 사건이 보여 준다. 공격자들이 인공지능 응용 프로그램과 에이전트 작업 흐름을 구축하는 데 쓰이는 오픈소스 프레임워크 랭플로우(Langflow)의 치명적 취약점을 실제로 악용하고 있는 것으로 확인되었다. CVE-2026-0768로 추적되는 이 결함은 인증되지 않은 공격자가 취약한 서버에서 원격으로 파이썬 코드를 실행할 수 있게 한다. 보안 연구자들은 공격자들이 오픈AI 응용 프로그램 인터페이스 키와 아마존웹서비스 자격증명을 비롯해 노출된 랭플로우 환경에 저장된 비밀 값을 탈취하려 시도하는 정황을 관측하였다. 인공지능 개발 프레임워크는 모형과 데이터베이스, 응용 프로그램 인터페이스, 클라우드 기반 구조 사이에 위치하므로, 침해된 설치본은 응용 프로그램 자체보다 더 가치 있는 자격증명을 공격자에게 넘겨줄 수 있다.
기술적 의미
이 사안의 첫 번째 층위는 신뢰 경계의 위치가 다시 이동하였다는 점이다. 종래의 기업 보안은 사람 사용자와 그가 접근하는 자원 사이에 경계를 두었으나, 에이전트는 사람의 권한을 위임받아 전자우편과 데이터베이스, 클라우드 시스템, 브라우저, 내부 응용 프로그램에 걸쳐 자율적으로 작동한다. 이때 실질적 권한을 행사하는 주체는 사람이 아니라 에이전트이며, 에이전트가 어떤 구성 요소를 불러 쓰는가가 곧 권한의 실제 범위를 결정한다. 두 번째 층위는 이 구성 요소들이 새로운 공급망을 형성한다는 점이다. 플러그인과 스킬, 프로토콜 서버는 대체로 제3자가 배포하며 갱신 주기와 검증 수준이 제각각이다. 공개 애드온의 27퍼센트가 기준 미달이라는 수치는 회사 자체 기준에 따른 값이므로 그대로 받아들일 수는 없으나, 검증되지 않은 구성 요소가 광범위하게 유통되고 있다는 정황으로는 의미가 있다. 세 번째 층위는 랭플로우 사례가 보여 주는 피해의 성격이다. 오케스트레이션 프레임워크가 침해되면 공격자가 얻는 것은 해당 응용 프로그램의 기능이 아니라 그 뒤에 연결된 모든 서비스의 자격증명이다. 실험 단계의 편의를 위해 다수의 서비스를 빠르게 연결해 온 관행이 그대로 운영 환경으로 넘어갔다면, 하나의 취약점이 노출시키는 범위는 통상적인 응용 프로그램 침해보다 훨씬 넓다. 오늘 다룬 여러 항목이 역량의 공개 범위를 좁히는 방향의 제동이었다면, 이 항목은 이미 배포된 도구들의 연결 구조가 만들어 낸 위험이 별도의 관리 영역으로 분리되고 있음을 보여 준다. 유보 사항은 다음과 같다. 본 항목은 기술 매체와 보안 매체 보도에 근거하며 독립적으로 검증된 통계가 아니다. 공개된 자료만으로는 에어의 두 차례 시드 라운드의 시점과 기업가치, 플랫폼의 탐지 방식과 오탐률, 27퍼센트라는 수치의 표본과 판정 기준, CVE-2026-0768의 영향 판본과 패치 배포 현황, 실제 침해 사례의 규모와 피해 기업, 노출된 랭플로우 인스턴스의 수, 관련 경쟁 제품과의 기능 비교를 확인할 수 없다.