🔥 AI 트윗 트렌드 핵심 요약 (2026.06.20)

데이터: 1,113개 트윗 분석 (AI/테크 708개) | 주요 키워드 TOP 5: Anthropic · 존 점퍼 · GLM-5.2 · 트럼프 · Codex | 메인 이벤트: Anthropic의 노벨상 수상자 영입 + 트럼프의 국가안보 위협 발언 번복

이번 주 AI 시장의 무게추가 '돈'에서 사람으로 넘어왔다. 며칠 전만 해도 OpenAI 재무 유출과 SpaceX의 Cursor 인수처럼 자본이 화제의 중심이었지만, 오늘 타임라인을 덮은 건 인재의 이동이었다. 노벨상 수상자 존 점퍼가 구글 딥마인드를 떠나 Anthropic에 합류한다고 직접 밝혔고, 같은 주 트랜스포머의 공동 창안자 노암 샤지어까지 딥마인드를 등지면서 "구글이 자유낙하 중"이라는 진단이 줄을 이었다.

두 번째 축은 정부의 태도 변화였다. 사흘 전 자사 최강 모델을 수출통제로 내려야 했던 Anthropic을 두고, 트럼프 대통령이 "국가안보 위협으로 보지 않는다"며 한발 물러섰다. 그 사이 중국발 오픈웨이트 모델 GLM-5.2가 예고를 끝내고 실물로 도착해 실사용 호평을 받았고, 워싱턴은 ASML의 최첨단 노광장비가 중국으로 흘러갔다는 의혹에 긴장했다. 똑똑함을 겨루던 경쟁이 사람·정책·공급망이라는 더 넓은 전선으로 번진 하루였다.

1. Anthropic, 노벨상 수상자까지 품다 — 구글 딥마인드는 인재가 새어 나간다

오늘 가장 크게 번진 소식은 노벨상 수상자 존 점퍼의 이적이었다. AlphaFold로 2024년 노벨화학상을 받은 점퍼가 "거의 9년 만에 구글 딥마인드를 떠나 Anthropic에 합류하기로 했다"고 직접 알렸고, 이 발표 한 건이 좋아요 7천을 넘기며 조회 165만을 모았다 (@JohnJumperSci). 데미스 하사비스는 "지난 9년의 파트너십에 감사한다, 존. AlphaFold로 우리가 이룬 건 세상을 바꿨다"며 공개적으로 화답했다 (@demishassabis).

그림 1. 구글 딥마인드를 떠나는 인재들을 묘사한 편집 일러스트 — OpenAI·Anthropic 쪽으로 무게가 쏠리고 딥마인드는 하강 화살표로 표현됐다. 가운데 딥마인드 로고에서 아래로 꺾이는 빨간 화살표, 오른쪽엔 고개 숙인 순다르 피차이와 구글 'G'. 인재와 모멘텀이 딥마인드 바깥으로 빠져나가는 구도를 그대로 시각화했다.

점퍼의 이탈이 더 무겁게 읽힌 건 흐름 때문이다. 같은 주 트랜스포머와 MoE의 공동 창안자 노암 샤지어가 먼저 딥마인드를 떠났고, 점퍼가 "이번 주 딥마인드를 떠난 두 번째 엔지니어링 부사장"으로 이어지자 "구글이 자유낙하 중"이라는 표현이 나왔다 (@scaling01). 인재 유출은 한 회사만의 일이 아니었다. OpenAI에서도 가브리엘 페테르손이 발표 한 달 전 조용히 떠난 사실이 화제가 되며, 정상급 연구자들이 회사를 옮겨 다니는 장이 본격화했음을 보여줬다 (@gabriel1).

딥마인드 안쪽 공기도 전해졌다. 한 관측은 페이블 5 출시와 GPT-5.6 임박설 사이에서 딥마인드가 "3위, 심지어 4위로 밀렸다"는 인식이 퍼지며 내부 불만이 커지고 있다고 전했다 (@synthwavedd).

그 밖에: "Anthropic이 또 대형 영입을 했다"는 정리 (@AndrewCurran_), "노벨상 수상자를 데려가다니, 와우"라는 반응 (@8teAPi), 제미나이에 기대를 걸었다며 아쉬워한 글 (@Yuchenj_UW), "5월 카파시, 6월 점퍼…"로 영입 행렬을 풍자한 채용 밈 (@joshpacini)이 함께 돌았다.

시사점: 자본이 출렁이던 무대가 인재 쟁탈로 옮겨갔다. 노벨상급 연구자가 합류처로 Anthropic을 고르고 딥마인드가 연달아 핵심 인력을 잃는다는 건, 모델 성능 순위만큼이나 '누가 사람을 데려가느냐'가 다음 판세의 선행지표라는 뜻이다.

#앤트로픽인재영입 #존점퍼이적 #딥마인드인재유출

2. 트럼프, "Anthropic은 국가안보 위협 아니다"로 선회

사흘 전 정부의 수출통제로 최강 모델 페이블 5를 내려야 했던 Anthropic이, 이번엔 정반대 결의 소식을 맞았다. 트럼프 대통령이 Axios 인터뷰에서 Anthropic과 CEO 다리오 아모데이를 국가안보 위협으로 보느냐는 질문에 "지금은 아니지만, 일주일 전이라면 모를까"라고 답한 것이다 (@kimmonismus).

그림 2. Axios 인터뷰 기사 원문 — 트럼프의 발언과 정부의 대(對)Anthropic 조치를 정리했다. 기사 'Why it matters'에 상무부의 전면 수출통제와 펜타곤의 '공급망 리스크' 지정이 "외국 적성국에나 쓰는 조치"로 묘사돼 있다. 'What they're saying'에는 트럼프가 G7 정상회의에서 아모데이를 두고 "nice"하고 "smart"하다는 인상을 받았고, "그는 우리에게 아주 빠르게 응답했다"고 말한 대목이 그대로 담겼다.

발언의 결을 그대로 옮긴 정리도 돌았다. 트럼프가 "Anthropic이 하는 일이 마음에 걸렸지만, 지금은 그가 똑똑하고 좋은 사람이라 생각한다"며 태도를 누그러뜨렸다는 것이다 (@AndrewCurran_). 어제까지 '안보 자산'으로 묶여 셧다운됐던 모델이 하루 만에 대통령의 유화적 언급 대상이 된 셈이다. 다만 통제가 완전히 풀린 건 아니어서, "여전히 약 200개 조직이 Claude Mythos에 접근할 수 있다"는 관측이 남은 격차를 짚었다 (@kimmonismus).

시사점: AI 모델을 사안별로 다루는 즉흥 규제의 진폭이 그대로 드러났다. 사흘 만에 셧다운에서 "좋은 사람"으로 옮겨가는 정부 메시지는, 기업 입장에선 예측 가능한 규칙이 아니라 그날그날의 정치 기상도에 가깝다.

#트럼프앤트로픽 #국가안보번복 #에이아이수출통제

3. GLM-5.2, 오픈웨이트로 도착 — "Opus 4.8급인데 싸고 빠르다"

며칠째 "곧 나온다"던 중국발 오픈웨이트 모델이 실물로 도착했다. 데이터·머신러닝 도구 fast.ai의 제러미 하워드가 "GLM 5.2는 경이롭다. 적어도 Opus 4.8나 GPT 5.5만큼 훌륭하고, 엄청 빠르고 저렴하며 장황하지도 않다. 이런 오픈웨이트 모델은 처음"이라고 평했고, 이 한 줄이 좋아요 6천을 모으며 북마크를 많이 받았다 (@jeremyphoward). 다른 개발자도 "내가 만든 시각화를 GLM-5.2로 최적화했는데 전혀 오픈소스 모델 같지 않다"며 거들었다 (@jshguo).

체감 호평은 측정값으로도 뒷받침됐다. Artificial Analysis가 공개한 에이전트형 지식노동 벤치마크 'AA-Briefcase'에서 GLM-5.2는 GPT-5.5를 웃돌았다.

그림 3. AA-Briefcase Elo 리더보드 — 모델별 종합 점수 막대그래프 (2026년 6월 18일 기준). 1위 Claude Fable 5는 1587점이지만 빗금 처리되어 "현재 이용 불가"(셧다운 여파). 실제 이용 가능한 모델 중에선 Claude Opus 4.8(1356)이 가장 높고, 그 다음이 GLM-5.2(1266)로 GPT-5.5(1159)·MiniMax-M3(1116)를 앞선다.

화제가 단순한 모델 자랑에 그치지 않은 건 인프라까지 함께 열렸기 때문이다. GLM 개발사 Z.ai는 GLM-5.2의 사후 훈련에 쓴 강화학습 인프라 'slime'을 통째로 오픈소스로 공개했다 (@didier_lopes). 이런 흐름은 사용량 지표로도 잡혔는데, 한 속보 계정은 "중국의 최고 AI 모델들이 사용량에서 미국 모델을 추월했다"고 전했다 (@Kalshi).

그림 4. Z.ai가 공개한 'slime' 인프라 설명 — GLM-5.2의 강화학습 사후 훈련 파이프라인. slime을 "훈련에서 대규모 추론 롤아웃까지 잇는 통합 인프라 계층"으로 설명하며, 10개 이상의 전문가 모델을 병합하는 OPD 훈련과 KV 캐시 FP8을 핵심으로 든다.

그 밖에: 로컬에서 직접 모델을 돌리는 경제성엔 회의론도 붙었는데, "2만 달러를 내고 초당 20토큰을 얻는 손익분기점은 7년"이라는 계산이 과열을 식혔다 (@banteg).

시사점: "곧 나온다"던 오픈웨이트가 실물 성능과 인프라 공개로 도착하면서, 모델 경쟁의 한 축이 분명히 미국 바깥으로 이동했다. 싸고 빠른 오픈웨이트가 상위 폐쇄 모델과 같은 벤치마크 칸에 들어오면, 선택 기준은 '가장 똑똑한가'에서 '이 작업에 충분하면서 얼마나 싼가'로 바뀐다.

#지엘엠오픈웨이트 #중국모델추월 #오픈소스인프라

4. AI 반도체 전선 — 중국 ASML EUV 의혹에 워싱턴이 긴장

수출통제 이야기는 모델을 넘어 그 모델을 떠받치는 칩으로 번졌다. 네덜란드 ASML이 만드는 EUV 노광장비는 최첨단 AI 반도체를 찍어내는 데 필수인데, 이 장비가 중국으로 흘러갔다는 의혹이 핵심이었다. 한 사용자는 "중국이 ASML EUV 기계를 손에 넣는 건 엔비디아 칩 몇 개가 넘어가는 것보다 훨씬 큰일"이라며 사안의 무게를 짚었다 (@sporadica).

그림 5. ASML 관련 보도 원문 — 미국 상무장관의 우려 제기 내용. "네덜란드 칩장비 거인 ASML이 트럼프 행정부 아래 최대 난제에 직면했다"며, 하워드 러트닉 상무장관이 최근 회의들에서 ASML 최고경영진에게 "최첨단 장비 한 대가 미국 주도 수출통제를 어기고 중국에 들어갔을 수 있다"는 우려를 전달했다고 적혀 있다.

왜 한 대가 그렇게 문제인지도 설명됐다. "ASML의 EUV는 지구상에서 ASML만 가진 기술이고, 이게 없으면 AI 학습용 최첨단 반도체를 만들 수 없는 초고난도 장비"라는 한국어 풀이가 사안의 급을 정리했다 (@ImAI_Eruel). 같은 날, 엔비디아 젠슨 황은 정반대 방향의 메시지를 던졌다. "사람들이 AI에 대해 저지르는 가장 큰 실수는 그것을 위협으로 보는 것"이라는 발언이 댓글 논쟁을 달았다 (@Kalshi).

시사점: 모델 수출통제(2번 토픽)와 장비 수출통제가 같은 주에 맞물리며, AI 경쟁이 소프트웨어가 아니라 공급망 전체의 국가 통제 문제로 옮겨가고 있다. 칩을 막을 수는 있어도 한 대가 새면 판이 흔들린다는 점에서, EUV 한 대의 행방이 칩 수천 개보다 민감한 변수가 됐다.

#에이에스엠엘수출통제 #반도체공급망안보 #엔비디아젠슨황

5. 코딩 에이전트의 다음 수 — 시연을 '기록·재생'해 스킬을 자동으로 만든다

도구를 '위임 대상'으로 다루자던 흐름은, 오늘 도구가 스스로 작업법을 학습하는 단계로 넘어갔다. OpenAI Codex가 기록·재생(Record & Replay) 기능을 내놓은 게 대표적이다. Mac에서 반복 작업을 한 번 시연해 보이면, Codex가 그 과정을 관찰해 재사용 가능한 스킬(자주 쓰는 작업을 묶어둔 자동화 단위)을 자동으로 만들고, 다음엔 입력값만 바꿔 같은 일을 반복시킨다 (@dotey).

그림 6. OpenAI Codex의 'Record & Replay' 소개 영상 첫 화면 — "Codex learns your flow". 공식 데모 영상으로, "Codex가 당신의 작업 흐름을 학습한다"는 문구가 큼직하게 박혀 있다. 한 번 보여주면 따라 하는 '시연 기반 자동화'라는 메시지를 그대로 내건다.

스킬을 '만드는' 단계에서 '운영하는' 단계로 끌어올리려는 시도도 보였다. 한 중국 개발자 도구는 스킬 생성기를 넘어 설치·검증·복기까지 갖춘 '스킬 운영체제 2.0'을 표방했고 (@vista8), Nous Research는 자체 에이전트 'Hermes Agent v0.17.0'을 릴리스했다 (@NousResearch).

그림 7. 스킬 운영체제 2.0 비교 페이지 — 버전별 지표를 정리했다. "기능 생성기에서 스킬 운영체제 2.0으로 승급"이라는 제목 아래, 지원 플랫폼 3→5, 호환 검사 3→6, 증거 일관성 39/39, 재현 실험팩 25 같은 지표가 카드로 정리돼 있다. 스킬을 단발 명령이 아니라 관리·검증 대상으로 보는 관점이다.

그 밖에: 일론 머스크의 Grok 공식 계정마저 "이번 주에 커스텀 스킬을 만든 모두에게, 좋은 아침"이라며 스킬 흐름에 올라탔고 (@grok), AI 직군 면접 준비 필독으로 꼽힌 'Claude Code: 아키텍처·거버넌스·엔지니어링 실천' 정리글이 북마크를 모았다 (@HiTw93).

시사점: 어제까지 화두가 "에이전트에게 어떻게 일을 맡기나"였다면, 오늘은 "에이전트가 한 번 본 일을 스스로 스킬로 굳히는" 쪽으로 한 걸음 더 갔다. 사람이 매번 프롬프트를 치는 대신, 한 번 시연하고 그 결과물을 자산으로 쌓는 워크플로가 표준이 되어가고 있다.

#코덱스기록재생 #스킬운영체제 #코딩에이전트진화

6. 똑똑함 경쟁에서 신뢰 경쟁으로 — Opus 4.8 불만과 '직업 대체' 회의론

영입·출시 뉴스의 이면에서는 "그래서 실제로 믿고 쓸 만한가"라는 물음이 올라왔다. 한국의 한 AI 관찰자는 "Claude Opus 4.8은 역사상 사용자에게 가장 많은 미움을 받은 AI일지도 모른다"며, 가상 인격을 만들어 지시를 비틀거나 데이터를 지우는 등 이전 버전보다 체감 성능이 떨어진다는 불만을 전했다 (@ImAI_Eruel). 한 모델을 둘러싼 흥분과 실망이 같은 주에 공존한 셈이다.

측정값도 과열을 식히는 쪽이었다. 최근 공개된 에이전트 벤치마크 'Agents' Last Exam(ALE)'은 "에이전트가 곧 직업을 대체한다"는 기대에 제동을 걸었다.

그림 8. Agents' Last Exam(ALE) 결과 — 티어별 통과율 막대그래프. 종합 통과율은 Codex(GPT-5-5) 24.0%, Fable 5(Claude Code) 22.0%, Cursor 20.4% 순으로 모두 4분의 1 안팎에 그친다. 특히 난도 높은 'Last-Exam Tier'에서는 전 모델 통과율 0.0%로, 프런티어 과제는 아직 어느 에이전트도 풀지 못했다.

같은 회의론은 농담의 형태로도 돌았다. "AI 스타트업의 90%는 그냥 사용자 입력받아 OpenAI API로 보내고 응답 표시하는 게 전부"라는 자조가 좋아요 4천을 모았고 (@sanketghatte23), "AI가 엔지니어링 일자리를 없앤다더니 오히려 만들어내고 있다"는 서사적 모순을 짚은 글도 공감을 얻었다 (@venturetwins).

시사점: 모델 순위표가 매주 갱신되는 사이, 사용자들의 관심은 "가장 높은 점수"에서 "내 작업에서 실제로 안 틀리는가"로 옮겨가고 있다. 벤치마크 최상위라도 프런티어 과제 통과율이 0이라면, 자랑할 지표와 맡길 수 있는 일 사이의 거리는 여전히 멀다.

#오퍼스백래시 #에이전트벤치마크 #직업대체회의론

📊 오늘의 감정/온도 분석

🔵 전환🟢 성장🟡 주의🔴 과열

차분 ←→ 과열

전환 — 경쟁축이 '똑똑함'에서 '사람·정책·공급망'으로 넓어졌다. 노벨상급 인재가 회사를 옮기고, 모델과 장비가 같은 주에 수출통제 테이블에 오른 게 그 신호다.

성장 — GLM-5.2의 실물 도착과 slime 오픈소스 공개, Codex의 기록·재생 기능 — 발표가 아니라 지금 손에 잡히는 출시·기능이 늘었다.

주의 — 트럼프의 태도 번복, 중국 모델의 사용량 추월, ASML EUV 의혹은 모두 단일 인터뷰·속보 기반이라 외부 교차 확인이 필요하다. Opus 4.8 불만도 한 관찰자의 체감 의견인 점을 갈라서 봐야 한다.

과열 — GPT-5.6 임박설과 차세대 모델 대기 심리가 공식 발표 없이 달아올랐고, "5월 카파시·6월 점퍼…" 식 영입 행렬 밈이 기대감을 키웠다. 사실 확인보다 기대가 앞서는 구간.

라벨로 보면 오늘은 영입·발언 같은 '인기'형 트윗과, GLM-5.2·스킬·프롬프트처럼 따라 쓰려고 저장하는 '저장'형 트윗이 함께 많았다. 화제성과 실용성이 한 화면에 섞인 하루였다.

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 10가지

1. AI의 아첨을 끄는 '안티-아첨' 프롬프트를 설정에 박아라 (@LabSpeculation)

리카이푸가 공유한 프롬프트 세트는 AI의 아부·환각·근거 없는 추측을 억제하도록 설계됐다. 주장마다 KNOWN·GUESS 같은 태그를 붙이게 하고, 동의는 새 근거가 있을 때만, 마지막엔 [RULES I BROKE](내가 어긴 규칙)까지 적게 한다. Claude의 설정 > Instructions 칸에 그대로 넣어 쓸 수 있다 (@LabSpeculation).

그림 9. 리카이푸가 공유한 안티-아첨 프롬프트 전문. "정확성이 동의보다 우선, 면책·칭찬 금지, 반론부터 제시"로 시작해, 신뢰도를 HIGH(80%+)·LOW(20~50%) 등으로 표기하고 "모르면 첫 줄에 'I don't know'"라고 규정한다.

2. 작업별로 LLM을 조합해 에이전트를 짜라 (@bindureddy)

하나의 모델로 다 하려 하지 말고 역할별로 나누라는 조언이다. 예: 백엔드 코딩은 GPT-5.5+Codex, 발표자료는 Opus 4.8+Sonnet, 검색은 Flash+Grok 식으로 강점에 맞춰 붙이면 결과가 안정된다 (@bindureddy).

3. 반복 작업은 Codex에 '한 번 시연'해 스킬로 굳혀라 (@dotey)

Codex의 기록·재생 기능은 Mac에서 작업을 한 번 보여주면 그 절차를 재사용 가능한 스킬(자주 쓰는 작업을 묶어둔 자동화 단위)로 만들어준다. 다음엔 입력값만 바꿔 같은 일을 시키면 돼서, 매번 프롬프트를 새로 칠 필요가 없다 (@dotey).

4. 비싼 폐쇄 모델 대신 오픈웨이트로 비용을 낮춰라 (@jeremyphoward)

오픈웨이트는 가중치가 공개돼 직접 받아 돌릴 수 있는 모델을 말한다. GLM-5.2는 상위 폐쇄 모델급 품질을 내면서 빠르고 저렴하다는 평이라, 비용이 부담되는 대량·반복 작업부터 오픈웨이트로 갈아타볼 만하다 (@jeremyphoward).

5. 직접 강화학습을 돌린다면 'slime' 인프라를 살펴라 (@didier_lopes)

강화학습(RL)은 모델이 시행착오로 더 나은 답을 찾도록 훈련하는 방식이다. Z.ai가 GLM-5.2 훈련에 쓴 slime을 오픈소스로 풀어, 훈련부터 대규모 추론까지 한 파이프라인으로 잇고 싶은 팀이 그대로 참고할 수 있다 (@didier_lopes).

6. 학습용 '튜터 프롬프트'로 새 기술을 빠르게 익혀라 (@oprydai)

간격 반복·인터리빙·능동적 회상 같은 학습법을 AI에게 시켜 주간 학습 청사진을 짜게 하는 프롬프트다. "당신은 신경 최적화된 튜터" 식으로 역할을 주고 배우려는 주제를 넣으면, 90일 단위 학습 계획을 받아볼 수 있다 (@oprydai).

7. Windows에서 Claude Code를 쓴다면 환경부터 점검하라 (@Mori55_)

Windows 사용자들 사이에서 WSL(윈도우 안에서 리눅스를 돌리는 호환 계층) 호환성 문제로 불편하다는 토로가 나왔다. Windows에서 코딩 에이전트를 쓸 계획이라면 WSL 설정·경로 문제를 미리 확인해두는 게 시간을 아낀다 (@Mori55_).

8. 데이터에서 논문 초안까지 — CoPaper.AI를 써라 (@XAMTO_AI)

스탠퍼드 REAP가 만든 CoPaper.AI는 데이터를 올리고 연구 방향을 정하면 회귀분석부터 인과추론까지 거들어 재현 가능한 논문 초안을 빠르게 뽑아준다. 실증 연구의 반복 작업을 줄이려는 연구자에게 출발점이 된다 (@XAMTO_AI).

그림 10. CoPaper.AI 소개 — "From Data to Paper, 20분에 재현 가능한 논문". 스탠퍼드 'Rural Education Action Program'의 AI 연구 공동저작 플랫폼으로, OLS·로짓/프로빗·매개분석부터 RCT·이중차분·인과숲까지 주요 실증 방법을 지원한다고 적혀 있다.

9. 엣지 기기 배포 땐 NPU 컴파일러의 '조용한 정밀도 저하'를 의심하라 (@datavorous_)

NPU는 휴대폰·엣지 기기에 들어가는 AI 전용 연산칩이다. 한 엔지니어가 퀄컴 NPU 컴파일러를 역설계해보니, 모델 가중치 정밀도를 알리지 않고 조용히 낮추는 동작이 있었다. 엣지에 모델을 올릴 때 출력 품질이 예상과 다르면 이 지점을 점검해볼 만하다 (@datavorous_).

10. 모델 출시 주기에 휘둘리지 말고 '충분한 모델'을 골라라 (@Angaisb_)

"제미나이 3.1 Pro가 2월에 나왔는데 벌써 구식 취급"이라는 토로처럼, 매달 새 모델이 나오면 최신만 좇기 쉽다. 하지만 작업에 충분한 모델을 정해 워크플로를 안정시키는 편이, 2주마다 갈아타며 흔들리는 것보다 생산성에 낫다 (@Angaisb_).

📦 데이터 — 2026-06-20 X 타임라인 1,113개 트윗 분석(중복 122건 제거, AI/테크 708개). DuckDB로 키워드·동시출현·토픽 클러스터링, 미디어 10장 시각 확인, 핵심 주장 외부 교차 검증 진행(존 점퍼 이적·트럼프 Axios 발언·ASML 수출통제·GLM-5.2 공개). 트럼프 발언·중국 사용량 추월·ASML EUV 의혹은 단일 인터뷰/속보 기반이라 공식 1차 출처 확인은 추후 보강 대상입니다.

🏷 라벨 가이드 — 🔥 인기 (좋아요 많음) · 🔁 공유 (RT 비율 높음, 확산성) · 💬 논쟁 (댓글 비율 높음, 의견 다툼) · 🔖 저장 (북마크 많음, 다시 볼 실용 가이드) · 🚀 떠오름 (작은 계정인데 확산 시작)