🔥 AI 트윗 트렌드 핵심 요약 (2026.06.26)

데이터: 928개 트윗 분석 (AI/테크 742개) | 주요 키워드 TOP 5: Codex · GPT-5.6 · Ornith · Gemma 4 · 메모리값 | 메인 이벤트: OpenAI가 '모든 부서를 Codex로' 옮겼다

오늘 타임라인은 '에이전트가 진짜로 일을 가져갔는가'라는 한 가지 질문으로 모였다. OpenAI가 자사 거의 모든 부서의 업무를 Codex(코드를 대신 짜고 실행하는 에이전트)가 처리하고 있다는 내부 데이터를 공개하면서, '챗봇에 묻기'에서 '에이전트에 맡기기'로의 전환을 수치로 못박았다. 같은 날 차기 모델 GPT-5.6은 보안을 이유로 정부가 사용자를 한 명씩 승인하는 이례적 방식으로 풀리기 시작했고, 오픈소스·온디바이스 모델이 한꺼번에 풀려나왔다. 어제 '복귀 임박'으로 떠들썩했던 앤트로픽 Fable 5는 하루 만에 "UI 버그였다"며 가라앉았다.

1. OpenAI '모든 것을 Codex로' — 부서 막론 88~99%가 에이전트 작업

오늘의 무게중심은 OpenAI가 내놓은 '에이전트가 업무를 바꾸는 방식' 발표였다. 핵심은 자랑이 아니라 내부 측정값이다. OpenAI는 엔지니어링뿐 아니라 법무·채용 같은 비기술 부서까지 전사적으로 Codex를 "기본 업무 도구"로 쓰고 있으며, 사람들이 에이전트에게 더 복잡하고 더 긴 호흡의 협업적 작업을 맡기고 있다고 밝혔다 (@OpenAI). 경제 연구팀은 이를 'The shift to agentic AI: Evidence from Codex'라는 논문으로 정리하며, AI 사용이 '대화'에서 '위임'으로 넘어가고 있다고 분석했다(공식 발표·논문으로 확인) (@OpenAINewsroom).

그림 1. OpenAI 부서별 Codex 작업 비중. 2025년 8월 이후 'OpenAI 직원이 매월 만드는 출력 토큰 중 Codex로 생성된 비율' 추이다. 엔지니어링 99%, 재무 91%, 채용 89%, 법무 88% — 비기술 부서까지 1년이 안 돼 거의 100%에 수렴했다. '코딩 도구'가 아니라 '회사 전체의 일하는 방식'이 됐다는 뜻이다.

증가폭을 다른 각도로 보면 더 또렷하다. 2025년 11월 대비 직원 1인당 출력 토큰은 리서치 53배, 고객지원 32배, 엔지니어링 26배, 법무 12배로 늘었다. 'OpenAI의 모든 것을 위한 Codex'라는 내부 임원의 한 줄이 이 분위기를 압축한다 (@thsottiaux).

그림 2. 2025년 11월 대비 부서별 출력 토큰 증가 배수. 같은 데이터를 '증가 배수'로 본 그래프다. 리서치 53배가 가장 가파르고 고객지원 32배·엔지니어링 26배·법무 12배가 뒤를 잇는다. 회색 선은 개별 부서들로, 전 부서가 우상향한다.

다만 현장의 결이 마냥 장밋빛인 건 아니다. "지난 한 주 Codex 사용량이 너무 빨리 소진된다"는 불만이 수백 명 단위로 올라왔고, 의도적 제한이 아니냐는 의심도 나왔다 (@iuditg). "깼더니 Codex 열고, Codex가 쓴 PR을 Codex가 검토하게 시켰다"는 농반진반 트윗처럼, 위임이 깊어질수록 '내가 무엇을 하고 있나'라는 감각도 같이 흐려진다 (@reach_vb).

시사점: 'AI를 쓴다'의 의미가 바뀌고 있다. 질문하고 답을 받는 게 아니라, 일을 통째로 넘기고 결과를 검수하는 쪽이다. 비기술 부서까지 90%대로 올라간 수치는, 에이전트 도입의 다음 병목이 '능력'이 아니라 '사용량 제한·검수 체계'임을 보여준다.

#코덱스전사도입 #대화에서위임으로 #에이전트업무전환

2. GPT-5.6, 정부가 사용자를 한 명씩 승인하는 출시

차기 모델 GPT-5.6은 '언제 나오나'보다 '어떻게 나오나'가 화제였다. 더 인포메이션 보도에 따르면, 트럼프 행정부가 보안 우려를 이유로 OpenAI에 출시를 단계적으로 쪼개 달라고 요청했고 OpenAI가 이에 동의했다. 알트먼은 목요일 메모에서 "이 프리뷰 기간 동안 정부가 고객을 한 명씩(customer by customer) 승인할 것"이라고 직원들에게 전했다 — 프런티어 모델로는 이례적인 방식이다(더 인포메이션, 스테퍼니 팔라졸로 등 보도로 확인) (@steph_palazzolo).

그림 3. 더 인포메이션 기사 — 정부가 고객을 한 명씩 승인. 더 인포메이션 기사 본문이다. "단계적 출시의 이유를 알트먼은 이렇게 설명했다: 연방정부가 그렇게 해달라고 요청했다"는 대목과, 목요일 메모의 "정부가 이 프리뷰 기간 동안 고객을 한 명씩 승인할 것"이라는 부분이 보인다. 앤트로픽도 4월 Mythos를 일부 파트너에게만 공유했다고 적혀 있다.

이 방식이 한 회사의 예외가 아니라 표준이 될 수 있다는 게 핵심이다. "앞으로 모든 연구소의 모든 프런티어 모델에 적용될 가능성이 크다"는 관측이 따라붙었다 (@AndrewCurran_). 출시 디테일도 흘러나왔다 — 오늘 기업 파트너 대상으로 테스트가 시작됐고, 더 넓은 공개는 7월 둘째 주가 목표이며, 가격 변동은 없고, 'max'라는 새 추론 강도 옵션이 추가되지만 토큰 효율은 5.5보다 낮다는 내용이다(유출 단계의 단일 출처) (@synthwavedd). ChatGPT 코드에서 'gpt-5.6-preview' 흔적이 발견됐다는 제보도 돌았으나, 이 문자열 자체는 외부 독립 확인 전이다 (@testingcatalog).

시사점: 어제 앤트로픽 Fable·Mythos를 묶었던 '정부의 프런티어 모델 통제'가 이제 OpenAI로 번졌다. "API로 제공되는 모델을 정부가 사용자 단위로 승인한다"는 건, 모델 출시가 기술·시장 일정이 아니라 안보 심사 일정에 묶이기 시작했다는 신호다.

#GPT56단계출시 #정부사용자승인 #프런티어모델통제

3. 오늘의 신제품 — 오픈소스·온디바이스가 한꺼번에 공개된 날

신제품이 유독 몰린 하루였다. 가장 큰 화제는 DeepReinforce가 공개한 오픈소스 코딩 모델 제품군 Ornith-1.0이다(100만 회 넘는 조회). 9B·31B 덴스와 35B·397B MoE로 구성되고 MIT 라이선스이며, 사람이 짜준 실행 틀(하네스)에 기대는 대신 '자기 작업 발판을 스스로 작성하도록' 강화학습으로 훈련한 게 특징이다 (@ornith_, @testingcatalog).

그림 4. Ornith-1.0 벤치마크 비교. Ornith-1.0-397B(주황)이 Terminal-Bench 2.1에서 77.5로 Qwen·Opus 4.7(70.3) 등을 앞선다. 다만 SWE-bench Verified는 82.4로 Claude Opus 4.8(87.6)에 못 미치고 NL2Repo·SWE Atlas에서도 Opus 4.8이 위다. '4.7급 근접, 4.8 미달'이 정확한 요약 — 일부에서 돈 '4.8을 이겼다'는 표현은 과장이다.

작은 모델 쪽도 분주했다. 리퀴드AI는 LFM2.5-230M을 내놨다 — 휴대폰·로봇·가정 기기에서 돌도록 만든 2.3억 파라미터짜리 초소형 모델로, 19조 토큰으로 사전학습하고 컨텍스트는 3.2만 토큰까지 늘렸다(공식 블로그·허깅페이스로 확인) (@liquidai).

그림 5. LFM2.5-230M 벤치마크. LFM2.5-230M(보라)이 자기보다 큰 LFM2-350M·Qwen3.5-0.8B·Gemma 3 1B와 겨룬 결과다. IFEval 71.71, IFBench 38.40 등 여러 항목에서 더 큰 모델을 앞선다. '230M짜리가 1B급을 위협한다'는 게 온디바이스 경쟁의 핵심.

개발 도구도 같은 날 세대 교체를 알렸다. 버셀의 AI SDK 7은 추론 제어, 에이전트 단위 도구 승인(사람이 중간에 끼어 허락), MCP 앱, 끊기지 않는 워크플로, 터미널 UI까지 담아 '에이전트를 만들고·돌리고·관찰하는' 한 묶음을 표방했다(공식 발표로 확인) (@aisdk).

그림 6. AI SDK 7 발표 카드. 버셀 AI SDK 7 발표 카드다. 부제 'Develop, run, and observe agents(에이전트를 개발·실행·관찰)'가 올해 개발 도구의 공통 방향 — 단발 호출이 아니라 장기 실행 에이전트의 운영 —을 그대로 보여준다.

그 밖에: 구글은 온디바이스 모델 Gemma 4가 2.5개월 만에 2억 다운로드를 넘었다고 자체 집계로 밝혔고(정확한 수치는 구글 발표 기준) (@OfficialLoganK, @googlegemma), 오픈라우터는 에이전트가 작업에 맞는 모델을 실시간으로 고르게 돕는 OpenRouter MCP를 (@OpenRouter), 마이크로소프트는 Copilot for Excel에 스킬 기능을 더했다 (@satyanadella).

시사점: 오늘 출시의 공통 문법은 둘이다 — '오픈소스'와 '온디바이스'. Ornith가 클라우드 프런티어를 추격하고, LFM2.5가 손바닥 안으로 들어가는 동안, 도구(AI SDK 7·OpenRouter)는 그걸 '운영'하는 층을 깐다. 모델 자체보다 '어디서 돌리고 누가 고르느냐'가 경쟁의 무대가 됐다.

#오픈소스코딩모델 #온디바이스AI #에이전트개발도구

4. 메모리값이 콘솔·노트북까지 — AI 수요가 보낸 청구서

오늘 가장 많이 본 트윗은 모델이 아니라 '가격표'였다(조회 50만). 마이크로소프트가 애플의 맥북·아이패드 인상 몇 시간 뒤 메모리 칩 비용을 이유로 Xbox 가격을 올렸다는 소식이다 — Xbox Series S 1TB는 150달러 올라 599달러가 됐다(8월 1일 적용, Xbox 공식·CNBC 보도로 확인) (@KobeissiLetter).

배경은 한 줄로 이어진다. AI 데이터센터가 빨아들이는 HBM·D램 수요 때문에 메모리값이 올 1분기 분기 대비 90%대로 뛰었고, 삼성·SK하이닉스·마이크론이 고마진 AI 메모리로 생산을 돌리면서 소비자용 공급이 쪼그라들었다. 애플은 맥북 에어를 200달러 올려 1,299달러로 책정했고, 발표 당일 애플·마이크로소프트 주가는 4.5~5%씩 빠졌다(CNBC·IDC·CBC 보도로 확인). 'AI 붐의 비용을 게임기·노트북 사는 사람이 나눠 낸다'는 구도가 처음으로 소비자 가격표에 찍힌 셈이다.

흥미로운 색깔도 하나. 엔비디아 본사를 다녀온 한 개발자는 "빅테크인데 스낵·커피가 유료고, 직원들은 '월급으로 진짜 필요한 걸 산다'고 말한다"는 관찰을 전했고(조회 82만), 다른 글에선 "해고 걱정이 없어서 서로를 밀어낼 이유가 없다"는 엔비디아 내부 문화를 옮겼다 (@GergelyOrosz). 칩으로 돈을 가장 많이 버는 회사의 일상은 의외로 검소하다는 대비.

시사점: AI 인프라 투자가 추상적 'capex'가 아니라 일반 소비자의 구매가로 번지기 시작했다. 메모리는 AI·PC·모바일·콘솔이 같은 우물을 쓰는 자원이라, 데이터센터가 우물을 더 깊이 풀수록 나머지 모두의 가격이 오른다.

#메모리값인상 #AI수요청구서 #반도체공급부족

5. Fable 5 '복귀'는 UI 버그였다 — 하루 만에 되돌려진 신호

어제 타임라인을 달궜던 앤트로픽 Fable 5 '복귀 임박' 서사는 오늘 정정됐다. 아마존 베드록에 모델이 떴다는 어제의 신호는 'UI 버그'로 결론났다. 앤트로픽 직원 샘 매캘리스터는 "지금 Fable 5에 정확히 0의 트래픽을 흘리고 있다 — UI 버그일 수 있어 추적 중"이라고 적었고, 성장 책임자도 접근 가능 보고가 사실이 아니라고 못박았다 (@chetaslua, @testingcatalog).

그림 7. 앤트로픽 직원 샘 매캘리스터의 Fable 5 0 트래픽 트윗. 앤트로픽 샘 매캘리스터의 트윗과 'Claude Fable 5 is currently unavailable' 오류 박스다. 어제 돌던 '베드록에서 사용 가능' 캡처가 실제 서빙이 아니라 프런트엔드 버그였음을 본인이 확인했다. 6월 12일 수출통제 지침으로 Fable·Mythos가 전 세계에서 중단된 상태는 그대로다(고객사는 상무부를 상대로 소송 중, 블룸버그 보도).

대신 그 빈자리를 오픈 모델이 빠르게 메우고 있다. 코드 아레나의 프런트엔드 코딩 평가에서 Z.ai의 GLM-5.2 Max는 1,595점으로 Claude Opus 4.7(1,583)을 넘어섰고, 프런티어인 Fable 5(1,665)에 바짝 따라붙었다(아레나 공개 점수) (@arena).

그림 8. 코드 아레나 프런트엔드 — 프런티어 vs Z.ai 격차. 코드 아레나 'Frontier vs Z.ai' 격차 그래프다. 초록(프런티어 선두)이 Fable 5에서 1,665로 정점을 찍는 동안, 검정(Z.ai)은 GLM-4.6(1,408)에서 GLM-5.2 Max(1,595)까지 올라와 격차를 좁혔다. 아래 빨간 막대(격차)가 우측으로 갈수록 낮아진다.

그 밖에: 어제 화제였던 Claude Tag 논쟁은 인물 비판으로 옮겨가, "안드레이가 앤트로픽 슬랙봇을 새 패러다임이라 띄웠다가 반발을 사자 '트위터는 독성'이라며 숨었다"는 풍자 트윗이 돌았다 (@weswinder). 모델 회사가 그 위 응용 스타트업을 삼킨다는 불안을 건드린 포스트모템 'Anthropic killed Viktor.com. A post-mortem.'도 41만 조회로 확산됐다(다만 글 자체는 수익화 홍보를 겸한다) (@frydwia). 한편 앤트로픽은 고용주 주도 AI 인력 재교육 비영리연합 RAISE US의 창립 파트너로 합류했다(아마존·마이크로소프트·OpenAI 재단도 참여) (@AnthropicAI).

시사점: 간접 신호(카탈로그 노출·문자열 변경)로 복귀 확률을 매기던 어제의 흥분은 하루 만에 식었다. 프런티어 한 곳이 규제로 묶여 있는 사이, 오픈 모델이 벤치마크 격차를 실측으로 좁히는 게 더 단단한 뉴스다.

#Fable5미서빙 #오픈모델추격 #수출통제여파

6. 메타·기법 — 스스로 진화하는 스킬과 멀티에이전트 협업

바닥에는 '에이전트를 어떻게 더 잘 굴릴까'라는 기법 논의가 깔렸다. MIT 팀이 Claude Code 에이전트용 '자기진화 스킬(Self-Evolving Skills)' 프레임워크를 공개했는데, 작업 실패 후 에이전트가 스스로 스킬을 만들고·테스트하고·검증하며 공진화하는 구조로 합격률을 71%까지 끌어올렸다(앤트로픽 기본 스킬 생성기는 34%) (@hanakoxbt). 허깅페이스의 톰 울프는 100명 넘는 에이전트가 일주일간 협업해 Gemma 4의 추론 속도를 5배 개선한 실험을 공유하며, '에이전트들끼리의 상호작용' 자체가 가장 흥미로운 행동이라고 짚었다 (@Thom_Wolf).

그림 9. 아티피셜 애널리시스 — GLM-5.2 제공사별 추론 속도. 6월 25일 기준 GLM-5.2의 제공사별 추론 속도다. 데이터브릭스가 392토큰/초로 가장 빠르고, 파이어웍스(328)·웨이퍼(271)가 뒤를 잇는다. 오픈 모델이 '성능'뿐 아니라 '서빙 속도'에서도 실용 단계에 들어섰다는 신호.

그 밖에: 딥시크가 문서를 10배 적은 토큰으로 읽는 DeepSeek-OCR을 내놨고(긴 텍스트를 압축 이미지로 읽어 장기 메모리 비용을 줄이는 발상) (@thisguyknowsai), FastAPI 계열 라이브러리들이 에이전트가 올바른 코드를 쓰도록 돕는 '라이브러리 스킬'을 번들로 묶기 시작했다 (@tiangolo). '문서를 색인화해 검색하는' 30년 된 방식을 넘어 기관의 판단까지 포착하자는 'The System of Judgment', Hermes 에이전트의 자기학습 루프를 풀어쓴 'Hermes Agent Masterclass'(/learn 기능 설명) 같은 기법 글도 함께 돌았다 (@TangriKunal, @akshay_pachaar). 후지쯔는 LLM 처리 효율을 최대 475배 높였다는 신기술을 발표했다.

시사점: 모델을 더 키우는 경쟁과 별개로, '에이전트가 스스로 배우고·서로 협업하게' 만드는 층이 빠르게 성숙 중이다. 자기진화 스킬과 멀티에이전트 협업은 1년 뒤 '에이전트 운영'의 표준 구성요소가 될 후보다.

#자기진화스킬 #멀티에이전트협업 #에이전트운영기법

📊 오늘의 감정/온도 분석

🔵 전환🟢 성장🟡 주의🔴 과열

차분 ←→ 과열

전환 — '정부가 프런티어 모델을 사용자 단위로 승인' — 앤트로픽(Fable·Mythos)에 이어 OpenAI(GPT-5.6)까지. 모델 출시가 안보 심사에 묶이는 새 표준의 시작.

성장 — OpenAI 부서별 Codex 비중(88~99%) — 공식 내부 측정값으로 확인된 1차 데이터. '대화→위임' 전환의 가장 단단한 증거.

주의 — GPT-5.6 출시 디테일(7월 둘째 주·'max' 추론) — 정부 단계 출시는 더 인포메이션으로 확인됐지만, 세부 일정·기능은 유출 단일 출처라 확정 전.

과열 — Ornith-1.0 '오픈소스가 프런티어를 이겼다' 담론 — Terminal-Bench 1개 항목 선두를 전체 우위로 부풀린 인용이 돌았다. 실제론 Opus 4.8엔 못 미친다.

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 10가지

1. '대화'가 아니라 '위임'으로 일 넘기기 — OpenAI Codex 사례 (@OpenAI)

AI에게 한 줄씩 묻고 답을 받는 대신, 작업 하나를 통째로 맡기고 결과를 검수하는 방식으로 바꿔보자. OpenAI는 법무·채용 같은 비기술 부서까지 업무 토큰의 88~99%를 Codex로 처리하고 있다. 핵심은 '맡길 수 있게 작업을 정의하는 법'을 익히는 것 (@OpenAI 흥행 3.4천).

2. 사람이 중간에 끼어 승인하는 에이전트 만들기 — AI SDK 7 (@aisdk)

버셀 AI SDK 7의 '에이전트 단위 도구 승인'은, 에이전트가 위험한 작업(파일 삭제·결제 등)을 하기 직전 사람에게 허락을 받게 하는 장치다. 자동화는 살리되 돌이킬 수 없는 행동만 사람이 막는, 실무에서 가장 안전한 절충안이다 (@aisdk 흥행 1.4천).

3. 에이전트가 작업에 맞는 모델을 실시간으로 고르게 하기 — OpenRouter MCP (@OpenRouter)

에이전트는 보통 6개월 전 학습 지식으로 '어떤 모델을 쓸지' 추측한다. OpenRouter MCP를 붙이면 가격·성능을 실시간으로 조회해 작업마다 적합한 모델을 고르게 할 수 있다. 모델이 빠르게 바뀌는 지금, '모델 선택'을 자동화하는 도구 (@OpenRouter 흥행 1.6천).

4. 손바닥 위에서 도는 초소형 모델 써보기 — LiquidAI LFM2.5-230M (@liquidai)

2.3억 파라미터짜리 LFM2.5-230M은 휴대폰·로봇 같은 기기에서 인터넷 없이 도는 게 목표다. 자기보다 큰 1B급 모델을 일부 벤치마크에서 앞서므로, 데이터 추출·간단한 온디바이스 자동화엔 무거운 클라우드 모델 대신 이걸 먼저 시험해볼 만하다 (@liquidai 흥행 1.3천).

5. 에이전트가 '실행 틀'까지 스스로 짜게 하기 — Ornith-1.0 (@ornith_)

보통은 사람이 에이전트의 작업 절차(하네스)를 설계해준다. Ornith-1.0은 그 절차 자체를 모델이 스스로 작성하도록 훈련됐다. 오픈소스(MIT)라 직접 받아볼 수 있고, Terminal 계열 코딩 작업에선 Opus 4.7급에 근접한다 — 다만 Opus 4.8 대체를 노린다면 아직 이르다 (@ornith_ 흥행 3.1천).

6. 실패에서 스스로 배우는 스킬 만들기 — MIT 자기진화 스킬 (@hanakoxbt)

MIT의 '자기진화 스킬'은 에이전트가 작업에 실패한 뒤 스스로 새 스킬을 만들고·테스트하고·검증하게 한다(생성→테스트→검증→공진화). 매번 같은 실수를 반복하지 않게 하려면, 실패 로그를 '다음 스킬의 재료'로 쓰는 이 루프를 참고할 만하다 (@hanakoxbt 흥행 100).

7. 여러 에이전트를 협업시켜 속도 끌어올리기 — 멀티에이전트 (@Thom_Wolf)

하나의 거대 에이전트에 다 맡기는 대신, 여러 에이전트가 메시지를 주고받으며 협업하게 하는 방식. 허깅페이스 실험에선 100여 개 에이전트가 일주일간 협업해 추론 속도를 5배 개선했다. 큰 최적화 과제일수록 '에이전트 회사'처럼 역할을 나눠보는 게 유효하다 (@Thom_Wolf 흥행 886).

8. 음성 프롬프트는 '생각을 바꾸는 과정'까지 들려주기 (@gabriel1)

음성으로 지시할 때 "사실 방금 말한 건 무시하고"처럼 마음을 바꾸는 과정을 그대로 말하면, 모델이 더 많은 맥락을 얻는다. 결론만 다듬어 넣기보다, 무엇을 상상하다 무엇으로 정했는지를 들려주면 의도가 더 정확히 전달된다 (@gabriel1 흥행 1.1천).

9. 긴 문서는 '이미지로 압축해' 읽히기 — DeepSeek-OCR 발상 (@thisguyknowsai)

딥시크 OCR은 긴 텍스트를 직접 읽는 대신 압축 이미지로 변환해, 10배 적은 토큰으로 처리한다. 토큰 비용이 부담되는 장문·장기 기억 작업에서, '텍스트를 이미지로 바꿔 넣는' 접근이 비용을 크게 줄일 수 있다는 힌트다 (@thisguyknowsai 흥행 172).

10. 라이브러리에 '에이전트용 스킬'을 딸려 보내기 — library skills (@tiangolo)

FastAPI 계열 라이브러리들이 '라이브러리 스킬'을 번들로 묶기 시작했다. 내가 만든 라이브러리에 사용법·함정 회피 가이드를 스킬로 넣어두면, 그걸 쓰는 사람의 에이전트(Codex·Claude·Cursor 등)가 더 올바른 코드를 짠다. 라이브러리 배포 시 '에이전트가 읽을 설명서'를 같이 넣는 새 관행 (@tiangolo 흥행 127).

📦 데이터 — 2026-06-26 X 타임라인 928개 트윗 분석 (AI/테크 742개, 팔로잉 피드 81%). DuckDB로 키워드·동시출현·토픽 클러스터링 후 6개 토픽으로 정리, 미디어 13장 다운로드·시각 확인(본문 9장 임베드), 핵심 주장은 외부 교차 검증(OpenAI Codex 전사 도입·경제 논문·GPT-5.6 정부 단계 출시·Ornith-1.0·LiquidAI LFM2.5-230M·AI SDK 7·메모리값 인상과 Xbox/맥북 가격·Fable 5 미서빙·GLM-5.2 코드 아레나)을 거쳐 1차 출처(OpenAI·Vercel·Liquid AI·허깅페이스·Xbox 공식·CNBC·더 인포메이션·블룸버그)로 확인했습니다. 단, Ornith의 'Opus 4.8 추월' 표현은 공식 벤치마크표와 어긋나 본문에서 바로잡았고(4.7급 근접이 정확), Gemma 4 '2.5개월 2억 다운로드'와 GPT-5.6 세부 일정은 회사 자체 집계·유출 단일 출처라 보수적으로 표기했으며, 이 리포트는 발행 시점 기준 외부 독립 검증 전입니다.

🏷 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)