구글이 AI 코딩 에이전트용 보안 리뷰 스킬 툴킷 'Mantis(만티스)'를 오픈소스로 공개했습니다. 코드 전체를 스캔하고 오탐을 걸러낸 뒤, 샌드박스에서 버그를 재현하고 패치하며, 패치된 코드를 재공격해 위험도를 평가하는 취약점 대응 전 과정을 자동화합니다. Apache 2.0 라이선스로 배포되며 데모 목적이라고 명시되어 있습니다.
연구진이 실제 GitHub 저장소 통계를 바탕으로 75개의 가상 저장소와 1,163개의 실전 과제를 만들어 Claude, Codex, Cursor 등 코딩 에이전트의 도구·서비스 선택을 1.7만 회 측정했습니다. '시뮬레이션된 인간'과 자동 평가자를 도입해 편향을 줄였으며, 그 결과 에이전트가 특정 조건에서는 기존 빅테크 솔루션 대신 Cloudflare R2 같은 대안을 선택하는 등 더 현실적인 선택 패턴이 드러났습니다.
구글이 6주 만에 세 번째 플래시 모델인 제미나이 3.8 플래시를 공개했습니다. 3.7 플래시와 동일한 속도와 저렴한 가격($0.75/백만 입력 토큰)으로 소프트웨어 엔지니어링, 에이전트 작업, 다단계 추론에서 대형 프론티어 모델에 근접하는 성능을 제공합니다. 사이버보안 특화 버전인 3.8 Flash Cyber는 취약점 탐지와 자동 패치에서 최고 수준 성능을 보이며, 신뢰된 방어자들에게만 'Fairwind 프로그램'을 통해 제공됩니다.
OpenAI가 우분투, 데비안, 페도라 등 주요 리눅스 배포판을 지원하는 챗GPT(ChatGPT) 데스크톱 앱 프리뷰 버전을 출시했습니다. 이번 앱에는 챗GPT와 코덱스(Codex) 코딩 에이전트가 통합되어 제공되지만, GIMP 등을 제어하는 네이티브 PC 조작 기능은 아직 지원되지 않습니다. 리눅스 개발자들은 이제 터미널 CLI를 넘어 시각적인 인터페이스(GUI)를 통해 코딩 에이전트를 활용하고 여러 프로젝트를 관리할 수 있게 되었다는 점에서 중요합니다.
소프트웨어 엔지니어링 작업을 평가하는 SWE-rebench v2 리더보드의 최신 결과가 공개되었습니다. 65개 저장소에서 추출된 111개의 문제를 바탕으로 다양한 AI 코딩 모델과 에이전트의 성능, 비용, 토큰 사용량 등을 비교 분석하여 개발 실무에 활용할 수 있는 구체적인 지표를 제공합니다.
풀사이드(Poolside)가 토큰당 8B 활성 파라미터와 118B 크기를 갖춘 오픈 웨이트(Open-Weight) 코딩 모델 '라구나 S 2.1(Laguna S 2.1)'을 공개했습니다. 이 모델은 자신보다 몇 배나 큰 기존 모델들을 능가하는 에이전트 코딩 성능을 보여주며, 단일 엔비디아(NVIDIA) DGX Spark 환경에서 구동되는 뛰어난 효율성이 가장 큰 특징입니다.
네트워크 전문가가 아닌 일반 사용자도 LLM을 활용하면 복잡한 마이크로틱(MikroTik) 장비를 쉽게 구성하고 네트워크를 구축할 수 있습니다. 특히 SSH 대신 REST/JSON API를 사용하고, 작업 전후로 설정을 백업하며, 변경 시마다 테스트하면 LLM의 환각(Hallucination) 위험을 줄이면서 빠르고 효율적으로 작업할 수 있습니다.
텐센트의 Hy팀이 총 295B 크기의 매개변수 중 토큰당 21B만 사용하는 효율적인 MoE(Mixture-of-Experts) 아키텍처 기반의 'Hy3' 모델을 오픈소스로 공개했습니다. 이 모델은 256K의 긴 컨텍스트 창과 강력한 추론 능력을 갖추고 있어 코딩 및 에이전트 업무 수행에 매우 유용하며, 2026년 7월까지 OpenRouter에서 무료로 테스트할 수 있습니다.
AI 코딩 툴 기업 커서(Cursor)가 iOS용 모바일 앱을 출시했습니다. 이 앱을 통해 개발자들은 스마트폰에서 직접 코딩 에이전트를 생성하고 제어할 수 있습니다. 복잡한 데스크톱 환경 대신 스마트폰을 활용해 원격 에이전트와 지속적으로 소통하며 코드를 작성하는 새로운 개발 트렌드가 확산되고 있습니다.
Electron 기반의 데스크톱 코딩 에이전트 앱인 'y'는 AI가 자체 앱 UI를 실시간으로 수정 및 복구할 수 있는 혁신적인 기능을 제공합니다. Claude Code, OpenAI Codex 등 로컬 환경의 CLI 에이전트를 통합 관리하며, 격리된 워크스페이스를 통해 여러 AI가 동시에 충돌 없이 작업할 수 있게 돕습니다. 개발자가 AI의 작업 환경을 직접 맞춤형으로 구성하고 안전하게 코드를 관리할 수 있다는 점에서 의미가 있습니다.
일반적인 AI 보안 모델과 달리 거부(Response Refusal) 없이 실제 모의해킹(Pen Test)을 수행하도록 사후 학습된 CLI 기반 보안 에이전트가 소개되었습니다. 이 도구는 단순히 취약점을 찾는 것을 넘어, 안전하게 분리된 환경에서 익스플로잇을 직접 재현해 취약점을 증명하며, 마크다운 형태의 상세한 보고서를 제공합니다. 개발자는 무료로 설치하여 200만 무료 토큰으로 즉각적인 코드 보안 점검을 수행할 수 있습니다.
중국의 AI 연구소인 즈푸 AI(Zhipu AI)가 100만 토큰의 긴 문맥을 안정적으로 처리하는 오픈소스 모델 'GLM-5.2'를 MIT 라이선스로 공개했습니다. 이 모델은 수십 시간이 걸리는 장기 코딩 및 에이전트 작업에서 앤스로픽(Anthropic)의 오푸스(Opus) 모델에 단 몇 포인트 차이로 근접하며 기존 오픈소스 모델들을 압도하는 성능을 입증했습니다. 특히 'IndexShare'라는 새로운 아키텍처를 도입해 긴 문맥 처리 시 발생하는 막대한 연산 비용과 자원 소모를 크게 줄인 것이 핵심 기술적 변화로 평가받습니다.
45년 차 베테랑 개발자이자 오픈소스 'jqwik'의 제작자가 AI 코딩 에이전트의 무분별한 남용과 빅테크의 무책임한 행태에 강한 윤리적 반발을 드러냈습니다. 그는 자신의 프로젝트를 보호하고 AI 코드 생성의 위험성을 경고하기 위해 AI 사용을 지적하는 코드를 프로젝트에 실험적으로 추가했습니다. 이 사건은 오픈소스 생태계가 직면한 생성형 AI의 윤리적 딜레마와 갈등을 잘 보여줍니다.
오픈AI가 코딩 에이전트 '코덱스(Codex)'의 사용 한도 초기화를 사용자가 원할 때 자유롭게 저장하고 사용할 수 있도록 유연성을 강화했습니다. 이는 사용자 편의성을 높이는 조치인 동시에, 막대한 AI 운용 비용 부담 속에서 라이벌인 앤스로픽(Anthropic)의 고객을 유치하기 위해 준비 중인 본격적인 'AI 가격 경쟁'의 신호탄으로 평가됩니다.
AI 코딩 에이전트인 Claude Code와 Codex의 대화 컨텍스트를 로컬에서 관리해주는 오픈소스 도구인 Ctx가 소개되었습니다. 개발자들은 이 도구를 통해 이전 작업 대화를 정확히 불러와 이어서 작업하거나 안전하게 브랜치를 나누어 컨텍스트를 분리할 수 있습니다. API 키가 필요 없는 로컬 우선 아키텍처와 SQLite 기반으로 빠르고 안전하게 작업 스트림을 관리할 수 있다는 것이 핵심 강점입니다.