채팅은 터미널에서!

PC(Windows · macOS · Linux) 터미널에서 ssh sshxyz.com → 엔터

코파일럿 퓨전, 클로드 코드와 2점 안쪽 코딩 점수를 API 비용 절반에 냈다 — 제미나이 4 카본은 지능 지수 59로 1위

작성자: 바이브맨 · 점수: 0 · 24일 전 · 바이브코딩
깃허브가 모델을 알아서 고르는 코파일럿 퓨전을 정식 출시했다. 구글은 제미나이 4 카본을 공개하고 보안 방어 조직에 먼저 풀었다. 미스트랄은 CPU에서도 도는 시계열 예측 모델을 내놓았고, 앤트로픽은 사람이 AI 에이전트의 판단을 얼마나 따라가는지 실험한 결과를 발표했다. 1. 깃허브 코파일럿 퓨전: 모델 고르는 일을 코파일럿에 맡긴다 - 무엇이 나왔나: 10월 28일 정식 출시했다. 노력 수준(Standard·High·Max)만 고르면 코파일럿이 작업마다 쓸 모델과 협업 방식을 정한다. 방식은 세 가지다. 모델 하나로 끝내거나(Single), 싼 모델이 초안을 쓰고 품질 검사에서 떨어지면 상위 모델로 넘기거나(Cascade), 한 모델이 쓴 초안을 다른 모델이 검토하고 처음 모델이 고친다(Critique). - 왜 중요한가: 깃허브 발표에 따르면 Max는 Artificial Analysis 코딩 에이전트 지수에서 60점을 받아 클로드 코드+Opus 5.5 Max와 2점 안쪽으로 차이가 났다. 그러면서도 작업당 평균 API 비용과 토큰은 절반 수준이었고, 시간은 약 40% 덜 걸렸다. - 어떻게 써보나: VS Code·젯브레인·코파일럿 앱·코파일럿 CLI에서 쓸 수 있고, 모든 코파일럿 플랜에서 지원한다. 요금은 퓨전이 실제로 쓴 모델별 정가로 나가며, 유료 플랜은 한시적으로 30% 깎아 준다. 기업·조직 정책에서 막아 둔 모델은 퓨전도 쓰지 않는다. 2. 제미나이 4 카본: 벤치마크 1위지만 지금은 보안 방어팀만 쓴다 - 무엇이 나왔나: Artificial Analysis 지능 지수 v5에서 59점으로 1위에 올랐다. 벤처비트에 따르면 Opus 5.5는 58점, GPT-6 Astra는 57점이다. 취약점 찾기 벤치마크 SEC-bench Pro에서는 88.2%를 기록해 아르곤(83.4%)보다 높았다. - 왜 중요한가: 구글은 우선 일부 사이버 보안 방어 조직에만 페어윈드 프로그램으로 제공한다. 공개 API는 아직 없고, 일반 공개 시점은 '가능한 한 빨리'라고만 밝혔다. 다만 벤처비트가 인용한 AA-Omniscience 결과를 보면 정확도는 아르곤보다 올랐지만(48%→58%) 환각률도 4%에서 11%로 올랐다. - 어떻게 써보나: 당장은 기존 아르곤을 쓴다. 출시 초기 가격은 100만 토큰당 입력 2달러·출력 10달러이고, 이후 4달러·20달러로 오른다. 초기 가격이 언제 끝나는지는 발표하지 않았으니 예산은 오른 가격을 기준으로 잡아 두는 편이 안전하다. 3. 미스트랄 타임스트랄: GPU 없이 도는 시계열 예측 모델 4종 - 무엇이 나왔나: 매개변수 500만~2억 900만 개짜리 오픈 웨이트 모델 4종이다. 논문에 따르면 209M 모델은 GIFT-Eval·TIME·fev-bench의 6개 지표에서 비교 모델 중 모두 1위를 했고, 123M 모델이 모두 2위였다. - 왜 중요한가: CPU 8스레드에서 예측 1건(2,048스텝 입력으로 96스텝 예측)에 17~113ms가 걸려, 수요 예측이나 서버 부하 예측을 GPU 없이 돌릴 수 있다. 공휴일·프로모션 일정처럼 미래에 미리 아는 변수도 입력으로 받는다. - 어떻게 써보나: 허깅페이스에서 가중치를 받고 깃허브의 추론 코드로 돌린다. 라이선스는 논문에 나오지 않으니 저장소에서 따로 확인해라. 4. 앤트로픽 실험: 분석가는 에이전트 의견을 86% 따랐다 - 무엇이 나왔나: 분석가 50명이 클로드 코드로 가상 농업협동조합의 지원 프로그램 효과를 분석했다. 연구진은 동전 던지기로 에이전트가 어느 쪽을 밀지 몰래 정했는데, 분석가들은 분석 결정 4개에서 86% 에이전트 쪽을 골랐다. 영향이 없었다면 약 50%가 나와야 한다. - 왜 중요한가: 77%가 과제 후 답변에서 에이전트의 논리를 되풀이했지만, 그 논리가 AI에게서 나왔다고 밝힌 사람은 15%뿐이었다. 경력이나 전문성으로는 누가 따라갈지 예측하지 못했다. - 어떻게 써보나: 에이전트에 분석을 맡기기 전에 핵심 가정에 대한 내 의견을 먼저 적어 둔다. 에이전트에는 선택지마다 가장 강한 논거를 달라고 요청한다. 이번 주 코파일럿을 쓴다면 같은 작업을 퓨전 High와 지금 쓰는 모델로 한 번씩 돌려 비용과 결과를 비교해 보자. 출처: https://github.blog/changelog/2026-10-28-route-and-orchestrate-models-with-github-copilot-fusion/ https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/ https://venturebeat.com/technology/google-unveils-gemini-4-carbon-retaking-the-worlds-no-1-spot-on-updated-harder-benchmarks-but-access-is-limited https://huggingface.co/papers/2610.37585 https://www.anthropic.com/research/agents-judgment-calls https://aiweekly.co/ai-news-today

댓글 (0)

아직 댓글이 없습니다.

← 목록