한 줄 요약

중국 문샷이 최전방에 근접한 공개 가중치 모델을 내놓고, 구글은 AI를 일상 앱에 연결했다 — 이제는 토큰이 아니라 ‘가치 대비 성과’로 AI를 점검할 때다.

Big Tech

Google AI Mode: 앱 연결로 검색에서 직접 실행

구글의 대화형 검색 경험인 AI 모드는 이제 일부 서드파티 앱을 안전하게 연결해 검색 화면에서 바로 작업을 수행할 수 있게 한다. 사용자는 AI 모드에서 자주 쓰는 서비스를 연결하고 직접 상호작용할 수 있다. ¹

출시 초기에는 인스타카트 장보기 목록 담기, 캔바 템플릿 불러오기, 유튜브뮤직 플레이리스트 저장 같은 예시가 제공되며, 미국부터 순차 제공하고 파트너도 확대할 예정이다. 답변 제공을 넘어 실제 작업 완료로 역할이 넓어지는 변화다. ²

한편 구글은 NotebookLM을 Gemini Notebook으로 바꾸고, 각 노트북에 보안 클라우드 컴퓨터를 적용하기 시작했다. 이를 통해 노트북 내에서 코드를 작성·실행해 출처 기반의 심층 분석을 수행할 수 있다. 현재 Google AI Ultra 사용자와 Workspace 비즈니스 고객(AI Ultra Access, AI Expanded Access 보유)에게 제공되며, 몇 주 내 웹 Pro 사용자에도 확대된다. 노트북은 Gemini 앱과 동기화되고, AI 모드의 검색에도 곧 통합될 예정이다. ³

Industry & Biz

Moonshot Kimi K3: 공개 가중치로 최전방 근접

개인용 비서 ‘Kimi’로 알려진 베이징의 Moonshot AI가 Kimi K3를 공개했다. 2.8조 매개변수, 100만 토큰 컨텍스트를 내세우며, Anthropic Claude Fable 5와 OpenAI GPT‑5.6을 제외한 상위권 모델과 견줄 수 있다고 주장한다. 특히 공개 가중치(open weight)로 제공해 사용자가 내려받아 커스터마이즈할 수 있으며, 중국 내 가격은 Anthropic Sonnet 급으로 책정됐다고 보도됐다. ⁴

초기 신호는 실무 작업에서의 강점을 보여준다. Arena.ai의 블라인드 프론트엔드 코딩 순위에서 K3가 Fable 5와 GPT‑5.6 Sol을 앞섰고, 7월 27일에 가중치를 공개해 외부 검증을 받겠다고 Moonshot은 밝혔다. 최전방에 근접한 결과와 공개 가중치의 조합은 이미 미국 도구를 쓰는 팀의 전환 비용을 낮춘다. ⁵

가격은 프리미엄 모델 대비 낮다. Moonshot API 기준 입력(캐시 히트)은 백만 토큰당 0.30달러, 캐시 미스는 3달러, 출력은 백만 토큰당 15달러로 컨텍스트 길이와 무관하다. 비교 대상으로 SiliconANGLE은 Fable 5가 입력 1달러·출력 50달러, GPT‑5.6 Sol이 입력 0.50달러·출력 30달러라고 전한다. 품질이 유지되는 범위에서는 더 무거운 작업을 K3로 넘길 유인이 생긴다. ⁶

예산 관점의 의미는 분명하다. OpenAI는 토큰 가격이 아니라 ‘성공한 업무 1건당 총비용’으로 성과를 보라고 제안한다. 7월 17일 공개한 스코어카드에서 OpenAI는 GPT‑5.6 Sol이 특정 코딩‑에이전트 지표에서 동급 최고를 기록하며 다른 선도 모델 대비 출력 토큰을 54% 적게 썼고, DeepSWE v1.1에서는 Fable 5(69.9%)보다 높은 72.7%를 36.2% 낮은 추정 API 비용으로 달성했다고 밝혔다. K3가 비슷한 결과를 더 낮은 가격으로 내면, 가치 방정식은 더 움직인다. ⁷

Moonshot Kimi K3: 시장 반응과 규제 맥락

CNBC에 따르면 Moonshot은 K3가 전체 성능에서는 Fable 5와 GPT‑5.6 Sol에 다소 못 미친다고 인정하지만, 일부 코딩·에이전트 벤치마크에서는 GPT‑5.5와 Opus 4.8을 앞섰다. 뱅크오브아메리카는 중국의 연산 제약에도 불구하고 의미 있는 도약이라고 평가했다. Moonshot은 알리바바·텐센트의 지원을 받으며 2023년 이후 빠르게 성장했다. ⁸

발표 직후 홍콩 시장에서 Z.ai는 28%, MiniMax는 16% 하락했고, 미국 내에서는 중국 모델 도입을 제한하려는 논의가 진행 중이다. 기업 입장에서는 단기적으로 가격 경쟁 압력이 커졌고, 민감 데이터 워크플로 도입에는 규제·보안 검토가 선행돼야 한다. ⁸

New Tools

Capital One VulnHunter: 오픈소스 AI 보안 스캐너 공개

Capital One은 VulnHunter를 오픈소스로 공개했다. 이 도구는 공격자 진입점(응용프로그램 인터페이스(API), 메시지, 파일 업로드)부터 코드를 ‘순방향’으로 추적해 실제로 방어를 뚫는지 따져보고, 내장된 ‘반증(falsification) 엔진’으로 스스로 결론을 깨려 시도한다. Apache 2.0 라이선스로 공개됐고, 현재 Anthropic의 Claude Opus 4.8과 Claude Code 환경을 사용하며, 증거와 함께 수정 제안까지 제공해 허위 경보를 줄이는 데 초점을 맞춘다. ⁹

강력한 규제를 받는 은행이 2019년 침해 사고와 8,000만 달러 벌금 이후 실용적 대안을 내놓았다는 점에서 의미가 크다. 실제 악용 가능성에 집중하고 오탐을 줄이는 설계를 통해, 비핵심 저장소에서의 소규모 파일럿로 시작해 기존 스캐너 대비 효용을 비교해 볼 수 있다. ⁹

커뮤니티 반응

Hacker News (55↑) — VulnHunter의 버그 탐지 잠재력에는 기대가 있으나, 전체 AI 지출 비판보다 Capital One의 구체적 에이전트형 제품을 평가하자는 의견과 함께 과도한 자신감·미흡한 커버리지·내부 활용 투명성에 대한 우려가 공존한다. ¹⁰

"맞아요, 그런데 이 게시물은 Capital One에 관한 겁니다. 은행에서 내부적으로나 소비자 대상의 AI 활용이 특히 Capital One에겐 큰 이점이라는 걸 알아내는 데 천재나 시스템 설계자가 필요한 건 아니에요. 아마 전체 AI 지출을 비판하기보다는 그들이 만들고 있는 실제 에이전트형 제품들을 비판해야 할지도 몰라요." — Hacker News ¹⁰

나에게 주는 의미

예산이 빠듯할수록 AI는 ‘성과 대비 비용’으로 봐야 한다. OpenAI의 제안처럼 성공한 업무 1건당 총비용과 ‘바로 사용 가능’ 비율을 기준으로, 현재 스택과 K3 같은 대안을 비교하면 값싼 모델이 재시도·검수 비용을 늘리는지, 비싼 모델이 한 번에 끝내 시간을 절약하는지 분명해진다. ⁷

마케팅·운영·이커머스 팀은 구글 AI 모드 연동으로 탭 전환을 줄일 수 있다. 인스타카트를 연결해 목록을 장바구니로 옮기거나, 캔바 템플릿을 대화 중에 불러와 기획‑디자인 간 핸드오프 시간을 단축해 보자. ¹

제품·엔지니어링을 맡는다면 민감하지 않은 저장소에서 VulnHunter로 소규모 보안 점검을 시도해 볼 만하다. ‘공격자‑우선’ 경로 분석과 반증 단계가 오탐을 줄이는지, 현재 스캐너 알림과 나란히 비교하면 확연하다. ⁹

대규모 벤더 전환을 검토하기 전, K3의 7월 27일 가중치 공개와 실제 업무에 가까운 외부 재현 평가(예: 저장소 단위 코딩·웹 UI 작업)를 먼저 확인하자. 초기 순위는 좋지만, 여러분의 워크플로에서 유지되는지가 핵심이다. ⁵

지금 할 일

1. 구글 AI 모드에 앱 1개 연결: 미국 사용자는 인스타카트나 캔바를 연결해 ‘기획→장바구니’ 또는 ‘템플릿→초안’ 작업을 끝까지 실행해 실제 시간 절감을 가늠해 본다.
2. 1페이지 AI 가치 스코어카드 작성: 한 개 워크플로를 정해 ‘완료’ 정의, 성공 1건당 총비용, 검수 시간(재시도·수정 포함)을 이번 주에 기록해 현재 모델의 기준선을 만든다.
3. VulnHunter 소규모 파일럿: 엔지니어링/보안팀에 요청해 비핵심 저장소에 적용하고, 기존 스캐너 대비 ‘악용 가능성’ 기반 결과의 품질과 오탐 감소 효과를 비교한다.
4. Kimi K3 단일 과제 시험: 지역 접근이 가능하면 프론트엔드 모의 과제나 장문 분석을 현재 모델과 같은 루브릭으로 돌려, 품질·재시도·비용을 직접 비교한다.