AI News Nov 18, 2026 9 min read

AI 에이전트 해킹 위협 보고서, 8월 제로데이 22건 악용

구글 GTIG는 AI 에이전트 해킹 위협 보고서에서 8월 제로데이 악용이 22건이었다고 밝혔습니다. Gemini 4 Hydrogen 가격과 vLLM 0.34 업그레이드 주의점도 다룹니다.

구글 위협 인텔리전스 그룹은 AI 위협 추적 보고서에서 AI 에이전트(여러 단계를 스스로 이어 실행하는 AI)를 쓴 해킹이 실제 침입에서 관찰됐다고 밝혔습니다. 8월 한 달 악용된 제로데이(패치가 나오기 전에 공격에 쓰인 취약점)는 22건이었습니다. 구글의 Gemini 4 Hydrogen 가격, vLLM 0.34.0과 Claude Code 2.1.326 변경점, ClickUp 영상 편집기 베타까지 다섯 소식을 함께 살펴봅니다.

오늘 담긴 것

보안 위협

구글 GTIG·맨디언트 AI 위협 보고서, 에이전트형 공격 확인…8월 제로데이 22건

구글 GTIG 보고서의 에이전트형 공격과 8월 제로데이 악용을 상징하는 자물쇠, 로봇 집게, 패치 노트 더미

11월 17일 구글 위협 인텔리전스 그룹(GTIG)과 맨디언트가 AI 위협 추적 보고서를 공개했습니다. 보고서는 제목에서 에이전트형 위협 활동이 중대한 임계점을 넘었다고 밝혔습니다.

공격자가 AI 에이전트로 침입 여러 단계를 자동으로 돌리는 사례가 실제 조사 현장에서 나왔다는 보고입니다. 훔친 자격증명과 패치되지 않은 시스템을 노리는 방식은 그대로이고, 속도와 규모가 새 방어 과제라고 구글은 설명합니다.

  • 수치: 8월 한 달 악용된 제로데이는 22건으로, 2025년 월평균 8건과 2026년 월평균 11건보다 많았습니다.
  • 자동화: 사람 없이 취약점 발견부터 악용까지 돌리는 프레임워크 exploit_agent를 GTIG가 처음 파악했습니다.
  • 도구: ARTEX, CAIRN, PentAGI는 실제 침입에서 관찰됐고, CyberStrikeAI와 HexStrike AI는 시험 정황이 있습니다.

무엇이 달라지나

공격자가 Cobalt Strike나 Metasploit 같은 기존 모의 침투 플랫폼에서 AI 모델 기반 공격 프레임워크로 옮겨 가고 있다고 구글은 설명합니다. 침입 방식은 그대로이고 속도와 규모가 달라져, 구글은 패치를 적용할 수 있는 시간이 줄었다고 봅니다.

한계

수치와 판단은 구글 GTIG와 맨디언트가 자체 관찰한 내용입니다. 이 글이 읽은 범위는 보고서 앞부분과 요약, 같은 구글의 이전 글 두 편까지이며 보고서 뒷부분의 세부 사례는 다루지 못했습니다. 22건의 세부 집계 방식도 읽은 범위에는 없습니다.

커뮤니티 반응

■한 게시자가 보고서를 여러 글의 타래로 풀어 소개하며, 패치가 나올 때마다 공격 코드를 만드는 시대가 됐다고 요약했습니다.

■구글이 공격자의 AI 모델 활용을 7단계로 나눴고 지금이 5단계라는 설명을 첫 그림으로 꼽았습니다.

■같은 글은 1년 남짓 사이 다섯 단계를 지나온 속도라면 내년 봄 안에 마지막 단계를 보게 된다는 계산도 붙였습니다.

본문 펼치기 · 약 6분

에이전트형 도구는 침입 방식은 같아도 속도를 크게 바꿨다

GTIG와 맨디언트는 공격자가 오픈소스 에이전트형 모의 침투 도구를 실제 침입에서 단계별 자동화에 쓰는 것을 여러 건 관찰했다고 보고서에 적었습니다. 보고서는 이 도구들의 공통 기능으로 쉬운(복잡도가 낮은) 취약점을 찾아 악용하기, LLM(대규모 언어 모델)으로 일회용 공격 코드(페이로드)를 필요할 때 만들기, 실행 결과를 실시간으로 받아 전술 바꾸기를 꼽습니다. 이는 프레임워크의 공통 기능 설명이며, 관찰된 공격마다 페이로드를 만들었다고 단정하는 서술은 아닙니다.

도구별로 보고서를 보면 CAIRN은 관찰, 판단, 결정, 실행을 반복하는 OODA 루프에서 전문 에이전트들이 공용 게시판에 정보를 모아 목표까지 찾아갑니다. GTIG는 미국 항공우주 분야 표적 침입에서 CAIRN 사용을 관찰했다고 밝혔습니다. CyberStrikeAI는 보안 도구 100여 개를 연결하고, HexStrike AI는 MCP(AI가 외부 도구를 쓰는 연결 규격)로 공격 도구 150여 개와 하위 에이전트 12개 이상을 묶습니다.

PentAGI는 8월 말부터 10월 초까지 한 공격자가 개조한 플랫폼으로 아시아의 여러 조직을 정찰하고 취약점을 스캔한 사례가 추적됐습니다. 10월 31일 ARTEX 분석 글에 따르면 ARTEX는 Go로 만든 플랫폼이며 하위 에이전트 여섯 개로 공격 단계를 나눕니다. 원저자가 10월에 원본 저장소를 내렸지만 커뮤니티 포크로 계속 퍼진다고 합니다.

같은 글은 ARTEX 실행 한 번이 2초에서 25초 정도의 짧은 연속 동작으로 이어졌고, 한 침입에서는 23초 동안 27개 이벤트가 나왔다고 설명합니다. 한 사건에서는 로그 이벤트 240건이 남았습니다. 하위 에이전트끼리 같은 목표를 쫓다 서로 덮어쓴 것으로 추정되는 오류도 있었습니다.

패치 공개 직후 자동으로 공격 코드를 만드는 서버가 처음 파악됐다

GTIG는 이번 분기에 공격자가 사람 개입 없이 취약점 발견부터 악용까지 자동화한 사례를 처음 파악했다고 밝혔습니다. 노출된 준비용 서버에서 나온 다중 에이전트 프레임워크가 exploit_agent이며, 여러 프런티어 모델과 로컬 모델에 연결돼 있었습니다. 인기 웹 애플리케이션 소프트웨어의 패치 전후 코드를 계속 비교하고, 취약 가능성을 분석해 공격 코드를 쓰고, 자동으로 실행하도록 설정돼 있었습니다.

서버에는 내부 정찰, 무차별 대입, 웹셸(서버를 원격 조종하는 악성 스크립트) 설치, 다른 공격자의 웹셸 제거를 돕는 스크립트도 있었습니다. 피해 정보를 보면 운영자는 프랑스의 미디어·엔터테인먼트 업종과 교육 분야 웹사이트를 노린 것으로 보입니다. 환경 설정 파일에는 자동 악용용 LLM API 키를 직접 넣으라는 러시아어 주석이 있었다고 합니다.

보고서는 패치가 이미 나온 n-day 취약점이 자동화에 유리하다고 설명합니다. 패치 전후 소스 코드, 릴리스 노트, 보안 연구, PoC(취약점 시연용 코드)처럼 한정된 자료에 집중할 수 있기 때문입니다. 반면 제로데이를 찾으려면 더 넓게 뒤져야 합니다. 작동한다고 주장하지만 실제로는 작동하지 않는 LLM 생성 공격 코드가 늘어 방어팀의 확인 작업이 더 생겼다고도 합니다.

9월에 GTIG가 취약점 통계를 분석한 결과를 보고서가 실었습니다. 1월부터 8월까지 전체 공개 건수와 악용 건수는 거의 두 배가 됐습니다. 제로데이 악용은 2025년 월평균 8건에서 2026년 월평균 11건으로 소폭 늘다가 8월에 22건으로 뛰었습니다. 22를 8로 나누면 2.75배이며, 이는 보고서의 표현이 아니라 이 글의 단순 계산입니다.

보고서는 공개 연구도 이런 자동화 악용을 뒷받침한다며 8월 말 PaperCut 인쇄 관리 서버의 제로데이 두 건을 예로 듭니다. 인증 우회 취약점(CVE-2026-81578)과 안전하지 않은 동적 클래스 로딩 취약점(CVE-2026-82078)을 이어 인증 없는 원격 코드 실행이 가능했다고 합니다.

계정 도용과 코딩 도구 공급망 공격도 같은 흐름에서 다뤄졌다

금전을 노리는 공격자는 LLMJacking(훔친 LLM 접속 권한과 클라우드 자원을 되파는 수법)으로 돈을 번다고 보고서는 적었습니다. 침해한 기업 환경에서 자격증명과 자원을 훔친 뒤 LLM Mixers 같은 지하 프록시 서비스로 고성능 모델 접근 권한을 재판매한다고 합니다. 9월 9일 보고서는 2분기에 클라우드 자원을 침해한 공격자가 에이전트 기반 대량 자격증명 탈취 작전을 계획부터 실행까지 6시간 안에 끝낸 사례도 실었습니다.

정보 작전에서는 국가 지원 조직과 영향력 공작 대행 업체, 정치 수익 네트워크가 LLM으로 합성 미디어를 대량으로 만들고 현지화한 가짜 계정을 꾸미며 여러 플랫폼 배포를 자동화한다고 합니다. 첩보 조직은 표적 조사와 자료 분석에 LLM을 쓰고, 자율 코딩 도우미의 설정을 조작해 로컬 실행 중 백도어를 심는 공급망 공격 방식도 쓴다고 보고서는 적었습니다.

9월 보고서는 UNC6780(TeamPCP)이 2026년 3월부터 PyPI, npm, Docker Hub를 노린 대규모 공급망 침해를 이어 왔다고 설명합니다. 개발자 계정을 장악해 MCP 서버의 변조 포크 tiktoken_mcp를 PyPI에 올렸고, 공식 조직 저장소 azure-functions-mcp-extension에도 악성 코드를 넣었다고 합니다.

도구는 속도를 얻는 대신 흔적을 남기고 방어는 기본 원칙에 가깝다

구글은 이 프레임워크들이 지금은 은밀함을 속도와 맞바꾼 상태라고 평가합니다. 제한 없이 자동 실행하면 포렌식 흔적이 되는 트래픽과 알아볼 수 있는 식별자, 코드 수준의 흔적이 남아 탐지 가능성이 오른다는 설명입니다. 그래도 목표는 달성할 수 있으며, 모델이 좋아지면 사람 개입이 줄고 은밀함과 정교함이 늘 것으로 구글은 예상합니다.

구글 보안 운영(SecOps)은 ARTEX 사용을 탐지하는 행동 기반·볼륨 기반 룰팩을 배포했고, 맨디언트 컨설팅은 강화 가이드와 방어 구조 틀을 냈다고 밝혔습니다. 10월 31일 글이 든 방어 전략은 관리 계층 분리, 단기 자격증명, 최소 권한, 네트워크 분리, 행동 기반 탐지입니다. 구글은 이들이 오래된 보안 모범 사례라고 적었습니다.

이 글은 Wiz 연구팀이 추적한 ARTEX 관련 캠페인(GTIG 분류 UNC7228)도 전합니다. 8월부터 미국과 유럽의 기업 소프트웨어, 산업 자동화, 반도체, 통신 업종을 노렸고, 첫 계정 장악에서 깊은 시스템 접근까지 보통 약 네 시간, 가장 빠른 경우 15분이 걸렸다고 합니다.

자세히 읽기 · Google Threat Intelligence Group의 AI 위협 추적 보고서(11월 17일) ↗ · Google Threat Intelligence Group의 AI 위협 추적 보고서(9월 9일) ↗ · Google Threat Intelligence Group의 ARTEX 분석 글(10월 31일) ↗

모델과 요금

구글 Gemini 4 Hydrogen 공개: 입력 1.50달러·출력 7.50달러, Antigravity Orchestrator 지원

구글 Gemini 4 Hydrogen의 가격을 상징하는 엔진 블록, 가격표, 높이가 다른 동전 더미

구글이 11월 12일 Gemini 4 Hydrogen을 공개했고(11월 16일 갱신), 같은 날 Google Antigravity에 Hydrogen과 Orchestrator를 내놓았습니다. 11월 10일에는 Antigravity에 Gemini 4 Carbon을 먼저 열었습니다.

Antigravity(구글의 에이전트 중심 개발 플랫폼)에서 Hydrogen은 코딩과 반복 업무를 빠르게 실행하는 모델입니다. Orchestrator는 어려운 계획은 Carbon에 맡기고 실행은 Hydrogen에 넘기는 모델 선택 항목입니다.

  • 가격: 100만 토큰 컨텍스트 전 구간에서 같은 값으로, 100만 토큰당 입력 1.50달러, 출력 7.50달러입니다.
  • 제공: 구글은 Google AI Studio 전 등급, Gemini API, 비즈니스용 Gemini, Gemini 앱, Google Search, 유료 AI Pro·Ultra의 Antigravity에서 쓸 수 있다고 밝혔습니다.
  • Orchestrator: Orchestrator (Carbon)는 AI Ultra, Orchestrator (Argon)는 유료 AI Pro와 Ultra에 순차 제공됩니다.

무엇이 달라지나

Antigravity 모델 선택창에서 Orchestrator (Carbon)를 고르면 한 세션에서 Carbon과 Hydrogen이 교대합니다. Orchestrator (Argon)도 별도 선택지로 있으며, 읽은 발표문은 이 쪽의 교대 방식을 따로 설명하지 않습니다. 구글은 Terminal-Bench에서 Carbon에 가까운 성공률을 내면서 할당량은 평균 24% 적게 쓰고 작업은 19% 빨랐다고 밝혔습니다.

한계

성능과 속도 수치는 구글이 밝힌 값입니다. 구글 DeepMind 표에서 Claude Sonnet 5.5는 Terminal-Bench 4.1에서 63.9%로 Hydrogen의 57.0%보다 높고, OSWorld-2.1도 83.9% 대 77.6%입니다. 한국 제공 여부는 원문에 명시되지 않았고, 모델 평가 PDF 두 건은 본문을 읽지 못했습니다.

커뮤니티 반응

■Gemini 앱 공식 계정은 Mac용 Gemini 앱의 Antigravity에서 Hydrogen이 거친 스케치를 몇 분 만에 맞춤 폰트로 바꾼다고 소개했습니다.

■한 사용자는 같은 방식으로 스케치에서 맞춤 서체와 인터랙티브 웹 스튜디오까지 몇 분 만에 갔다고 적었습니다.

■악필이 폰트가 되겠다는 농담 답글이 이어졌고, 다른 글에는 구글이 다시 경쟁에 돌아와 반갑다는 답글도 달렸습니다.

본문 펼치기 · 약 6분

가격은 컨텍스트 길이와 관계없이 같고 사고 수준을 골라 비용을 조절한다

구글 블로그에 따르면 Hydrogen은 100만 토큰 컨텍스트 전체에서 입력 100만 토큰당 1.50달러, 출력 100만 토큰당 7.50달러로 같은 값입니다. 사고 수준은 낮음, 중간, 높음(기본값)에 새 xhigh를 더한 네 가지입니다. 구글은 필요한 추론 깊이만큼만 기다리고 비용을 낸다고 설명합니다.

10월 13일 Argon 공개 글이 밝힌 Argon의 도입 가격은 입력 2달러, 출력 10달러입니다. 1.50÷2와 7.50÷10은 모두 0.75라서 Hydrogen은 이 도입 가격보다 25% 낮습니다. 앞서 다룬 Gemini 4 가격: Hydrogen은 Carbon·Argon보다 25% 싸고, 두 모델은 12월 1일 2배 인상에서도 같은 내용을 전했습니다.

구글 블로그의 가격으로 단순 계산 예를 하나 들면, 캐시 없이 입력 100만 토큰과 출력 20만 토큰을 쓰는 작업은 1.50달러 + 7.50달러×0.2 = 3.00달러입니다. 실제 비용은 재시도 횟수와 출력 길이, 사고 수준에 따라 달라집니다.

성능 수치는 구글이 낸 값이고 Sonnet 5.5가 앞선 항목도 있다

구글은 발표문에서 Hydrogen이 Artificial Analysis Intelligence Index에서 기본인 높음 수준에서 51점으로 Argon의 50점을 앞섰고, xhigh에서는 54점이라고 밝혔습니다. Gemini 3.8 Flash와 비교하면 기본 설정에서 2.5배 빠르고 Terminal-Bench 4.1 점수는 18.2%에서 57%로 3배 넘게 올랐으며, 지어낸 주장은 5배 넘게 줄었다고 합니다. 에이전트 작업 중 과잉 행동은 최대 81%, 과소 수행은 최대 79% 줄었다고도 적었습니다.

DeepMind 모델 페이지의 표는 Hydrogen, Claude Sonnet 5.5, GPT-6.1 Terra를 비교합니다. Agents’ Last Exam v1.1은 71.6%, 60.4%, 69.8%이고 AutomationBench-AA는 76.1%, 71.8%, 60.2%입니다. 반대로 Terminal-Bench 4.1(부정행위 보정)은 57.0%와 63.9%, OSWorld-2.1(오프라인 부분집합)은 77.6%와 83.9%로 Sonnet 5.5가 높습니다.

표의 방법론은 DeepMind의 별도 평가 방법론 페이지에 있다고 적혀 있으며, 이 글은 그 페이지를 읽지 못했습니다. 측정 주체는 구글입니다.

Antigravity에서는 모델 선택창의 Orchestrator로 시작하고 Mac용 Gemini 앱에서도 열 수 있다

Antigravity 글에 따르면 모델 선택창에서 Orchestrator (Carbon)를 고르면 됩니다. Carbon이 읽기 전용 단계에서 종속성을 살피고 모호한 부분을 풀어 재계획 조건이 든 계획을 세웁니다. 그다음 Hydrogen이 코드를 고치고 패키지를 업데이트하고 테스트를 돌리다가, 막히면 제어를 Carbon에 돌려줍니다.

제공 범위는 Hydrogen이 유료 Google AI Pro와 Ultra, Orchestrator (Carbon)와 (Argon)이 AI Ultra, Orchestrator (Argon)이 유료 AI Pro입니다. 기업은 비즈니스용 Gemini에서 Hydrogen과 Orchestrator를 쓸 수 있습니다. Hydrogen을 직접 고르면 네 가지 사고 수준으로 추론 깊이를 조절하고, 역할별 모델을 직접 정하려면 Antigravity SDK로 Hydrogen과 Carbon을 연결할 수 있다고 합니다.

성능 설명에는 차이가 있습니다. 구글 블로그는 Orchestrator의 할당량 24% 절감과 19% 단축을 Terminal-Bench 4.0 기준으로 쓰고, Antigravity 글은 같은 수치를 Terminal-Bench 4.1 기준으로 적었습니다.

Mac용 Gemini 앱에서는 도움말의 순서대로 Gemini 앱을 열고 위쪽 Antigravity를 눌러 기존 프로젝트를 고르거나 새 대화를 만듭니다. 최신 Gemini 앱과 개인 구글 계정 또는 Gemini가 켜진 업무 계정이 필요합니다. 18세 이상이 영어로, Antigravity가 제공되는 지역에서 쓸 수 있습니다. Command+Shift+A를 누르면 에이전트가 백그라운드에서 코딩하는 동안 Gemini 채팅으로 돌아갑니다.

에이전트는 사용자가 고른 폴더 안에서만 일하고 민감한 변경 전에는 권한을 묻습니다. 작업 전에 단계별 계획을 보고 댓글을 달 수 있습니다. 이미 Antigravity 앱이 있다면 같은 대화에 두 앱에서 메시지를 보낼 때 충돌이 생길 수 있습니다.

Carbon은 11월 10일 Ultra 구독자에게 열렸고 병렬 에이전트는 할당량을 빨리 쓴다

Antigravity 글(11월 10일)에 따르면 Gemini 4 Carbon과 /swarm 프리뷰가 Antigravity에 나왔습니다. AI Ultra 구독자는 Antigravity 앱, CLI, IDE 확장에서 Carbon을 쓰고, /swarm은 앱과 CLI에 프리뷰로 순차 제공됩니다. 기업은 비즈니스용 Gemini에서 쓰고, API는 MKA 벤치마크 글이 Google AI Studio의 Gemini API라고 적었습니다.

/swarm은 코디네이터가 격리된 Git worktree에서 병렬 워커를 돌리고, 테스트를 실행해 변경을 엄격히 따지는 전담 에이전트를 둡니다. 모든 에이전트는 추가만 가능한 공유 메시지 보드로 협업하며, 유휴 때는 토큰을 쓰지 않는다고 합니다. 구글은 그래도 병렬 멀티 에이전트는 일반 채팅보다 할당량을 훨씬 빨리 쓴다고 직접 주의를 적었습니다.

과학자와 연구자는 신청을 통해 Antigravity 최상위 사용량 등급으로 Argon과 Carbon을 6개월 무료로 쓸 기회가 있습니다. 자격, 수용 능력, 선정에 따라 달라진다고 DeepMind 모델 페이지는 적었습니다.

자세히 읽기 · Google의 Gemini 4 Hydrogen 발표문 ↗ · Google Antigravity 블로그의 Hydrogen·Orchestrator 글 ↗ · Google Antigravity 블로그의 Carbon·/swarm 글 ↗ · Gemini 앱 도움말: Mac에서 Antigravity 쓰기 ↗ · Google DeepMind의 Gemini 모델 페이지 ↗ · Google의 Gemini 4 Argon 발표문 ↗ · Google DeepMind의 MKA 벤치마크 글 ↗

개발 도구

vLLM v0.34.0 업그레이드 주의점: 확장형 KV 캐시 기본 켜짐, 기본 block size 64

vLLM v0.34.0의 기본값 변경을 상징하는 서버 장치, 64가 적힌 태그, 점검 목록 카드

vLLM 프로젝트가 v0.34.0을 GitHub 릴리스로 공개했습니다. 게시일은 페이지에 적혀 있지 않고, 11월 17일 기준 최신(Latest) 버전으로 표시돼 있습니다.

vLLM은 AI 모델을 서버에서 돌려 서비스하는 오픈소스 추론 엔진입니다. 이미 쓰는 팀은 기본값이 바뀐 항목이 여럿이라 업그레이드 전에 설정을 봐야 합니다.

  • 규모: 커밋 1,061개, 기여자 412명(신규 120명)이며 새 모델 10종을 지원합니다.
  • 기본값: 확장형 KV 캐시(답을 만드는 동안 GPU 메모리에 두는 중간 저장 공간)가 기본으로 켜지고 gpu_memory_utilization 기본값은 1.0입니다.
  • 제거: Model Runner V1이 제거돼 Model Runner V2가 유일한 GPU 러너이며, 기본 block size는 16에서 64로 바뀌었습니다.

무엇이 달라지나

KV 캐시 크기를 추정값이 아니라 워밍업 뒤 실제로 남은 메모리로 정하므로, 대부분 모델에서 캐시가 커지고 처리량이 늘어난다고 릴리스 노트는 설명합니다. 예전 동작이 필요하면 --block-size 16, --gpu-memory-utilization 0.9, --no-enable-extensible-kv-cache 중 해당하는 옵션을 씁니다.

한계

게시일은 읽은 페이지에 없습니다. 성능 수치는 프로젝트가 자체 측정한 값이며 모델과 하드웨어마다 다릅니다. 일부 H200 모델에서는 동시 요청 128일 때 TPOT(토큰 하나를 만드는 데 걸리는 시간)가 6~18% 늘 수 있습니다. 상세 변경 목록(Full changelog)은 읽은 텍스트에 내용이 없어 이 글에 담지 못했습니다.

커뮤니티 반응

■릴리스 페이지에는 박수, 하트, 로켓 이모지 반응이 하나씩 달렸습니다.

■반응을 남긴 사람은 2명으로 표시됐습니다.

■별도 토론 글이나 댓글은 직접 열어 확인한 자료에 없습니다.

본문 펼치기 · 약 5분

업그레이드 전 확인 목록에는 시작 실패로 이어질 수 있는 변경이 여럿 들어 있다

릴리스 노트는 ‘업그레이드 전’ 칸을 따로 두고 기존 설정이 깨질 수 있다고 알립니다. Model Runner V1이 제거돼 VLLM_USE_V2_MODEL_RUNNER=0을 두면 시작 단계에서 실패하고, V1 logits processor는 vllm.v1.worker.gpu.sample.logits_processor로 옮겨야 합니다. 기본 --block-size는 16에서 64로 바뀌었고, 예전 동작이 필요하면 --block-size 16을 넘깁니다. ROCm 페이지드 어텐션은 계속 16을 씁니다.

릴리스 노트에 따르면 ROCm 7.2 산출물은 중단돼 ROCm 10.0 휠과 이미지를 써야 하고, -rocm72 이미지는 더 나오지 않습니다. huggingface_hub 2.0.0 이상이 필요하며 tokenizers 0.23.3 이상, timm 1.0.30 이상도 함께 요구됩니다.

릴리스 노트는 QuTLASS와 fp_quant가 제거돼 fp_quant 체크포인트는 더 이상 로드되지 않는다고 적었습니다. Marlin W4A8도 빠져 --quantization humming과 VLLM_HUMMING_INPUT_QUANT_CONFIG를 쓰라고 안내합니다. Keye-VL과 Keye-VL-1.5도 제거됐습니다.

새 KV 캐시 방식은 처리량을 늘리지만 일부 모델은 토큰당 지연이 늘 수 있다

릴리스 노트에 따르면 CUDA와 ROCm에서 KV 캐시 크기를 추정값이 아니라 CUDA 그래프 캡처와 워밍업 뒤 실제로 남은 메모리로 정합니다. 예로 H200의 MiniMax-M3는 캐시가 433k에서 672k 토큰으로 커졌습니다. 동시 요청이 많을 때 처리량은 오르고 TTFT(첫 토큰이 나오기까지의 시간)는 줄었다고 합니다.

대신 H200의 일부 모델은 동시 요청 128에서 TPOT가 6~18% 늘 수 있다고 릴리스 노트는 적었습니다. 끄려면 --gpu-memory-utilization 0.9 또는 --no-enable-extensible-kv-cache를 쓰고, 기본 gpu_memory_utilization은 1.0이 됐습니다. 할당기 단편화와 시작 때 메모리 부족(OOM), KV 커넥터 문제를 고치는 수정도 함께 들어갔습니다.

새 모델 10종과 하드웨어별 속도 향상은 프로젝트가 밝힌 값이다

릴리스 노트에 적힌 새 지원 모델은 Mistral Large 4(전체 1T, 활성 52B 파라미터, FP8과 NVFP4), MiniMax-M3.1-Flash, NVIDIA Nemotron-3.5-Transcribe 등입니다. Nemotron-3.5-Transcribe는 30B-A4B 음성 모델로 오디오 채팅과 /v1/audio/transcriptions를 지원합니다. 그 밖에 Ricursive Ripple-65B Preview, Zyphra ZAYA1, Baidu Unlimited-OCR-2, Liquid AI LFM3 계열, NVIDIA Canary-1B-v2, Ming3-ASR, NVIDIA Parakeet TDT가 있습니다.

속도 향상은 하드웨어와 모델별로 릴리스 노트에 적혔고 일부는 옵트인입니다. 4×GB200에서 Step5 NVFP4 MoE의 디코드는 최대 1.95배이고, NVIDIA에서 GLM-5.3-Flash의 출력 처리량은 DEP4 대비 1.6배입니다. GLM-5.3의 긴 입력(32K~128K) TTFT는 GB200에서 1.24~1.40배 빨라졌습니다. 8×MI355X에서는 동시 요청 1~8에서 상호작용성이 35~57% 올랐다고 합니다.

설치는 pip 한 줄이고 ROCm과 XPU는 별도 주소를 쓴다

릴리스 노트의 설치 안내를 보면 CUDA 13.0 기준으로 PyPI에서는 pip install vllm, uv에서는 uv pip install vllm --torch-backend=auto를 씁니다. Docker 이미지는 vllm/vllm-openai:v0.34.0이고 짧은 별칭은 vllm/vllm:v0.34.0입니다. 기본 CUDA 이미지에 AWS EFA 사용자 영역 구성요소가 들어가고, -efa 이미지는 EFA용 DeepEP를 더해 NCCL을 EFA로 보냅니다.

릴리스 노트에 따르면 ROCm 10.0은 pip install vllm --extra-index-url https://wheels.vllm.ai/rocm/0.34.0/rocm100을 쓰고, CPU와 XPU는 별도 이미지나 휠을 씁니다. 운영 쪽에서는 CRIU와 cuda-checkpoint를 쓰는 /checkpoint/prepare, /checkpoint/status, /checkpoint/restore가 추가됐습니다. 데이터 병렬과 전문가 병렬(DP+EP) 구성에서는 죽은 랭크를 빼고 전문가를 재배치하는 축소도 재시작 없이 됩니다.

자세히 읽기 · vLLM 프로젝트의 v0.34.0 릴리스 노트 ↗

Claude Code v2.1.326: 에이전트 팀과 Code Mode 함께 사용, 도구 옵션 경고 추가

Claude Code v2.1.326의 팀 기능과 경고 추가를 상징하는 단말기 모양 상자, 작은 깃발, 팀 배지

Anthropic이 Claude Code v2.1.326을 GitHub 릴리스로 공개했습니다. 게시 시각은 페이지에 적혀 있지 않고, 11월 17일 기준 최신 버전으로 표시돼 있습니다.

새 기능은 몇 가지이고 오류 수정이 대부분인 정기 릴리스입니다. 에이전트 팀이나 Code Mode, 허용 도구 옵션, 로그인과 권한 설정을 쓰는 사용자에게 해당합니다.

  • Code Mode: 에이전트 팀을 켠 상태에서도 Code Mode를 켤 수 있습니다. 이미 켜 둔 사용자는 팀이 켜진 세션이 Code Mode로 시작합니다.
  • 경고: --allowedTools, --disallowedTools, --tools 값에 완전한 규칙처럼 보이지 않는 항목이 있으면 시작할 때 경고합니다.
  • 수정: 권한, 로그인, MCP, /rewind 등 수정 항목이 매우 많습니다.

무엇이 달라지나

도구 옵션에 잘못 쓴 항목이 있으면 시작할 때 알 수 있습니다. 설정 파일을 저장하지 못했거나 세션 중 오류가 생긴 설정 파일도 경고가 파일 이름을 짚습니다.

한계

Code Mode가 무엇인지는 릴리스 노트에 설명이 없습니다. 업데이트 방법과 게시 시각도 적혀 있지 않습니다. 읽은 노트의 끝부분이 중간에서 끊겨 나머지 수정 항목은 다루지 못했습니다.

커뮤니티 반응

■이 릴리스에 대해 직접 열어 확인한 커뮤니티 게시물은 없습니다.

■읽은 릴리스 페이지 범위에는 이모지 반응 표시가 보이지 않습니다.

■이 칸은 확인된 반응 자료가 없다는 사실만 전합니다.

본문 펼치기 · 약 4분

Code Mode는 에이전트 팀과 함께 켤 수 있게 됐고 관련 오류도 고쳐졌다

릴리스 노트의 첫 항목은 에이전트 팀을 켠 상태에서 Code Mode를 켤 수 있게 했다는 것입니다. 이미 Code Mode를 켜 둔 경우에는 팀이 켜진 세션이 Code Mode로 시작합니다.

릴리스 노트에는 Code Mode 관련 수정도 세 건 있습니다. 자동 모드에서 인라인 ! 명령이 승인을 필요로 할 때 스킬과 슬래시 명령이 로드되지 않던 문제는 이제 Claude에게 실행 여부를 묻습니다. 스킬을 미리 불러오는 백그라운드 서브에이전트가 인라인 ! 명령 때문에 실패하던 문제와, mods가 $.tool.call과 $.tool.check로 Bash, Read 같은 도구를 쓰지 못하던 문제도 고쳐졌습니다.

시작 경고와 상태 안내가 늘어 잘못된 설정을 일찍 알 수 있다

도구 옵션 경고 외에도 안내가 여러 개 추가됐습니다. 세션 도중 관리자가 managed-mcp.json을 추가해 MCP 서버 로딩이 멈추면 이유를 알려 줍니다. /status에는 공급자나 DISABLE_TELEMETRY 같은 환경 변수 때문에 기능이 꺼질 때 이를 알리는 줄이 생겼습니다.

/plugin과 claude plugin list는 plugin.json의 author나 homepage처럼 형식이 잘못된 필드를 무시했을 때 알려 줍니다. 시작 때 숨겨진 알림은 Ctrl+O로 볼 수 있습니다. 릴리스 노트에 따르면 값을 64단계 넘게 중첩한 설정 파일은 넘는 부분을 버리고 경고합니다. OpenTelemetry에 host.name과 host.id를 넣는 OTEL_RESOURCE_INCLUDE_HOST도 추가됐으며 기본은 꺼짐입니다.

권한 처리와 로그인 흐름에서 잘못 안내하던 동작이 여럿 고쳐졌다

Edit 거부 규칙이 원본에만 걸려 있어도 cp가 막히던 문제가 고쳐졌습니다. find -delete, cat a > b, sort -o처럼 파일을 지우거나 덮어쓰는 Bash 명령이 기록에 검색이나 읽기로 요약되던 문제도 수정됐습니다. 이미 신뢰한 상위 폴더 아래의 폴더 신뢰 확인에서 위 방향키 뒤 Enter가 Yes로 처리되던 문제도 있었습니다.

claude purge는 출력을 리다이렉트하면 확인 질문이 보이지 않아, 보이지 않는 Enter 한 번으로 프로젝트 데이터가 지워질 수 있었습니다. 이제 질문이 터미널에 표시됩니다. 지출 한도 메뉴는 열릴 때 Backspace와 Enter가 눌리면 월 한도를 묻지 않고 지우던 문제가 고쳐졌습니다.

백그라운드 서비스가 재사용된 프로세스 번호 때문에 SSH 로그인 같은 사용자의 다른 프로세스를 끝내던 문제도 수정됐습니다. /login에서 Console 계정 로그인이 Claude 구독 로그인을 덮어쓰던 문제도 고쳐졌습니다.

MCP 연결과 Remote Control 오류도 여러 건 고쳐졌다

릴리스 노트의 MCP 항목에는 긴 결과 두 건이 같은 밀리초에 도착할 때 병렬 호출이 다른 호출의 저장된 결과를 읽던 문제(#105138)가 수정됐다고 적혀 있습니다. 도구 검색이 정확한 이름을 받고도 다른 MCP 서버의 도구를 불러오던 문제도 고쳐졌으며, 해당 도구는 다시 허락을 물을 수 있다고 노트가 적었습니다. 이름이 거의 같은 서버가 두 개면 MCP prompts가 사라지던 문제도 있었습니다.

/mcp는 로컬(stdio) MCP 서버가 시작에 실패한 이유를 이제 보여 줍니다. 서버가 재연결 중일 때 Esc, 또는 Ctrl+C 두 번으로 기다림을 닫을 수 있고 재연결은 백그라운드에서 계속됩니다. Remote Control에서는 서버가 잠깐 불안정할 때 응답 도중 연결이 끊기던 문제와, /remote-control의 QR 코드가 80×24 같은 짧은 터미널에서 잘리던 문제가 고쳐졌습니다.

자세히 읽기 · Anthropic의 Claude Code v2.1.326 릴리스 노트 ↗

업무 도구

ClickUp Creative Studio 베타: Brain²에서 글로 설명해 영상 만들고 타임라인에서 편집

ClickUp Creative Studio의 영상 편집을 상징하는 필름 띠, 편집 콘솔, 재생 버튼 토큰

ClickUp이 Brain² 안에서 영상을 만들고 편집하는 Creative Studio를 ClickUp Labs 베타로 소개했습니다. 출시일은 제품 페이지에 없고 11월 17일 기준 페이지가 공개돼 있습니다.

ClickUp의 AI Brain²에 글로 원하는 장면을 설명해 영상 클립, 이미지, 음악, 음성을 만들게 하고 타임라인에서 이어 붙이는 기능입니다. 작업(task)에 붙어 있는 영상을 열어 편집할 수도 있습니다.

  • 제공: ClickUp Labs 베타이며 웹과 데스크톱에서 씁니다.
  • 비용: AI 생성에는 AI 크레딧이 쓰입니다.
  • 내보내기: MP4로 내보내며 해상도는 최대 1080p입니다.

무엇이 달라지나

영상 생성부터 편집, 팀 공유까지 ClickUp 안에서 이어집니다. 작업의 Clip이나 영상 첨부 파일을 Creative Studio에서 열어도 원본은 그대로 남는다고 페이지가 설명합니다.

한계

출시일, 요금제 조건, AI 크레딧 한도, 지원 지역은 제품 페이지에 없습니다. 페이지의 편집 화면은 소개용 예시이고, 예시의 자동 자막에는 EN 표시가 있을 뿐 다른 언어 지원 여부는 적혀 있지 않습니다.

커뮤니티 반응

■유료 파트너십으로 표시된 한 게시물은 테스트용 문장 하나로 만든 영상을 ClickUp 안에서 편집했고 음악은 Eleven Music v2.5로 만들었다고 소개했습니다.

■한 사용자는 타임라인에 들어가 직접 편집할 수 있어야 업무에서 쓸 만하다고 평했습니다.

■다른 사용자는 한 장면만 고치려면 영상 전체를 다시 생성해야 하는지 물었습니다.

본문 펼치기 · 약 3분

시작은 ClickUp Labs를 켠 뒤 AI Hub에서 Creative Studio를 여는 순서다

제품 페이지의 시작 안내는 ClickUp Labs를 켠 다음 AI Hub에서 Creative Studio를 여는 것입니다. 베타이고 웹과 데스크톱에서 쓰며, AI 생성에는 AI 크레딧이 들어갑니다.

AI 채팅에서는 먼저 만들 것을 고릅니다. 선택지는 영상 클립 만들기, 이미지 만들기, 음악이나 음성 추가, AI로 이 프로젝트 편집하기입니다. 원하는 장면을 글로 적으면 결과가 장면에 들어와 바로 편집할 수 있다고 페이지가 설명합니다.

이미 있는 영상으로 시작할 수도 있습니다. 작업의 Clip이나 영상 첨부 파일을 Creative Studio로 열면 원본은 그대로 남습니다.

편집은 타임라인에서 하고 화면 비율을 바꿔 MP4로 내보낸다

제품 페이지의 편집 화면 예시에는 제목, 영상, 효과, 오디오 트랙이 있는 타임라인이 나옵니다. 소재는 업로드한 파일, 클립, 작업 파일에서 가져옵니다. 블록으로는 제목, 엔드 카드, 카운터, 3D, 전환 등이 보입니다. 자막(Captions) 기능도 있으며 예시의 자동 자막에는 EN 표시가 붙어 있습니다.

페이지에 따르면 화면 비율은 16:9(YouTube), 9:16(Reels·TikTok), 1:1(피드), 4:5(LinkedIn), 21:9(시네마)로 바꿀 수 있습니다. 같은 영상을 여러 화면에 맞춘 뒤 최대 1080p MP4로 내보냅니다. 예시 프로젝트의 사양은 1080P, 24 FPS로 적혀 있습니다.

협업은 장면 공유와 권한 설정, 실시간 동시 편집으로 이뤄진다

제품 페이지에 따르면 장면 하나를 팀과 공유하면 모두 같은 버전을 편집합니다. 예시 화면에는 팀원의 이메일 주소를 넣는 공유 창이 나오고, 권한은 전체 편집과 댓글만 가능으로 나뉩니다. 장면을 공개해 링크를 아는 사람이 볼 수 있게 할 수도 있습니다.

잘 만든 장면은 템플릿으로 게시해 다음 영상의 출발점으로 쓸 수 있습니다. 페이지의 예시에는 화면 비율 16:9, 길이 12초, 장면 4개짜리 템플릿이 게시된 모습이 나옵니다.

멀티플레이어 편집은 한 타임라인에서 여러 명이 함께 작업하는 방식입니다. 제품 페이지는 팀원이 클립을 자르고 옮기는 모습이 라이브 커서로 보이고, 특정 프레임에 댓글을 달아 타임라인에서 바로 해결 처리할 수 있다고 소개합니다. 한 사람의 화면을 따라가며 그 사람의 편집을 검토하는 팔로우 모드도 있습니다. 예시 화면에는 3명이 동시에 편집 중이라는 표시가 나옵니다.

자세히 읽기 · ClickUp의 Creative Studio 제품 페이지 ↗

Fluxaivory desk

Built from primary sources with AI assistance and published after automated checks. AI Use Policy · Corrections

Follow Fluxaivory

Get the briefing by email

A weekly roundup of the top AI news in plain English, from primary sources. Free. Unsubscribe anytime.