AI News Oct 28, 2026 8 min read

앤트로픽, 신약 파트너 6곳 초기 결과 공개…Mithril Medicine 인수도 밝혀

앤트로픽의 신약 파트너 6곳 협력 현황과 Mithril Medicine 인수, 마이크로소프트의 자발적 퇴직 제안, Gemma 4 E2B 속도 향상 보고, Cursor 주석, Nace Drex 소식을 담았다.

앤트로픽은 10월 27일 신약 개발 파트너 6곳과의 협력 현황과 초기 결과를 공개했고, 1인 바이오 기업 Mithril Medicine 인수도 같은 글에서 밝혔습니다. 마이크로소프트는 10월 26일 미국, 캐나다, 영국, 인도의 참여 조직에 속한 레벨 70 이하 적격 직원을 대상으로 자발적 퇴직 제안을 도입했습니다. 구글이 보고한 Gemma 4 E2B 속도 향상, Cursor의 주석 기능, Nace AI의 문서 검색 도구까지 다섯 소식에서 무엇이 확인됐고 무엇이 회사 주장인지 함께 살펴봅니다.

오늘 담긴 것

신약 개발과 바이오

앤트로픽, 신약 파트너 6곳 초기 결과 공개…Mithril Medicine 인수도 밝혀

앤트로픽의 바이오 스타트업 인수와 신약 개발 협력을 상징하는 실험용 유리병과 열쇠 꼬리표

앤트로픽이 10월 27일 올린 연구 글에 파트너 6곳의 사례가 나온다. 파트너는 BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines, The Column Group이다. 앤트로픽은 자체 신약 발굴도 시작했다. 글은 1인 바이오 기업 Mithril Medicine을 인수했다고도 밝혔고, 창업자 Cody Tranbarger가 X에 올린 게시물도 같은 인수를 전한다.

  • 파트너 사례: Generate는 실험실 시험에서 표준보다 약 70% 짧은 설계 하나가 면역세포의 수용체 생성을 약 10배로 늘렸고(사람 대상 결과는 제공된 자료에 없다), Enveda는 문서 검토 시간을 89% 줄였다.
  • 자체 발굴: 희귀 소아 근이영양증 프로그램에서 Claude가 과학과 운영 업무의 상당 부분을 맡는다.
  • Mithril: 앤트로픽 글에 따르면 근이영양증 두 유형의 치료제를 개발하던 1인 회사를 인수했다. 창업자는 외부 연구소 11곳과의 계약, 물류, 실험을 Claude로 정리했고, 한 유형의 치료제 후보가 아이디어에서 생쥐 실험의 유망한 결과까지 18개월 미만이 걸렸다고 글은 적었다. 후보가 계속 유효하면 약물이 사람 대상 임상시험을 시작할 준비가 되는 시점이 이르면 2028년 말이라고 전망했다.

무엇이 달라지나

AI 회사가 모델을 제공하는 데서 나아가 신약 프로그램을 직접 운영하기 시작했다. 앤트로픽은 이 작업에서 배운 점으로 모델의 개선 항목을 이미 정했고, 앞으로 작업을 상당히 늘릴 계획이라고 적었다.

한계

인수 금액은 제공된 자료에서 확인되지 않는다. 생쥐 실험의 유망한 결과는 Mithril의 한 유형 치료제 후보에 관한 것이고, 다른 후보의 단계는 제공된 자료에서 확인되지 않는다. 2028년 말은 임상시험을 시작할 준비가 되는 시점에 대한 앤트로픽의 전망이며, 후보가 계속 유효할 경우를 전제로 하고 실제 시작 시점을 예고한 것이 아니다. 앤트로픽 글에 나온 파트너 6곳은 단계가 서로 달라서, Generate와 BigHat 수치는 실험실 시험이고 Divergence는 초기 시험 결과이며 BMS는 이미 임상시험 중인 초기 단계 약물의 계획을 평가한다. 글의 중심은 파트너 6곳의 사례이고, 수치는 앤트로픽이 글에서 정리한 값이다. 글은 기술 보고서와 프리프린트를 함께 소개한다고 밝혔다.

커뮤니티 반응

■1인 기업이 AI와 함께 신약 후보물질을 개발하는 시대가 현실이 되고 있다는 평가가 나왔다.

■아직 생쥐 단계일 뿐이라는 지적이 달렸다.

■외부 연구소 11곳이 받쳐 준 1인 스타트업이라는 점에 주목하는 글도 있었다.

■이 반응은 저장된 게시물 몇 건과 답글 일부를 옮긴 표본이어서 전체 의견을 대표하지 않는다.

본문 펼치기 · 약 4분

파트너 6곳의 사례는 설계부터 임상시험 계획까지 개발의 여러 단계에 걸쳐 있다

앤트로픽 글은 협력 사례를 개발 단계별로 나눠 소개한다. Generate Biomedicines는 CAR T세포 치료제의 유전 정보 일부를 줄여 고형암에도 쓰려 하고, 그 부분의 새 설계를 Claude Code로 제안받았다. 한 설계는 표준보다 약 70% 짧았고, 실험실 시험에서 면역세포가 수용체를 약 10배 만들게 했다고 한다.

실험실 시험에서 종양 세포를 죽이는 효율도 높았고 면역세포가 활성 상태로 머문 시간도 길었다고 같은 글은 적었다. 사람 대상 치료 효과는 제공된 자료에 없다. Divergence Labs는 식품 알레르기를 겨냥해 IgE에 단단히 결합하는 팔과 면역세포에서 IgE를 떼어 내는 팔을 가진 약물을 설계 중이다. Claude가 약 한 달 동안 거의 자율적으로 항체 설계 약 35,000개를 만들었고, 초기 시험에서 결합하는 설계 3개와 떼어 내는 설계 20개가 나왔다.

BigHat과 Enveda의 수치는 실험실 변이체와 문서 검토 시간에서 나왔다

BigHat Biosciences는 AI와 자동화 실험실을 묶어 후보 물질을 개선하는 회사다. 글에 따르면 약 10주 동안 변이체 약 1,010개를 만들어 시험했고, 가장 좋은 버전은 원래보다 결합력이 10배 넘게 높았다. 암세포를 겨냥한 후보는 용액에서 버티는 온도가 18°C 높았고, 약물을 오래 머물게 하려는 후보는 뭉침이 100배 넘게 느렸다.

Enveda에서는 제조 담당 화학자가 시간의 최대 75%를 서류 작업에 쓴다. 제조 문서를 Claude에 연결해 문제 가능성을 표시하게 했더니, 1,061쪽 규모의 시험에서 사람 검토자가 찾은 11건을 모두 짚었고 놓친 7건도 표시했다. 사람 검토 시간은 25시간 넘게에서 3시간 미만으로 89% 줄었고, 규제 문서 초안 하나는 4시간 만에 나왔다. 손으로 쓰면 약 3개월이 걸리는 문서라고 한다.

The Column Group과 Bristol Myers Squibb는 회사 운영과 임상 계획 쪽 협력이다

The Column Group은 Claude로 작은 팀이 더 많고 복잡한 신약 프로그램을 돌리는 새 회사 Pleiades를 세우고 있다. Pleiades는 Claude용 도구와 작업 절차를 만드는 중이며, 첫 Claude 스킬은 신약 표적이 추구할 가치가 있는지 평가한다. 이 스킬은 표적과 질병 쌍 45건으로 평가됐다고 한다.

Bristol Myers Squibb와는 더 최근에 협력을 시작해 임상시험 계획의 병목을 찾고 있다. BMS는 이미 임상시험 중인 초기 단계 약물의 계획을 Claude로 평가하고 시험이 성공할 가능성을 추정한다. 양쪽은 이 작업을 2027년에 확대할 계획이라고 글은 밝혔다. 두 협력 모두 결과보다 진행 중인 작업 소개에 가깝다.

Mithril 인수는 앤트로픽이 직접 밝힌 자체 연구 프로그램의 시작이다

앤트로픽은 이번 협력이 모델의 강점과 한계를 신약 개발의 넓은 업무에서 이해하게 해 준다고 설명한다. 병목이 개발 전 과정에 흩어져 있어 실제 프로그램에 깊이 들어가야 찾을 수 있다는 것이 글의 논리다.

앤트로픽은 이 글에서 Mithril Medicine 인수를 밝히며, 파트너 협력과 별개로 일부 연구 프로그램을 직접 운영하기 시작했다고 썼다. 창업자 Cody Tranbarger는 X 게시물에서 Mithril이 LAMA2-CMD와 다른 ECM 관련 유전 질환용 bsAbs를 개발하려고 자신이 세운 회사이며, 앤트로픽 합류를 알렸다. 그는 Mithril이 단일 운영자와 Claude 무리, 그리고 파트타임 컨설턴트들로 얼마나 확장할 수 있는지 보는 실험이 됐다고도 설명했다. 인수 금액은 제공된 자료에서 확인되지 않는다.

정리하면 파트너 수치는 앤트로픽 글이 소개한 초기 결과이고, Mithril의 18개월 미만이라는 기간은 한 유형 치료제 후보 하나에 대한 앤트로픽의 설명이다. 신약 개발에 AI를 도입하려는 팀이라면 서류 검토나 계획 평가처럼 사람이 결과를 빨리 대조할 수 있는 업무부터 따로 시험해 볼 수 있다.

자세히 읽기 · Anthropic의 신약 개발 연구 글 ↗

기업과 일자리

마이크로소프트, 자발적 퇴직 제안 도입…4개국 참여 조직 적격 직원 대상

마이크로소프트의 자발적 퇴직 제안을 상징하는 살짝 열린 사무실 문과 비상구 표지

마이크로소프트가 10월 26일 공식 블로그에 자발적 퇴직 제안(Voluntary Exit Offer) 도입 소식을 올렸다. 수석 부사장 겸 최고인사책임자 Amy Coleman이 직원에게 보낸 글이다. 퇴직을 고려하는 직원에게 재정 지원과 경력 계획 자료를 주며 회사를 떠날 선택지를 여는 한시적 제도다.

  • 대상: 캐나다, 인도, 영국, 미국의 참여 팀에 속한 레벨 70 이하 적격 직원. 그 밖의 세부 적격 기준은 글에 나오지 않는다.
  • 성격: 한시적이고 자발적이며, 떠나는 직원에게 재정 지원과 경력 계획 자료를 제공한다.
  • 범위: 일부 조직만 제안을 제공하고, 참여 여부는 사업 우선순위와 고객 약속과 인력 수요에 따라 다르다.

무엇이 달라지나

회사가 직원이 스스로 떠날 수 있는 경로를 정식 제도로 열었다. 올해 앞서 운영한 자발적 퇴직 프로그램(Voluntary Retirement Program)에서 배운 것을 잇는다고 글은 적었다. 한국은 대상 국가에 들지 않는다.

한계

대상 인원 수, 보상 조건, 신청 기한, 국가와 레벨 외의 세부 적격 기준은 이 글에 없다. 어느 조직이 참여하는지도 밝히지 않았다. 마이크로소프트는 이 제도가 새것이어서 시행하며 배우겠다고만 적었다.

커뮤니티 반응

■월스트리트저널과 CNBC의 X 게시물이 참여 자격이 있는 인원을 약 6만 명으로 전했다. 이는 보도된 참여 자격 인원이며 실제 퇴직자 수가 아니다.

■자발적 퇴직이 이제 특혜가 아니라 구조조정 도구라고 보는 글이 있었다.

■이런 퇴직 제안이 업계 전반으로 번질지 걱정하는 글도 나왔다.

■이 반응은 저장된 게시물 몇 건과 답글 일부를 옮긴 표본이어서 전체 의견을 대표하지 않으며, 6만 명이라는 수치는 마이크로소프트 공식 글에 없다.

본문 펼치기 · 약 3분

대상은 네 나라 참여 조직의 레벨 70 이하 적격 직원이고 참여 조직도 일부에 한정된다

마이크로소프트 글에 따르면 이 제안은 캐나다, 인도, 영국, 미국에서 참여 팀에 속한 레벨 70 이하 적격 직원이 받을 수 있다. 네 나라의 레벨 70 이하 직원 전체가 대상이라는 뜻은 아니다. 시간을 정해 둔 자발적 프로그램이며, 대상자는 재정 지원과 경력 계획 자료를 받고 회사를 떠날 수 있다.

글은 어떤 조직이 참여하는지 적지 않았고, 일부 조직은 제안을 제공하고 일부는 제공하지 않는다고만 설명한다. 참여 여부를 가르는 기준은 각 사업의 우선순위, 고객 약속, 인력 수요다. 회사 전체 정책이 아니라 조직별로 다르게 적용되는 제도라는 점이 글의 핵심 구조다.

대상 직원은 몇 시간 안에 이메일로 상세 안내를 받는다

글은 대상 직원이 앞으로 몇 시간 안에 제안 상세로 연결되는 링크가 담긴 이메일을 받는다고 밝혔다. 따라서 제안의 구체적인 내용은 공개 글이 아니라 개인에게 전달되는 안내에 들어 있다. 글은 이 제도가 퇴직을 고려하던 직원에게 지금 그 전환을 지원과 함께 할 새 선택지를 준다고 설명한다.

같은 글은 참여하는 조직에도 이 제안이 인력을 변화하는 필요에 맞추는 또 하나의 방법이 된다고 적었다. 즉 직원의 선택지를 넓히는 제도이면서 조직이 인력 구성을 조정하는 수단이기도 하다는 설명이다. 이 두 가지 역할이 글에서 나란히 소개된다.

새로운 제도이고 올해 초 자발적 퇴직 프로그램의 경험을 이어받는다

글은 이번 제안이 회사에 새로운 제도이며 시행하면서 배우겠다고 밝힌다. 올해 초 운영한 Voluntary Retirement Program에서 배운 것 위에 서 있다고도 적었다. 변화에 대응하는 방식을 더 유연하게 만들고, 가능한 한 직원이 다음 진로를 스스로 만들 방법을 늘리려는 시도로 설명한다.

회사는 퇴직하지 않는 직원에게도 중요한 일에 집중하고 새 기술을 익히며 회사 안에서 새 기회를 찾도록 돕겠다고 적었다. 모든 팀과 직원에게 맞는 단일한 방식은 없다는 문장도 있다. 이 글은 직원에게 보낸 내부 소통을 외부용으로 약간 고쳐 공개한 것이라고 밝힌다.

회사가 밝히지 않은 조건이 많아 규모와 영향은 따로 확인해야 한다

공식 글에는 대상 인원 수, 보상 수준, 신청 기한, 그리고 국가와 레벨 외의 세부 적격 기준이 나오지 않는다. 그래서 퇴직 제안의 규모나 구조조정의 성격을 이 글만으로 판단할 수 없다. 글이 말하는 것은 제도의 도입, 대상 국가와 레벨, 조직마다 참여 여부가 다르다는 점까지다.

언론이 전한 규모를 인용하려면 그 수치가 어디서 나왔는지와 계산 방식을 보도 원문에서 따로 봐야 한다. 공식 글에 없는 숫자를 마이크로소프트가 밝힌 것처럼 옮기면 안 된다. 해당 국가의 직원이나 협력 팀이라면 개인에게 전달되는 상세 안내가 기준이다.

자세히 읽기 · Microsoft의 자발적 퇴직 제안 안내 글 ↗

모델과 개발 도구

구글, Gemini 4 Argon으로 Gemma 4 E2B 처리량 2.85배…A100·vLLM 조건에서 구글이 보고

구글이 보고한 Gemma 4 E2B 추론 속도 향상을 상징하는 스톱워치와 금색 속도선

구글이 10월 13일 공개한 Gemini 4 Argon 출시 글에 Gemma 4 E2B의 추론 속도를 A100과 vLLM 조건에서 2.85배 높였다는 사례가 실려 있다. 처리량이 초당 약 37,900토큰에서 108,000토큰 이상으로 늘었다.

  • 속도: A100과 vLLM과 Gemma 4 E2B 기준으로 처음부터 끝까지 2.85배.
  • 품질: 구글은 해당 시험에서 토큰이 100% 일치하고 품질 저하가 없다고 밝혔다.
  • 기간: 며칠 만에 끝냈고 보통은 몇 달이 걸리는 작업이라고 한다. 변경 내용은 업스트림 풀 리퀘스트로 볼 수 있다.

무엇이 달라지나

구글은 해당 시험에서 출력 토큰이 일치하는 가운데 처리량이 2.85배 늘었다고 설명했다. 성능 최적화 작업을 몇 달에서 며칠로 줄일 수 있다는 구글의 주장이 구체적인 숫자로 나왔다.

한계

구글이 보고한 값이며 제공된 자료에서 독립 재현은 확인되지 않는다. A100, vLLM, Gemma 4 E2B 조건의 결과여서 다른 크기의 모델이나 다른 하드웨어에서 같은 배율이 나온다는 근거는 없다.

커뮤니티 반응

■처리량이 몇 배로 뛰었다는 숫자에 놀랍다는 반응이 이어졌다.

■토큰 일치를 속도만 빨라지고 나오는 답은 토큰 하나까지 같다는 뜻이라고 풀이한 답글이 달렸다.

■다음 Gemma도 이렇게 빨라지길 기대하는 글이 있었다.

■이 반응은 저장된 게시물 몇 건과 답글 일부를 옮긴 표본이어서 전체 의견을 대표하지 않는다.

본문 펼치기 · 약 3분

2.85배는 A100, vLLM, Gemma 4 E2B 조건에서 잰 값이다

구글 글은 Argon으로 오픈 모델 Gemma를 거의 세 배 빠르게 만들었다고 소개한다. 조건은 A100 GPU, vLLM, Gemma 4 E2B이고 처음부터 끝까지의 추론 속도가 2.85배가 됐다. 초당 토큰 처리량은 약 37,900에서 108,000 이상으로 올랐다.

구글은 이 과정에서 토큰이 100% 일치했고 품질 저하가 없었다고 밝혔다. 최적화는 어텐션 조정부터 추측 디코딩까지 여러 영역에 걸쳐 있으며 업스트림 풀 리퀘스트에서 구체적인 변경을 볼 수 있다고 한다. 이 값은 구글이 보고한 결과다.

같은 글의 다른 사례도 Argon의 성능 최적화 활용을 내세우지만 모두 구글 내부 결과다

출시 글에는 비슷한 사례가 더 있다. Agent Development Kit 팀은 Argon을 밤새 자율적으로 돌려 긴 세션에서 메모리 내 세션 준비 시간을 40% 줄이고 처음 불러오는 속도를 21% 높였다고 한다. 지침 문서와 한 문단짜리 목표만 주고 맡긴 작업이라고 글은 설명한다.

양자화학 패키지 xTB에서는 분자 구조 예측이 최대 2.3배, 형태 탐색이 1.8배 빨라졌다고 글은 적었다. 이 변경은 공식 xTB 저장소에 기여됐다고 한다. 이 사례들은 구글 연구진과 팀이 자체 환경에서 낸 결과다.

Argon은 소개 가격으로 API에 열려 있어 모델 선택 근거는 따로 필요하다

Argon은 API로 AI Studio와 Gemini 플랫폼에서 쓸 수 있다. Google AI Ultra 구독자는 Antigravity에서, Ultra와 Pro 구독자는 Gemini 앱과 검색의 AI 모드에서 쓸 수 있다고 출시 글은 밝혔다.

출시 시점의 소개 가격은 입력 100만 토큰당 2달러, 출력 10달러이고 캐시된 입력 토큰은 95% 할인된다. 이 사례들은 구글이 제품을 소개하는 글에 실린 것이어서 모델 선택 근거로는 자기 업무 샘플의 결과가 따로 필요하다. 가격도 소개 가격이라고 적혀 있다.

구글이 보고한 조건이 토큰 일치이므로 도입하려면 같은 기준으로 확인해야 한다

구글이 이번 사례에서 내세운 조건은 해당 시험에서 속도가 올랐는데도 출력 토큰이 일치했다는 점이다. Gemma와 vLLM으로 서비스를 운영하는 팀이라면 공개된 변경을 가져오기 전에 같은 입력에서 이전과 이후의 출력이 일치하는지 자기 샘플로 비교해 볼 수 있다. 처리량도 우리 GPU와 배치 크기와 모델 크기 조건에서 직접 재 보는 편이 안전하다.

출시 글은 이 작업이 몇 달 걸릴 일을 며칠로 줄였다고 하지만, 줄어든 기간이 다른 코드베이스에서도 재현되는지는 보여 주지 않는다. 에이전트가 성능 엔지니어링을 도울 수 있다는 방향은 읽을 수 있어도, 같은 결과를 기대하려면 팀의 코드와 측정 환경에서 다시 시험해야 한다.

자세히 읽기 · Google의 Gemini 4 Argon 출시 글 ↗

Cursor, Design Mode 주석 기능 소개…요소 선택, 그리기, 음성으로 지시

Cursor Design Mode 주석 기능을 상징하는 압정으로 고정된 노란 메모지와 연필

Cursor 공식 X 계정이 10월 27일(UTC, 한국 시간 10월 28일) Design Mode의 새 기능 Annotate를 발표했다. 요소 편집, 페이지 위 그리기, 다양한 화면 크기에서의 디자인 검토를 내세웠다. 저장된 자료의 Cursor 블로그 글은 6월 5일자이며, 요소 선택, 화면 위 그리기, 음성 설명이 이미 이 글에 실려 있다.

  • 입력 방식: 6월 블로그 기준으로 요소를 클릭하거나 여러 요소를 함께 고르고, 화면 위에 그리거나 음성으로 설명한다.
  • 전달 정보: 6월 블로그 기준으로 요소의 xpath와 컴포넌트와 속성과 계산된 스타일과 props, 그리고 화면 캡처를 함께 에이전트에 넘긴다.
  • 동시 작업: 6월 블로그 기준으로 첫 수정이 끝나기 전에 다른 수정을 보낼 수 있고, 에이전트가 끝나면 앱이 핫 리로드된다.

무엇이 달라지나

글로 위치를 설명하는 대신 실행 중인 화면에서 짚고 그려서 지시한다. 6월 블로그 글에 따르면 주석은 뷰포트의 고정된 장면 위에 놓여, 에이전트가 지시한 순간의 화면 상태를 본다.

한계

공식 X 게시물이 알린 새 기능과 6월 5일 블로그 글의 차이는 제공된 자료에서 확인되지 않는다. 화면 크기별 검토는 X 게시물에만 나오고 블로그 글에는 없다. 주석이 수정 횟수를 줄이는지 보여 주는 수치는 제공된 자료에 없다.

커뮤니티 반응

■실행 중인 앱에 메모를 남기는 방식이 레이아웃을 말로 설명하는 것보다 낫다는 반응이 나왔다.

■그냥 Cursor에 무엇을 바꿀지 말로 하는 편이 낫다는 의견도 있었다.

■주석이 지시 횟수를 정말 줄이는지, 오히려 모델을 헷갈리게 하는지 묻는 글이 올라왔다.

■이 반응은 저장된 게시물 몇 건과 답글 일부를 옮긴 표본이어서 전체 의견을 대표하지 않는다.

본문 펼치기 · 약 3분

Cursor는 화면에서 짚고 그리는 지시가 글로 쓴 지시보다 대상을 분명히 전달한다고 설명한다

Cursor 글은 채팅이 에이전트와 일하는 하나의 인터페이스일 뿐이며 UI 작업은 공간적이라고 설명한다. 디자이너와 기획자와 프런트엔드 개발자는 요소와 영역과 페이지 상태를 가리키는 주석으로 소통하는 경우가 많다는 것이다. 그래서 Cursor 브라우저에서 요소를 클릭하고, 페이지 위에 그리고, 음성으로 변경을 설명하게 했다.

여러 요소를 함께 고르는 기능은 요소 사이의 관계가 중요한 변경에 쓴다. 두 컴포넌트를 골라 하나를 다른 하나에 맞추거나 반복된 내용을 지우거나 컴포넌트 묶음을 함께 조정하라고 지시할 수 있다. 그리기는 지시가 적용될 영역을 에이전트에게 알려 주며, 붐비는 구역을 동그라미로 묶거나 영역을 상자로 표시할 수 있다.

에이전트에는 요소 정보와 화면 캡처 두 가지가 함께 넘어간다

글에 따르면 요소를 고르면 두 가지 신호가 컨텍스트에 들어간다. 하나는 요소의 정체로 xpath와 컴포넌트와 속성과 계산된 스타일과 fiber 트리의 props다. 다른 하나는 레이아웃과 주변 요소와 정확한 페이지 상태를 담은 스크린샷이다. 에이전트는 이 둘로 소스 코드를 찾아 수정한다.

그리기 주석은 뷰포트의 고정된 프레임 위에 놓인다. 그래서 에이전트는 사용자가 지시를 남긴 바로 그 순간의 페이지 상태를 본다고 글은 설명한다. 애니메이션이 있는 페이지도 일부를 표시할 수 있다. 지시가 문장만이 아니라 선택한 요소와 그 뒤의 코드, 주변 레이아웃, 화면의 시각적 관계를 함께 담는다는 것이 Cursor의 설명이다.

수정을 연달아 보내는 흐름에는 빠른 모델이 맞는다고 Cursor는 본다

Cursor는 이 흐름이 빠른 모델과 잘 맞는다고 보고 Composer 2.5를 추천한다. 인터페이스를 다듬을 때는 한 수정이 다음 수정으로 이어지는 경우가 많고, 이 모델은 빠르면서 인터페이스 작업에 강하다고 글은 설명한다.

한 요소를 가리켜 변경을 설명하고 다른 곳으로 넘어가 다음 수정을 보내는 식으로, 앞선 수정이 끝나기 전에도 작업을 이어 갈 수 있다. 여러 하위 에이전트를 관리하기 쉬워진다는 설명도 있다. 에이전트가 끝날 때마다 앱이 핫 리로드되어 변경을 바로 확인하고, 화면이 마음에 들 때까지 이어 간다고 한다.

효과는 Cursor가 수치로 밝히지 않아서 우리 화면 수정 몇 건으로 따로 재 봐야 한다

글은 인터페이스를 다듬는 과정에서 편집이 연쇄적으로 이어지고, 그 사이의 거리를 줄이는 것이 목표라고 말한다. 하지만 주석을 쓰면 수정 요청이 몇 번 줄어드는지, 오류가 얼마나 달라지는지는 적지 않았다. 공식 X 게시물이 새 기능으로 소개한 Annotate가 6월 글의 기능과 어떻게 다른지도 제공된 자료로는 구분되지 않는다.

도입을 검토하는 팀이라면 같은 화면 수정 10건 정도를 글로만 지시한 경우와 주석으로 지시한 경우로 나눠 수정 횟수와 걸린 시간을 기록해 볼 수 있다. 그러면 시각적 지시가 우리 코드베이스와 팀 습관에서 실제로 도움이 되는지 직접 확인할 수 있다.

자세히 읽기 · Cursor의 Design Mode 소개 글 ↗ · Cursor 공식 X 게시물 ↗

Nace AI, Drex for Search 일반 공개…Nace 발표 기준 MADQA 94.7%, 입력 토큰 56% 절감

Nace AI의 문서 검색 도구를 상징하는 서류철 더미와 튀어나온 한 장의 페이지

Nace.AI가 10월 26일 블로그에서 에이전트용 검색 도구 Drex for Search를 일반 공개했다고 밝혔다. 회사는 문서 질의응답 벤치마크 MADQA에서 정확도 94.7%로 1위라고 적었다.

  • MADQA: 94.7%로 49개 시스템을 앞섰다고 회사가 적었고, 순위는 10월 20일 기준이다.
  • 절감 실험: 전문 업무 벤치마크 여섯 개의 529문항에서 코딩 에이전트의 단계가 62%, 입력 토큰이 56% 줄고 정확도는 63.1%에서 67.1%로 올랐다고 회사가 적었다.
  • 사용: Claude Code, Codex, Cursor, OpenCode처럼 명령을 실행하거나 MCP 도구를 부를 수 있는 에이전트에서 쓸 수 있다.

무엇이 달라지나

Nace는 에이전트가 문서를 열어 읽기 전에 Drex가 폴더, 파일, 페이지, 표의 열 순서로 답이 있을 곳을 좁힌다고 설명한다. 회사 설명에 따르면 에이전트는 그 몇 곳만 읽고 답을 낸 파일과 페이지를 함께 돌려준다. 이 동작은 제품 설명이며 제공된 자료에서 독립 확인된 것은 아니다.

한계

모든 수치는 Nace.AI가 직접 낸 결과다. 94.7%는 MADQA 한 시험의 점수이고 56% 토큰 절감은 6개 벤치마크 529문항의 값이어서 서로 다른 시험이다. 입력 토큰은 OfficeQA Pro 표 주석에 따르면 에이전트 모델의 토큰만 세고 Drex 자체의 판단 비용은 빠져 있어 전체 비용 절감으로 읽으면 안 되며, 529문항 집계가 같은 기준인지는 발췌에서 확인되지 않는다. OfficeQA Pro에서는 Codex와 GPT-6 luna, Claude Code와 Sonnet 5.5 조합의 정확도가 오히려 내려갔다.

커뮤니티 반응

■MADQA 1위 소식과 함께 Claude Code, Codex, Cursor, OpenCode에 MCP 도구로 붙일 수 있다는 소개가 퍼졌다.

■틀린 답이 남는 경우에도 출처 페이지를 보여 주는지, 모른다고 답하는지 묻는 답글이 달렸다.

■스캔된 페이지 속 값까지 찾아냈다는 시연을 소개하는 게시물이 올라왔다.

■이 반응은 저장된 게시물 몇 건과 답글 일부를 옮긴 표본이어서 전체 의견을 대표하지 않는다.

본문 펼치기 · 약 4분

94.7%는 MADQA 한 시험의 점수이고 토큰 절감은 다른 묶음의 값이다

Nace.AI 글은 공개 리더보드 네 곳의 순위를 10월 20일 기준으로 적는다. MADQA는 1위로 94.7%이며 49개 시스템을 앞섰다. VisDocAgentBench는 1위로 77.5 R@1이고 Claude Opus 5보다 10 높다. BrowseComp-Plus는 2위로 92.05%, EnterpriseRAG-Bench는 3위로 88.22이며 OpenAI File Search보다 27.2 높다고 한다.

토큰 절감은 다른 시험의 값이다. 회사는 전문 업무 벤치마크 6개, 529문항에서 같은 코딩 에이전트를 그대로 쓴 경우와 Drex for Search를 검색 도구로 쓴 경우를 비교했다. 단계는 62%, 입력 토큰은 56% 줄었고 정확도는 63.1%에서 67.1%로 4.0포인트 올랐다. 질문당 중앙값 시간은 80.8초에서 35.5초로 2.3배 빨라졌다고 회사는 적었다. 다만 시간 표에서는 pi, Hermes Agent, Codex 세 에이전트 아래 같은 80.8초와 35.5초가 Average로 표시되어, 전체 질문의 단일 중앙값인지는 분명하지 않다.

OfficeQA Pro 열 가지 조합 중 여덟 가지에서 정확도가 올랐고 두 가지에서는 내려갔다

OfficeQA Pro는 스캔 PDF 697개에 대한 133문항 벤치마크다. Nace는 코딩 에이전트와 모델 조합 열 가지를 기본 상태와 Drex for Search를 쓴 상태로 비교했다. 다만 기본 상태는 벤치마크가 제공한 파싱된 텍스트를 읽었고, Drex 쪽은 원본 PDF를 Drex for Search 작업 공간에 올려 Nace CLI로만 접근하게 했다. 검색 도구만 바꾼 비교가 아니라 입력 자료도 다른 비교다. 모든 조합에서 에이전트 턴과 입력 토큰이 줄었고, 평균 정확도는 59.3%에서 61.9%로 2.6포인트 올랐다. 입력 토큰은 질문당 57%, 턴은 53% 줄었다. 이 입력 토큰은 에이전트 모델의 것이며 Drex 자체의 판단은 세지 않았다고 회사가 적었다.

하지만 정확도가 모두 오른 것은 아니다. Codex와 GPT-6 luna 조합은 54.9%에서 53.4%로, Claude Code와 Sonnet 5.5 조합은 69.2%에서 66.9%로 내려갔다. 기본 상태는 10월 20일부터 22일까지 두 번 돌린 평균이고 Drex 결과는 10월 24일과 25일의 한 번이어서, 정확도는 ±2포인트로 읽어야 한다고 회사가 직접 적었다.

Nace는 Drex가 읽기 전에 위치를 정하는 세 단계로 일한다고 설명한다

회사는 Drex가 세 단계로 일한다고 설명한다. 먼저 질문이 단순 조회인지 문서를 읽고 표를 질의해야 하는 질문인지 분류한다. 이어 폴더, 파일, 구역, 페이지, 스프레드시트의 표와 열까지 단계마다 답이 있을 수 있는 곳만 남긴다. 남은 페이지와 표만 LLM이 읽어 답과 출처를 돌려준다는 것이 회사의 설명이다.

글에 나온 예는 3분기 분개 중 5만 달러가 넘는데 두 번째 승인자가 없는 건을 묻는 질문이다. 글의 설명에 따르면 Drex는 이를 표 질문으로 분류하고 계약서나 발표 자료가 아닌 장부로 가서, 관련 있는 행과 승인자 열로 검색을 좁힌다. 에이전트는 나머지를 읽을 필요가 없다는 것이 회사의 설명이다.

도입 전에는 우리 문서 폴더로 정확도와 출처 페이지를 확인해 볼 만하다

사용은 CLI, Python과 TypeScript SDK, MCP 서버, REST API로 하며 PDF와 스캔, 스프레드시트, Office 파일, JSON, 오디오와 영상까지 읽는다고 회사는 밝혔다. 스프레드시트는 표로 유지되어 답이 정확한 행과 셀을 가리킬 수 있다고 한다.

도입을 검토한다면 보고서와 장부처럼 실제로 쓰는 문서 폴더에서 같은 질문 수십 건을 지금 쓰는 검색 방식과 나란히 돌려 볼 수 있다. 정확도와 토큰 사용량, 출처 페이지의 정확성을 따로 기록하면 회사가 낸 수치와 우리 업무의 차이를 직접 볼 수 있다. 공개된 값은 모두 회사가 정한 시험 조건에서 나왔다.

자세히 읽기 · Nace.AI의 Drex for Search 소개 글 ↗

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.