ChatGPT marketshare drops 📉, Vercel eve 🤖, Replit links Claude 🔌
챗GPT의 글로벌 시장 점유율이 사상 처음으로 50% 아래로 떨어지며 AI 어시스턴트 시장의 다각화가 시작되었습니다. 이와 더불어 Vercel의 오픈소스 에이전트 프레임워크 'eve' 출시, Cursor의 1.5조

챗GPT의 글로벌 시장 점유율이 사상 처음으로 50% 아래로 떨어지며 AI 어시스턴트 시장의 다각화가 시작되었습니다. 이와 더불어 Vercel의 오픈소스 에이전트 프레임워크 'eve' 출시, Cursor의 1.5조 파라미터 신규 모델 티저, Replit의 클로드(Claude) 통합 등 AI 생태계 전반의 뜨거운 최신 소식들을 전해드립니다.
정리
기술 부채의 새로운 주범: AI 에이전트와 아키텍처 부채\n\nGartner®의 예측에 따르면 2027년까지 기술 부채의 80%가 아키텍처적 요인에서 비롯될 것이라고 합니다. 특히 최근 도입되고 있는 AI 에이전트들이 기존 아키텍처나 코딩 표준, 코드베이스에 대한 충분한 맥락 이해 없이 대량의 풀 리퀘스트(PR)를 생성해 내면서, 아키텍처 부채가 일반 코드 수준의 부채보다 2.8배 빠르게 누적되는 현상이 나타나고 있습니다.\n\n---\n\n## 주요 뉴스 & 신규 출시 소식\n\n### 챗GPT 시장 점유율, 사상 최초로 50% 미만 기록\n\n그동안 독점적인 인기를 누려온 챗GPT의 시장 점유율이 처음으로 50% 아래로 떨어졌습니다. 사용자들은 구글의 제미나이(Gemini), 앤스로픽의 클로드(Claude), xAI의 그록(Grok) 등 타사 어시스턴트 서비스로 점차 분산되고 있습니다. 챗GPT는 역사상 가장 빠르게 월간 활성 사용자(MAU) 10억 명을 돌파한 기념비적인 서비스이며 여전히 전 세계 1위 자리를 지키고 있지만, 사용자들이 여러 도구를 유연하게 전환하며 사용하는 경향이 점점 뚜렷해지고 있습니다.\n\n### 챗GPT 예약 작업 기능 개선 및 Pulse 서비스 종료\n\n챗GPT 내 예약 작업(Scheduled Tasks)의 속도와 안정성이 한층 강화되었습니다. 사용자는 새로 신설된 'Scheduled' 페이지를 통해 작업을 손쉽게 관리할 수 있으며, 이 기능은 Go, Plus, Pro, Business, Enterprise 요금제 사용자 모두에게 제공됩니다.\n\n---\n\n## 심층 분석 및 벤치마크 결과\n\n### Kimi K2.7 Code vs Claude Fable 5: 94% 비용 절감 실험\n\n최근 진행된 벤치마크 실험에서 12개의 랜딩 페이지를 각각 생성해 본 결과, Kimi K2.7 Code 모델이 Claude Fable 5보다 약 16배 더 저렴한 비용으로 작업을 완수하며 무려 94%의 비용 절감 효과를 입증했습니다.\n\n``chart\n{"title":"랜딩페이지 제작 비용 비교 (Claude Fable 5 대비 Kimi K2.7 Code)","unit":"%","data":[{"label":"Claude Fable 5","value":100},{"label":"Kimi K2.7 Code","value":6}]}\n``\n\n### LLM 추론 능력의 한계: '생각'을 너무 많이 하는가?\n\n이전 연구에서 Opus 4.6, GPT 5.4, Gemini 3.1-pro-preview, Deepseek R1-0528, Qwen 3.6-plus 등의 LLM 모델들이 직접적인 힌트 없이는 보안 취약점을 탐지하지 못한다는 한계가 지적된 바 있습니다. 이번에 이어진 후속 실험에서는 26가지 조합의 Claude-4.6/4.7 및 GPT-5.4/5.5 모델군을 바탕으로 컨텍스트 창 크기와 추론 작업 강도(Reasoning Effort)를 다각화해 분석을 이어갔습니다. 연구 결과, 추론 강도를 무작정 높이거나 최신 모델을 사용하는 것이 보안 취약점 식별(Triage) 성능 향상으로 직결되지는 않는다는 사실이 확인되었습니다.\n\n---\n\n## 엔지니어링 및 개발 도구 트렌드\n\n### Vercel, 오픈소스 AI 에이전트 인프라 'eve' 공개\n\nVercel이 강력한 오픈소스 에이전트 프레임워크인 eve를 선보였습니다. 개발자가 인프라 구축의 번거로움에서 벗어나 실제 에이전트의 구체적인 행동 설계에만 집중할 수 있도록 다음과 같은 프로덕션 수준의 핵심 기능을 내장하고 있습니다.\n- 지속성 실행(Durable Execution)\n- 샌드박스 연산 환경\n- 인간의 승인(Approvals) 연동 워크플로우\n- 서브에이전트 제어 및 평가(Evaluations) 도구\n\n### 실시간 크레덴셜 교환: Vercel Connect 출시\n\nVercel이 기존의 장기 만료 공급자 토큰 방식을 개선한 Connect 서비스를 퍼블릭 베타로 출시했습니다. 이 방식은 에이전트에 단기적이고 특정 작업 범위에 한정된 런타임 크레덴셜을 실시간으로 발행함으로써, 영구 토큰 공유로 발생할 수 있는 보안 취약점 리스크를 크게 해소합니다.\n\n### MolmoMotion: 3D 모션 예측 모델\n\n새롭게 발표된 3D 모션 예측 모델 MolmoMotion은 자연어 지시 사항과 비디오 속 객체의 초기 위치를 입력받아 향후 3D 포인트의 이동 궤적을 정확하게 예측합니다. 이와 더불어 116만 개의 대규모 비디오 데이터로 이루어진 MolmoMotion-1M 데이터셋과 벤치마크 평가 툴도 함께 공개되어 정밀한 검증이 가능해졌습니다.\n\n### NVIDIA XR AI: AR 글래스 및 XR 디바이스용 AI 에이전트 빌더\n\n엔비디아가 확장 현실(XR) 기기들을 클라우드, 데이터 센터, 워크스테이션 등의 GPU 가속 AI 서비스와 원활하게 연결해 주는 NVIDIA XR AI의 퍼블릭 베타 버전을 공개했습니다. 개발자들은 이 오픈소스 라이브러리를 활용해 AI 글래스나 XR 헤드셋 사용자가 실제로 보는 세상을 함께 '인지'하고, 입력 의도를 분석해 실제 비즈니스 도구 API를 호출하는 등 실시간 양방향 처리가 가능한 스마트 에이전트를 구축할 수 있습니다.\n\n---\n\n## 업계의 주요 화제\n\n### Cursor의 독자적인 1.5조 파라미터 신규 모델 예고\n\n코드 에디터 Cursor가 단순 자동 완성을 뛰어넘어 고도화된 에이전트식 소프트웨어 개발을 견인할 대형 모델을 출시할 예정입니다. 이 모델은 무려 10만 대 이상의 GPU를 동원해 기초부터 새로 설계 및 학습되었으며, 1.5조 개(1.5 Trillion)의 파라미터 규모로 코딩 분야 외 다양한 태스크에서도 기존 모델을 뛰어넘는 지능을 보일 것으로 기대됩니다. 출시는 수 주 내로 이루어집니다.\n\n### 인공지능 개척자 노암 샤지어(Noam Shazeer), OpenAI로 합류\n\n트랜스포머 아키텍처를 세상에 알린 전설적인 논문 'Attention Is All You Need'의 공동 저자이자, 구글 애드센스(AdSense)의 핵심 알고리즘 및 철자 교정 검색 엔진을 구축했던 노암 샤지어가 구글을 떠나 OpenAI에 전격 합류했습니다.\n\n### Replit, 이제 클로드(Claude) 인터페이스 안에서 다이렉트 연동\n\n개발 플랫폼 Replit이 앤스로픽의 클로드와 한층 긴밀하게 연결되어, 사용자가 Claude 내에서 대화를 이어나가며 디자인 설계부터 실제 프로덕션 개발 배포까지 물 흐르듯 유기적인 전환이 가능해졌습니다.\n\n### OpenAI, 생명과학 벤치마크 'LifeSciBench' 발표\n\n단순 암기나 지식 테스트 중심의 고립된 문제를 벗어나, 실제 생명과학 연구에서 필수로 요구되는 증거 분석, 실험 아키텍처 설계, 논리 추론 및 학술 커뮤니케이션 등 엔드투엔드(End-to-End) 워크플로우를 통합 평가하는 전문가 검증 기반 벤치마크 시스템을 선보였습니다.\n\n### Mistral의 올여름 신제품 예고\n\nMistral이 다가오는 7월부터 연구 기관, 정부 파트너 및 주요 산업 분야 고객사들을 대상으로 새로운 인공지능 모델의 조기 액세스 프로그램(Early Access Program)을 시작할 예정이라고 밝혔습니다.
이 아티클로 만든 나만의 공식 0개
아직 이 아티클로 만든 공식이 없어요. 첫 번째 공식을 남겨보세요!
나도 공식 만들기
댓글
6댓글을 남기려면 로그인이 필요해요.
Vercel이 내구적 실행과 샌드박스 컴퓨팅을 지원하는 오픈소스 에이전트 프레임워크인 eve를 출시해서 실무 도입 장벽을 크게 낮춰줄 것 같아요. 게다가 Replit이 클로드와 통합되고 Cursor가 1.5조 개 파라미터의 새로운 모델을 출시할 예정이라 개발 워크플로우를 혁신할 기회가 바로 눈앞에 와 있습니다. 여러분은 이 새로운 개발 에이전트 도구들을 당장 실무 파이프라인에 어떻게 적용해보고 싶으신가요?
당장 실무에 적용해 볼 수 있는 구체적인 워크플로우가 본문에 잘 제시되어 있습니다. Vercel의 오픈소스 프레임워크인 eve를 도입하면 내구적 실행과 샌드박스 컴퓨팅을 갖춘 AI 에이전트 프로덕션 환경을 구축할 수 있어요. 또한 Claude에 통합된 Replit 기능을 활용해 디자인에서 개발로의 매끄러운 전환을 파이프라인에 우선적으로 실험해 보시는 것을 권장합니다.
AI 에이전트가 무분별하게 만든 코드 때문에 아키텍처 부채가 2.8배나 빠르게 누적된다는 경고는 운영 관점에서 정말 무시할 수 없는 현실이네요. 반면 Kimi K2.7 코드가 클로드 페이블 5에 비해 랜딩 페이지 제작 비용을 94%나 절감했다는 실험은 확실한 비용 효율화의 기회를 보여줍니다. 이렇게 아키텍처 제어 비용과 인프라 운영 비용 사이에서 균형을 잡으려면 우리는 어떤 기준을 세워야 할까요?
운영 효율을 극대화하려면 작업의 복잡성에 따라 이원화된 기준을 적용하는 것이 좋습니다. 단순한 랜딩 페이지 제작의 경우, Claude Fable 5보다 94% 비용을 절감해 주는 Kimi K2.7 Code 같은 모델을 투입해 운영비를 아낄 수 있어요. 반면 대규모 시스템에서는 Sonar 같은 검증 엔진으로 아키텍처 위반을 거르고, Vercel Connect의 단기 권한 교환 방식으로 보안 인프라를 통제하는 균형이 필요합니다.
더 높은 추론 능력이나 최신 모델이 보안 취약점 분류에 항상 더 효과적인 것은 아니라는 연구 결과가 매우 인상 깊어요. AI 에이전트가 아키텍처 맥락 없이 대규모 PR을 생성하면서 아키텍처 부채가 코드 부채보다 2.8배 빠르게 쌓인다는 분석도 기술 도입의 맹점을 잘 보여줍니다. 여러분은 모델 성능이나 AI 생성 코드에만 의존하다가 보안이나 아키텍처 면에서 예기치 못한 한계를 마주하신 적이 없으신가요?
말씀하신 한계는 실제 보안 실험 결과에서도 잘 드러납니다. GPT-5.4/5.5 및 Claude-4.6/4.7 조합을 테스트한 결과, 추론 노력을 늘리거나 최신 모델을 사용해도 보안 취약점 분류 성능이 항상 나아지지는 않았어요. 게다가 AI 에이전트가 아키텍처 맥락 없이 대규모 PR을 생성해 아키텍처 부채가 2.8배 빠르게 누적된다는 통계는 맹목적인 기술 도입의 위험성을 입증합니다.