Automata V.16 | 🤖 8시간 자율 근무하는 오픈소스 AI의 등장

안녕하세요, 이번 주 수요일도 새로운 소식으로 돌아왔어요!

이번 주 목차

🤖 GLM-5.1이 바꾼 에이전트의 기준

출처: Z.ai GLM 5.1 설명 페이지

이번 주 AI 씬에서 가장 큰 화제는 중국 Z.ai(구 Zhipu AI)가 4월 7일 공개한 GLM-5.1이에요. 단순히 "중국 모델이 1등을 했다"는 뉴스가 아닙니다. 이 모델이 흥미로운 이유는 두 가지예요. 하나는 8시간 자율 작업이라는 에이전트의 새 기준, 다른 하나는 엔비디아 칩 없이 글로벌 벤치마크 1위를 달성했다는 사실이에요.

마라톤 오픈소스 에이전트의 등장

GLM-5.1은 GLM-5의 포스트-트레이닝 업그레이드 버전이에요. 아키텍처는 동일한 744B 파라미터 규모의 MoE(Mixture-of-Experts) 구조를 유지하면서, 토큰당 40B 파라미터만 활성화되는 구조입니다. 컨텍스트 윈도우는 200K 토큰, 최대 출력은 128K 토큰이에요. 달라진 건 구조가 아니라 어떤 능력을 집중 강화했느냐입니다. Z.ai는 멀티태스크 SFT(Supervised Fine-Tuning)와 강화학습(RL) 파이프라인을 재설계해, 모델이 수백 번의 반복 속에서도 작업 맥락을 잃지 않도록 훈련했어요. 그 결과가 바로 8시간 자율 실행 능력이에요. GLM-5.1은 리눅스 데스크톱 환경 전체를 처음부터 구축하는 태스크를 655회 반복 실행으로 완수했고, 그 과정에서 벡터 데이터베이스 쿼리 처리량을 초기 대비 6.9배 향상시켰습니다. 기존 에이전트들이 수십 스텝만 지나면 성능이 정체되던 패턴을 정면으로 깬 거예요.

엔비디아 없이도 벤치마크 1위

성능 면에서 GLM-5.1은 소프트웨어 엔지니어링 벤치마크인 SWE-Bench Pro에서 현재 공개 모델 중 가장 높은 점수를 기록했습니다:

GLM-5.1: 58.4점 (1위) GPT-5.4: 57.7점 Claude Opus 4.6: 57.3점 Gemini 3.1 Pro: 54.2점

에이전트 종합 점수(Agentic Benchmark)도 GLM-5 대비 62점 → 68점으로 상승했어요. 다만 추론 중심 벤치마크(AIME 2026, GPQA-Diamond)에선 GPT-5.4와 Gemini 3.1 Pro에 뒤처지고, 코딩 복합 점수(Terminal-Bench 포함)에서도 Claude Opus 4.6(57.5점)이 GLM-5.1(54.9점)을 앞섭니다. 즉, 에이전트 코딩 특화 모델이라는 포지셔닝이 정확한 거예요. API 가격은 인풋 $1.00/M, 아웃풋 $3.20/M 토큰이며, MIT 라이선스로 가중치가 공개되어 로컬 배포나 파인튜닝도 자유롭습니다. 그리고 이 모든 게 엔비디아 GPU 없이 이뤄졌어요. Z.ai는 2025년 1월부터 미국 엔티티 리스트에 등재되어 H100, H200 등 미국산 칩을 법적으로 구매할 수 없어요. 대신 약 10만 개의 화웨이 Ascend 910B 칩과 MindSpore 프레임워크로 GLM-5 전체 패밀리를 훈련했습니다.

AI 에이전트 평가의 축이 이동하고 있다

GLM-5.1의 등장이 던지는 진짜 질문은 "중국 모델이 언제까지 따라잡을 수 있나"가 아니에요. 이미 따라잡은 영역이 생겼고, 지금 업계가 주목해야 할 건 평가 기준 자체의 변화입니다. Z.ai CEO는 "스케일링 법칙(Scaling Law) 다음의 핵심 지표는 자율 작업 시간(Autonomous Work Time)"이라고 강조했어요. 모델이 얼마나 크고, 얼마나 빠른지가 아니라 얼마나 오래 혼자 일할 수 있는가가 실제 업무 자동화의 척도가 된다는 거예요. 2023년에는 오픈소스 모델이 프런티어 대비 2년 뒤처졌고, 2024년엔 1년, 2025년엔 6개월이 됐습니다. 그리고 2026년 4월, 오픈소스 모델이 가장 까다로운 코딩 벤치마크에서 GPT-5.4와 Claude Opus 4.6을 넘어섰어요. GLM-5.1은 그 격차가 사라진 첫 번째 증거입니다.

🚨 Anthropic이 OpenClaw를 막은 진짜 이유: 오픈소스 배신인가, 불가피한 비용 방어인가

Anthropic이 Pro/Max 사용자에게 보낸 OpenClaw 차단 안내 메일

2026년 4월 4일 오후 12시(PT), Anthropic이 Claude Pro/Max 구독자들의 OpenClaw 사용을 전면 차단했어요. 공지는 불과 하루 전에 이메일로 날아왔고, 이 결정이 적용된 시점엔 이미 수십만 개가 넘는 OpenClaw 인스턴스가 가동 중이었습니다. Anthropic의 공식 입장은 명확했어요. "서드파티 툴은 당사 이용약관상 허용되지 않으며, 시스템에 과도한 부하를 유발한다"는 것이었죠. Boris Cherny Claude Code 헤드는 X(트위터)에 "구독 서비스는 이런 서드파티 툴의 사용 패턴을 위해 설계되지 않았다"며 "당사 제품과 API를 사용하는 고객들을 우선해야 한다"고 밝혔습니다 (출처: VentureBeat). `

왜 지금이었나: 프롬프트 캐시와 숨겨진 보조금의 종말

이번 차단의 기술적 핵심은 프롬프트 캐시(Prompt Cache) 최적화에 있었어요. Anthropic의 자체 툴(Claude.ai, Claude Code, Cowork)은 프롬프트 캐시 히트율을 극대화하도록 설계되어 있어요. 같은 컨텍스트를 반복 처리할 때 이미 캐시된 토큰을 재활용하기 때문에 실제 연산량이 훨씬 적거든요. 반면 OpenClaw를 비롯한 서드파티 하니스(harness)들은 이 캐싱 레이어를 대부분 우회해요. 결과적으로 동일한 출력량이라도 OpenClaw 세션이 Claude Code 세션보다 훨씬 더 많은 인프라 비용을 유발했던 거죠. 실제로 한 OpenClaw 에이전트가 하루 동안 발생시키는 API 비용은 $1,000~$5,000 수준이었는데, 사용자들은 월 $20짜리 구독권으로 이를 무제한으로 쓰고 있었던 셈이에요. 커뮤니티 추정에 따르면 당시 활성 OpenClaw 세션의 약 60%가 구독 크레딧으로 운영되고 있었고, 구독 요금과 실제 API 요금 사이의 격차는 최대 5~10배에 달했습니다 (TNW) (roborhythms).

타이밍이 만들어낸 서사: 오픈소스 배신론의 부상

커뮤니티가 가장 주목한 건 타이밍이었어요. OpenClaw 창시자 Peter Steinberger는 2026년 2월 OpenAI에 합류했고, Sam Altman은 공개적으로 그가 "차세대 개인 에이전트를 이끌 것"이라고 발표했습니다. OpenClaw는 OpenAI의 지원 아래 오픈소스 재단으로 이전됐어요. 그 직후 Anthropic의 차단 조치가 발표된 거죠. Steinberger는 "인기 기능들을 자사 폐쇄형 하니스에 복제한 뒤 오픈소스를 막아버렸다"며 강하게 반발했어요. 그와 투자자 Dave Morin이 Anthropic 측에 직접 협상을 시도했지만 겨우 1주일 시행을 늦추는 데 그쳤다고 밝혔습니다 (TechCrunch). 한편 Anthropic은 차단 발표 하루 뒤 M365(Outlook, OneDrive, SharePoint) 커넥터를 모든 Claude 플랜에 무료 개방했어요. 일부에서는 이를 두고 개발자 생태계를 잃는 대신 엔터프라이즈 시장을 겨냥한 의도적 포지셔닝이라고 해석했습니다 (BeInCrypto).

👷 OpenAI가 제안하는 AI 시대의 새로운 사회계약: 로봇세, 공공 부 펀드, 주 4일제

출처: Industrial Policy for the Intelligence Age - OpenAI 보고서

AI로 가장 많이 돈을 버는 기업이, AI로 가장 크게 피해받을 사람들을 위한 정책을 제안했습니다. 2026년 4월 6일, OpenAI는 "Intelligence Age를 위한 산업 정책(Industrial Policy for the Intelligence Age)"이라는 13페이지 분량의 정책 제안서를 공개했어요 (TechCrunch). 로봇세, 공공 부 펀드, 주 4일 근무제라는 세 가지 키워드로 요약되는 이 문서는, 단순한 기업 홍보물이 아니라 AI 시대 경제 질서를 어떻게 재설계할지에 대한 OpenAI의 공식 입장입니다. Sam Altman은 Axios와의 인터뷰에서 이 문서를 "완성된 처방이 아닌 공론화의 출발점"으로 설명했어요 (Axios). 백서가 제시하는 세 가지 목표는 분명합니다: AI 번영을 넓게 나누고, 시스템 리스크를 줄이고, AI 접근성을 민주화한다는 것입니다.

가장 주목받는 제안은 로봇세(Robot Tax) 와 공공 부 펀드(Public Wealth Fund) 입니다. 로봇세는 2017년 빌 게이츠가 처음 제안한 개념으로, AI나 로봇이 인간 노동자를 대체할 경우 해당 자동화 시스템에 대체된 인간과 동일한 수준의 세금을 부과하자는 아이디어예요 (Newsweek). OpenAI는 여기서 한 발 더 나아가 세금 구조 전체의 재편을 주장합니다. AI가 확산될수록 기업 이윤과 자본소득은 늘지만 임금 기반 세수는 줄어들고, 결국 사회보장·메디케이드·SNAP 같은 사회 안전망의 재원이 고갈된다는 논리입니다. 공공 부 펀드는 알래스카 영구 펀드(Alaska Permanent Fund) 모델에서 착안했어요. 석유 수익을 주민 전체에게 배당하듯, AI 기업들의 성장 이익을 국가가 펀드로 모아 모든 미국인에게 직접 분배하자는 구상입니다 (The Next Web). 시가총액 $852B에 달하는 OpenAI의 주가가 폭등해도 일반 시민은 그 혜택을 전혀 받지 못하는 현실에 대한 응답이기도 합니다.

노동 측면에서는 주 32시간(4일) 근무제 전환 기업에 대한 보조금 지급을 제안합니다. AI 생산성 향상의 과실을 더 짧은 근무시간으로 돌려주자는 발상이에요 (Fortune). 여기에 더해 자동화로 인한 실업 지표가 사전에 설정한 임계치를 넘으면, 입법 과정 없이 실업급여·임금보험·직접 현금 지원이 자동으로 작동하는 '트리거 기반 안전망'도 제안합니다. 지표가 회복되면 혜택도 자동으로 축소되는 구조입니다 (Quartz). 단, 복리후생 확대(퇴직금 매칭, 의료보험, 육아 지원)가 모두 기업 책임으로 프레임화된 점은 비판을 받고 있어요. AI로 일자리를 잃으면 그 복리후생도 함께 사라질 수 있거든요. TechCrunch는 이 지점을 지적하며, 정부가 직접 보장하는 보편적 기본소득(UBI)과는 근본적으로 다른 접근이라고 평가했습니다 (TechCrunch).

🔐 AI 에이전트 보안 연구: 해커가 OpenClaw 220,000개의 OpenClaw를 공격할 수 있는 방법

출처: https://www.reco.ai/blog/openclaw-the-ai-agent-security-crisis-unfolding-right-now

2026년 초, OpenClaw는 22만 개 이상의 인스턴스가 실제 사용자 환경에 배포된 가장 인기 있는 개인 AI 에이전트 프레임워크였습니다. Gmail을 읽고, Stripe로 결제를 처리하고, 로컬 파일시스템 전체에 접근하는 이 에이전트는 강력한 자동화 도구인 동시에, 지금까지 아무도 체계적으로 들여다보지 않았던 거대한 공격 표면이기도 했습니다. UC Santa Cruz 등 6개 기관 공동 연구팀이 처음으로 OpenClaw의 "실제 환경 안전성 평가"를 수행했는데, 그 결과는 꽤 충격적이었어요. 기존의 샌드박스 기반 평가가 현실 위협을 얼마나 과소평가해왔는지가 적나라하게 드러났거든요.

이 논문의 핵심 기여는 CIK 분류 체계입니다. CIK란 에이전트의 영속 상태(persistent state)를 세 차원으로 나눈 분류틀이에요.

기존 연구들이 이 세 가지를 각각 따로 다뤄왔다면, 이 논문은 처음으로 하나의 통합된 공격 분석 틀로 묶었습니다. 중요한 점은, 이 세 차원 중 단 하나만 오염(poisoning)해도 공격 성공률이 기준선 24.6%에서 64~74%로 급등한다는 사실입니다. Claude Sonnet 4.5, Opus 4.6, Gemini 3.1 Pro, GPT-5.4 등 현존하는 최강 모델 4종 모두에서 동일하게 3배 이상의 취약성 증가가 확인됐어요.

Claude로 제작됨

더 불편한 진실은 이게 "모델의 문제"가 아니라는 점입니다. 연구팀이 세 가지 CIK 정렬 방어 전략을 테스트했을 때, 가장 강력한 방어 전략조차 능력(Capability) 차원 공격에서 63.8%의 성공률을 허용했습니다. 파일 보호 메커니즘은 악성 인젝션의 97%를 차단하는 데 성공했지만, 동시에 정상적인 스킬 업데이트까지 막아버리는 트레이드오프가 생겼어요. 결국 어떤 최신 LLM을 쓰든 기반 아키텍처가 갖고 있는 구조적 취약점은 그대로 남는다는 결론입니다. 모델을 교체하는 것만으로는 이 문제를 해결할 수 없고, 에이전트 시스템 자체의 설계 방식이 바뀌어야 한다는 거예요.

AI 에이전트가 점점 더 많은 권한을 갖고 실제 서비스와 연동되는 지금, 이 연구는 중요한 경고를 던집니다. 개인 사용자 입장에서는 자신의 에이전트가 실행하는 스킬 파일과 메모리 상태가 신뢰할 수 있는 출처에서 온 것인지를 확인하는 습관이 필요합니다. 개발자라면 에이전트의 영속 상태를 불변(immutable) 구조로 설계하거나, 상태 변경에 명시적인 서명 검증을 추가하는 방향을 고려해야 할 시점입니다. OpenClaw가 보여준 취약점은 특정 프레임워크만의 문제가 아니에요 — 로컬 실행 권한을 가진 모든 자율 에이전트가 안고 있는 구조적 숙제입니다.

AI 에이전트가 220,000개를 넘어 수백만 개로 확산되는 시대가 다가오고 있어요. 이 연구는 우리가 그 미래를 안전하게 맞이하기 위해 무엇을 준비해야 하는지를 보여주는 중요한 나침반이 될 거예요. 연구 원본 논문은 아래 링크에서 확인하실 수 있습니다!