'GLM-5.2가 코딩 앱을 입다', ZCode 공개하며 Claude Code·Codex 시장에 도전장 내밀다

구독자님, 안녕하세요. AI 트렌드 뉴스레터 피치 프롬프트 입니다.

한 주에 있었던 AI 소식 중에서 꼭 알아야 할 3가지만 먼저 모아봤어요.

복잡한 내용은 최대한 빼고, 쉽게 이해되도록 정리해드릴게요.

AI 코딩 전쟁, 이제 ‘모델’보다 ‘작업 환경’이다

ZCode 공개로 보는 GLM-5.2의 다음 행보

◆What (무슨 일?)

 얼마 전 우리는 GLM-5.2를 “긴 코딩 작업을 끝까지 붙잡는 오픈 모델”로 소개했죠. 그런데 이번엔 그 모델을 실제 개발 작업에 연결하는 전용 코딩 플랫폼이 나왔습니다. Z.ai가 공개한 ZCode입니다. 단순히 채팅창에서 코드를 물어보는 도구가 아니라, AI가 프로젝트 목표를 이해하고, 파일을 살펴보고, 코드를 고치고, 테스트하고, 결과를 검증하는 에이전트형 개발 환경에 가깝습니다.

■How (어떻게?)

 사용 방식은 요즘 AI 코딩 툴들과 비슷합니다. “이 페이지 성능 점수 90점 이상으로 올려줘”, “TypeScript 오류를 전부 고치고 테스트가 통과되게 해줘”처럼 목표를 던지면, ZCode Agent가 작업 계획을 세우고 실행합니다. 특히 눈에 띄는 건 Goal Mode입니다. 목표를 한 번 정해두면 AI가 한 번 대답하고 끝나는 게 아니라, 작업이 끝났는지 스스로 확인하고 부족하면 다음 라운드로 계속 이어갑니다. 이제 “계속해줘”를 반복해서 치는 방식에서 조금씩 벗어나는 거죠.

▲Why (왜 지금?)

  “어떤 모델이 코딩을 더 잘하냐”가 핵심이었다면 이제는 좋은 모델을 실제 개발 흐름에 얼마나 안정적으로 묶느냐가 더 중요해지고 있습니다. Claude Code, Codex, Cursor, Copilot이 이미 이 싸움을 하고 있었고, Z.ai도 GLM-5.2를 앞세워 여기에 들어온 겁니다.

Claude Sonnet 5가 노리는 건 ‘완성’입니다

한 번의 답변을 넘어 여러 단계의 작업을 처리하는 새 Sonnet

◆What (무슨 일?)

 Anthropic이 Claude Sonnet 5를 공개했습니다. 이번 모델의 핵심은 단순히 “더 똑똑한 챗봇”이 아닙니다. Sonnet 5는 계획을 세우고, 브라우저와 터미널 같은 도구를 쓰고, 여러 단계의 작업을 스스로 이어가는 에이전트형 모델에 더 가깝습니다. Anthropic은 Sonnet 5를 지금까지 가장 에이전트적인 Sonnet 모델이라고 소개했습니다. 쉽게 말하면 채팅창에서 답만 하는 모델보다일을 맡기면 끝까지 처리하려는 실행형 모델에 가까워진 것입니다.

■How (어떻게?)

 Sonnet 5는 Sonnet 4.6보다 추론, 도구 사용, 코딩, 지식 작업에서 개선됐습니다. 특히 중요한 포인트는 가격 대비 실행력입니다. Anthropic은 Sonnet 5가 Opus 4.8에 가까운 작업 성능을 보이면서도 더 낮은 비용으로 쓸 수 있다고 설명합니다. 또 사용자는 작업에 따라 effort level을 조절할 수 있습니다. 간단한 작업은 낮은 effort로 빠르게 처리하고 복잡한 작업은 더 높은 effort로 깊게 진행하는 식입니다. 즉, Sonnet 5는 “항상 최고 성능만 쓰는 모델”이라기 보다 작업 난이도에 맞춰 비용과 성능을 조절하는 에이전트용 모델에 가깝습니다

▲Why (왜 지금?)

 요즘 AI 사용 흐름은 단순 질문 답변에서 벗어나고 있습니다. 코딩, 리서치, 업무 자동화, 데이터 처리처럼모델이 도구를 쓰고, 여러 단계를 계획하고, 중간에 멈추지 않고 끝까지 가야 하는 작업이 많아지고 있습니다. 문제는 이런 작업을 항상 최고급 모델로만 돌리기에는 비용이 부담스럽다는 점입니다. 

 Sonnet 5는 이 지점을 노립니다. Opus급 모델이 맡던 에이전트 작업 일부를 더 낮은 비용의 Sonnet급 모델로 내려오게 만드는 것이죠. 그래서 이번 업데이트는 모델 성능 경쟁만의 이야기가 아닙니다. 에이전트가 더 많은 사용자와 개발자에게 기본 워크플로우가 되는 흐름에 가깝습니다.

"AI에게 보는 법을 가르치다."

 세탁소 카운터에서 공간지능까지, Fei-Fei Li.

2D 픽셀을 넘어 진짜 세상의 물리 법칙을 AI에게 가르치는 '이미지넷'의 대모

‘AI의 대모’라 불리는 페이페이 리는 지금 World Labs(@worldlabs.ai)를 통해 공간지능이라는 다음 장면을 그리고 있습니다. 챗봇이 더 자연스럽게 말하는 법이 아니라, AI가 세계의 구조를 이해하고 그 안을 움직이는 법에 가깝습니다. 그런데 이 질문의 출발점을 따라가면, 뉴저지의 작은 세탁소가 나옵니다.

◆세탁소의 CEO

15세의 소녀가 넉넉지 않은 형편으로 중국에서 미국 뉴저지에 도착합니다. 가족은 고등학교 수학 선생님이 빌려준 돈으로 작은 세탁소를 열었고, 영어로 고객 전화를 받고 일정을 조율해야 했던 사람은 그녀였습니다. 18살의 페이페이 리는 농담처럼 스스로를 세탁소의 CEO라 불렀습니다. 낮에는 프린스턴에서 물리학 문제를 풀고, 전화가 오면 세탁물 픽업 일정을 잡았습니다. 이 이중생활은 대학원 중반까지 이어집니다.

 ■1,500만 장의 베팅

2007년, 업계가 알고리즘을 다듬고 있을 때 그녀는 다른 병목을 봤습니다. 문제는 코드만이 아니라 데이터일 수 있다는 판단이었습니다. 멘토는 아이디어가 너무 멀리 갔다고 말렸습니다. 하지만 그 결과물이 1,500만 장 규모의 ImageNet이었고, 2012년 ImageNet 기반 ILSVRC 벤치마크 위에서 AlexNet이 등장하며 딥러닝 시대의 문이 열렸습니다. 적어도 그 베팅만큼은 그녀가 맞았습니다.

 ▲언어 다음의 프런티어

모두가 LLM 순위표를 새로고침하는 지금, 그녀는 또 판 바깥을 봅니다. World Labs의 Marble은 텍스트와 이미지, 비디오에서 걸어 다닐 수 있는 3D 월드를 생성합니다. 언어만으로는 세계를 충분히 이해할 수 없고, 지능은 공간을 인식하고 상호작용할 때 확장된다는 것이 그녀의 논리입니다.

<무통베개 x 빠나나 AI, AI 광고 챌린지>

"무통베개를 AI로 가장 재밌게! 당신의 상상력을 광고로 담아주세요."

제품의 기능성을 강조하기보다, 밈(Meme)이나 상황극처럼 유쾌하고 창의적으로 풀어내는 것이 핵심인 숏폼 챌린지입니다. AI를 활용한 비현실적 연출이나 과장된 연출이 가점 포인트이며, 빠나나 AI 툴을 활용한 콘텐츠를 우대합니다.