1. 연구진, Model Context Protocol에서 명령 실행 취약점 발견
OX Security의 보안 연구진이 Model Context Protocol(MCP)의 STDIO 트랜스포트에서 아키텍처 결함을 발견했습니다. AI 에이전트를 로컬 도구에 연결하는 이 기본 트랜스포트는 수신된 운영체제 명령을 새니타이징(sanitization)이나 실행 경계 설정 없이 실행합니다. 이로 인해 오류를 반환하기 전 악성 명령이 실행될 수 있으며, 개발자 툴체인에서는 아무런 경고도 발생하지 않습니다. MCP를 사용하는 개발자는 즉시 로컬 도구 실행 권한을 검토해야 합니다.
2. PyTorch, LLM 서빙을 위한 Shepherd Model Gateway 출시
PyTorch가 대규모 LLM 배포를 위한 고성능 모델 라우팅 게이트웨이인 Shepherd Model Gateway(SMG)를 출시했습니다. Rust 기반의 이 게이트웨이는 토큰화, 출력 파싱, MCP 도구 오케스트레이션과 같은 CPU 집약적 작업을 GPU 추론에서 분리합니다. SMG는 SGLang, vLLM, TensorRT-LLM 등의 백엔드를 지원하며 OpenAI 및 Anthropic API와 완벽하게 호환됩니다. 이 아키텍처는 CPU 블로킹을 최소화하고 gRPC 경계를 줄여 GPU가 텐서 연산에만 자원을 집중할 수 있게 합니다.
3. OpenAI, GPT-5.5 Cyber 모델 접근 제한
OpenAI가 신규 GPT-5.5 Cyber 모델의 접근 권한을 검증된 사이버 보안 전문가로 제한했습니다. 이 모델은 침투 테스트, 취약점 식별, 멀웨어 역공학을 위해 설계되었습니다. 개발자는 Trusted Access for Cyber(TAC) 프로그램을 통해 신청해야만 모델의 강력한 기능을 사용할 수 있습니다. 이는 최근 Anthropic이 경쟁 모델인 Mythos의 일반 API 접근을 차단한 결정과 유사한 행보입니다.
4. Z.ai 및 칭화대, GLM-5V-Turbo 출시
Z.ai와 칭화대학교가 네이티브 멀티모달 파운데이션 모델인 GLM-5V-Turbo의 기술 보고서를 발표했습니다. 이 모델은 보조 인터페이스에 의존하는 대신 시각적 인식을 핵심 추론, 계획 및 도구 사용에 직접 통합합니다. 미세한 공간 인식을 위해 CogViT 비전 인코더와 Multimodal Multi-Token Prediction 전략을 활용합니다. 이번 출시로 개발자들은 OSWorld 및 AndroidWorld와 같은 디지털 환경의 에이전트 작업에 최적화된 새로운 모델을 사용할 수 있게 되었습니다.
5. Salesforce, Agentforce Operations 워크플로우 플랫폼 출시
Salesforce가 기업용 AI 워크플로우에 결정론적 구조를 부여하도록 설계된 새로운 아키텍처 계층인 Agentforce Operations를 선보였습니다. 이 플랫폼은 백오피스 프로세스를 전문 에이전트가 실행할 수 있는 특정 작업 세트로 변환합니다. 개발자는 커스텀 프로세스를 업로드하거나 제공된 블루프린트를 사용하여 작업 실패 및 핸드오프 오류를 방지할 수 있습니다. 이는 에이전트를 기존 백오피스 시스템에 깊숙이 도입하려는 기업에 제어 평면(control plane)을 제공합니다.
6. Meta, Autodata 프레임워크 공개
Meta가 AI 에이전트를 활용해 학습 데이터셋을 반복적으로 구축, 평가 및 개선하는 에이전트 기반 프레임워크인 Autodata를 공개했습니다. 이 시스템은 에이전트가 소스 문서에서 데이터를 생성하고 예시의 품질을 분석하는 폐쇄 루프(closed-loop) 파이프라인으로 작동합니다. 데이터가 충분히 변별력을 갖출 때까지 정제하여 수동 어노테이션 의존도를 낮춥니다. 이를 통해 개발자는 모델 미세 조정을 위한 고품질 데이터셋 생성을 자동화할 수 있습니다.
7. Intel, AutoRound 양자화 툴킷 업데이트
Intel이 LLM 및 비전-언어 모델(VLM)을 위한 AutoRound 양자화 툴킷을 업데이트했습니다. 이번 업데이트로 블록 단위 FP8 양자화 및 MTP 레이어 양자화를 지원합니다. Transformers, vLLM, SGLang과 직접 통합되어 AutoAWQ, AutoGPTQ, GGUF 형식으로 모델을 내보낼 수 있습니다. 이를 통해 개발자는 최소한의 튜닝 오버헤드로 2-4비트 정밀도에서도 높은 정확도를 유지하며 로컬 모델을 배포할 수 있습니다.