<!doctype html>
2026년 7월 1일 | AI 최신 트렌드
Claude Sonnet 5와 Claude Science beta가 같은 흐름 안에서 보였다. 하나는 코딩과 일반 업무용 Sonnet 계열을 더 agentic하게 밀어붙이는 발표이고, 다른 하나는 연구자가 분석 파이프라인을 이어 붙이는 시간을 줄이겠다는 과학 워크벤치다. 여기에 OpenClaw의 모바일 진출, X의 hosted MCP 서버, Etched의 추론 칩 수주, MirrorPPR의 초상 사진 보정 논문까지 겹치면서 7월 첫날의 축은 꽤 명확했다.
나는 이번 묶음을 에이전트가 쓰이는 표면이 넓어지고, 그 아래 인프라와 도메인 워크플로우가 동시에 특화되는 장면으로 봤다. 모델 하나가 더 좋아졌다는 소식만으로는 설명이 부족하다. 이제는 모델을 어디에서 제어하고, 어떤 API 표준으로 붙이고, 어떤 칩에서 싸게 돌리며, 어떤 전문 작업에 맞게 포장할지가 더 중요해지고 있다.
Claude Sonnet 5: 똑똑한 답변보다 오래 버티는 작업자
Anthropic은 Claude Sonnet 5를 공개하면서 “가장 agentic한 Sonnet”이라는 표현을 썼다. 공식 설명의 중심도 단순한 지식 질의가 아니라 코딩, 문서 작업, 전문 업무를 오래 이어 가는 능력에 있다. Sonnet 계열은 보통 속도와 비용, 지능의 균형점으로 쓰이는데, 이번 발표는 그 균형점이 에이전트 실행 쪽으로 더 기울었다는 신호처럼 읽혔다.
내가 눈여겨본 건 모델 성능표보다 작업 지속성의 언어다. 코딩 에이전트를 실제로 돌리다 보면 한 번의 정답보다 중요해지는 것이 있다. 문제를 나눠서 보고, 중간 결과를 확인하고, 맥락이 흔들릴 때 다시 수습하는 능력이다. Sonnet 5가 그쪽을 강하게 내세운다면, 앞으로 모델 비교도 “벤치마크 몇 점”에서 “같은 작업을 몇 단계까지 덜 무너지고 밀고 가느냐”로 더 자주 옮겨갈 것 같다.
Claude Science: 과학자는 챗봇보다 워크벤치를 원한다
Anthropic은 Claude 쪽 제품 페이지에서 Claude Science beta를 과학 연구용 AI workbench로 소개한다. 설명은 꽤 직접적이다. 연구자가 파이프라인을 조립하고, 분석을 돌리고, 각 단계를 추적하는 시간을 줄여 주겠다는 것이다. 단순히 논문을 요약해 주는 도구라기보다, 연구 과정의 반복 작업을 한 화면에서 묶으려는 제품에 가깝다.
이 방향은 나도 꽤 현실적으로 느껴진다. 연구 현장에서 힘든 부분은 “아이디어를 떠올리는 일”만이 아니다. 데이터 전처리, 분석 설정, 결과 표 정리, 실패한 실행의 원인 기록처럼 작고 지루한 일이 계속 쌓인다. Claude Science가 정말 유용하려면 모델이 똑똑한 것만으로는 부족하고, 분석 로그와 재현 경로를 사람이 검토할 수 있게 남기는 구조가 중요하다. 연구 도구로 들어오는 AI는 결국 설명 가능한 작업대가 되어야 한다.
OpenClaw 모바일: 에이전트 제어가 손바닥으로 내려온다
TechCrunch는 오픈소스 agentic 프로그램 OpenClaw가 Android와 iOS에서 사용할 수 있게 됐다고 전했다. 이 소식은 단순한 모바일 앱 출시로만 보기 어렵다. AI 에이전트가 데스크톱 IDE 안에서만 돌아가는 도구가 아니라, 사용자가 이동 중에도 시작하고 멈추고 확인하는 작업 단위로 바뀌고 있다는 뜻이기 때문이다.
나는 코딩 에이전트나 리서치 에이전트를 쓸 때 “계속 지켜봐야 하나, 맡겨 둬도 되나” 사이에서 자주 흔들린다. 모바일 제어는 이 경계를 조금 다르게 만든다. 노트북 앞에 앉아 있지 않아도 진행 상황을 확인하고, 이상한 방향으로 가면 멈추고, 필요한 입력만 다시 줄 수 있다. 다만 편해지는 만큼 승인 버튼과 실행 권한의 기본값은 더 조심해야 한다. 손바닥 위의 에이전트는 빠르지만, 실수도 빠르게 퍼질 수 있다.
X MCP 서버: 플랫폼 API도 에이전트용 문법을 갖기 시작했다
X는 AI 애플리케이션이 X API에 더 쉽게 연결되도록 hosted MCP 서버를 제공하기 시작했다. Model Context Protocol은 요즘 도구 연결 쪽에서 자주 보이는 표준이고, 여기서는 AI 앱이 X의 데이터와 기능에 접근하는 접점을 더 규격화하는 역할을 한다.
흥미로운 건 MCP가 이제 개발자 도구나 로컬 파일 접근을 넘어, 큰 플랫폼 API의 배포 방식으로도 쓰이기 시작했다는 점이다. 예전에는 각 서비스가 자기 SDK와 REST 문서를 따로 제공했다면, 앞으로는 “에이전트가 바로 쓸 수 있는 도구 서버”를 같이 내놓는 일이 늘어날 수 있다. 물론 소셜 데이터는 특히 민감하다. 연결이 쉬워질수록 권한 범위, rate limit, 자동 게시·자동 수집의 경계를 더 명확히 해야 한다.
Etched 칩: 추론 비용 전쟁은 모델 밖에서 벌어진다
TechCrunch는 Nvidia 경쟁사로 소개되는 Etched가 50억 달러 기업가치와 10억 달러 규모의 AI 칩 계약을 확보했다고 보도했다. Etched는 AI 추론 시스템을 겨냥한 칩을 내세우고 있다. 모델이 커지고 사용량이 늘수록 병목은 점점 “무엇을 만들었나”보다 “얼마나 싸고 안정적으로 계속 돌리나”로 이동한다.
나는 이런 소식을 볼 때마다 모델 이름 뒤의 비용 구조를 다시 보게 된다. 사용자는 챗봇 답변 한 줄만 보지만, 그 뒤에는 전력, 메모리 대역폭, batch 처리, latency, 데이터센터 계약이 붙는다. 추론 특화 칩이 실제로 자리 잡으려면 성능뿐 아니라 공급, 소프트웨어 스택, 모델 호환성까지 맞아야 한다. 그래도 방향은 분명하다. AI 경쟁은 프롬프트 화면 밖의 원가 곡선에서 점점 더 치열해지고 있다.
MirrorPPR: 사진 보정은 말보다 예시가 더 정확할 때가 있다
arXiv에는 MirrorPPR: Exemplar-Based Portrait Photo Retouching이 올라왔다. 논문은 초상 사진 보정에서 텍스트 지시가 한계를 가진다고 본다. 눈 크기를 조금 키우거나 턱선을 미세하게 다듬는 작업은 “조금 더 자연스럽게” 같은 말로는 방향과 크기를 정확히 전달하기 어렵다. 그래서 MirrorPPR은 보정 전후 예시 쌍에서 조작을 뽑아 query 이미지에 옮기는 방식을 제안한다.
특히 흥미로운 부분은 데이터 문제를 푸는 방식이다. 서로 다른 사람의 사진을 맞춰 보정 전후 쌍을 만들면 포즈와 구도 차이가 너무 커진다. 논문은 self-augmentation으로 같은 source-target 쌍에 공간 변환을 적용해, 절대 픽셀 위치를 외우는 shortcut을 줄이려 한다. 얼굴·몸 비율을 다루는 보정은 윤리적으로도 민감하지만, 기술적으로는 언어 지시보다 exemplar operation이 더 풍부한 제어 신호가 될 수 있음을 보여 준다.
묶어 보면: AI 제품은 화면보다 운영 단위가 커지고 있다
이번 여섯 가지를 한 줄로 묶으면, AI는 더 넓은 조작 표면과 더 좁은 전문 인프라를 동시에 요구한다. Sonnet 5는 오래 가는 작업자를 지향하고, Claude Science는 연구자의 작업대를 노린다. OpenClaw는 모바일 제어면을 열고, X는 플랫폼 API를 MCP 문법으로 내놓는다. Etched는 추론 원가를 낮추려 하고, MirrorPPR은 텍스트 지시 밖의 시각적 조작을 모델 입력으로 끌어온다.
개인적으로는 “모델이 더 좋아졌다”라는 문장만으로는 요즘 흐름을 놓치기 쉽다고 느낀다. 더 중요한 질문은 모델이 어떤 업무 단위로 포장되고, 어느 장치에서 제어되며, 어떤 표준으로 다른 도구와 연결되고, 어떤 하드웨어 비용 위에서 돌아가느냐에 있다. 7월의 첫 트렌드는 성능 경쟁의 뉴스라기보다 AI를 실제 운영 환경에 붙이는 접점 경쟁에 가까워 보인다.