2026년 10월 7일 AI 트렌드: Mistral Large 4·EmbeddingGemma 2와 기업 AI 보안 변화

오늘 AI 트렌드의 핵심은 분명합니다. 기업이 봐야 할 것은 “어느 모델이 더 크냐”가 아니라 어떤 데이터를 어디에서 처리하고, 누가 어떤 권한으로 AI를 쓰며, 그 사용 결과를 무엇으로 검증할 것인가입니다. 지난밤에는 Mistral Large 4와 Google EmbeddingGemma 2가 공개됐고, Anthropic은 보안 전문가용 접근 체계를 세 단계로 확대했습니다. GitHub는 AI 코드 보안 적용 현황과 Copilot 에이전트 사용량 집계 문제를 공개했습니다. Meta와 Sierra는 개인 AI 에이전트가 기업 서비스를 이용할 때 필요한 인증·권한 표준의 개발 계획도 발표했습니다.

2026년 10월 6일 18시부터 10월 7일 9시까지의 공식 원문을 확인했습니다. 아직 공개되지 않은 기능은 출시된 것처럼 쓰지 않았습니다. 오늘의 변화는 모델 선택표보다 권한표·데이터 흐름도·측정 기준표를 먼저 만들라는 신호에 가깝습니다.

오늘의 AI 트렌드 한눈에 보기

• Mistral Large 4: 멀티모달·코딩·에이전트 업무를 겨냥한 공개 가중치 모델의 새 후보입니다. 지금은 API 공개 미리보기이며 가중치는 10월 말 공개 예정입니다.
• EmbeddingGemma 2: 텍스트뿐 아니라 코드·이미지·영상·오디오를 같은 공간에서 찾는 소형 임베딩 모델입니다. 기기 안에서 검색과 검색 증강 생성을 돌리는 선택지가 넓어졌습니다.
• Anthropic Cyber Verification Program: 방어·레드팀·특수 접근의 세 단계로 보안 전문가용 모델 접근을 나눴습니다. 강한 모델일수록 업무 범위와 검증 수준에 따라 권한을 다르게 주는 방향입니다.
• GitHub AI Scan 관리 기능: 관리자가 조직 전체 저장소의 AI 보안 검사 적용 여부를 보고 CSV로 내보낼 수 있게 됐습니다.
• Copilot 사용량 집계 수정: 일부 IDE의 에이전트 활동이 빠지거나 CLI로 잘못 잡혔고, 과거 데이터는 복구할 수 없다는 공지가 나왔습니다.
• Personal Agent Protocol: 고객을 대신하는 개인 AI 에이전트와 기업 사이의 인증·권한·접속 방식을 표준화하려는 개발 계획입니다. 명세와 참조 구현은 아직 공개 전입니다.

1. Mistral Large 4: 공개 가중치 경쟁이 ‘업무 완성도’로 이동했습니다

Mistral AI는 10월 6일 21시경 Mistral Large 4를 공개했습니다. 공식 모델 문서는 이 모델을 멀티모달 입력을 다루는 Mixture-of-Experts 구조의 범용 모델로 설명합니다. 코딩, 에이전트 작업, 문서 질의, 함수 호출, 구조화 출력, 이미지 이해가 주요 활용 범위입니다. API에서는 공개 미리보기로 사용할 수 있고, 모델 가중치는 10월 말 공개할 예정입니다.

여기서 날짜를 구분해야 합니다. 모델 발표와 API 미리보기는 10월 6일에 시작됐지만, 가중치 공개는 아직 완료되지 않았습니다. “오픈 웨이트 모델이 나왔다”는 표현은 방향을 설명할 때는 맞지만, 지금 당장 가중치를 내려받아 자체 서버에 배포할 수 있다는 뜻으로 받아들이면 안 됩니다.

발표 기업이 밝힌 핵심 사실

공식 문서는 총 1.05조 개, 활성 520억 개 파라미터와 16억 개 규모의 비전 인코더를 적고 있습니다. 다만 발표 글과 모델 문서 사이에 활성 파라미터 표기가 490억 개와 520억 개로 다릅니다. 이런 경우에는 큰 숫자를 제목으로 뽑기보다 공식 자료가 정리될 때까지 차이를 그대로 남기는 편이 안전합니다.

Mistral은 코딩, 업무 자동화, 복합 문서·이미지 분석, 과학·수학, 금융·법무 작업에서 성능을 강조했습니다. 해당 비교와 평가는 Mistral이 공개한 자료입니다. 독립 평가가 충분히 쌓이기 전에는 “다른 모델보다 우수하다”는 결론보다 우리 업무 샘플에서 같은 조건으로 비교하는 것이 먼저입니다.

왜 중요한가

기업이 공개 가중치 모델을 보는 이유는 단순히 비용 때문만은 아닙니다. 데이터 위치, 모델 변경 주기, 접근 기록, 특정 국가나 산업의 규제, 사내 인프라 운영 방식까지 함께 통제할 수 있기 때문입니다. Mistral Large 4가 약속한 가중치 공개가 실제로 이뤄지면, 멀티모달과 에이전트 업무를 자체 환경에서 운영하려는 조직의 선택지가 하나 더 생깁니다.

윤자동의 해석은 이렇습니다. 폐쇄형 API와 자체 운영 모델 중 하나만 고르는 시대가 아니라, 업무별로 섞는 시대가 됐습니다. 민감도가 낮고 빠른 최신 성능이 필요한 일은 관리형 API로, 데이터 반출이 어렵고 반복량이 큰 일은 자체 운영 모델로 나눌 수 있습니다. 모델 이름보다 업무 등급표가 먼저입니다.

기업 실무 적용

Mistral Large 4를 검토한다면 공개 벤치마크를 그대로 가져오지 말고 사내 과제 20~50개를 먼저 정하세요. 계약서 표 추출, 고객 문의 분류, 코드 수정, 제품 이미지 판독처럼 실제 입력과 정답 기준이 있는 과제가 좋습니다. 정확도만 보지 말고 처리 시간, 토큰 비용, 재시도율, 사람 검수시간, 실패 시 복구 가능성까지 같이 기록해야 합니다.

2. EmbeddingGemma 2: 사내 검색과 RAG가 클라우드 밖으로 나옵니다

Google은 10월 7일 1시경 EmbeddingGemma 2를 공개했습니다. 이 모델은 대화를 생성하는 챗봇이 아닙니다. 문장, 코드, 이미지, 영상, 오디오를 숫자 벡터로 바꾸고 서로 의미가 가까운 자료를 찾는 임베딩 모델입니다. 사내 문서 검색, 비슷한 상품 찾기, 영상 구간 검색, 음성 기록 탐색, 검색 증강 생성의 검색 단계에 쓰입니다.

전체 모델은 7억4천만 개 파라미터이며, 텍스트만 쓸 때는 2억7천만 개 규모로 구성할 수 있습니다. 비전과 오디오 인코더를 선택적으로 붙일 수 있고 Apache 2.0 라이선스로 공개됐습니다. 8K 문맥을 지원하며 Google은 휴대기기와 로컬 환경에서 돌아가도록 설계했다고 설명합니다.

한 모델로 여러 자료를 찾는다는 뜻

기존 검색 시스템은 문서, 이미지, 음성, 영상을 따로 처리하는 경우가 많았습니다. “회의에서 가격 정책을 말한 구간을 찾아줘”라는 요청을 처리하려면 음성을 글로 바꾸고, 글을 검색하고, 다시 영상 시점과 연결해야 했습니다. 멀티모달 임베딩은 서로 다른 형식의 자료를 같은 검색 공간에 넣어 이 연결 단계를 줄이려는 접근입니다.

예를 들어 현장 직원이 휴대전화로 찍은 설비 사진을 기준으로 비슷한 고장 사례 문서를 찾거나, 음성 메모로 긴 교육 영상의 특정 구간을 찾는 식입니다. 생성형 AI가 최종 답변을 만들기 전에 올바른 근거를 찾는 능력을 높이는 쪽에 가깝습니다.

왜 기업에 중요한가

가장 큰 변화는 데이터 이동 경로입니다. 임베딩을 기기나 사내 환경에서 만들 수 있으면 원본 문서·사진·음성을 외부 서비스로 보내지 않는 설계를 검토할 수 있습니다. 네트워크가 불안정한 현장이나 반출이 제한된 자료에서도 검색 기능을 만들 가능성이 커집니다.

다만 “온디바이스”라는 말이 자동으로 안전을 보장하지는 않습니다. 모델 파일 배포, 기기 분실, 로컬 벡터 데이터베이스 암호화, 앱 로그, 업데이트 서명, 접근 권한을 따로 설계해야 합니다. 임베딩 벡터도 원문과 무관한 데이터로 취급하면 안 됩니다.

발표 수치 읽는 법

Google은 벡터 차원을 줄여 최대 6배 저장 공간을 아낄 수 있고, 특정 Pixel 기기에서 텍스트 전용 가중치가 약 191MB의 활성 메모리를 사용한다고 설명했습니다. 이는 Google의 측정치입니다. 실제 메모리는 운영체제, 양자화, 입력 길이, 동시 실행 앱에 따라 달라질 수 있습니다. 도입 전에는 대상 기기에서 직접 측정해야 합니다.

3. Anthropic 보안 프로그램 확대: 같은 AI라도 권한은 같아선 안 됩니다

Anthropic은 10월 7일 4시경 Cyber Verification Program을 확대했습니다. 핵심은 고급 사이버 보안 기능을 누구에게나 똑같이 열지 않고, 업무 범위와 검증 수준에 따라 세 단계로 나눈 것입니다.

세 단계 접근 구조

Defense Access는 보안관제센터 운영, 사고 대응, 악성코드 역분석, 취약점 분석과 검증처럼 방어 업무를 대상으로 합니다. Anthropic은 많은 방어 조직이 자격을 얻을 수 있으며 신청 검토에 수일을 예상한다고 밝혔습니다.

Red Team Access는 승인된 침투 테스트와 레드팀 업무까지 범위를 넓힙니다. 조직 단위로 신청해야 하며 검토에는 수주가 걸릴 수 있습니다. 물리적 피해나 대규모 장애를 일으킬 수 있는 행동은 계속 차단됩니다.

Specialized Access는 항공, 전력망, 통신망, 은행 간 결제처럼 사람의 안전이나 시장에 큰 영향을 줄 수 있는 시스템을 승인받아 시험하는 제한된 조직을 위한 단계입니다. 미국 정부와의 심층 검토가 포함된다고 Anthropic은 설명했습니다.

발표 기업의 주장과 확인할 점

Anthropic은 각 단계에서 Claude Opus 5.5, Sonnet 5.5, Mythos 5.1 등 고급 모델과 완화된 차단 정책을 제공한다고 밝혔습니다. Claude Platform, Google Cloud Vertex AI, Microsoft Foundry에서 프로그램을 지원하고, Amazon Bedrock은 별도 자격 조건이 붙습니다.

여기서 중요한 주의점은 데이터 보존입니다. 프로그램 참여 조직에는 원칙적으로 데이터 보존이 요구됩니다. 일부 모델·환경의 제로 데이터 보존 예외와 향후 Enterprise Frontier Safeguards 조건이 있지만, 보안팀이 강한 모델을 얻는 대신 어떤 로그와 데이터가 남는지 계약 전에 확인해야 합니다.

윤자동의 해석

이 발표는 보안 기능 하나의 업데이트라기보다 기업 AI 권한관리의 축소판입니다. 재무팀, 고객상담팀, 개발팀, 레드팀이 같은 모델을 쓰더라도 허용 도구와 데이터, 실행 권한, 로그 보존기간이 같아서는 안 됩니다. “AI 사용 허용/금지” 두 칸짜리 정책으로는 부족합니다.

기업은 최소한 역할, 업무 목적, 연결 데이터, 외부 도구, 실행 가능 행동, 사람 승인 조건, 로그 보존기간을 묶은 권한표를 만들어야 합니다. 모델 제공사의 안전장치는 회사 내부 통제를 대신하지 않습니다.

4. GitHub AI Scan: 보안 기능보다 ‘적용 여부를 보는 화면’이 중요합니다

GitHub는 10월 6일 19시 23분경 Security Overview에 AI Scan 적용 현황을 표시하는 기능을 추가했습니다. 조직과 기업 관리자는 Pull Request용 AI Scan이 켜진 저장소와 꺼진 저장소 수를 보고, 각 저장소 상태를 확인할 수 있습니다. 검색 필터와 CSV 내보내기 열도 제공됩니다.

작은 관리 화면 개선처럼 보이지만 현장에서는 이런 가시성이 중요합니다. 보안 기능을 활성화해도 어느 저장소에 적용됐는지 모르면 감사와 개선을 할 수 없습니다.

기업 실무에서 볼 지표

저장소 전체 적용률만 보면 부족합니다. 인터넷에 공개되는 서비스, 개인정보를 다루는 서비스, 결제·인증 모듈, 내부 자동화 스크립트를 위험 등급으로 나눈 뒤 등급별 적용률을 봐야 합니다. 예외 저장소가 있다면 책임자, 예외 사유, 종료일을 남겨야 합니다.

AI 보안 검사가 켜졌다는 사실도 안전을 보장하지 않습니다. 탐지 결과를 누가 처리하는지, 오탐을 어떻게 분류하는지, 배포를 막는 기준이 무엇인지, 사람이 최종 검토하는지까지 이어져야 합니다. 도구 적용률과 취약점 처리 완료율은 다른 지표입니다.

5. Copilot 사용량 집계 오류: AI 도입 성과표를 다시 봐야 합니다

10월 7일 8시 43분경 GitHub는 일부 IDE에서 Copilot 에이전트 활동이 사용량 보고서에 제대로 잡히지 않았다고 공지했습니다. 여러 IDE가 에이전트 세션을 Copilot SDK로 옮기는 과정에서 어느 IDE에서 발생한 활동인지 식별하지 못했고, 일부는 보고서에서 빠지거나 Copilot CLI 활동으로 잘못 집계됐습니다.

VS Code는 1.139.0 이상에서 수정됐습니다. Visual Studio와 JetBrains 계열은 10월, Eclipse와 Xcode는 11월까지 수정 버전이 나올 예정이라고 GitHub는 밝혔습니다. 개발자가 수정 버전으로 업데이트한 뒤부터 에이전트 활동이 다시 집계됩니다.

가장 중요한 문장: 과거 데이터는 복구되지 않습니다

GitHub는 이 문제가 청구 금액에는 영향을 주지 않았다고 설명했습니다. 그러나 누락된 에이전트 활동과 잘못 잡힌 CLI 활동은 과거로 돌아가 수정할 수 없습니다. 기업이 이 데이터를 근거로 “이번 달 AI 활용률이 떨어졌다”거나 “CLI 사용이 늘었다”고 판단했다면 결론이 틀릴 수 있습니다.

윤자동의 해석은 간단합니다. AI 도입 효과는 계측 체계까지 포함한 시스템으로 봐야 합니다. IDE 버전, 텔레메트리, 프록시·방화벽, 플러그인 버전이 지표를 바꿀 수 있습니다.

지금 할 일

개발 조직은 IDE별 수정 버전 배포 일정을 잡고, 지표가 영향을 받은 기간을 대시보드에 표시해야 합니다. 수정 전후 수치를 같은 기준으로 비교하지 말고 단절된 시계열로 관리하세요. AI 사용량과 함께 배포 빈도, 변경 리드타임, 장애율, 재작업률, 코드리뷰 시간처럼 실제 업무 결과를 함께 봐야 합니다.

6. Personal Agent Protocol: 고객 대신 움직이는 AI의 신분증을 만들려는 시도

Meta와 Sierra는 10월 7일 2시 32분경 Personal Agent Protocol 개발 계획을 발표했습니다. 개인 AI 에이전트가 고객 대신 기업 사이트와 API, 상담 에이전트를 이용할 때 필요한 인증·권한·세션 구조를 공개 표준으로 만들겠다는 구상입니다. Genesys, Instinct, Rocket, Shopify, Stripe, Walmart가 참여사로 언급됐습니다.

중요한 사실부터 구분하겠습니다. 10월 6일에 공개된 것은 프로토콜의 방향과 개발 계획입니다. 구현 가능한 v0.1 명세와 참조 구현은 아직 없습니다. Sierra는 10월 중 명세를 공개하고 설계 워크숍과 참조 구현을 이어갈 계획이라고 밝혔습니다.

어떻게 작동하도록 설계하나

개인 에이전트는 먼저 기업 사이트에서 제공 기능과 접속 방법을 확인하고, 사용자를 대신해 세션을 시작합니다. 단순 상품 재고나 반품 정책 확인은 비로그인 상태로 처리할 수 있습니다. 계정 정보가 필요해지면 사용자가 로그인하고 읽기 전용 또는 쓰기 권한을 결정합니다.

세션은 OAuth를 바탕으로 합니다. 로그인 전 질문과 로그인 후 주문 변경을 같은 방문 맥락으로 이어가려는 설계입니다. 기업은 일반 웹페이지, MCP·OpenAPI 기반 API, 기업 자체 상담 에이전트 가운데 어떤 경로를 열지 정하고 허용 행동의 범위를 통제합니다.

왜 중요한가

지금까지 많은 AI 에이전트는 사람처럼 화면을 읽고 버튼을 누릅니다. 기업 입장에서는 정상 고객인지, 자동화 봇인지, 고객이 허용한 대리인인지 구분하기 어렵습니다. 개인 에이전트가 주문 변경, 환불 신청, 보험 비교처럼 중요한 일을 맡으려면 “누구를 대표하는지, 어디까지 허용됐는지, 무엇을 했는지”를 증명할 공통 구조가 필요합니다.

윤자동은 이 발표를 고객 경험의 운영 규칙으로 봅니다. 앞으로 기업은 사람용 화면만 잘 만들면 끝나지 않습니다. 에이전트가 읽을 수 있는 서비스 설명, 권한 요청, 취소·복구 절차, 활동 기록을 같이 제공해야 합니다. 다만 표준이 확정되지 않은 지금은 대규모 구현보다 기존 OAuth·API 권한을 정리하고 고위험 행동에 사람 확인 단계를 두는 준비가 먼저입니다.

오늘 발표 6건이 기업에 주는 공통 신호

1. 모델은 하나가 아니라 업무 계층별로 나뉩니다

Mistral Large 4처럼 복합 업무를 수행하는 큰 모델과 EmbeddingGemma 2처럼 검색에 특화된 작은 모델은 경쟁 관계만은 아닙니다. 작은 모델이 자료를 찾고 큰 모델이 판단하거나 답변하는 구조로 함께 쓸 수 있습니다. 비용, 지연시간, 데이터 위치를 업무 단계마다 다르게 설계해야 합니다.

2. 권한은 사용자 계정이 아니라 ‘행동’까지 내려가야 합니다

Anthropic의 보안 접근 단계와 Personal Agent Protocol의 읽기·쓰기 권한은 같은 방향을 가리킵니다. AI가 정보를 보는 권한과 실제 행동을 실행하는 권한을 분리해야 합니다. 조회, 작성, 승인 요청, 외부 전송, 결제, 삭제를 한 묶음으로 허용하면 사고 범위가 커집니다.

3. 도입률을 측정하는 도구도 검증 대상입니다

GitHub Copilot 사례처럼 계측 방식이 바뀌면 AI 활용률이 실제와 다르게 보일 수 있습니다. 대시보드는 사실 그 자체가 아니라 수집 규칙의 결과입니다. 경영 보고 전에 데이터 정의, 누락 조건, 버전 변화, 복구 가능성을 확인해야 합니다.

4. 보안은 기능 구매가 아니라 적용 현황과 처리 과정입니다

AI Scan을 켜는 것과 조직 전체에 제대로 적용하는 것은 다릅니다. 탐지한 취약점을 처리하고 예외를 관리하며 감사 기록을 남기는 과정이 있어야 합니다. 보안 제품 이름보다 적용 범위와 책임자가 중요합니다.

기업 AI 실무 적용 체크리스트

이번 주에 확인할 것

• 우리 회사의 AI 업무를 검색, 생성, 판단, 실행의 네 단계로 나눴는가?
• 각 단계에서 원본 데이터가 기기, 사내 서버, 외부 API 중 어디로 이동하는가?
• 조회 권한과 쓰기·전송·결제·삭제 권한이 분리돼 있는가?
• AI가 실패했을 때 사람이 이어받고 되돌릴 수 있는가?
• 모델별 평가 과제에 정확도뿐 아니라 검수시간과 재작업률이 포함돼 있는가?
• 개발팀의 Copilot·IDE 버전과 텔레메트리 정책이 통일돼 있는가?
• AI 사용량 대시보드의 누락 조건과 지표 정의를 문서화했는가?
• 코드 보안 검사 미적용 저장소에 책임자와 예외 종료일이 있는가?

새 모델을 시험할 때

1. 실제 업무 샘플 20~50개를 익명화해 준비합니다.
2. 정답과 허용 오차, 실패 기준을 먼저 적습니다.
3. 같은 입력을 기존 모델과 새 모델에 반복 실행합니다.
4. 정확도, 처리시간, 비용, 사람 검수시간, 재시도율을 함께 비교합니다.
5. 민감정보가 있는 업무는 데이터 저장·학습·로그 정책을 계약서와 관리화면에서 확인합니다.
6. 공개 미리보기 모델은 운영 핵심 경로에 바로 넣지 말고 교체 가능한 시험 환경에서 검증합니다.

에이전트를 연결할 때

1. 읽기 전용으로 시작합니다.
2. 작업 범위와 세션 만료시간을 짧게 둡니다.
3. 외부 전송, 결제, 삭제, 권한 변경은 사람 승인을 받습니다.
4. 실행 전 계획과 실행 후 결과를 각각 기록합니다.
5. 중복 실행을 막는 요청 식별값과 재시도 규칙을 둡니다.
6. 고객을 대리하는 에이전트라면 본인 확인, 위임 범위, 철회 방법을 분리합니다.

도입 전에 주의할 점

첫째, 발표와 제공을 구분해야 합니다. Mistral Large 4는 API 미리보기가 시작됐지만 가중치는 추후 공개 예정입니다. Personal Agent Protocol도 방향 발표 단계이며 명세가 아직 없습니다.

둘째, 회사 벤치마크와 독립 검증을 구분해야 합니다. 모델 성능, 저장공간 절감, 보안 성과 수치는 발표 기업이 정한 환경에서 나온 값일 수 있습니다. 우리 데이터와 우리 업무 기준으로 다시 시험해야 합니다.

셋째, 작은 모델도 운영 책임은 작지 않습니다. 온디바이스 모델은 외부 전송을 줄일 수 있지만 기기 보안, 모델 업데이트, 로컬 저장소, 접근 통제 문제가 남습니다.

넷째, 보안 권한 확대에는 기록 의무가 따라옵니다. 더 강한 사이버 기능을 쓰려면 신원 검증, 목적 제한, 데이터 보존, 활동 감사를 받아들여야 할 수 있습니다.

다섯째, 지표가 깨진 기간을 숨기지 말아야 합니다. Copilot 집계 오류처럼 과거 데이터를 복구할 수 없다면, 보고서에 영향 기간과 단절 지점을 표시하는 것이 맞습니다.

FAQ

Mistral Large 4 가중치는 지금 바로 받을 수 있나요?

아닙니다. 10월 6일 기준 API 공개 미리보기가 시작됐고, 가중치는 10월 말 공개 예정입니다. 공개 미리보기와 공개 가중치 배포 완료를 구분해야 합니다.

EmbeddingGemma 2로 챗봇을 바로 만들 수 있나요?

EmbeddingGemma 2는 답변 생성 모델이 아니라 검색과 유사도 계산에 쓰는 임베딩 모델입니다. 챗봇을 만들려면 검색 결과를 읽고 답변을 만드는 생성 모델과 연결해야 합니다.

온디바이스 AI면 개인정보 문제가 사라지나요?

아닙니다. 외부 전송을 줄이는 장점은 있지만 기기 분실, 로컬 저장 데이터, 로그, 업데이트, 접근 권한을 관리해야 합니다. 어떤 데이터가 기기에 남는지부터 확인해야 합니다.

Anthropic의 Cyber Verification Program은 일반 기업도 신청할 수 있나요?

Defense Access는 기업, 비영리, 대학, 정부기관, 일부 개인 연구자와 오픈소스 유지관리자까지 자격 범위가 비교적 넓습니다. Red Team과 Specialized Access는 조직 단위 검증과 더 강한 통제가 필요합니다. 신청 즉시 권한이 생기는 것은 아닙니다.

GitHub Copilot 과거 사용량은 수정되나요?

GitHub는 영향을 받은 과거 에이전트 활동과 CLI 오집계를 복구할 수 없다고 밝혔습니다. 수정 버전 이후의 데이터부터 정상 집계됩니다. 영향 기간을 표시하고 전후 수치를 직접 비교하지 않는 편이 안전합니다.

Personal Agent Protocol은 지금 도입할 수 있나요?

아직은 어렵습니다. 10월 6일 발표는 개발 방향과 참여사를 공개한 단계입니다. v0.1 명세와 참조 구현은 10월 중 추후 공개 예정입니다. 지금은 OAuth 권한, API 범위, 고위험 행동 승인 절차를 정리하는 준비가 적절합니다.

공식 출처

• Mistral AI, Mistral Large 4 발표: https://mistral.ai/news/mistral-large-4/
• Mistral Large 4 모델 문서: https://docs.mistral.ai/models/mistral-large-4-0
• Google, EmbeddingGemma 2 발표: https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2
• Google, EmbeddingGemma 2 모델 카드: https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2
• Anthropic, Cyber Verification Program 확대: https://www.anthropic.com/news/cyber-verification-program
• GitHub, AI Scan 활성화 현황: https://github.blog/changelog/2026-10-06-code-scanning-ai-scan-enablement-status-in-security-overview
• GitHub, Copilot 에이전트 사용량 집계 수정: https://github.blog/changelog/2026-10-06-update-your-ide-to-restore-agent-activity-in-copilot-usage-metrics/
• Sierra, Personal Agent Protocol 발표: https://sierra.ai/blog/introducing-personal-agent-protocol

오늘 소식을 한 문장으로 정리하면 이렇습니다. AI 경쟁의 중심이 모델 성능 하나에서 데이터 위치, 행동 권한, 보안 적용률, 측정 신뢰성까지 포함한 운영 체계로 넓어졌습니다. 새 모델을 시험하는 일과 함께 우리 회사의 권한표와 계측표를 고쳐야 할 때입니다.