오늘의 줄기는 모델 연구소의 새로운 기술 모델, 클라우드 사업자가 8세대 가속기 구성을 넓힌 것, 손재주 있는 조작을 겨냥한 로봇 기반 모델, 에이전트 실행에 맞춘 경량 모델, 그리고 기업 조달 경로의 변화에 있다. Anthropic는 11월 9일 동일한 기반 모델인 Claude Fable 5.2와 Claude Mythos 5.2를 발표하며 코딩, 추론, 시각이 개선됐고 출력 속도가 5.1보다 최대 약 30% 빠르며 가격도 이전 세대보다 낮다고 밝혔다. Google은 같은 날 Amin Vahdat이 TPU 8tx와 TPU 8i Max를 발표해 8세대 TPU를 1년 만에 네 시스템으로 확대했다. NVIDIA는 로봇 학습 학회 CoRL에서 Cosmos 위에 구축한 개방형 최전선 세계 행동 모델 GR00T 2를 공개하고 Isaac Lab 3.0 등 시뮬레이션과 평가 도구도 소개했다. Meta는 가장 작고 효율적인 Muse 모델 Muse Ember를 출시해 도구 호출, 코딩 하위 과제, 라우팅, 추출, 긴 문서 분석을 겨냥했다. OpenAI는 ChatGPT Enterprise를 AWS Marketplace에 올려 기관이 기존 AWS 구매·청구 관계로 이 제품을 구매하고 관리할 수 있게 했다.

1. Anthropic가 Claude Fable 5.2와 Claude Mythos 5.2를 발표

2026년 11월 9일 Anthropic는 Claude Fable 5.2와 Claude Mythos 5.2를 발표하며 가장 어려운 기술 과제를 다루도록 설계된 모델이라고 밝혔다. 회사는 둘이 동일한 기반 모델이라고 썼다. Fable은 강력한 사이버보안 및 생물학 안전장치를 갖추고 있어 모든 이용자에게 제공할 수 있다. 사이버보안이나 바이오의학 연구에서 유익한 용도를 추구하는 조직은 최근 확대된 생명과학 검증 프로그램과 사이버 검증 프로그램을 통해 Mythos를 신청할 수 있다.

Anthropic에 따르면 Fable 5.2와 Mythos 5.2는 코딩, 추론, 시각 등에서 개선을 보였고, 출력 생성 속도는 Claude Fable 5.1과 Claude Mythos 5.1보다 최대 약 30% 빠르며 가격도 더 낮다. 입력 백만 토큰당 8달러, 출력 백만 토큰당 40달러다. 선택적 빠른 모드는 토큰 생성을 최대 약 2.5배 가속하며 입력 백만 토큰당 16달러, 출력 백만 토큰당 80달러다.

사전 공개 시험에서 Anthropic가 능력의 예로 든 것은 엔지니어가 이전에는 추진하기 어려웠던 소프트웨어 마이그레이션을 완료한 점, 모델이 처음부터 작동하는 전자기기 3종을 설계한 점, 블랙홀 물리학과 관련된 미해결 문제 2건을 푼 점, 로봇 평가에서 뚜렷한 진전을 보인 점, 약 1000개의 Fable 5.2 에이전트가 사람의 개입을 최소화한 채 30시간 만에 페르마의 마지막 정리 증명을 형식화한 점이다. 같은 설정에서 Opus 5.5는 18시간 시점에 형식화의 약 26%를 완료했다.

Anthropic가 공개한 벤치마크(별도 표기가 없는 한 안전장치를 켠 결과)에는 Xhigh 노력 수준에서 FrontierCode 2.0 49.1%(시험한 공개 모델 중 최고라고 함), FrontierSWE v2 69.9%, AutomationBench 51.4%, Terminal-Bench-Science 0.1에서 Fable 74.6%와 Mythos 75.3%, CyScenarioBench에서 Mythos 76.3%, CVE Rediscovery에서 Mythos 89.6%, OSWorld 2.1(부분 점수) 89.3%, RoboDojo Sim 64.9%, 도구를 쓴 Humanity’s Last Exam 74.2%, High 노력 수준에서 Remote Labor Index 41.3%가 포함된다.

Anthropic는 대부분의 코딩과 지식 작업에서는 일상 주력으로 Claude Opus 5.5부터 시작한 뒤 과제의 범위와 복잡도에 따라 Fable 또는 Mythos로 올리거나 Claude Sonnet 5.5 또는 Claude Haiku 5.5로 내리라고 권했다. Fable 5.2는 더 작은 모델이 어려운 문제를 상의하는 Advisor가 되거나, 더 단순한 과제를 더 작은 모델에 위임하는 Orchestrator가 될 수도 있다.

안전 측면에서 회사는 증류 공격에 대해 사상 가장 강력한 보호를 적용했고 증류자가 수집한 데이터를 90%에서 99% 줄였으며, preserved thinking(사고 보존)이 이제 모든 계정에 적용된다고 밝혔다. 훈련 중 회사는 인공지능 개발을 가장 직접 가속할 수 있는 연구 능력, 즉 가속기 커널 최적화와 대규모 언어 모델 아키텍처 개선을 약 Opus 5.5 수준으로 의도적으로 제한하면서 에이전트형 코딩, 하드웨어 개발, 해석 가능성 연구 등 관련 능력은 유지했다. Enterprise Frontier Safeguards는 Bridgewater, Salesforce, Stripe를 포함한 고객과 비공개 베타에 있다.

Claude Fable 5.2는 오늘 Amazon Web Services, Google Cloud, Microsoft Azure를 포함한 플랫폼에서 사용할 수 있으며 모델 식별자는 claude-fable-5-2다. Mythos는 검증 프로그램을 통해 제공되며, 기업 고객은 Mythos 5.2를 포함한 능력을 Claude Security로도 이용할 수 있다.

핵심: Anthropic는 동일한 기반 모델을 일반용 Fable과 검증된 조직용 Mythos로 나누어, 더 낮은 가격과 더 빠른 출력으로 가장 어려운 기술 작업을 맡기는 한편 인공지능 자체의 연구개발을 가속할 가능성이 큰 능력은 약 Opus 5.5 수준으로 누르고, 일상의 주력은 여전히 Opus 5.5에 남겨 두었다.

2. Google이 TPU 8tx와 TPU 8i Max를 선보여 8세대 구성을 1년 만에 네 시스템으로 확대

2026년 11월 9일 Google의 인공지능 및 인프라 수석부사장 겸 최고기술책임자 Amin Vahdat은 공식 블로그에서 TPU 8tx와 TPU 8i Max를 선보여 8세대 TPU 구성을 1년 만에 네 시스템으로 넓혔다고 밝혔다. 대규모 훈련용 8t, 실시간 추론용 8i, 기밀·보안 추론과 소규모 훈련을 위한 새로운 8tx, 그리고 거대한 컨텍스트와 랙당 계산 밀도가 가장 높다고 회사가 칭한 8i Max다. Vahdat은 TPU의 외부 고객이 최전선 연구소, 거래 회사, 소매업체, 대학 등을 포함해 이미 약 100곳이라고 썼다. The Verge도 같은 날 두 새 시스템의 위치 설정을 보도했다. 블로그는 당일 태평양 시간 오전 9시 방송도 언급했다.

TPU 8tx에 대해 Google은 하드웨어 계층에 기밀 연산을 넣어 사용 중에도 민감한 데이터와 모델 가중치를 보호하고 격리한다고 밝혔다. 8t와 같은 실리콘을 쓰며 5세대 AMD EPYC 호스트와 짝을 이루고, 실시간 추론을 위해 만든 Boardfly 네트워크를 채택해 지연은 8t보다 최대 약 2배 낮고 성능 손실은 거의 없다고 했다. 회사는 민감한 데이터를 다른 클러스터로 옮기지 않고 단일 시스템에서 비공개 데이터로 미세조정하고, 큰 모델을 더 작은 모델로 증류하며, 강화학습으로 에이전트를 훈련할 수 있다고 밝혔다.

TPU 8i Max에 대해 Google은 저지연 TPU 8i 칩 두 개를 하나의 패키지에 넣어 연산, SRAM, 고대역 메모리(HBM) 대역폭을 모두 8i의 두 배로 만들어, 기존 랙 점유 면적과 전력 아래에서 더 높은 연산 밀도를 제공하고 거대한 컨텍스트 창이 메모리 대역폭의 벽에 걸려 멈추지 않게 한다고 밝혔다.

소프트웨어 측면에서 Google은 TorchTPU를 오픈소스화해 PyTorch 코드와 Hugging Face 모델이 TPU에서 네이티브로 돌아가게 했고, TPU 에이전트 스위트는 프리뷰에 있으며, XLA Serving Engine과 Agent Compute Engine을 도입하고 TPU 클러스터의 모델 상태 계층으로 설명되는 TPU Sync를 오픈소스화하고 있다고 밝혔다. Cloud Pathways는 Google Kubernetes Engine에서 정식 제공되며 GKE 동적 슬라이싱 또한 정식 제공된다.

핵심: Google은 다음 세대 실리콘 생산을 기다리지 않고, 같은 8세대 칩에서 패키징, 네트워크, 보안 구성으로 두 새 시스템을 나눠 냈다. 하나는 기밀 연산을 추론과 소규모 훈련에 집어넣고, 다른 하나는 이중 칩 패키징으로 긴 컨텍스트와 랙 밀도를 겨냥한다.

3. NVIDIA가 CoRL에서 Cosmos 위의 개방형 세계 행동 모델 GR00T 2를 공개

2026년 11월 9일 NVIDIA는 텍사스주 오스틴에서 열린 로봇 학습 학회(CoRL)에서 GR00T 2를 공개했다. 회사 블로그는 NVIDIA Cosmos 위에 구축된 개방형 최전선 세계 행동 모델이며 미래 영상과 로봇 동작을 함께 예측한다고 밝혔다. 연구 페이지에 따르면 다양한 로봇 및 인간 데이터로 훈련됐으며, 사전학습 혼합에는 1인칭 인간 영상 402,730시간, 2,897개 과제에 걸친 휴대형 그리퍼 시연 10,184시간, 로봇 원격조작 23,500시간이 포함되고, 그중 10만 시간의 오픈소스 1인칭 인간 데이터는 Human-1M-100K로 공개됐다.

NVIDIA가 든 지표에는 과제별 시연 없이 평가 50개 과제 중 40개를 적어도 한 번 완료한 점, 평균 성공률이 과제당 시연 1회에서 71%, 5회에서 95%로 오른 점이 포함된다. 연구 페이지는 또한 제로샷 조건의 평균 성공률이 40%이며 에이전트가 응용 프로그래밍 인터페이스로 기술을 연이어 실행하고 오류에서 회복할 수 있다고 썼다. 95%라는 숫자를 둘러싸고, 보도가 NVIDIA 연구 자료를 인용해 전한 바에 따르면 이들 평가 과제는 모델이 다섯 번의 에피소드로 성공률 80% 이상을 배울 수 있는 과제에서 선정됐으므로 그 평균 성공률은 이 선별 조건과 함께 읽어야 한다.

시험 중인 파트너에는 세탁 처리에 쓰는 Nexuni, 서버 제조 공장 자동화에 쓰는 Foxconn, 산업 용례에서 평가하는 Siemens가 포함된다.

NVIDIA는 동시에 Newton 백엔드를 갖춘 Isaac Lab 3.0을 공개해 변형 가능한 물체 등 더 섬세한 물리 시뮬레이션을 가능하게 했다. 회사에 따르면 시각 기반 손재주 조작 벤치마크에서 Isaac Lab 3.0과 Newton의 훈련 처리량은 PhysX를 쓴 Isaac Lab 2.3의 최대 약 2.5배가 됐다. AlphaNIST는 단일 정책으로 NIST 조립 과제판의 20개 과제를 모두 배우며 훈련 성공률이 98%를 넘고, 과제별 별도 정책은 약 81%이며 사용한 GPU 시간은 대략 39분의 1이다. 회사는 DexBench와 VABAR 등 산업 평가, 그리고 캘리포니아대학교 버클리 캠퍼스와 함께한 에이전트형 로봇 프레임워크 Graph-as-Policy(GaP)도 소개했다.

핵심: NVIDIA는 「다음에 보이는 장면을 이해하는 일」과 「어떻게 움직일지를 정하는 일」을 하나의 개방 모델에 담고, 대량의 1인칭 인간 영상으로 로봇 시연의 공백을 메웠다. 동시에 높은 소수 샷 성공률을 내놓으면서도 그 과제들이 선별됐다는 주석을 남겼다.

4. Meta가 에이전트 실행용 경량 모델 Muse Ember를 출시

2026년 11월 9일 Meta는 Muse Ember를 발표하며 가장 작고 효율적인 Muse 모델이자, 복잡한 추론 실행과 에이전트가 하루 종일 반복하는 작업, 즉 도구 호출, 코딩 하위 과제, 라우팅, 추출, 긴 문서 분석을 겨냥한다고 밝혔다. 회사는 어떤 추론 설정에서든 Muse Ember의 「달러당 지능」이 Claude Haiku 5.5나 GPT-6 Luna보다 높고 Artificial Analysis 순위의 효율 최전선에 있다고 주장했다. TechCrunch도 같은 날 이 발표를 보도하며 Ember가 더 큰 Muse Wonder와 에이전트 프레임워크 안에서 짝을 이루도록 설계됐다고 지적했다.

200K 토큰 이하 프롬프트의 가격은 입력 백만 토큰당 0.10달러, 캐시 입력 0.004달러, 출력 백만 토큰당 0.50달러다. 더 긴 프롬프트는 각각 0.30, 0.012, 1.50달러다. 모델은 100만 토큰 컨텍스트 창을 가지고 출력은 최대 512K 토큰이며 텍스트, 이미지, 오디오, 비디오를 네이티브로 지원한다. API 식별자는 muse-ember-1.0이며 Muse Code와 Meta Model API뿐 아니라 Google Cloud와 Oracle Cloud에서도 사용할 수 있다.

Meta가 최고 추론 설정에서 든 성적에는 AutomationBench-AA 37.8(Haiku 13.9, Luna 20.2), Agents’ Last Exam 61.6, Terminal-Bench 4.0 40.9, Coding Agent Index-AA 46, OSWorld 2.1 부분 점수 69.5, Artificial Analysis Index 36이 포함된다. 회사는 Artificial Analysis 과제당 비용이 약 0.14달러로 Muse Spark 1.3의 약 2.39달러와 비교된다고 밝혔다.

위치 설정에서 Meta는 「Muse Wonder가 계획을 세우고, Muse Ember가 물량을 처리한다」고 썼다. Ember는 Muse Wonder Full을 사용해 훈련한 첫 모델이며 Meta Superintelligence Scaling Framework 평가에서 고위험 임계값 아래에 머물렀다고 했다. Box, Cline, Cloudflare 등 파트너는 기업 콘텐츠, 하위 에이전트 코딩, 높은 처리량 작업에 대한 초기 시험에서 긍정적인 평가를 보냈고, Cloudflare는 꼬리 지연이 비교한 모델보다 최대 약 30% 빨랐다고 밝혔다.

핵심: Meta는 Ember에게 가장 강한 플래그십 모델을 밀어내라고 하지 않는다. Wonder가 계획하고 Ember가 물량을 실행하는 역할 분담에 두고, 경쟁의 초점을 최고 점수가 아니라 달러당 지능과 과제당 비용으로 옮긴다.

5. OpenAI가 ChatGPT Enterprise를 AWS Marketplace에 등록

2026년 11월 9일 OpenAI는 ChatGPT Enterprise가 AWS Marketplace에서 이용 가능해졌다고 밝혔다. 회사는 조직이 기존 AWS 구매·청구 관계를 사용해 ChatGPT Enterprise를 발견, 구매, 관리하고 적격 지출을 AWS 약정에 산입할 수 있는 더 단순한 방법을 제공한다고 썼다. 구성에는 ChatGPT, ChatGPT Work, Codex, dots가 포함되며, 등록 정보에 따르면 가격은 비공개 견적으로 정해진다.

OpenAI는 AWS Marketplace를 통해 구매하는 고객이 OpenAI에서 직접 구매할 때와 같은 모델, 기능, 특성을 얻고 새 기능도 동시에 나온다고 밝혔다. 이들 제품은 이미 Amazon Bedrock에서 이용할 수 있는 OpenAI 모델을 보완하는 것으로 자리매김된다. 개발자는 Bedrock에서 애플리케이션과 에이전트를 만들고, 업무 팀은 일상 업무에서 ChatGPT Enterprise를 쓴다. 적격 고객은 AWS Marketplace를 통해 ChatGPT for Healthcare와 ChatGPT for Financial Services에도 접근할 수 있다.

핵심: 이는 모델 발표라기보다 조달 경로를 여는 움직임이다. 기업용 ChatGPT를 고객이 이미 지출하고 있는 클라우드 약정 청구서에 올려, 공개 가격표를 내놓는 대신 구매 마찰을 낮춘다.

---

오늘 한 줄: Anthropic는 동일한 기반 모델인 Claude Fable 5.2와 Mythos 5.2를 발표해 전자는 모든 이용자용, 후자는 검증이 필요하다고 밝혔고 출력이 5.1보다 빠르며 가격은 더 낮다고 했다. Google은 기밀 추론용 TPU 8tx와 거대한 컨텍스트용 TPU 8i Max를 선보였고, NVIDIA는 CoRL에서 세계 행동 모델 GR00T 2와 Isaac Lab 3.0을 공개했으며, Meta는 에이전트 실행용 경량 모델 Muse Ember를 출시했고, OpenAI는 ChatGPT Enterprise를 AWS Marketplace에 올려 적격 지출을 기존 클라우드 약정에 산입할 수 있게 했다.