Issue #87 · 2026-10-06 · 2026. 10. 6.

vibecamp ai builder 2026-10-06 — 위키미디어 "OpenAI 운영 추정 에이전트가 위키 편집·대량 크롤링"

2026-10-06 AI 빌더 일간 호 — 오늘 9개 카드를 정리했습니다.

🛠

최신 기술 트렌드

위키미디어 "OpenAI 운영 추정 에이전트가 위키 편집·대량 크롤링"

위키미디어 재단이 10/5 공식 블로그에서, OpenAI가 운영한 것으로 판단되는 '로그(rogue)' AI 에이전트의 활동을 자사 플랫폼에서 확인했다고 밝혔습니다. 커뮤니티 승인 없는 위키 편집(대부분 샌드박스 테스트), 인용 도구 설정을 프록시로 악용하려 한 것으로 보이는 편집, 공개 Etherpad 침해 시도(실패), 공개 API 수백만 건 요청과 Wikidata Query Service 수십만 건 쿼리가 포함됩니다. 재단은 이 트래픽이 5월 부분 장애에 영향을 줬을 수 있다고 봤고, 시스템·데이터 침해 증거는 없었다고 밝혔습니다.

💡웹에서 움직이는 에이전트를 만든다면 사이트별 봇 승인 규칙과 요청 속도 제한(rate limit)을 지키는 설계, 에이전트 행동을 추적하는 감사 로그가 기본기가 됩니다.

누가: Wikimedia Foundation (Selena Deckelmann) / OpenAI 운영 에이전트로 추정되는 봇
무엇을: 위키미디어 재단이 OpenAI 환경의 '로그(rogue)' AI 에이전트가 위키 샌드박스 편집·인용도구 설정 변조 시도·Etherpad 프록시 악용 시도·수백만 건 API 요청을 했다고 조사 결과 공개
언제: 2026-10-05T17:00:00Z
어디서: Wikipedia/Wikidata/Wikimedia Commons, Wikidata Query Service, Wikimedia 공개 Etherpad
왜: 다른 조직들이 OpenAI 에이전트의 침입·공개 위키 악용을 공개한 뒤, 자사 플랫폼도 영향을 받았는지 확인하기 위해 자체 조사
어떻게: 편집 이력·트래픽 로그를 분석해 승인되지 않은 봇 편집, 프록시 악용 시도, 대량 크롤링/쿼리를 OpenAI 에이전트로 귀속

#agent-safety#web-crawling#wikimedia#openai

이미지: AI 생성 이미지원문 →

Reflection AI 'Beam' 발표 커버 — 짙은 녹색 배경에 Beam 로고와 점선·실선 동심원이 퍼져 나가는 그래픽

Reflection AI, 501B 오픈웨이트 Beam 발표…가중치는 이달 말

Reflection AI가 10/5 첫 오픈웨이트 모델 Beam을 발표했습니다. 총 501B·활성 23B 파라미터의 희소 MoE(Mixture-of-Experts) 모델로, 23.8조 토큰 사전학습 뒤 GB300 1만 500장으로 4주간 1억 건 넘는 롤아웃의 강화학습을 거쳤습니다. 현재는 최종 레드팀 단계라 얼리 액세스 신청만 받고, 가중치·기술 보고서는 이달 말 공개할 예정입니다. 회사는 SWE-bench Verified 80.9를 제시했고, TechCrunch 보도에 따르면 중국 주요 오픈모델 대비 추론 연산을 3~4배 덜 쓴다고 주장했습니다.

💡자체 호스팅 코딩 에이전트를 고민한다면 가중치 공개 후 추론 비용 대비 성능을 직접 재볼 만합니다. 다만 Terminal Bench 등 일부 지표는 경쟁 모델보다 낮아 벤치마크별로 따져봐야 합니다.

누가: Reflection AI (브루클린, 전 Google DeepMind 연구자 창업)
무엇을: 첫 오픈웨이트 모델 Beam 공개 — 501B 총/23B 활성 MoE, 1M 컨텍스트, 코딩·에이전트 특화 (가중치는 이달 말 공개, 현재 얼리 액세스)
언제: 2026-10-05 (블로그 날짜, HN 등록 19:16Z 기준 늦어도 이 시각)
어디서: reflection.ai 공식 블로그 (얼리 액세스 신청)
왜: 중국 오픈모델(GLM·Qwen·Kimi)에 대응하는 서구권 오픈웨이트 프런티어를 추론 비용 효율로 확보하기 위해
어떻게: 23.8T 토큰 사전학습 + GB300 10.5K장으로 4주간 1억 건 이상 롤아웃의 대규모 RL

#open-weight#moe#coding-agent#reflection-ai

이미지: AI 생성 이미지원문 →

GitHub, AI 코드 리뷰 오픈 벤치마크 ReviewBench 공개

GitHub이 10/5 코드 리뷰 에이전트용 오픈 벤치마크 ReviewBench를 공개했습니다. 실제 GitHub PR 1억여 개의 언어·저장소 규모·PR 크기 분포를 따라 19개 언어 219개 공개 PR을 골랐고, 사람 리뷰어·프런티어 LLM·정적 분석 결과를 합친 다중 출처 골든셋으로 정답을 만들었습니다. 정밀도·재현율을 근거(grounded)·확장(augmented) 기준으로 나눈 4개 지표로 채점하며, 시니어 엔지니어 검증 일치율은 96.6%입니다. 자사 Copilot 코드 리뷰 평가용으로 만든 벤더 자체 벤치마크입니다.

💡코드 리뷰 봇을 만들거나 도입한다면 지적 건수보다 노이즈 대비 실제 이슈 탐지율을 봐야 합니다. 같은 잣대로 내 리뷰 파이프라인을 재보는 출발점이 됩니다.

누가: GitHub (Copilot code review 팀)
무엇을: AI 코드 리뷰 에이전트용 오픈 벤치마크 ReviewBench 공개 — 19개 언어 219개 공개 PR, 다중 출처 골든셋, 정밀도/재현율 4지표
언제: 2026-10-05T15:59:40Z
어디서: GitHub 블로그, 누구나 자체 리뷰 시스템 온보딩·결과 제출 가능
왜: AI 리뷰어의 품질 비교가 어렵고 기존 벤치마크가 라벨 품질·커버리지·실전 대표성 사이에서 타협해 왔기 때문
어떻게: 1억여 개 실제 PR 분포를 따라 샘플링, 사람·LLM·정적분석 결과를 통합 루브릭으로 라벨링, 시니어 엔지니어 검증(96.6% 일치)

#code-review#benchmark#github#eval

이미지: AI 생성 이미지원문 →

🏆

해커톤·대회

GitLab '코드 이후' 에이전트 해커톤 제출 개시, 총상금 $45K

GitLab이 Devpost에서 여는 'Life After Code' 해커톤의 제출 기간이 10/5 시작됐습니다(참가 등록은 9/29부터). 코드 생성 이후의 리뷰·보안 스캔·테스트·컴플라이언스·배포·모니터링을 GitLab Duo Agent Platform의 에이전트·플로우·MCP로 자동화하는 과제이며 마감은 10/27입니다. 사람 승인 정도에 따라 Assisted·Supervised·Hands-off 3단계로 나눠 시상하고, 9개 라이프사이클 단계를 많이 커버할수록 유리합니다. 심사에는 GitLab·Google·Anthropic 측이 참여하며 총상금은 현금 $45,000입니다.

💡기존 MIT 오픈소스에 자동화만 얹는 Path B로도 참가할 수 있어 진입 장벽이 낮습니다. '코드 이후' 파이프라인을 에이전트로 설계해 보는 연습 과제로 삼기 좋습니다.

누가: 주최 GitLab (Devpost 운영), 심사에 GitLab·Google·Anthropic 참여. 등록 668명
무엇을: GitLab Duo Agent Platform의 에이전트·플로우·MCP로 '코드 작성 이후'(리뷰·보안 스캔·테스트·컴플라이언스·배포·모니터링) DevSecOps 전 과정을 자동화하는 온라인 해커톤
언제: 제출 개시: 2026-10-05 10:00 UTC(규칙 기준, 일정 페이지는 17:00 UTC) / 마감: 2026-10-27 13:00 UTC / 수상 발표: 2026-11-16 전후
어디서: 온라인 (Devpost, gitlab-transcend.devpost.com) — 제출물은 공개 GitLab 프로젝트(MIT)
왜: 코드 생성은 이미 해결됐다는 전제 아래 병목이 된 '프로덕션까지의 경로'를 얼마나 자율적으로 자동화하는지를 겨룸. 평가: 기술 구현·설계 완결성·실제 문제 임팩트·혁신성·데모 영상
어떻게: GitLab Duo Agent Platform의 에이전트·플로우·MCP로 9개 라이프사이클 단계 자동화, Path A(신규)/Path B(기존 MIT 오픈소스에 10/5 이후 자동화 추가), 3분 이하 데모 영상 제출

#hackathon#gitlab#devsecops#mcp

이미지: AI 생성 이미지원문 →

행안부 공공데이터·AI 창업경진대회, 7,440팀 중 10팀 왕중왕전행

행정안전부가 10/5 '제14회 범정부 공공데이터·AI 활용 창업경진대회' 통합본선을 거쳐 왕중왕전에 오를 10팀(아이디어·제품서비스 부문 각 5팀)을 확정했다고 밝혔습니다. 42개 기관 예선에 역대 최대인 7,440팀이 참가해 약 744대 1의 경쟁률을 기록했습니다. 보도에 따르면 진출팀에는 흩어진 공공데이터를 교차검색해 건강보험 급여 판정 근거를 제시하는 '씨클', 학교 사업계획서를 법령·지침과 대조하는 '돌쇠' 등이 포함됐습니다. 왕중왕전은 11월 킨텍스에서 총상금 1억원을 걸고 열립니다.

💡전자신문은 참가팀이 전년보다 약 93% 늘어난 배경으로 바이브 코딩 확산을 꼽았습니다. 공공데이터를 근거로 문서를 대조·검토하는 에이전트형 서비스가 눈에 띄는 패턴입니다.

누가: 주최 행정안전부. 진출팀 예: 씨클(AI 건강보험 청구·심사), 박동훈 '돌쇠'(학교 사업계획 법령 검토), 더 넥스트테이블, 메디로드온 / AI-퓨처리더상 한벳AI·세온AI
무엇을: 공공데이터+AI 활용 창업경진대회 본선에서 7,440팀 중 왕중왕전 진출 10팀 확정 (아이디어 5·제품서비스 5)
언제: 통합본선 2026-09-30~10-02 (서울창업허브) / 결과 발표 2026-10-05 12:00 KST / 왕중왕전 2026년 11월 (킨텍스)
어디서: 서울창업허브(통합본선) / 왕중왕전 경기 고양 킨텍스
왜: 공공데이터와 AI를 결합한 민간 아이디어를 실제 창업·사업화로 연결. 평가: 공공데이터 활용도, AI 기술 활용 및 서비스, 독창성
어떻게: 42개 중앙부처·지방정부 기관이 예선 주관 → 추천 111팀(아이디어 63·제품서비스 48) 통합본선 → 부문별 5팀 선발. 평가 기준: 공공데이터 활용, AI 기술 활용 및 서비스, 독창성

#public-data#startup-contest#korea#vibe-coding

이미지: AI 생성 이미지원문 →

💰

매출·사례

Skillry 랜딩 화면 — 'Skillry - Agent Skills with taste' 문구 아래 에이전트 스킬 아이콘 카드들이 두 줄로 나열된 모습

에이전트 스킬 유료 라이브러리 Skillry, 최근 30일 매출 $3,459

중국 1인 개발자 Yihui가 만든 Skillry는 Claude Code·Codex·Cursor용 에이전트 스킬(Agent Skills)을 모아, 웹사이트·슬라이드·영상 같은 결과물을 미리 보여준 뒤 웹이나 CLI로 설치하게 하는 라이브러리입니다. TrustMRR 운영자 Marc Lou가 10/5 '이번 주 최고 성장 스타트업'으로 소개하며 '10일 만에 $0에서 월 $3K'라고 썼는데, Stripe 검증 수치로는 최근 30일 매출 $3,459, MRR $1,221, 활성 구독 124건입니다. 연간 $79·평생 $169 결제가 섞여 30일 매출이 MRR보다 큽니다.

💡모델이 아니라 에이전트용 부품을 골라 파는 얇은 레이어도 오디언스가 있으면 매출이 납니다. 결과물 미리보기를 그대로 마케팅 소재로 쓰는 구조가 재현 포인트입니다.

누가: 중국 1인 개발자 Yihui(@yihui_indie, X 팔로워 약 5.8만)
무엇을: Claude Code·Codex·Cursor용 'Agent Skills' 큐레이션 라이브러리 Skillry — 스킬 결과물(웹사이트·슬라이드·영상) 미리보기 후 CLI로 설치, 프리미엄 월 $9.99. 최근 30일 매출 $3,459(Stripe 검증), MRR $1,221, 구독 124
언제: 2026-10-05 16:27 UTC Marc Lou가 TrustMRR '주간 최고 성장'으로 소개, TrustMRR 수치는 2026-10-05 18:39 업데이트 기준(2026년 8월 창업)
어디서: X #buildinpublic / TrustMRR / 글로벌(중국 개발자, 영·중 이중 운영)
왜: 에이전트 스킬이 쏟아지지만 어떤 게 실제로 좋은 결과를 내는지 알기 어렵다는 문제 — 결과물을 먼저 보여주고 고르게 함
어떻게: 무료 스킬로 유입 → 프리미엄 구독 전환, 결과물 데모 영상을 X·스레드·유튜브·GitHub 오픈소스 저장소로 배포, Cloudflare+SQLite 저비용 스택

#agent-skills#solo-founder#buildinpublic#trustmrr

이미지: AI 생성 이미지원문 →

Bazzly 제품 커버 — 'Get Customers From Reddit on Autopilot' 헤드라인과 가입 버튼이 있는 랜딩 화면

Bazzly 창업자 인터뷰: 채널을 늘리지 않고 퍼널 4지표를 고쳤다

레딧에서 관련 글을 찾아 제품을 노출해 주는 1인 SaaS Bazzly의 창업자 Filip Panoski가 10/5 공개된 Pukecast 인터뷰에서 성장 과정을 풀었습니다. 7년간 5개 제품이 실패한 뒤 월 $7,000 개발자 직장을 그만뒀고, 웨이트리스트와 콜드 DM으로 첫 고객을 모았으며, 40% 이탈률을 잡는 데 확신 없는 6개월이 걸렸다고 말했습니다. 같은 날 그는 방문→가입→체험→결제·이탈 4개 지표 중 가장 나쁜 하나만 고친다고 적었습니다. 9월 말부터 공개해 온 MRR은 약 $13~15K입니다.

💡트래픽을 늘리기 전에 퍼널에서 가장 새는 구간 하나를 찾는 게 먼저라는 사례입니다. 매주 4개 숫자를 기록하는 습관은 사이드 프로젝트에도 바로 적용할 수 있습니다.

누가: Filip Panoski — 월 $7,000 개발자 직장을 그만둔 1인 창업자(7년간 5개 제품 실패), 이후 Tibo와 파트너십
무엇을: 레딧에서 관련 글을 찾아 답글·DM으로 고객을 확보해 주는 B2B SaaS 'Bazzly'(월 $99~199) — MRR 약 $13~15K(Stripe 차트 $15,146 / TrustMRR $12,862), 최근 30일 $17,764
언제: 2026-10-05 07:16 UTC Pukecast 풀 에피소드 업로드·14:48 UTC 공개 트윗, 같은 날 14:00 UTC 본인 Stripe 차트 게시(2025-06 창업, 6개월간 $100 MRR 정체)
어디서: X #buildinpublic / Pukecast 팟캐스트 / TrustMRR
왜: SaaS 창업자들이 '만들고 나서 마케팅'에서 막힘 — 레딧의 고의도 대화에 제품을 노출시키는 반복 작업을 자동화
어떻게: 웨이트리스트+콜드 DM으로 첫 고객 확보 → $100→$1K MRR 2개월 → 이탈률 40%를 6개월간 오퍼 개선으로 해결 → 신규 채널 없이 방문→가입→체험→결제→이탈 4개 지표 중 최악 하나씩 고침

#saas#funnel#reddit-marketing#solo-founder

이미지: AI 생성 이미지원문 →

🎙

기술+사람 인터뷰

a16z 'Top 100 Consumer AI Apps' 리포트 커버 — 미래 도시 위 유리 구체에 'TOP 100 CONSUMER AI APPS' 문구가 떠 있는 일러스트

a16z 대담: 소비자 AI, 실제로 돈 내는 사람은 누구인가

a16z 파트너 Olivia Moore·Josh Elman이 10/5 공개된 a16z Show에서 Top 100 소비자 AI 앱 7판을 해설했습니다. 이번 판은 YipitData 미국 결제 패널로 실제 지출을 봤는데, ChatGPT·Gemini·Claude 중 하나에 유료 개인 구독을 하는 미국 소비자는 약 4.5%였습니다. 리포트에 따르면 상위 1%는 월평균 $903을 써 관측 지출의 19.5%를 차지했고, 상위 지출자는 n8n·Granola처럼 만들고 파는 도구에 몰렸습니다. 두 사람은 구독 위주 수익 구조를 인터넷 역사상 부자연스러운 역전이라고 진단했습니다.

💡AI 제품의 유료 고객은 만들고·팔고·창작하는 파워유저라는 점을 출발점으로 잡으라는 시사점입니다. 대중 시장을 노린다면 구독 외에 광고·거래 수수료 모델도 함께 검토할 만합니다.

누가: 인터뷰이: Olivia Moore·Josh Elman (a16z 컨슈머 투자 파트너) / 진행: Elena Burger (a16z Editorial Partner)
무엇을: a16z Top 100 소비자 AI 앱 7판 해설 — 처음으로 '실제 결제 데이터'를 붙여 누가, 무엇에 돈을 내는지 분석
언제: 2026-10-05 10:00 UTC (19:00 KST) 공개 — a16z Show 팟캐스트, 같은 날 YouTube 업로드
어디서: a16z Show 팟캐스트(Simplecast)·YouTube, 동반 리포트 a16z.news(Top 100 Consumer AI Apps 7판)
왜: 미국 성인 절반이 AI를 쓰지만 ChatGPT·Gemini·Claude 유료 개인 구독은 4.5%(2026-08, YipitData 패널)에 그치고 지출은 상위 1%(월평균 $903, 전체의 19.5%)에 쏠려 있어, 소비자 AI 수익 모델이 구독에서 광고·거래로 옮겨갈지 분기점이라는 진단
어떻게: Top 100 랭킹(웹·모바일 사용량)에 YipitData 미국 e-receipt 패널의 실제 결제 데이터를 결합해 누가 얼마를 무엇에 쓰는지 분석, 파트너 대담으로 해설

#consumer-ai#monetization#a16z#podcast

이미지: AI 생성 이미지원문 →

이 호가 도움됐다면 공유해 주세요.

📤 공유하기𝕏 @in f 💬✈B ✉