Issue #90 · 2026-10-20 · 2026. 10. 20.

vibecamp ai builder 2026-10-20 — Inception Mercury 3, 초당 1,068토큰 확산 LLM 공

2026-10-20 AI 빌더 일간 호 — 오늘 11개 카드를 정리했습니다.

🛠

최신 기술 트렌드

Inception Labs 'Diffusion at scale — Introducing Mercury 3' 공식 발표 배너

Inception Mercury 3, 초당 1,068토큰 확산 LLM 공개

Inception이 10/19 확산(diffusion) 방식 LLM Mercury 3를 공개했습니다. Mercury 1보다 40배 이상 큰 모델로 NVIDIA GPU에서 초당 1,068토큰을 내고, 컨텍스트는 1M 토큰으로 늘었습니다. 회사는 자체 벤치마크에서 GPT-6 Luna·Claude Haiku 5.5보다 4~8배 빠르면서 품질은 앞선다고 주장합니다. 가격은 입력 $0.20·출력 $0.70 per 1M 토큰이며 출시 기념 50% 할인 중입니다.

💡음성 에이전트·실시간 튜터처럼 지연시간이 승부인 서비스라면 자기회귀(autoregressive) 모델 대신 확산 모델을 후보에 올려 직접 속도와 품질을 재 볼 만합니다.

누가: Inception (Inception Labs)
무엇을: 확산(diffusion) 방식 LLM Mercury 3 출시: 초당 1,068토큰, 1M 컨텍스트, GPT-6 Luna·Claude Haiku 5.5 대비 동급 이상 품질 주장
언제: 2026-10-19 (US, 블로그 게시일 Oct 19, 2026; HN 등록 2026-10-19T17:27Z, Vercel AI Gateway 같은 날 지원)
왜: 텍스트 확산 모델도 규모를 키우면 자기회귀(autoregressive) 모델과 복잡한 작업에서 경쟁할 수 있다는 것을 입증하려고 (Mercury 1 대비 40배 이상 큰 모델)

#diffusion-llm#inference-speed#mercury#low-latency

이미지: AI 생성 이미지원문 →

OpenAI, COBOL 등 저자원 언어 코딩 벤치마크 공개

OpenAI가 10/19 COBOL·Fortran 같은 저자원 언어(low-resource language) 코딩 평가를 공개했습니다. MultiLangBench는 SQLite 호환 DB 엔진을 20개 언어로 처음부터 만드는 과제로, 평균 통과율이 GPT-5.6 Sol 26.8% → GPT-6 Astra 87.4%였습니다. COBOL 마이그레이션 평가에서 GPT-6.1 Sol은 86.6~97.9%를 기록했고, 평가셋은 GitHub에 오픈소스로 풀렸습니다.

💡레거시 현대화나 언어 전환 프로젝트를 맡았다면 공개된 MultiLangBench로 쓰는 모델을 직접 돌려 보고 에이전트 투입 범위를 정하는 근거로 삼을 수 있습니다.

누가: OpenAI
무엇을: COBOL·Fortran·Visual Basic 등 저자원 언어 코딩 평가 MultiLangBench(SQLite 엔진을 20개 언어로 처음부터 구현) + COBOL 마이그레이션 평가 공개, 평가셋 GitHub 오픈소스화
언제: 2026-10-19T12:00:00Z (OpenAI 공식 RSS pubDate; github.com/openai/MultiLangBench 레포 생성 2026-10-19T20:58Z)
왜: COBOL이 은행 온라인 시스템 40%·ATM 거래 95%를 떠받치지만 학습 데이터가 적어 코딩 모델이 약하다는 기업 고객 피드백에 대응하고 진척을 측정하기 위해

#benchmark#cobol#legacy-migration#openai

이미지: AI 생성 이미지원문 →

MiniMax M3.1 Flash 출시, 추론 3배 빠르고 70% 저렴

MiniMax가 10/19 M3.1 Flash를 정식 출시했습니다. 익명 모델 'Space Bunny'로 200조 토큰 넘게 실사용 검증을 거친 모델로, 추론은 약 3배 빨라지고 비용은 70% 줄었다고 밝혔습니다. DeepSWE 73.7%, OSWorld V2 61.7을 기록했고 가격은 입력 $0.15·출력 $0.60 per 1M 토큰입니다. 모델 가중치는 추후 공개 예정이라 아직 직접 내려받을 수는 없습니다.

💡코딩·컴퓨터 사용(Computer Use) 에이전트의 토큰 비용이 부담이라면 Vercel AI Gateway 무료 기간(10/22까지)에 기존 모델과 나란히 돌려 비교해 보세요.

누가: MiniMax
무엇을: MiniMax M3.1 Flash 정식 출시(9/27 프리뷰 이후 GA): 추론 약 3배 빠르고 비용 70% 절감, DeepSWE 73.7%·OSWorld V2 61.7, 입력 $0.15/출력 $0.60 per 1M
언제: 2026-10-19 (MiniMax 블로그 datePublished 2026-10-19, 날짜만 표기; HN 등록 2026-10-19T16:39Z, Vercel AI Gateway 같은 날 무료 제공 시작)
왜: 익명 스텔스 모델 'Space Bunny'로 200조 토큰 이상 실사용 검증을 거친 뒤 에이전트·코딩·컴퓨터 사용 작업을 저비용으로 제공하려고

#minimax#flash-model#agent-cost#computer-use

이미지: AI 생성 이미지원문 →

🏆

해커톤·대회

NEAR HACKATHON(11월 1~14일) 공식 X 아티클 커버 배너

NEAR 해커톤 $250K, 사전 등록 없이 레포만 내고 AI가 함께 심사

NEAR Protocol이 총상금 $250K 온라인 해커톤을 발표했습니다. 사전 등록 없이 11/1~14 사이 공개 레포와 X 데모 포스트만 올리면 됩니다. Agent Economy·AI Swarms·Autonomous Business 등 13개 트랙에서 돈을 다루는 에이전트를 만드는 것이 주제입니다. 참가 가이드는 코딩 에이전트용 HACKATHON.md로 제공되고, 사람 심사위원과 함께 Claude Code·Codex가 AI 심사위원으로 참여합니다 🏆

💡README에 'X를 하면 Y가 보인다'는 재현 경로를 쓰는 심사 기준은 어떤 데모에도 통하는 습관이고, 에이전트로 만들고 제출하는 흐름을 직접 겪어 볼 기회입니다.

누가: 주최 NEAR Protocol. 심사: Illia Polosukhin(NEAR), Eddy Lazzarin(a16z crypto), Haseeb Qureshi(Dragonfly), Avichal Garg(Electric Capital) 등 + AI 심사위원 Claude Code·Codex
무엇을: 사전 등록 없이 공개 레포+X 데모 포스트로 제출하는 2주 온라인 해커톤. Agent Economy·AI Swarms·Autonomous Business·AI Security 등 13개 트랙, NEAR Intents·NEAR AI Cloud·Chain Signatures 활용
언제: 발표 2026-10-19 19:01 UTC(10-20 04:01 KST) / 제출 기간 2026-11-01 00:00 UTC ~ 11-14 23:59 UTC / 심사 11-16~18, 결과 11-18까지
왜: AI 에이전트가 직접 결제·협상·자금 이동을 하는 '돈을 다루는 에이전트' 프로토타입 발굴. 심사 기준은 README에 'do X, see Y' 형태의 재현 가능한 실행 경로 제시

#hackathon#near#agent-payments#ai-judge

이미지: AI 생성 이미지원문 →

NUS-ISS·AWS 'Show Me Your Agents' 해커톤 시상식 수상자 단체 사진(보도자료 사진)

NUS-ISS·AWS 에이전트 해커톤, 114팀이 중소기업 실무 문제에 도전

싱가포르 NUS-ISS가 AWS와 연 'Show Me Your Agents' 해커톤 시상이 10/19 열렸습니다. 440명·114팀이 중소기업(SME)이 낸 실제 과제인 행정 자동화·고객응대·공급망 등을 AI 에이전트로 풀었고, 64팀이 최종 제출해 10팀이 결선에 올랐습니다. 1위는 SME 부문 Team Interns, 일반 부문 Questbond로 각각 US$3,000 AWS 크레딧을 받았습니다. 이미 끝난 대회의 결과 보도입니다.

💡배포·파일럿 가능성과 측정 가능한 비즈니스 효과를 심사하는 7개 기준은 내 에이전트 프로젝트를 '데모'가 아닌 '도입 가능한 제품'으로 점검하는 체크리스트로 쓸 만합니다.

누가: 주최 NUS-ISS(싱가포르국립대 시스템과학원), 후원 AWS, 협력 싱가포르경영자연맹(SBF). 1위 Team Interns(SME 부문), Questbond(일반 부문)
무엇을: SME가 낸 실제 업무 과제(행정 자동화·고객응대·영업/마케팅·공급망·지식관리)를 AI 에이전트로 푸는 해커톤. 440명/114팀 참가, 64팀 최종 제출, 10팀 결선
언제: 시상 2026-10-19 NUS-ISS 연례 오찬 / 보도자료 2026-10-20 12:15 SGT / 대회: 킥오프 9-5, 제출 9-28, 결선 데모데이 10-10
왜: 평가 7기준: SME 적합성, 배포·파일럿 가능성, 보안·책임 설계, 아키텍처, 에이전틱 AI 활용, 측정 가능한 비즈니스 효과, 발표력

#hackathon#sme#aws#agentic-ai

이미지: AI 생성 이미지원문 →

💰

매출·사례

AI 비서 스타트업 Town의 일러스트 브랜드 이미지(마을 풍경과 TOWN 로고)

Town, 직원별 AI 비서로 출시 4개월 만에 유니콘 등극

전 Plaid CTO가 공동창업한 Town이 $108M 시리즈B를 유치하며 유니콘(10억 달러 이상) 기업가치를 인정받았습니다. 6월 출시한 'Townie'는 직원마다 붙는 업무 AI 비서로, 이메일·캘린더·업무 시스템에 연결되고 동료의 문체와 회사 프로세스를 학습합니다. 회사는 출시 수주 만에 ARR 수백만 달러에 도달했다고 주장하지만, 정확한 매출·고객 수는 공개하지 않았습니다. 누적 투자액은 $160M입니다.

💡팀 단위가 아닌 '직원 1명당 에이전트 1개'로 과금 단위를 잡고 이미 쓰는 메일·캘린더에 붙여 도입 마찰을 줄인 설계가 이 성장 속도의 핵심 패턴입니다.

누가: Town — 공동창업자 Jean-Denis Greze(전 Plaid CTO)·Tony Vincent(Aspen Designs·Sold 창업, Dropbox 출신). 팀 규모 비공개
무엇을: 직원 1인당 1개의 업무 AI 비서 'Townie'(이메일·캘린더·업무 시스템 연동, Townie 간 협업) — 출시 수주 만에 ARR 수백만 달러, $108M 시리즈B·유니콘(10억 달러 이상) 기업가치, 누적 $160M
언제: 2026-10-19 11:00 PDT (KST 10-20 03:00) TechCrunch 보도, 시리즈B 발표 / 제품은 2026년 6월 출시
왜: 업무 맥락이 직원 머릿속·받은편지함에 갇혀 퇴사와 함께 사라지는 문제 — 회사 맥락을 회사 자산으로 남기고 개인 단위 AI 비서로 업무를 대행

#unicorn#ai-assistant#per-seat-pricing#series-b

이미지: AI 생성 이미지원문 →

래블업 코스닥 상장 기업설명회 현장에서 AI 인프라 사업을 발표하는 모습

래블업 코스닥 IPO 설명회, 반복매출 94.7%의 GPU 인프라 SW

래블업이 10/19 코스닥 IPO 기업설명회를 열었습니다. 주력 Backend.AI는 GPU를 쪼개 여러 작업이 나눠 쓰게 하는 분할 가상화·오케스트레이션 플랫폼으로, 삼성전자·kt·신한은행 등 120개 이상 사이트가 씁니다. 연간 구독형 구조로 2025년 매출의 94.7%가 반복매출이고 순매출유지율(NRR)은 2년 평균 131.9%입니다. 회사는 일부 고객의 GPU 활용률이 30→85%로 올랐다고 설명합니다.

💡고객의 GPU 사용량이 늘수록 라이선스 매출도 커지는 '확장형 구독' 설계가 NRR 130%대를 만든다는 점, 오픈소스 기반 인프라 SW도 상장까지 갈 수 있다는 국내 사례입니다.

누가: 래블업(Lablup) — 신정규 대표, 2015년 설립. 대표 주관사 NH투자증권
무엇을: GPU·NPU 분할 가상화·오케스트레이션 플랫폼 Backend.AI — 연간 구독형, 매출의 94.7% 반복매출, NRR 2년 평균 131.9%, 120+ 사이트 도입, 공모 414억~480억원
언제: 2026-10-19 래블업 코스닥 IPO 기업설명회(여의도 콘래드), 플래텀 13:37 KST 보도. 매출 지표는 2025년 기준
왜: 비싼 GPU를 사 놓고도 상당 부분이 놀고 있는 AI 인프라 운영 비용 문제 — 한 GPU를 여러 작업에 나눠 쓰게 해 활용률을 끌어올림

#ipo#gpu-infra#recurring-revenue#korea

이미지: AI 생성 이미지원문 →

🎙

기술+사람 인터뷰

LangChain 해리슨 체이스가 말하는 에이전트 계층의 승자와 비용

LangChain 공동창업자 Harrison Chase가 20VC에 출연해 62분간 에이전트 빌딩의 현실을 이야기했습니다. 에이전트 구축이 여전히 어려운 이유, 모델 랩이 에이전트 스택을 흡수할지, 모델 라우팅(model routing)이 사업이 될지 범용재가 될지를 다룹니다. AI 메모리가 아직 풀리지 않은 이유, 토큰 단가는 떨어지는데 AI 청구서는 왜 늘어나는지도 짚습니다. LangChain은 포춘500의 35%와 협업 중입니다.

💡모델이 흡수할 기능과 앱 계층에 남을 기능(메모리·평가·관측성)을 구분하고, 토큰 단가보다 작업당 총 토큰 소모량으로 비용을 보는 관점을 가져갈 수 있습니다.

누가: 인터뷰이: Harrison Chase, LangChain 공동창업자·CEO / 인터뷰어: Harry Stebbings (20VC)
무엇을: 에이전트 구축이 여전히 어려운 이유, 모델 랩의 에이전트 스택 잠식, 모델 라우팅의 사업성, 미해결 AI 메모리, 토큰 단가 하락에도 늘어나는 AI 비용
언제: 2026-10-18 22:37 UTC (2026-10-19 07:37 KST) 공개, 20VC 팟캐스트 (RSS pubDate 기준, 62분)
왜: 모델 랩들이 에이전트 SDK·하네스를 직접 내놓으며 프레임워크 계층을 위협하는 시점에, 가장 큰 오픈소스 에이전트 프레임워크 CEO가 '어느 계층이 살아남는가'와 비용 구조를 직접 말한다

#interview#langchain#agent-stack#model-routing

원문 →

이 호가 도움됐다면 공유해 주세요.

📤 공유하기𝕏 @in f 💬✈B ✉