César de la Fuente 연구팀은 Codex와 ChatGPT를 활용해 현존 생물과 멸종 생물의 게놈에서 항균 후보 물질을 탐색하고 있다. 약제 내성 감염에 대응하기 위한 시도로, 범용 AI 도구가 초기 탐색 단계를 어디까지 압축할 수 있는지 보여주는 사례다.

• 01 범용 코딩·대화 모델이 전용 바이오인포매틱스 파이프라인을 대체하는 것은 아니며, 가설 생성과 탐색 범위 확장 구간에서 효용이 집중된다.
• 02 멸종 생물의 게놈까지 탐색 대상에 포함시킨 설계가 핵심으로, 기존 데이터 자산의 재해석만으로 새로운 후보군이 도출될 수 있음을 보여준다.
• 03 성과의 병목은 탐색이 아니라 검증으로 이동한다. 후보가 늘어날수록 실험 슬롯 배분과 스크리닝 비용이 실질 제약이 된다.
• 04 모델 역량 주장은 헤드라인 수치가 아니라 내부 과제 성공률과 대조해 판단해야 하며, 도메인 전문가의 사후 검증 절차가 함께 설계되어야 한다.

Cognition이 소프트웨어 엔지니어링에 특화한 신규 모델 SWE-2를 공개하고 Fable 5에 견줄 수 있는 성능이라고 주장했다. 개발자 커뮤니티에서는 벤치마크 수치의 재현성과 실제 저장소 작업에서의 체감 품질을 두고 논의가 이어지고 있다.

• 01 에이전트형 코딩 모델의 성능 격차가 좁혀질수록 선택 기준은 순위표가 아니라 단가, 지연시간, 실패 모드의 예측 가능성으로 이동한다.
• 02 공개 벤치마크 점수는 과적합 여지가 크므로, 자사 저장소에서 뽑은 과제 세트로 재현 테스트를 돌리는 편이 판단 근거가 된다.
• 03 특정 모델에 파이프라인을 고정하기보다 교체 가능한 추상화 계층을 유지하는 쪽이 경쟁 구도 변화에 유리하다.
• 04 에이전트가 장기 작업을 수행할수록 품질 지표는 단일 통과율보다 누적 오류 복구율로 보는 것이 실제 체감에 가깝다.

OpenAI가 Agents API를 퍼블릭 베타로 공개했다. 기존에 직접 구성해야 했던 Codex 실행 하네스를 단일 API 호출 뒤로 감싸, 도구 호출과 반복 실행 루프를 플랫폼 쪽에서 처리하도록 한 것이 골자다.

• 01 에이전트 루프가 API 내부로 들어가면 개발 속도는 빨라지지만 실행 과정에 대한 관측성과 제어권은 줄어든다.
• 02 자체 구축한 오케스트레이션·도구 호출 계층 중 어느 부분이 플랫폼 기능과 중복되는지 먼저 정리해야 중복 투자를 줄일 수 있다.
• 03 베타 단계 API는 사양과 과금 구조가 바뀔 수 있으므로, 핵심 경로에 바로 얹기보다 경계가 명확한 기능부터 적용하는 편이 안전하다.
• 04 에이전트 자동 실행은 권한 범위가 곧 사고 반경이 되므로, 도구별 최소 권한과 실행 로그 보존이 도입 전제 조건이 된다.