📮 사람처럼 클릭, 타이핑하는 AI 에이전트? 🖱️

OpenAI가 비디오와 오디오를 함께 생성하는 'Sora 2'를 공개했습니다. 이전 모델들과 달리 물리 법칙을 정확히 따르며 현실적인 영상을 만드는 것이 핵심 특징인데요.

패들보드에서 백플립하면 보드가 물에 눌렸다가 튀어오르는 현실적 반응까지 구현하고, 피겨 스케이터가 고양이를 머리에 올리고 트리플 악셀을 하는 복잡한 동작도 가능합니다. 특히 카메오(cameo) 기능을 통해 사용자의 얼굴과 목소리를 AI 영상 속에 자연스럽게 삽입할 수 있어요. 현재 iOS 앱으로 미국과 캐나다에서만 이용 가능하고, 초대를 받아야 접속할 수 있는 제한이 있는데요. ChatGPT Pro 사용자는 더 고품질의 Sora 2 Pro 모델을 이용할 수 있고, 곧 다른 국가로도 확대될 예정이라고 합니다.

Anthropic이 "세계 최고 코딩 모델"이라는 'Claude Sonnet 4.5'를 공개했어요. 실제 소프트웨어 코딩 능력을 측정하는 SWE-bench Verified에서 77.2%를 기록하며 GPT-5와 Gemini 2.5 Pro를 앞질렀고, 복잡한 다단계 작업에 30시간 이상 집중력을 유지할 수 있다고 하는데요.

금융, 법학, 의학, STEM 등 전문 분야에서 이전 최고 모델이었던 Opus 4.1보다 뛰어난 성능을 보여줬고, 컴퓨터 사용 능력도 크게 향상됐어요. 특히 아첨(sycophancy)과 기만(deception) 비율을 낮추고 프롬프트 인젝션 공격 방어력도 개선했다고 합니다. Claude Code에는 체크포인트와 VS Code 확장이 추가됐고, Claude Agent SDK도 공개됐습니다. 현재 Claude API와 Claude.ai를 통해 이용할 수 있어요.

구글이 사용자 인터페이스를 직접 조작할 수 있는 'Gemini 2.5 Computer Use' 모델을 출시했어요. 기존 API의 한계를 넘어 폼 작성, 로그인, 스크롤 등 UI를 직접 조작하는 AI 에이전트인데요.

이 모델은 웹사이트의 스크린샷을 촬영하고 이를 분석하여 클릭, 타이핑, 내비게이션 명령을 자율적으로 실행합니다. 여러 웹 및 모바일 컨트롤 벤치마크에서 경쟁 모델들을 능가했고, 더 낮은 지연시간을 보여줬어요. 구글 팀들은 이미 UI 테스팅에 활용하고 있으며, 초기 테스터들은 작업 자동화와 개인 비서 개발에 사용 중이라고 합니다. 현재 Google AI Studio와 Vertex AI를 통해 프리뷰로 이용할 수 있어요.