OpenAI
OllamaOpenAI가 연구 조직의 코딩 에이전트 운용 지표를 공개했다
OpenAI는 연구 조직에서 코딩 에이전트 사용량과 실험 흐름을 측정한 내부 자료를 공개했다. 2026년 8월 중순 기준으로 에이전트 실행 시간을 표준 8시간 근무일로 환산하면 사람의 하루 노동당 3.1 에이전트 작업일이 사용됐다. 연구자 한 명당 실험 수 역시 2025년 1월 집계를 시작한 뒤 최고치를 기록했지만, 회사는 컴퓨팅 자원 증가가 함께 작용했으므로 에이전트 도입만의 효과로 해석하기 어렵다고 밝혔다.
더 중요한 제약은 개입 횟수다. 성공한 4시간에서 8시간 길이 작업의 절반 이상이 최근 6개월 동안 한 번 이상의 사람 개입을 거쳤다. 팀에 적용할 때는 생성 코드량이나 실행 시간만 세지 말고, 사람이 방향을 고친 횟수, 검토 대기 시간, 실패 뒤 재실행 비용과 실제 배포까지 이어진 비율을 함께 측정해야 한다. 병렬 세션 수를 늘리기 전에는 검토자가 감당할 큐와 컴퓨팅 예산을 먼저 정하는 편이 안전하다.
OpenAI가 추론 과정 감시의 한계를 운영 과제로 제시했다
OpenAI 수석 과학자 Jakub Pachocki는 언어로 드러난 추론 과정을 감시하는 방법의 신뢰도가 점차 낮아질 수 있다고 설명했다. 모델이 사람과 다른 AI, 도구를 함께 다루는 복잡한 환경으로 이동하고, 말로 풀어내지 않은 상태에서도 더 강한 문제 해결 능력을 보이는 점을 원인으로 들었다. 이는 제품 변경 공지가 아니라 OpenAI 내부 관찰과 전망이므로, 모든 모델에 이미 같은 문제가 입증됐다는 뜻은 아니다.
운영에서는 추론 텍스트를 완전한 감사 로그로 취급하지 않는 것이 핵심이다. 도구 호출과 외부 상태 변경을 별도 로그로 남기고, 권한 경계와 승인 단계를 모델 바깥에서 강제해야 한다. 중요한 작업은 결과 검증기를 독립시키고, 여러 에이전트가 서로의 출력을 이어받을 때 입력 출처와 변경 주체를 추적할 수 있어야 한다.
Ollama 0.34 RC가 데스크톱 연결과 호환 API 기능을 넓혔다
Ollama 0.34.0 RC1은 macOS의 Ollama 앱에서 로컬 모델을 ChatGPT Desktop에 연결하는 흐름을 추가했다. OpenAI 호환 클라이언트를 위한 도구 검색과 응답 압축을 지원하고, 압축된 응답에서 이미지가 올바르게 처리되도록 수정했다. 다만 현재 태그는 안정 버전이 아닌 사전 릴리스다.
Java 또는 Kotlin 서비스에서 호환 API를 사용한다면 운영 교체보다 스테이징 검증이 먼저다. 도구 스키마와 선택 결과, 압축 전후의 대화 문맥, 이미지 입력과 오류 응답이 기존 OpenAI 클라이언트 기대와 맞는지 계약 테스트로 확인해야 한다. 로컬 실행이라는 이유로 안전 경계를 줄이지 말고, 모델 파일 출처와 데스크톱 연결 권한도 배포 체크리스트에 포함해야 한다.