챗GPT

웹 1,000억 페이지에 논문 3억 편, 기업·인물 데이터까지 검색 범위로 열리고, 설치는 코덱스의 플러그인 메뉴에서 Exa를 고르면 끝입니다.

MCP로 직접 붙여 쓰던 사용자들 사이에서 웹 검색용으로 손에 꼽히던 도구가 공식 채널로 들어왔습니다.

코딩 에이전트의 고질적인 약점은 학습 시점에 멈춰 있는 지식입니다.

바뀐 API나 새 라이브러리 문서를 검색으로 확인한 뒤 코드를 쓰게 되면, 그럴듯하지만 낡은 코드를 내놓는 실수가 줄어듭니다.

챗GPT Sites에서는 데이터베이스부터 환경변수, 트래픽 분석, 외부 도메인까지 연동할 수 있고, 필요한 기능은 플러그인으로 붙일 수 있습니다.

누구나 바이브 코딩으로 사이트를 만들 수 있는 시대에, 저는 이 기능이 크게 과소평가되어 있다고 봅니다.

오픈AI CEO 샘 알트만(Sam Altman)은 “로봇공학의 챗GPT 모먼트는 2~3년 안에 올 거라고 봅니다”라며 피지컬 AI의 빠른 도래를 예견했습니다.

그는 소프트웨어 영역의 지능 자동화에 맞춰 물리적 노동(Robotics) 역시 함께 자동화돼야 한다고 강조했습니다.

그렇지 못해 인간이 클라우드 속 AI의 단순 ‘손발’ 역할에 머물게 된다면 매우 심각한 문제가 될 것이라는 분석입니다.

알트만이 말하는 로봇공학의 ‘챗GPT 모먼트’는 연출된 영상을 보는 수준을 넘어, 사용자가 직접 명령을 입력하면 로봇이 현실에서 엄청난 과업을 즉시 수행해 내는 경험을 가리킵니다.

챗GPT Work에는 15GB 램·9코어 가상머신이 딸려 있다고 합니다.

한 개발자가 여기서 LLM을 돌려보라 하자, 망이 막혀 있는데도 gpt-5.6-sol이 직접 프록시를 세워 우회하고 Gemma 4b를 받아 14분 만에 띄웠다고 합니다.

다들 모델 점수를 볼 때 오픈AI는 챗봇을 컴퓨트 레이어로 바꾸고 있습니다.

모델이 오픈웨이트로 상품화될수록, 해자는 에이전트가 사는 실행 환경과 유통을 쥐는 쪽일지도 모르겠습니다.

Claude Work도 가상 머신으로 프로젝트를 셋업하는 것 같던데, 클라우드 기반 에이전틱 워크스페이스가 확산될 수도 있겠습니다.

챗GPT 음성이야 원래 있었지만, 이번엔 그 목소리로 코덱스와 챗GPT Work의 에이전트 여러 개를 동시에 부린다는 게 다릅니다.

GPT-Live는 듣기와 말하기를 동시에 하면서, 말할지 멈출지 끼어들지 도구를 쓸지를 1초에도 몇 번씩 판단합니다.

그 덕에 앞단 대화가 끊기지 않고, 무거운 작업은 코덱스·Work 스레드로 넘겨 뒤에서 돌립니다.

타이핑이 프롬프트 하나였다면, 이제는 말로 여러 작업을 얹어 두고 진행 상황을 물으며 방향만 트는 식이 됩니다.

오픈AI가 27년에 출시할 것으로 보이는 화면 없는 디바이스도 이런 식으로 상시 듣다가 중요한 작업은 뒤에서 처리하는 구조가 될 것으로 보입니다.