오픈소스 에이전트 하네스 Pi 1.0이 나왔어. 기능을 덜 넣는 게 자랑인 도구가 해커뉴스 1위에 오른 이유와 작은 빌더가 가져갈 것 3가지

오픈소스 에이전트 하네스 Pi 1.0이 나왔어. 기능을 덜 넣는 게 자랑인 도구가 해커뉴스 1위에 오른 이유와 작은 빌더가 가져갈 것 3가지 📅 2026.10.02 | ✍️ 경제 흐름을 읽어주는 형 형이 오늘 아침 고른 소식은 에렌딜이라는 팀이 내놓은 코딩 에이전트 Pi의 1.0 버전이야. 발표 몇 시간 만에 해커뉴스 1위에 올라 500점을 넘겼어. 매주 수십만 명이 쓰는 도구인데, 이 팀이 가장 크게 내세운 건 새 기능이 아니라 "검증되기 전에는 안 넣는다"는 원칙이야. 어제는 구글이 최상위 모델을 조심스럽게 푸는 이야기를 했잖아. 오늘은 그 모델들을 실제로 굴리는 쪽, 그러니까 모델을 감싸고 도구를 쥐여 주는 하네스 이야기라서 이어서 보면 그림이 완성돼. 【 핵심 체크포인트 】 1. 몇 달 동안 시험해 보고 살아남은 기능만 넣었어. 이번에 들어간 건 도구를 필요할 때만 불러오는 기능, 앤트로픽 모델용 캐시 미리 데우기, 대화 중간에 시스템 지시를 바꾸는 기능, 그리고 MCP를 코드로 다루는 코드모드 정도야. 팀은 "벽에 던져서 붙은 것만 남겼고, 떨어진 목록이 훨씬 길다"고 적었어. 에이전트 도구가 매주 바뀌는 시기에 일부러 느리게 가겠다는 선언이라 개발자들이 더 반응한 거야. 2. 모델 여러 개를 하나처럼 묶어 쓰는 구조가 기본이 됐어. 시연 영상이 재미있어. 계획은 클로드 오퍼스가 세우고, 실제 구현은 GPT가 하고, 둘 사이를 언제 넘길지는 작은 판단 모델이 정해. 이걸 Pi가 스스로 확장 기능으로 짜서 하나의 가상 모델처럼 등록해. 작업이 끝나면 모델별 비용과 캐시 사용량을 나눠서 보여 줘. 한 회사 모델에 매달리지 않고 단계마다 값과 실력이 맞는 모델을 고르는 방식이 이제 개인 도구에서도 당연해진 거야. 3. 프로세스가 죽어도 이어서 일하는 Pi Durable을 따로 냈어. 함께 공개한 실험판 Pi Durable은 오래 돌아가는 에이전트용이야. 모든 단계를 작업...

OpenAI 가 자체 inference 칩 Jalapeño 를 꺼냈어. Broadcom 공동 제작 + 자기 모델이 칩 설계를 도운 첫 사례와 인디 빌더가 봐야 할 신호 3 가지

OpenAI 가 자체 inference 칩 Jalapeño 를 꺼냈어. Broadcom 공동 제작 + 자기 모델이 칩 설계를 도운 첫 사례와 인디 빌더가 봐야 할 신호 3 가지

OpenAI 가 자체 inference 칩 Jalapeño 를 꺼냈어. Broadcom 공동 제작 + 자기 모델이 칩 설계를 도운 첫 사례와 인디 빌더가 봐야 할 신호 3 가지

📅 2026.06.25 | ✍️ 경제 흐름을 읽어주는 형

형이 오늘 아침에 본 발표는 어제 DSHR 의 affordability crisis 글과 정반대 방향의 신호야. 어제는 토큰 단가가 7 배 폭주한다는 비관 진단이었고, 오늘은 OpenAI 가 그 단가 자체를 깎으려고 자체 칩을 꺼냈다는 발표야. 이름은 Jalapeño. Broadcom 과 공동 설계했고, OpenAI 자기 모델이 칩 설계 과정을 도왔다는 게 가장 강한 한 줄이야.

파트너십은 2025 년 10 월에 발표했었어. 이번에 처음 실물이 공개됐고 아직 테스트 단계지만, 초기 결과가 현존 최상위 대안보다 와트당 성능이 의미 있게 좋다고 OpenAI 가 직접 밝혔어. 특히 실시간 코딩 모델을 돌릴 때의 운영 비용을 낮추는 데 최적화했다고 명시했어. Nvidia GPU 를 대체하는 게 아니라 사전학습은 Nvidia 에 두고 inference 만 자체 칩으로 분리하는 그림이야. 오늘은 이 발표가 한국 인디 빌더의 자동화 라인에 어떤 의미인지 풀어볼게.


🔍 핵심 체크포인트 3 가지

1. AI 가 칩을 설계한 첫 메이저 사례. 자가 가속 루프 시작

이번 발표에서 가장 놓치면 안 되는 한 줄이 "OpenAI 자기 모델이 칩 설계를 도왔다" 야. 지금까지 chip design 은 EDA 도구 위에서 엔지니어 수백 명이 수년에 걸쳐 만드는 영역이었어. 그 영역에 모델이 직접 들어가서 자기 inference 를 더 빠르게 만들 회로를 같이 짰다는 거야. 이게 의미하는 건 단순한 성능 개선이 아니라 자가 가속 루프야. 모델이 좋아지면 다음 세대 칩을 더 잘 설계하고, 그 칩이 더 좋은 모델을 만들고, 다시 다음 칩을 더 잘 설계하는 식으로 굴러가. 한 번 돌기 시작하면 외부 회사가 따라잡기 거의 불가능한 거리 차이가 생겨. Anthropic, Google 도 자기 모델로 같은 일을 할 거야. 인디 빌더 입장에서는 "모델 회사가 이제 칩까지 직접 만든다" 가 향후 2 년 시장 지도의 가장 큰 변수야.

2. inference 비용 곡선이 한 번 더 꺾인다. 어제 DSHR 진단과 정반대 신호

어제 형이 다룬 DSHR 글은 토큰 단가가 7 배로 점프하고 agentic AI 가 1,000 배 토큰을 먹는다는 비관 진단이었어. Jalapeño 발표는 그 곡선을 위쪽이 아니라 아래쪽으로 꺾으려는 OpenAI 의 첫 구조적 응답이야. inference 전용 칩은 사전학습용 GPU 보다 회로가 단순하고, 동일 와트로 더 많은 토큰을 뽑을 수 있어. OpenAI 가 직접 칩을 운영하면 Nvidia 마진과 클라우드 마진이 동시에 빠지니까 단가 인하 여력이 추가로 생겨. 단기 6 개월은 토큰 가격이 올라가는 흐름이 유지되겠지만, 12 개월 이후에는 이 가격 곡선이 다시 평평하게 가거나 살짝 떨어지는 시나리오가 현실적으로 가능해졌어. 인디 빌더는 "토큰 가격은 영원히 오른다" 가 아니라 "단기 상승 / 중기 안정" 시나리오로 자동화 라인 설계를 재조정해야 해.

3. 실시간 코딩 모델용 최적화. Cursor / Claude Code / Copilot 운영 단가가 가장 먼저 떨어진다

OpenAI 가 Jalapeño 의 최적화 타깃으로 "실시간 코딩 모델" 을 명시한 게 결정적인 디테일이야. 코딩 보조 도구는 사용자가 키 한 번 누를 때마다 모델을 호출하는 high-frequency low-latency 워크로드야. 같은 토큰을 더 적은 와트로 처리하면 GitHub Copilot, Cursor, Claude Code 같은 도구의 운영 단가가 가장 먼저 영향 받아. 어제 다룬 GitHub Copilot 의 token-based 과금 전환이 한 번 더 흔들릴 수 있다는 뜻이야. 잭이 매일 쓰는 Claude Code 도 Anthropic 이 같은 결의 자체 칩 (= Trainium / Inferentia 위 자체 추론 스택) 으로 옮겨가면 Max 100x 구독의 단가 압력이 6 개월 안에 일부 해소될 수 있어. 인디 빌더 입장에서는 "코딩 자동화 도구의 운영비" 가 우선적으로 낮아질 자리야.


🔗 형 빌드 cross-reference

claude-code-masterpack 의 axis 가치 재조정

어제 글에서 형은 7 개 axis 중 "컨텍스트 압축" 과 "캐시 우선" 을 1 순위로 끌어올려야 한다고 했어. Jalapeño 발표가 그 우선순위를 살짝 바꿔. inference 단가가 중기적으로 안정되거나 떨어질 가능성이 생기면, 키트의 진짜 차별점은 "토큰을 적게 쓰는 법" 보다 "같은 토큰으로 더 정확한 답을 뽑는 법" 으로 옮겨가. 즉 "컨텍스트 정확도" axis 가 다시 1 순위로 올라와. 압축은 여전히 중요하지만 첫 줄에 걸 가치는 아니야. 키트의 마케팅 문구도 "Save 70% on Anthropic bills" 식보다 "Get 2x more accurate output from the same model" 식이 12 개월 뒤 더 잘 먹힐 수 있어.

agent-starter-kit 의 unit economics 시나리오 보강

어제 토큰 폭주 시나리오에 맞춰 "토큰 가드레일" 모듈을 표준 탑재하라고 적었어. 그건 여전히 유효해. 다만 시나리오를 한 개 더 얹어야 해. "12 개월 후 inference 단가가 30 퍼센트 내려가는 시나리오" 야. 이 시나리오에서는 가드레일이 풀리고 agent 가 같은 작업을 더 깊은 추론 루프로 처리해도 비용이 견딜 수 있어. 즉 키트 안에 "비용 모드" 와 "성능 모드" 두 단계 스위치를 만들어두면 다음 12 개월 두 시나리오 모두에서 살아남아. 사용자가 자기 OpenAI / Anthropic 단가를 직접 입력하면 키트가 자동으로 어느 모드로 갈지 결정하는 식이 가장 깔끔해.

Hermes Phase 1.5 의 상대 강점은 그대로 유지

어제 글에서 Hermes 의 inference-light 한 인증 인프라가 상대적으로 강해진다고 했어. 오늘 발표가 이 판단을 뒤집지 않아. Jalapeño 가 inference 단가를 낮춰도 C2PA 인증 / 결제 / 메타데이터 검증 자체에는 변화가 없어. 다만 한 가지 새로 들어온 변수가 있어. OpenAI 가 vertical integration 으로 모델 / 칩 / 클라우드를 한 통에 묶으면 다음 단계는 "OpenAI 가 생성한 콘텐츠 인증" 까지 자체 스택에 넣을 가능성이 있어. 즉 Hermes 의 timing 은 여전히 좋지만, 모델 회사가 자체 인증 통로를 만들기 전에 시장 standard 를 먼저 잡아야 한다는 압박이 살짝 더 강해져. 우선순위 한 단계 위로 끌어올린 어제 판단은 그대로 유지하면서, 출시 시점을 한 분기 앞당기는 게 안전해.


💡 결론

AI 산업이 vertical integration 단계에 본격적으로 진입했어. 모델 회사가 칩을 직접 만들고, 그 칩 설계를 자기 모델이 도와주는 자가 가속 루프가 시작됐어. 어제 본 affordability crisis 는 단기 6 개월 시나리오로 여전히 유효해. 다만 12 개월 너머는 inference 단가가 다시 내려갈 가능성이 오늘부터 현실적으로 열렸어. 인디 빌더가 살아남는 길은 두 시나리오 모두에 대비한 두 단계 설계야. 단기는 토큰 가드레일과 캐시 우선으로 비용을 막고, 중기는 컨텍스트 정확도와 추론 품질로 차별화해야 해. 형은 이번 주에 claude-code-masterpack 의 axis 우선순위 재배치부터 들어간다.

📎 출처: TechCrunch, OpenAI unveils its first custom chip, built by Broadcom (2026.06.24)
이 글은 2026.06.25 뉴스와 데이터 기반 AI 도구 활용 재작성 (= 형 voice 재서술 + 인디 빌더 관점 cross-reference).

댓글

이 블로그의 인기 게시물

오픈소스 에이전트 하네스 Pi 1.0이 나왔어. 기능을 덜 넣는 게 자랑인 도구가 해커뉴스 1위에 오른 이유와 작은 빌더가 가져갈 것 3가지

AI 메모리 도구가 모델 정확도를 깎고 있다, 사용자 비위 맞추기 현상의 첫 데이터와 인디 빌더가 봐야 할 신호 3 가지

Meta 가 인도에 168 MW AI 데이터센터를 짓는다. Reliance 와 손잡은 글로벌 컴퓨트 분산 흐름과 인디 빌더가 봐야 할 신호 3 가지