2026년 9월 11일 (금)
-
Agents API 공개 베타 출시
OpenAI는 Codex를 구동한 동일한 하네스와 인프라를 개발자에게 제공하는 Agents API를 공개 베타로 발표했다. 단일 API 호출로 작업, 모델, 도구, 환경을 지정해 프로덕션용 에이전트를 생성할 수 있고, 하네스는 OpenAI가 호스팅·관리한다. 실행 환경은 OpenAI 관리 샌드박스, 자체 인프라, 또는 제휴 샌드박스 제공자(Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel 등) 중 선택 가능하며 OpenAI 호스티드 샌드박스도 제공된다. 개발자 관점에서는 에이전트 하네스·버전 관리와 컨텍스트 관리(자동 컴팩트 등)가 함께 제공되어 인프라와 장기 세션 관리 부담을 줄이고 도구·지식·워크플로우에 집중할 수 있다.
-
ChatGPT Work에 Data agent 추가
OpenAI는 ChatGPT Work에 Data agent를 도입해 기업 데이터에 연결해 분석, 대시보드 생성, 액션 실행을 대화로 수행할 수 있게 했다. Amazon Redshift, Datadog, BigQuery, ClickHouse, Databricks, MongoDB, Snowflake 등과 Google Drive·SharePoint 파일을 연결하며 Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, BI 대시보드 등 조직의 비즈니스 용어와 메트릭 정의를 이용해 해석한다. 관리자 권한으로 접속 가능 데이터·역할을 제어하고 기존 권한(테이블·행·열 수준)을 적용하며 결과 근거를 검토하고 Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot 등과 연동된 대시보드를 생성·공유할 수 있다. 개발자·관리자에게는 접근 권한 설정과 시맨틱 레이어·안전장치 구성이 중요해지고, 비전문가가 직접 데이터 분석을 수행할 수 있는 환경이 마련된다.
-
3.8B 모델을 $998로 훈련
개인이 약 $998의 비용으로 65B 토큰을 학습해 43시간 만에 CORE 0.384를 기록한 3.8B 파라미터 언어모델을 만들었다고 보고했다. 저자는 little-lm이라는 YAML 기반 구성 중심 프레임워크로 실험을 재현 가능하게 관리했고, 모델은 Llama 스타일(RMSNorm, RoPE, GQA, relu² MLP 등) 구성과 ResFormer식 값 임베딩을 사용했다. B200 인스턴스가 비용 대 성능 면에서 유리했고, 양호한 인프라와 소프트웨어 공학적 분리·구성이 성공에 결정적이었다고 밝혔다. 개발자에게는 소규모 예산으로도 구성 중심 인프라와 설계로 의미 있는 LLM을 훈련할 수 있다는 실증적 사례를 제시한다.
-
금융권용 ChatGPT 출시
OpenAI는 금융업 전용으로 설계된 ChatGPT for Financial Services를 공개해 GPT‑6 Astra와 프리미엄 금융 데이터(Daloopa, PitchBook, LSEG News, Crunchbase 등)를 결합한 ChatGPT Work 경험을 제공한다. 해당 데이터는 OpenAI가 인덱싱·호스팅해 세분화된 인용과 근거 추적을 지원하며 Morgan Stanley, Evercore와의 디자인 파트너십을 통해 투자은행·주식 리서치 중심 워크플로를 우선 제공한다. 중앙에서 접근·데이터 연결을 관리하고 모델을 사후 학습해 데이터 이해도를 높일 계획이다. 개발자와 엔터프라이즈는 호스팅된 금융 데이터와 모델을 바로 활용해 분석·아티팩트 생성 워크플로를 구축할 수 있게 된다.