ICYMI: What landed for AI builders in September 2026

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AWS는 2026년 9월 Amazon Bedrock, Amazon Bedrock AgentCore, Strands 업데이트를 통해 모델 선택지를 넓히고, 에이전트 실행 효율·보안·기업 데이터 연결을 강화했다고 소개했다.

📌 핵심 요약

• AWS는 기업 AI의 초점이 모델 성능에서 용도별 비용 대비 효과, 에이전트가 접근하는 맥락과 실행할 행동, 데이터 보안·거버넌스를 포함한 전체 시스템으로 확대되고 있다고 설명한다.
• OpenAI 기반 Amazon Bedrock Managed Agents가 공개 프리뷰로 제공되며 AWS 내 데이터 유지, 기존 IAM 권한 활용, AWS CloudTrail 감사, 지속 세션과 사람의 승인 워크플로를 지원한다. AgentCore runtime은 메모리 관리와 콜드 스타트 지연을 개선하고, 실제 사용량 기반 과금·유휴 세션의 제로 스케일링·하드웨어 격리를 제공한다.
• 오픈소스 Strands harness는 널리 쓰이는 harness와 비슷한 정확도를 유지하면서 토큰을 28% 적게 사용한다고 소개된다. Strands Decider 2B는 텍스트 생성 대신 사전 정의된 선택지 중 하나를 고르는 20억 매개변수 모델로, 로컬에서 약 115ms에 응답하며 도구 선택·라우팅·가드레일에 최적화됐다.
• Amazon Bedrock의 모델 선택지에는 정식 출시된 OpenAI의 GPT-6 Astra, GPT-6 Astra Ultrafast, GPT-6.1 Sol, GPT-6 Sol, GPT 6.1 Luna와 Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5, Kimi K3, Grok 4.6·Grok 4.7이 포함된다. GPT-6 Astra는 최대 100만 입력 토큰, Astra Ultrafast는 API에서 최대 6배 빠른 추론과 초당 최대 300토큰을 제공하며, Claude Sonnet 5.5는 Sonnet 5 대비 작업당 비용이 30% 낮고 속도가 30% 빠르다고 설명된다.
• Amazon Bedrock Managed Knowledge Base는 모든 네이티브 데이터 소스 커넥터에 일간·주간·월간 자동 동기화 예약을 지원한다. SharePoint·OneDrive·Confluence의 사용자 관리형 설정을 추가하고, ServiceNow·Confluence Data Center·Salesforce·Zendesk 네이티브 커넥터로 데이터 수집·메타데이터 추출·증분 동기화를 자동화한다.

🧩 주요 포인트

1. 모델 선택 확대 → 모델의 성능만 비교하기보다 컨텍스트 길이·지연·처리량·비용을 각 워크로드 요구에 맞추는 선택이 중요해진다.
2. AgentCore runtime의 사용량 기반 실행과 Strands harness의 토큰 절감 → 에이전트 운영 비용을 인프라 사용량과 모델 호출 효율 양쪽에서 검토할 수 있다.
3. AWS 내 데이터 유지·IAM·AWS CloudTrail과 Managed Knowledge Base의 자동 동기화 → 기업 에이전트의 권한·감사 가능성과 최신 지식 접근을 함께 다루는 기반이 강화된다.

🧠 상세 정리

1. 모델 성능에서 기업 AI 시스템 전체로 이동하는 초점

AWS는 모델·런타임·도구의 각 계층에서 개발자에게 실질적인 선택권을 주는 것이 기업 AI로 가는 가장 빠른 길이라는 관점을 제시한다. Amazon Bedrock은 주요 프런티어 모델 접근을 확대하고, Amazon Bedrock AgentCore는 어떤 프레임워크나 모델로도 기업 에이전트를 구축·연결·배포할 수 있는 관리형 인프라를 제공하며, Strands는 어디서나 실행할 수 있는 오픈소스 에이전트 도구를 맡는다. 모델 역량과 선택지가 늘면서 고객은 성능뿐 아니라 자신의 사용 사례에서 얻는 이익과 비용을 함께 따지게 됐다는 설명이다. 특히 기업 지식을 추론하고 장기 작업을 수행하며 실제 시스템에서 행동하는 에이전트에는 보안·정확성·거버넌스가 중요해진다. 이에 따라 9월 업데이트는 모델 자체를 넘어 접근 가능한 맥락, 허용되는 행동, 기업 데이터의 관리와 보호를 포함한 주변 시스템의 기반을 강화하는 흐름으로 소개된다.

2. 관리형 에이전트와 런타임의 실행 효율·보안

OpenAI 기반 Amazon Bedrock Managed Agents는 공개 프리뷰로 출시됐으며, 기업 보안을 유지하면서 프로덕션용 AI 에이전트를 구축하도록 돕는 서비스로 소개된다. OpenAI 모델을 사용하면서 데이터를 AWS 안에 유지하고, 기존 AWS Identity and Access Management(IAM) 권한을 재사용하며, AWS CloudTrail을 통해 전체 감사 가능성을 확보할 수 있다. 지속 세션과 내장된 사람의 승인 워크플로는 개발 부담을 줄이고 위험을 완화하는 기능으로 제시된다. Amazon Bedrock AgentCore의 최신 AgentCore runtime은 서버리스 에이전트의 메모리 관리를 개선하고 콜드 스타트 지연을 낮춰, 최대 메모리 수준이 아닌 실제 사용량에 대해 비용을 지불하도록 한다. 사전 용량 확보 없이 종량제로 실행할 수 있으며, 세션은 유휴 상태에서 제로로 축소되고 하드웨어로 격리된 환경에서 동작한다.

3. Strands의 토큰 효율과 로컬 의사결정 모델

새 오픈소스 Strands harness는 널리 쓰이는 harness와 동등한 수준의 정확도를 유지하면서 토큰을 28% 적게 사용한다고 소개된다. Python이나 TypeScript 한 줄로 프로덕션용 에이전트를 시작할 수 있고, 맥락 관리·프롬프트 캐싱·메모리 기능이 내장돼 있으며 원하는 환경에 배포할 수 있다. 별도로 공개된 Strands Decider 2B는 20억 매개변수의 소형 오픈소스 의사결정 모델로, 텍스트를 생성하는 대신 미리 정의한 선택지 중 하나를 고른다. 이 모델은 로컬에서 약 115ms에 답을 제공하며 도구 선택, 라우팅, 가드레일 같은 에이전트 작업에 최적화됐다. 코드·데이터·가중치는 모두 GitHub와 Hugging Face에서 제공되며, 두 업데이트는 각각 에이전트 실행의 토큰 비용과 특정 의사결정 작업의 처리 방식을 개선하는 선택지로 제시된다.

4. OpenAI 모델군을 통한 워크로드별 선택

OpenAI의 Astra·Sol·Luna 모델은 Amazon Bedrock에서 정식 출시됐으며, 높은 난도의 프로젝트부터 반복적인 복잡한 업무와 대량 처리까지 서로 다른 용도를 겨냥한다. 주력 모델 GPT-6 Astra는 최대 100만 입력 토큰을 지원하고 복잡한 의사결정·문서 분석·소프트웨어 개발에 더 깊은 추론을 제공하는 모델로 소개된다. 또한 소프트웨어와 파일을 다루고 조직의 어조·템플릿·기준에 맞춘 전문가 수준의 결과를 생성한다고 설명한다. GPT-6 Astra Ultrafast는 속도가 특히 중요한 작업을 위한 프리미엄 속도 등급으로, API 추론을 최대 6배 빠르게 수행하며 초당 최대 300토큰을 제공한다. GPT-6.1 Sol과 GPT-6 Sol은 자주 실행하는 코딩·컴퓨터 사용·전문 업무에 Astra에 가까운 지능을 제공하는 선택지다. GPT 6.1 Luna는 추출·요약·분류·라우팅 같은 대량 작업용으로 설계됐으며, 전체 모델군은 지능·지연·비용 사이의 균형을 맞추도록 구성된다.

5. Claude·Kimi·Grok으로 넓어진 장기 작업과 추론 선택지

Claude Fable 5.1은 코딩·과학 연구·기업 워크플로의 선택지를 확대하고, Claude Opus 5.5는 에이전트 기반 코딩·지식 업무·장기 작업을 위한 모델로 소개된다. Opus 5.5는 작업에 필요한 추론량을 판단하는 적응형 사고와 추론 깊이의 상한을 설정하는 effort 매개변수를 사용한다. Claude Sonnet 5.5는 집중적인 코딩과 지식 업무에 적합한 더 똑똑하고 효율적인 모델로, Claude Sonnet 5보다 작업당 비용이 30% 낮고 속도가 30% 빠르다고 설명된다. Moonshot AI에 따르면 Amazon Bedrock에 추가된 Kimi K3는 자사의 가장 강력한 모델이자 2조 8천억 매개변수에 도달한 최초의 개방형 모델이다. Kimi K3는 100만 토큰 컨텍스트 창·네이티브 시각 기능·내장 프롬프트 캐싱을 제공하며, 이전 버전보다 낮은 비용으로 더 지능적인 앱을 2.5배 빠르게 구축하도록 돕는다고 소개된다. xAI의 Grok 4.6과 Grok 4.7은 50만 토큰 컨텍스트 창, 설정 가능한 추론 노력, 자체 검증을 지원해 장기 작업의 신뢰성을 높이는 선택지로 제시된다. 이러한 추가 모델은 컨텍스트 길이·지연·처리량·비용 요구에 맞춰 모델을 고를 수 있는 폭을 넓힌다.

6. 기업 지식의 최신성 유지와 데이터 연결 자동화

Amazon Bedrock Managed Knowledge Base의 새 자동 동기화 예약 기능은 모든 네이티브 데이터 소스 커넥터에 일간·주간·월간 갱신 주기를 설정할 수 있게 한다. AWS는 이를 통해 기업 AI 에이전트가 최신 정보를 검색할 수 있다고 설명한다. SharePoint·OneDrive·Confluence의 사용자 관리형 설정은 사용자가 필요한 접근 권한을 이미 갖고 있을 때 관리자가 운영하는 서비스 계정에 대한 의존도를 줄인다. 새 네이티브 커넥터인 ServiceNow·Confluence Data Center·Salesforce·Zendesk는 데이터 크롤링·메타데이터 추출·증분 동기화를 자동으로 처리한다. 이에 따라 지원 콘텐츠·내부 문서·운영 지식을 연결하기 위해 별도의 수집 코드를 구축하고 유지하는 부담이 줄어든다는 설명이다. 글은 Amazon Bedrock 탐색, AgentCore CLI를 통한 에이전트 배포, Strands Harness SDK를 통한 첫 에이전트 구축을 시작 경로로 제시하며 마무리된다.

🧾 핵심 주장 / 시사점

• AWS가 강조하는 선택권은 모델 목록의 확대뿐 아니라 런타임과 오픈소스 도구까지 이어지며, 기업 AI의 판단 단위를 개별 모델에서 전체 실행 시스템으로 확장한다.
• AgentCore runtime의 메모리·콜드 스타트 개선과 Strands harness의 토큰 절감은 서로 다른 비용 요인을 다루므로, 에이전트의 효율은 실행 인프라와 모델 사용 방식을 함께 살펴야 한다는 시사점을 준다.
• Managed Knowledge Base의 갱신과 연결 자동화는 에이전트가 사용하는 기업 지식의 최신성과 수집 코드의 유지 부담을 함께 다루며, 권한·감사 기능과 더불어 운영 기반을 강화한다.

✅ 액션 아이템

• Amazon Bedrock의 모델 선택지를 컨텍스트 길이·지연·처리량·비용과 각 워크로드 요구에 맞춰 비교 검토.
• AgentCore runtime의 실제 사용량 기반 과금과 Strands harness의 28% 토큰 절감을 에이전트 운영 비용 관점에서 함께 평가.
• Amazon Bedrock Managed Knowledge Base의 일간·주간·월간 자동 동기화와 네이티브 커넥터를 기업 지식의 최신성 요구에 맞춰 적용 검토.

❓ 열린 질문

• 각 워크로드의 컨텍스트 길이·지연·처리량·비용 요구에 가장 적합한 Amazon Bedrock 모델은 무엇인가?
• AgentCore runtime의 사용량 기반 과금과 Strands harness의 28% 토큰 절감은 해당 에이전트의 운영 비용에 각각 어떤 영향을 주는가?
• Amazon Bedrock Managed Knowledge Base의 일간·주간·월간 자동 동기화 중 기업 지식의 최신성 요구에 맞는 주기는 무엇인가?