코딩 AI

700개가 넘는 소프트웨어 기업의 엔지니어링 데이터를 분석한 연구는 AI가 코드 생산량을 늘려도 실제 소프트웨어 산출은 함께 증가하지 않을 수 있음을 보여준다. 생성 속도가 빨라진 만큼 인간의 코드 리뷰와 통합 과정이 새로운 병목이 될 가능성이 있다.

ProgramGym은 검증 가능한 실행 환경과 역할 분리형 개발 워크플로를 결합해, 참고 프로그램을 탐색한 뒤 처음부터 재현하는 코딩 에이전트를 지원한다.

대규모 연구에 따르면 AI 코딩 에이전트는 코드 생산량을 크게 높였지만, 더 길고 복잡해진 인간 검토가 효율성 향상을 대부분 상쇄했다.

HERMES는 코드와 테스트 같은 저장소 구성 요소에 상주형 언어 모델을 결합하는 Dev-Primitives를 제안한다. 각 구성 요소가 자신의 구현을 이해하고 다른 요소와 소통하면서 국소적인 수정을 지원하는 방식이다.

기존 코딩 에이전트 평가의 상당수는 하나의 코드베이스에 머뭅니다. WideSWE는 실제 소프트웨어 생태계에서 수집한 120개 과제로 여러 저장소의 변경을 조율하고 검증하는 능력을 평가합니다.

알리바바가 Go로 개발한 AI 코드 리뷰 CLI 도구 OpenCodeReview를 오픈소스로 공개했다. 파일 선택과 규칙 매칭은 결정론적 로직으로 처리하고, 동적 코드 분석은 LLM 에이전트에 맡기는 구조다.

서로 다른 소프트웨어 엔지니어링 작업을 하나의 강화학습 풀에서 훈련하면 범주별 성능이 엇갈리며 일부 능력이 퇴보할 수 있습니다. 이 연구는 RRE로 범주별 전문가를 훈련한 뒤, 라벨 기반 다중 교사 온폴리시 증류로 단일 배포 모델을 만듭니다.

샤오미 MiMo 팀의 CodeMidas는 기존 소스 코드만을 바탕으로 기능을 탐색하고 실행 가능한 테스트를 생성한 뒤, 강화학습에 적합한 코딩 과제를 선별한다. 실험에서는 이 방식으로 학습한 에이전트가 코드 수정, 프로그램 구축, 터미널 작업 등 여러 벤치마크에서 성능을 높였다.

코딩 에이전트의 Harness를 계획, 행동 공간, 컨텍스트 관리로 나눠 비교한 실증 연구가 공개됐다. 최적의 구성은 모델 능력과 작업 유형, 컨텍스트 예산에 따라 달라지는 것으로 나타났다.

Bend는 AI 에이전트가 코드를 생성하는 데서 그치지 않고, 선언된 규칙을 만족한다는 사실까지 증명하도록 설계된 새로운 언어입니다. Python과 유사한 문법, 네이티브 컴파일, CPU·GPU 병렬 런타임을 결합합니다.

비공개 벤치마크 연구에서 같은 모델을 사용할 경우 벤더의 순정 harness가 일관된 우위를 보이지 않았다. 과제 유형, 타임아웃 처리, 누락된 사용량 기록이 성능과 비용 해석에 큰 영향을 줬다.

문샷AI가 Kimi K2.8 Preview를 Kimi Code와 Kimi Work에 전면 출시했다. K3에 근접한 종합 성능을 내세우면서도 모든 회원 등급에 100만 토큰 컨텍스트를 개방한 것이 핵심이다.

Cognition이 새 코딩 모델 SWE-2를 공개했다. 단순히 최고 점수를 높이는 데 그치지 않고, 여러 추론 강도에서 성공률과 실행 비용을 함께 최적화하는 것이 핵심이다.

Devin을 개발하는 Cognition이 기업가치 480억 달러로 20억 달러를 조달했다. Cursor의 SpaceX 인수 전보다 높은 매출 배수는 AI 코딩 시장에 여러 강자가 공존할 수 있다는 투자자들의 판단을 보여준다.

코드 수정 모델은 테스트를 통과하더라도 필요한 범위를 넘어 코드를 다시 쓰는 경우가 많다. 새로운 연구는 보존 지시와 강화학습이 수정의 충실도를 높일 수 있음을 보여준다.

대규모 실험 결과, 코딩 에이전트들은 같은 요구에도 서로 다른 외부 서비스를 선택했다. 저장소의 언어와 맥락, 공급업체 정보의 표현 방식이 최종 판단을 크게 바꿨다.

한 연구가 문제 선별, 합성 추론 트레이스, 지도 미세조정, 강화학습, 추론 시 반복 개선을 결합한 경쟁 프로그래밍 전문화 파이프라인을 제시했다. 연구진은 IOI 2026 평가에서 시스템이 600점 만점에 535.4점을 기록했다고 보고했다.

PaperCompiler는 논문 기반 코드 생성에서 발생하는 알고리즘 단순화와 파일 간 불일치 문제를 다룬다. 구현 근거를 출처가 추적 가능한 저장소 전체 사양으로 정리한 뒤 코드 생성을 수행하는 방식이다.

Harness-of-Harness(HoH)는 새로운 코드 생성 모델이 아니라 기존 코딩 에이전트 하네스를 장기 개발에 맞게 구성하는 프레임워크입니다. 계획, 코딩, 테스트, 독립 평가를 반복해 소프트웨어를 점진적으로 개선합니다.

설정 파일 형식을 둘러싼 작은 논쟁이 대규모 개발 조직의 도구 거버넌스 문제로 번지고 있다. Shopify CEO가 사내 Claude Code 금지를 검토하겠다고 밝힌 뒤에도 Anthropic의 답변은 개발자들의 불만을 잠재우지 못했다.

LinkedIn은 기존 AI 리뷰 도구를 저장소 앞에 그대로 붙이는 대신, 여러 리뷰 에이전트와 조직 고유의 규칙을 결합한 플랫폼을 구축했다. 핵심은 댓글 수가 아니라 환각과 저가치 피드백을 줄이고 개발자가 실제로 채택할 만한 신호를 제공하는 데 있다.