{"allow_comments":false,"category":"AI 동향","content":{"author":{"title":"YOON DATA","url":"https://yoondata.com/about"},"body":"## 핵심 요약\n조사 기준 시각: 한국시간 2026-09-19 12:43:47 KST (Asia/Seoul, UTC+09:00) / 미국 동부 2026-09-18 23:43:47 EDT (America/New_York, UTC-04:00) / 미국 서부 2026-09-18 20:43:47 PDT (America/Los_Angeles, UTC-07:00) / UTC 2026-09-19 03:43:47.\n[확인] 지정 발행 폴더의 직전 미국 AI 브리핑은 gpt_20260919_114912_001.docx다. 기존 폴더 검색에서 Hacktron/OpenAI SSO, OpenAI·Microsoft 저작권 doom-loop, Salesforce Koa, OpenAI model-misalignment 연구는 과거 문서에 이미 존재해 이번 증분에서 제외했다. 반면 Claude Code v2.1.277의 AGENTS.md·egress-boundary 변화, OpenAI Agents API hosted-container overbilling, CommerceAgentBench의 harness 비교는 동일 핵심사건을 다룬 기존 문서를 확인하지 못했다.\n[확인-1] OpenAI Status는 9월 18일 22:29 UTC(18:29 EDT / 15:29 PDT) `Overbilling for OpenAI-hosted containers in the Agent API`를 공개했다. OpenAI는 hosted container에 예상보다 높은 비용이 청구되는 문제를 조사하고 있으며 affected customers에 refund를 준비한다고 밝혔다. 이후 affected usage를 검토해 고객과 환불액을 식별하고 mitigation을 구현 중이라고 업데이트했다. 조사 기준 시각에도 status root는 incident가 ongoing이라고 표시했다. [OpenAI Status - History](https://status.openai.com/history) [OpenAI Status](https://status.openai.com/)\n[확인] 이번 사고는 availability outage와 구분된다. 외부 status mirror가 공식 feed를 보존한 timeline에 따르면 23:22 UTC에도 fix와 refund calculation이 진행 중이었고, 9월 19일 01:08 UTC에는 status가 Identified로 바뀌어 mitigation 구현이 계속됐다. 정확한 root cause, 과다청구 금액, affected customer 수, 특정 container size 또는 duration 범위는 공개되지 않았다. [Incident timeline mirror](https://isdown.app/status/openai/incidents/657014-overbilling-for-openai-hosted-containers-in-the-agent-api)\n[확인-배경] OpenAI는 9월 10일 Agents API를 public beta로 공개했다. 이 API는 Codex와 같은 harness/infrastructure를 제공하며 agent가 days-long task를 수행하고 OpenAI-hosted sandbox 또는 다른 compute environment에서 files·code·intermediate results를 다룰 수 있게 한다. 모델 사용량과 hosted sandbox/container compute는 별도의 비용축이다. [OpenAI - Introducing the Agents API](https://openai.com/index/introducing-the-agents-api/)\n[확인-가격구조] OpenAI 공식 pricing은 Hosted Shell·Code Interpreter가 포함된 container를 별도 도구비용으로 취급하며, eligible container sessions를 시간·메모리 usage에 따라 과금하는 구조를 설명한다. 따라서 agent 비용은 단순 token bill이 아니라 `Model Tokens + Tool Calls + Container Lifetime/Memory + Other Hosted Resources`의 합으로 봐야 한다. [OpenAI API Pricing](https://developers.openai.com/api/docs/pricing)\n[추론] 이번 사고의 본질은 agent 플랫폼에서 billing correctness가 observability·availability와 같은 운영 신뢰성의 일부가 됐다는 점이다. 장기 agent는 사람이 보고 있는 HTTP request 하나가 아니라 session이 수시간·수일 동안 container를 유지할 수 있으므로 metering bug가 workload 성공 여부와 무관하게 비용을 누적시킬 수 있다.\n[추론] enterprise side에서는 `Agent Session → Container Allocation → Tool Runtime → Meter Event → Cost Ledger → Budget Guard → Reconciliation/Refund`를 별도 control loop로 만들어야 한다. per-agent max spend, idle-timeout, container TTL, memory-tier cap, anomaly alert, immutable usage ledger가 없으면 agent autonomy가 곧 uncontrolled cloud spend로 변할 수 있다.\n[반대근거] OpenAI는 affected customers와 refund를 준비한다고 밝혔지만 incident 규모를 공개하지 않았다. 모든 Agents API 사용자나 모든 hosted container가 과다청구됐다고 단정할 근거는 없다. 또한 현재 공개자료는 billing incident이지 agent task correctness나 model safety failure를 뜻하지 않는다.\n[확인-2] Anthropic은 9월 18일 GitHub에서 Claude Code v2.1.277을 공개했다. 가장 눈에 띄는 변경은 프로젝트에 CLAUDE.md가 없을 때 AGENTS.md를 읽는 fallback 지원이다. Project instructions 설정에서 선택할 수 있고, 현재 Bedrock·Vertex·Foundry surface에는 아직 적용되지 않는다. [Claude Code v2.1.277](https://github.com/anthropics/claude-code/releases/tag/v2.1.277)\n[확인] 같은 release는 enterprise network control도 확장했다. `CLAUDE_GATEWAY_PROXY_IS_EGRESS_BOUNDARY=1`을 켜면 Claude apps gateway의 outbound request가 hostname을 local resolve하지 않고 forward proxy에 넘긴다. provider 앞의 proxy에 static headers를 보낼 수 있는 upstream `headers:` map도 추가됐다. 즉 DNS/host decision과 auth/routing policy를 중앙 proxy에 더 강하게 모을 수 있다.\n[확인-보안하드닝] v2.1.277은 여러 execution boundary bug도 함께 수정했다. compound Bash command에서 한 부분만 glob에 맞아도 전체가 sandbox 제외되던 `sandbox.excludedCommands` 문제를 고쳐 모든 part가 match해야 하게 했고, invisible Unicode formatting/tag characters를 prompt에서 제거해 cleaned prompt를 review하도록 바꿨다. subagent result에는 명시적인 subagent-output header를 붙여 결과 text가 main session instruction인 것처럼 전달되지 않게 했다. Official marketplace plugin의 commit 기록과 pinned-commit update bookkeeping도 수정했다.\n[확인-표준체인] AGENTS.md는 OpenAI Codex의 repository-level instruction convention에서 시작해 2025년 8월 공개된 뒤 OpenAI가 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기증했다. OpenAI는 2025년 12월 기준 60,000개 이상의 open-source project/framework가 AGENTS.md를 채택했다고 밝혔고, GitHub Copilot coding agent도 2025년 8월부터 root/nested AGENTS.md를 지원했다. Anthropic은 AAIF 공동창립자로 MCP를 기여한 회사인데, 이제 Claude Code도 AGENTS.md를 읽는다. [OpenAI - Agentic AI Foundation](https://openai.com/index/agentic-ai-foundation/) [GitHub - Copilot AGENTS.md](https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/)\n[추론] 이는 coding-agent ecosystem에서 repository instruction이 vendor-specific prompt 파일에서 `policy-as-repo` 관례로 수렴한다는 신호다. README가 사람에게 프로젝트를 설명한다면 AGENTS.md는 agent가 build/test/style/safety rule을 읽는 machine-operating manual 역할을 한다.\n[추론] 동시에 egress boundary, sandbox matching, hidden-Unicode cleanup, subagent provenance framing이 한 release에 모였다는 점이 중요하다. Agent의 실제 security boundary가 prompt뿐 아니라 `Repo Instructions → Gateway/Proxy → Sandbox → Plugin Provenance → Subagent Message Provenance`의 다층 control plane으로 확장되고 있다.\n[반대근거] Claude Code는 CLAUDE.md가 존재하면 AGENTS.md보다 CLAUDE.md를 사용한다. AGENTS.md support는 Bedrock·Vertex·Foundry에 아직 없고, 각 coding agent가 nested file·precedence·override를 동일하게 해석하는 것도 아니다. 따라서 `완전한 cross-vendor agent instruction 표준이 완성됐다`고 표현하면 과장이다.\n[확인-3] Alibaba.com Accio team이 공개한 CommerceAgentBench는 107개의 stateful commerce/business task를 실제 interface replica에서 수행하게 한다. 구성은 53 CLI, 28 browser, 16 file, 10 API/MCP task이며, 65 text-only, 20 browser-text, 22 vision-required task로 나뉜다. 각 task는 fresh container에서 실행되고 configuration, trajectory, verifier result, artifacts, logs, container metadata가 보존된다. [CommerceAgentBench GitHub](https://github.com/Accio-org/CommerceAgentBench)\n[확인] 같은 13 model family를 Pi, OpenClaw, Accio 세 harness에 넣은 공개 snapshot에서 Claude Opus 5는 Pi 60.7%(65/107), OpenClaw 56.1%(60/107), Accio 61.7%(66/107)를 기록했다. GPT-5.6 Sol은 각각 48.6%, 49.5%, 51.4%였다. 즉 같은 model family라도 harness에 따라 몇 percentage point의 결과차가 발생했다.\n[확인-방법론한계] repo는 published score가 Accio-managed evaluation endpoints와 `gemini-3.1-pro-preview` judge를 사용했다고 밝힌다. 모든 model은 thinking enabled였지만 provider default reasoning effort가 서로 달라 harness/model 간 compute budget이 완전히 정규화된 실험은 아니다. Steps, wall-clock time, token telemetry도 provider별 accounting과 tool granularity가 달라 normalized efficiency score가 아니라고 명시한다.\n[확인-후속보도] PYMNTS는 9월 18일 benchmark를 다시 분석하면서 landed cost, return disputes, multi-leg shipping처럼 긴 state chain을 유지해야 하는 업무에서 실패가 집중된다고 보도했다. 최상위 61.7%는 실제 자동화를 시작할 수준이지만 약 4개 중 1~2개 가까운 task가 여전히 끝까지 성공하지 못한다는 의미다. [PYMNTS - Commerce Test Shows Where AI Agents Break Down](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/)\n[확인-최초사업맥락] Alibaba.com은 9월 9일 보도자료에서 benchmark task가 10M active SMB users, 1.6M conversations, 200k execution traces에서 추출됐다고 설명하고 Accio가 general-purpose agent 대비 낮은 estimated cost를 보였다고 주장했다. 이는 회사 자체 benchmark·비용추정이므로 independent audited TCO로 보지 않았다. [Alibaba.com / PR Newswire](https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html) [Fortune - Kuo Zhang](https://www.fortune.com/2026/09/09/alibaba-president-kuo-zhang-ai-agents-can-talk-but-not-work/)\n[추론] CommerceAgentBench의 가장 중요한 메시지는 `model benchmark`만으로 실제 agent 성능을 설명할 수 없다는 것이다. 같은 model이라도 tool schema, memory/context handling, retry policy, browser/CLI abstraction, verifier interaction이 달라지면 end-state success가 달라진다. Agent 성능의 실질식은 `Model × Harness × Context × Tool Reliability × Verification`에 가깝다.\n[추론] benchmark가 answer quality가 아니라 final state로 pass/fail을 판단한다는 점도 중요하다. 실제 business에서는 freight가 예약됐는지, listing이 올바르게 live 됐는지, fraud signal을 놓치지 않았는지가 중요하므로 evaluation source of truth는 자연어 응답이 아니라 external system state가 된다.\n[반대근거] CommerceAgentBench는 Alibaba/Accio가 설계·운영한 benchmark이며 commerce domain에 편중돼 있다. 107개 task가 전체 enterprise workflow를 대표하지 않고, vendor default reasoning effort와 LLM-assisted judge가 포함되어 있다. 따라서 61.7%를 일반적인 `AI agent 전체 성공률`로 일반화하면 안 된다.\n## 핵심 사건 종합표\n| 순위 | 분류 | 핵심 사건 | 최초 출처 | 연관 출처 체인 | 발생 시각과 미국 현지 날짜 | 핵심 사실 | 후속 전개 | 왜 중요한가 | 숨은 의미·비하인드 해석 | 담당자·관련 인물 | 수혜자 | 불리한 측 | 기술·사업 영향 | 다음 신호 | 신뢰도 | 검증 상태 | 원문 링크 |\n| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |\n| 1 | Agent API·FinOps·Runtime Reliability | OpenAI Agents API hosted-container overbilling incident와 refund 진행 | OpenAI Status 9/18 | 9/10 Agents API public beta → 9/14 managed-session delay incident → 9/18 22:29 UTC overbilling 조사 → affected usage review/refund calculation → 9/19 01:08 UTC mitigation identified → 조사시각 ongoing | 시작 2026-09-18 22:29 UTC = 18:29 EDT / 15:29 PDT | hosted container에 higher-than-expected charges, affected customers refund 준비. 원인·금액·범위 미공개 | mitigation·refund calculation 진행 중 | long-running agent에서 billing correctness가 availability만큼 중요한 runtime SLO가 됨 | [추론] autonomous session은 token bill 외 container lifetime/memory/tool cost를 누적하므로 cost guardrail이 permission guardrail과 같은 control-plane primitive가 됨 | OpenAI Agents/API infra·billing teams, Agents API users | FinOps/observability vendors, enterprises with usage ledger/budget caps | unmanaged long-running agents, weak cost attribution | per-agent budgets, container TTL, metering audit, automatic refund/reconciliation 요구 증가 | root-cause postmortem, affected scope, final refund method, cost anomaly API, hard budget limits | 매우 높음 | OpenAI official status + official Agents API/pricing. incident 규모는 미공개 | [Status](https://status.openai.com/history) / [Agents API](https://openai.com/index/introducing-the-agents-api/) / [Pricing](https://developers.openai.com/api/docs/pricing) |\n| 2 | Coding Agents·Open Standard·Enterprise Security | Claude Code v2.1.277이 AGENTS.md fallback과 proxy egress boundary, sandbox/provenance hardening을 추가 | Anthropic GitHub release 9/18 | Codex AGENTS.md → GitHub Copilot support → AAIF neutral stewardship → Claude Code v2.1.277 adoption → proxy egress/sandbox/subagent provenance fixes | GitHub release page: 2026-09-18 18:06 표시, timezone 미표시 | no CLAUDE.md 시 AGENTS.md, forward-proxy egress boundary, static upstream headers, compound-command sandbox fix, hidden Unicode cleanup, subagent-output framing | cross-vendor repo instructions와 enterprise network/policy layer가 더 가까워짐 | coding agent의 project instructions가 portable repo artifact가 되고 execution security가 multi-layer control plane으로 이동 | [추론] `Repo Policy→Gateway/Proxy→Sandbox→Plugin Commit→Subagent Provenance`가 agent DevSecOps 기본선이 될 가능성 | Anthropic Claude Code team, OpenAI/AAIF, GitHub Copilot ecosystem | multi-agent dev teams, platform/security admins | vendor-specific instruction silos, weak gateway/sandbox policy | policy portability, central egress control, supply-chain provenance, prompt-origin separation | Bedrock/Vertex/Foundry support, precedence spec, nested AGENTS semantics, signed policy, cross-agent conformance tests | 매우 높음 | official GitHub release + OpenAI AAIF + GitHub changelog | [Claude Code](https://github.com/anthropics/claude-code/releases/tag/v2.1.277) / [AAIF](https://openai.com/index/agentic-ai-foundation/) / [GitHub](https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/) |\n| 3 | Agent Evaluation·Commerce·Harness | CommerceAgentBench에서 최상위 agent도 107 real-commerce task의 61.7%; 같은 model도 harness에 따라 결과 변화 | Accio/Alibaba GitHub + 9/18 PYMNTS | Alibaba merchant traces → 107 stateful tasks → 13 model families × Pi/OpenClaw/Accio → end-state verifier → Sep18 failure-pattern follow-up | benchmark Sep9 공개; PYMNTS 2026-09-18, 정확한 시각 미공개 | Opus5 Pi 60.7/OpenClaw 56.1/Accio 61.7; Sol 48.6/49.5/51.4. 53 CLI·28 browser·16 file·10 API/MCP | landed cost, disputes, multi-leg shipping 등 long-state task 실패가 두드러짐 | agent performance는 model IQ가 아니라 harness·tool·state·verifier의 결합성능임 | [추론] enterprise 구매는 token benchmark보다 end-state pass rate·retry cost·human intervention·harness portability를 봐야 함 | Alibaba.com/Accio team, Kuo Zhang, tested model/harness developers | agent evaluation vendors, vertical AI, enterprises requiring auditable task outcomes | chat-only benchmarks, model-only leaderboard marketing | stateful benchmark, task-level routing, deterministic verifier, full trajectory audit 수요 확대 | independent reproduction, more domains, normalized reasoning budget, human-intervention rate, production failure correlation | 높음 | public GitHub + PYMNTS + company release. vendor-designed benchmark caveat | [GitHub](https://github.com/Accio-org/CommerceAgentBench) / [PYMNTS](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/) / [Alibaba release](https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html) |\n## 1. OpenAI Agents API hosted-container overbilling — 연관 추적\n### ① 최초 신호\n[확인] 9월 10일 OpenAI는 Agents API public beta를 공개하며 long-running agent를 OpenAI infrastructure에서 days-long으로 실행하고 sandbox, files, code execution, subagents, context management를 함께 제공하기 시작했다. 이때부터 model-token 비용과 hosted compute 비용이 한 agent session 안에서 동시에 발생하는 구조가 일반 개발자에게 열렸다.\n### ② 공식 확인\n[확인] OpenAI Status는 9월 18일 22:29 UTC에 hosted container의 higher-than-expected charges를 공식 incident로 열고 fix와 affected-customer refunds를 준비한다고 밝혔다. 조사시각 기준 mitigation이 아직 ongoing이다. [OpenAI Status](https://status.openai.com/)\n### ③ 후속 기사와 반응\n[확인] 공식 status feed를 추적하는 secondary monitor들은 OpenAI가 23:22 UTC에 affected usage를 review해 impacted customer와 refund를 계산한다고 업데이트했고 01:08 UTC에는 Identified 단계에서 mitigation을 구현 중이라고 기록했다. availability probe는 정상인 경우도 있어 이번 incident가 service-down보다 billing/metering plane 문제라는 점이 구분된다.\n### ④ 담당자·연구자·개발자 발언\n[확인] OpenAI의 9월 10일 launch 설명은 Agents API 자체 사용료보다 model과 tools에 비용이 발생하며 hosted sandbox가 별도 container cost라는 구조를 설명한다. 현재 billing incident에 대해 root cause engineer statement나 technical postmortem은 아직 공개되지 않았다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인-한계] public status page와 official API announcement/pricing이 핵심근거다. 이번 실행에서는 OpenAI 공식 X/YouTube나 public GitHub에서 incident root cause를 추가 설명하는 게시물을 확인하지 못했다. Developer Community에는 launch 직후 hosted sandbox 비용계산에 주의하라는 사용자 반응이 있었지만 이는 incident 원인을 증명하지 않는다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] 현재 실제 변경은 incident mitigation과 refund workflow다. Agents API product pricing 자체가 새로 바뀌었다고 확인되지는 않았다. 다만 platform operator가 container usage ledger를 다시 계산해 customer refund를 수행해야 하는 상황이 발생했다.\n### ⑦ 숨은 의미와 비하인드\n[추론] Agent autonomy는 cost autonomy이기도 하다. Agent가 tool call을 반복하거나 container를 오래 유지하면 정확히 동작해도 비용이 늘어난다. 따라서 `permission to act`와 별도로 `permission to spend`가 필요하다. Budget guardrail이 없는 agent는 cloud resource를 사용할 권한만 있고 경제적 한계가 없는 principal이 된다.\n[추론] 향후 agent platform의 enterprise SLO는 response success rate 외에 `meter accuracy`, `cost attribution completeness`, `budget stop latency`, `refund/reconciliation time`까지 포함될 가능성이 높다.\n### ⑧ 반대 근거와 과장 가능성\n[확인] incident는 과다청구라는 사실만 공개됐다. 모델이 infinite loop를 돌았는지, container lifecycle 계산이 잘못됐는지, 특정 SKU에 국한됐는지 알 수 없다. 과다청구를 `Agents API architecture 전체의 비용폭주`로 확대해석하면 안 된다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nOpenAI final status, technical write-up, affected period·SKU·region, automatic refund method, invoice correction, container usage export, per-session cost cap, hard budget circuit breaker, idle container termination 정책을 추적해야 한다.\n## 2. Claude Code v2.1.277 — AGENTS.md·egress boundary·provenance hardening — 연관 추적\n### ① 최초 신호\n[확인] coding agent가 늘어나면서 repository마다 CLAUDE.md, GEMINI.md, copilot-instructions 등 vendor별 instruction file이 생겼다. OpenAI는 이를 단일 vendor convention으로 두지 않고 2025년 AGENTS.md를 AAIF에 기증했고 GitHub Copilot도 support를 추가했다.\n### ② 공식 확인\n[확인] Anthropic v2.1.277은 프로젝트에 CLAUDE.md가 없을 때 AGENTS.md를 읽는다. 같은 release는 forward proxy를 egress boundary로 지정하는 flag와 upstream static headers를 추가했다. [Claude Code release](https://github.com/anthropics/claude-code/releases/tag/v2.1.277)\n### ③ 후속 기사와 반응\n[확인] 별도 언론보도보다 GitHub release 자체가 primary developer signal이다. GitHub page에는 소수의 developer reactions가 붙었지만 이것을 adoption evidence로 과대평가하지 않았다. 중요한 후속맥락은 AGENTS.md가 이미 Copilot, Codex, Cursor, Gemini CLI 등 여러 도구에서 쓰이고 있었다는 ecosystem chain이다.\n### ④ 담당자·연구자·개발자 발언\n[확인] OpenAI는 AGENTS.md를 README와 함께 repository에 놓는 lightweight interoperable format이라고 설명했고 2025년 12월 60,000+ open-source project/framework adoption을 공개했다. Anthropic의 release는 별도 철학설명 없이 실제 product compatibility를 추가했다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] GitHub release는 security hardening을 함께 기록한다: hidden Unicode prompt cleanup, compound Bash sandbox exception matching 수정, official/pinned plugin commit bookkeeping, subagent result provenance framing. public YouTube demo는 이번 기능검증에 필요하지 않았고 별도 공식 X 설명도 핵심근거로 확인하지 못했다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] 이제 Claude Code 사용자는 CLAUDE.md가 없는 repository에서도 AGENTS.md instruction을 재사용할 수 있다. Enterprise gateway에서는 DNS/hostname egress decision을 local client 대신 forward proxy에 넘길 수 있어 중앙 network policy/inspection architecture가 단순해질 수 있다.\n### ⑦ 숨은 의미와 비하인드\n[추론] Agent interoperability는 모델 API 호환보다 `instructions + tools + network + state + provenance`의 공통규칙에서 결정될 수 있다. AGENTS.md는 그중 repository instruction layer를 표준화하고 MCP는 tool layer를 표준화한다. 두 표준이 함께 확산되면 vendor별 coding agent를 교체하면서 project policy를 유지하기 쉬워진다.\n[추론] 반대로 enterprise 경쟁력은 표준 위의 enforcement에서 생긴다. 같은 AGENTS.md를 읽더라도 어느 network로 나갈 수 있는지, 어떤 shell command가 sandbox 밖으로 갈 수 있는지, subagent text가 instruction으로 승격될 수 있는지는 runtime control-plane 구현에 달려 있다.\n### ⑧ 반대 근거와 과장 가능성\n[확인] Claude Code의 AGENTS.md는 fallback이고 CLAUDE.md가 primary다. cloud/provider surface support도 아직 불완전하다. AGENTS.md가 project instruction portability를 높여도 tool permission, sandbox semantics, memory, hooks, skills까지 자동으로 호환되는 것은 아니다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nBedrock·Vertex·Foundry 지원, nested AGENTS.md/override precedence, schema 또는 conformance test, signed repository policy, IDE/CI 동일해석, MCP permission과 AGENTS policy 결합, enterprise gateway egress audit log를 확인해야 한다.\n## 3. CommerceAgentBench — model보다 harness와 end-state가 중요한 실전 benchmark — 연관 추적\n### ① 최초 신호\n[확인] Alibaba.com은 9월 9일 CoCreate에서 CommerceAgentBench와 Accio expansion을 공개했다. benchmark는 실제 commerce activity에서 추출한 workflow를 stateful local replica로 바꿔 agent가 단순 답변이 아니라 실제 state change를 끝까지 수행하도록 설계됐다.\n### ② 공식 확인\n[확인] GitHub repository는 107 task, 세 harness, 13 model family, fresh container, auditable trajectory와 verifier를 공개한다. live leaderboard가 source of record이며 공개 snapshot에서 최고는 Accio harness의 Claude Opus 5 61.7%다. [CommerceAgentBench](https://github.com/Accio-org/CommerceAgentBench)\n### ③ 후속 기사와 반응\n[확인] PYMNTS는 9월 18일 failure pattern을 분석하며 landed cost, return disputes, multi-leg logistics처럼 긴 state와 다중자료를 유지해야 하는 작업을 취약지점으로 짚었다. 이는 benchmark 공개 후 `점수`보다 `어디서 깨지는가`에 초점을 옮긴 후속해석이다. [PYMNTS](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/)\n### ④ 담당자·연구자·개발자 발언\n[확인] Alibaba.com President Kuo Zhang은 Fortune 기고에서 commerce는 말이 그럴듯한지가 아니라 listing·shipment·payment 같은 end state가 맞아야 한다는 취지로 benchmark를 설명했다. 회사는 no single model이 모든 task에서 우위가 아니므로 task-level routing을 강조한다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] GitHub repository가 가장 중요한 공개 개발흔적이다. task definitions와 local replicas, verifier, run artifacts/logs를 공개하고 external/pre-release model evaluation 요청도 받는다. 이번 실행에서는 benchmark 결과를 독립적으로 재실행한 public YouTube/X trace는 핵심근거로 확인하지 못했다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] Alibaba는 benchmark와 함께 Accio를 commerce workspace로 확대하고 multiple storefront workflow를 연결한다고 발표했다. 그러나 이번 보고서의 핵심은 제품 홍보보다 benchmark 설계다: task success가 natural-language judge만이 아니라 실제 state verifier와 artifact로 평가된다.\n### ⑦ 숨은 의미와 비하인드\n[추론] Agent leaderboard가 model leaderboard와 분리될 가능성이 높다. 동일 model에 어떤 harness를 붙이는지가 5%p 이상 성능을 바꾸고 token/step/time 구조도 크게 바뀌면 enterprise 구매단위는 `model`이 아니라 `model+harness+toolchain+verifier` bundle이 된다.\n[추론] 이는 agent 운영에서 A/B test 단위를 model ID가 아니라 full execution graph로 바꾼다. `Task → Harness → Model Route → Tool Calls → State Change → Verifier → Human Escalation` 전체를 versioning해야 재현성과 회귀검사가 가능하다.\n### ⑧ 반대 근거와 과장 가능성\n[확인] benchmark는 Alibaba/Accio가 설계했고 commerce domain에 특화돼 있다. vendor default reasoning effort가 서로 다르고 LLM-assisted verifier도 포함한다. 따라서 harness 차이가 순수하게 harness 자체 때문이라고 완전히 분리해 인과추정할 수 없다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nthird-party reproduction, additional verticals, fixed reasoning/token budget, deterministic-only subset, human-review cost, rollback/error severity, live production correlation, model+harness routing policy, benchmark version drift를 확인해야 한다.\n## ① 오늘의 핵심 흐름\n이번 증분의 공통점은 agent의 성패가 model intelligence 밖에서 결정된다는 것이다. OpenAI는 `비용/계량`, Claude Code는 `instruction·network·sandbox·provenance`, CommerceAgentBench는 `harness·state·verifier`가 실제 결과를 바꾼다는 증거를 동시에 보여준다.\n[추론] 하나의 구조로 정리하면 `Repository/Task Policy → Agent Runtime → Network/Tool/Container → State Change → Meter/Trace → Verifier → Budget/Approval → Recovery`다. Agent platform은 사실상 작은 operating system과 cloud control plane을 합친 제품으로 진화하고 있다.\n## ② 새로운 출시·업데이트\n가장 최신 product update는 Claude Code v2.1.277의 AGENTS.md·egress-boundary·security fixes다. 가장 최신 operational event는 OpenAI Agents API hosted-container overbilling incident다. CommerceAgentBench는 9월 9일 공개됐지만 9월 18일 미국 영어권 후속분석이 나오며 실제 failure mode와 harness effect가 다시 확인돼 이번 증분에 포함했다.\n## ③ 핵심기술·연구\n핵심기술은 세 가지다. 첫째 agent billing/metering ledger, 둘째 repository instruction과 network/sandbox enforcement, 셋째 stateful end-state benchmark다. [추론] 앞으로 agent engineering의 기본 metric은 accuracy 외에 cost-per-success, policy-violation rate, state-recovery rate, verifier pass rate, human-escalation rate가 될 가능성이 크다.\n## ④ 기업·담당자·조직 신호\nOpenAI는 Agents API를 model endpoint가 아니라 managed harness+compute 사업으로 확장했고, 그 결과 billing/FinOps 책임까지 플랫폼 범위에 들어왔다. Anthropic은 MCP에 이어 AGENTS.md까지 받아들이며 interoperability 표준에는 참여하면서도 gateway/sandbox enforcement에서 차별화한다. Alibaba는 vertical commerce benchmark와 Accio product를 함께 운영해 model routing·harness optimization을 사업자산으로 만들고 있다.\n## ⑤ SNS·YouTube에서 포착된 신호\n이번 실행에서 직접 검증가능한 핵심신호는 GitHub release/repository와 official status/documentation이었다. Claude release에는 developer reactions가 있으나 표본이 작아 시장반응으로 해석하지 않았다. OpenAI incident root cause를 설명하는 공식 X/YouTube는 확인하지 못했고, CommerceAgentBench의 independent public video reproduction도 확인하지 못했다.\n## ⑥ 약한 신호와 향후 조짐\n[추론] 첫째 agent 플랫폼에서 FinOps가 security와 합쳐질 가능성이 크다. Tool permission과 spend permission을 같은 policy engine이 평가하는 구조가 자연스럽다. 둘째 AGENTS.md와 MCP가 함께 확산되면 agent portability의 공통분모가 생기지만 enforcement·memory·billing은 vendor별 moat로 남을 수 있다. 셋째 benchmark가 end-state 중심으로 이동하면 `누가 더 말 잘하는가`보다 `누가 오류를 감지·복구하고 실제 시스템을 올바르게 바꾸는가`가 평가 중심이 된다.\n## ⑦ 과장·루머·주의 항목\nOpenAI overbilling의 root cause와 총액은 미공개이므로 `Agents API가 무한 과금된다`고 표현하면 안 된다. Claude Code가 AGENTS.md를 지원한다고 해서 CLAUDE.md가 폐기되거나 모든 provider에서 즉시 동일동작하는 것도 아니다. CommerceAgentBench 61.7%는 commerce-specific, vendor-designed benchmark 최고점이지 모든 agent 업무의 보편 성공률이 아니다.\n## ⑧ 사용자가 반드시 알아야 할 것\n실전 agent 시스템에서는 `Model Registry`만으로 부족하다. 최소 `Instruction/Policy Registry`, `Tool & Network Permission`, `Session/State Registry`, `Container/Compute Ledger`, `Cost Budget`, `Trace/Provenance`, `Verifier/Test`, `Recovery/Rollback`을 별도 source of truth로 가져야 한다.\n특히 장기 agent를 운영한다면 `할 수 있는가`와 `써도 되는가`, `얼마까지 써도 되는가`, `실제로 성공했는가`를 분리해야 한다. Capability, Permission, Budget, Verification이 각각 독립 gate여야 한 번의 model mistake나 metering bug가 실제 시스템·비용·데이터에 연쇄확산되는 것을 막을 수 있다.\n## ⑨ 누락 가능성과 탐색 한계\n이번 조사는 OpenAI official status/history·Agents API launch·pricing, Anthropic Claude Code v2.1.277 GitHub release, OpenAI AAIF post, GitHub Copilot AGENTS.md changelog, CommerceAgentBench public repository, PYMNTS 후속기사, Alibaba.com 제공 영문 보도자료, Fortune 기고를 확인했다.\nOpenAI billing incident의 internal root cause·affected account count·refund amount는 공개되지 않았다. Claude Code release의 정확한 timezone은 GitHub page text에 명시되지 않아 임의 환산하지 않았다. CommerceAgentBench는 proprietary merchant raw data가 공개된 것이 아니라 그 데이터에서 추출한 benchmark이며, 모든 모델 run을 독립 third party가 재현한 것은 아니다. 로그인 제한 SNS·private Discord/Slack·삭제자료는 사실처럼 포함하지 않았다.\n## 참고 자료와 작성 정보\n조사·작성 기준 시각: 2026-09-19 12:43:47 KST / 2026-09-18 23:43:47 EDT / 2026-09-18 20:43:47 PDT / 2026-09-19 03:43:47 UTC.\n주요 직접출처: [OpenAI Status](https://status.openai.com/history); [OpenAI Agents API](https://openai.com/index/introducing-the-agents-api/); [OpenAI Pricing](https://developers.openai.com/api/docs/pricing); [Claude Code v2.1.277](https://github.com/anthropics/claude-code/releases/tag/v2.1.277); [OpenAI AAIF / AGENTS.md](https://openai.com/index/agentic-ai-foundation/); [GitHub Copilot AGENTS.md](https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/); [CommerceAgentBench](https://github.com/Accio-org/CommerceAgentBench); [PYMNTS](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/); [Alibaba.com release](https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html); [Fortune](https://www.fortune.com/2026/09/09/alibaba-president-kuo-zhang-ai-agents-can-talk-but-not-work/).\n이 브리핑은 AI의 도움으로 공개 자료를 조사·정리했습니다. 확인된 사실과 추론, 미확인 내용을 구분해 표시했습니다.","body_format":"text/markdown","body_text":"핵심 요약 조사 기준 시각: 한국시간 2026-09-19 12:43:47 KST (Asia/Seoul, UTC+09:00) / 미국 동부 2026-09-18 23:43:47 EDT (America/New_York, UTC-04:00) / 미국 서부 2026-09-18 20:43:47 PDT (America/Los_Angeles, UTC-07:00) / UTC 2026-09-19 03:43:47. [확인] 지정 발행 폴더의 직전 미국 AI 브리핑은 gpt_20260919_114912_001.docx다. 기존 폴더 검색에서 Hacktron/OpenAI SSO, OpenAI·Microsoft 저작권 doom-loop, Salesforce Koa, OpenAI model-misalignment 연구는 과거 문서에 이미 존재해 이번 증분에서 제외했다. 반면 Claude Code v2.1.277의 AGENTS.md·egress-boundary 변화, OpenAI Agents API hosted-container overbilling, CommerceAgentBench의 harness 비교는 동일 핵심사건을 다룬 기존 문서를 확인하지 못했다. [확인-1] OpenAI Status는 9월 18일 22:29 UTC(18:29 EDT / 15:29 PDT) Overbilling for OpenAI-hosted containers in the Agent API를 공개했다. OpenAI는 hosted container에 예상보다 높은 비용이 청구되는 문제를 조사하고 있으며 affected customers에 refund를 준비한다고 밝혔다. 이후 affected usage를 검토해 고객과 환불액을 식별하고 mitigation을 구현 중이라고 업데이트했다. 조사 기준 시각에도 status root는 incident가 ongoing이라고 표시했다. OpenAI Status - History OpenAI Status [확인] 이번 사고는 availability outage와 구분된다. 외부 status mirror가 공식 feed를 보존한 timeline에 따르면 23:22 UTC에도 fix와 refund calculation이 진행 중이었고, 9월 19일 01:08 UTC에는 status가 Identified로 바뀌어 mitigation 구현이 계속됐다. 정확한 root cause, 과다청구 금액, affected customer 수, 특정 container size 또는 duration 범위는 공개되지 않았다. Incident timeline mirror [확인-배경] OpenAI는 9월 10일 Agents API를 public beta로 공개했다. 이 API는 Codex와 같은 harness/infrastructure를 제공하며 agent가 days-long task를 수행하고 OpenAI-hosted sandbox 또는 다른 compute environment에서 files·code·intermediate results를 다룰 수 있게 한다. 모델 사용량과 hosted sandbox/container compute는 별도의 비용축이다. OpenAI - Introducing the Agents API [확인-가격구조] OpenAI 공식 pricing은 Hosted Shell·Code Interpreter가 포함된 container를 별도 도구비용으로 취급하며, eligible container sessions를 시간·메모리 usage에 따라 과금하는 구조를 설명한다. 따라서 agent 비용은 단순 token bill이 아니라 Model Tokens + Tool Calls + Container Lifetime/Memory + Other Hosted Resources의 합으로 봐야 한다. OpenAI API Pricing [추론] 이번 사고의 본질은 agent 플랫폼에서 billing correctness가 observability·availability와 같은 운영 신뢰성의 일부가 됐다는 점이다. 장기 agent는 사람이 보고 있는 HTTP request 하나가 아니라 session이 수시간·수일 동안 container를 유지할 수 있으므로 metering bug가 workload 성공 여부와 무관하게 비용을 누적시킬 수 있다. [추론] enterprise side에서는 Agent Session → Container Allocation → Tool Runtime → Meter Event → Cost Ledger → Budget Guard → Reconciliation/Refund를 별도 control loop로 만들어야 한다. per-agent max spend, idle-timeout, container TTL, memory-tier cap, anomaly alert, immutable usage ledger가 없으면 agent autonomy가 곧 uncontrolled cloud spend로 변할 수 있다. [반대근거] OpenAI는 affected customers와 refund를 준비한다고 밝혔지만 incident 규모를 공개하지 않았다. 모든 Agents API 사용자나 모든 hosted container가 과다청구됐다고 단정할 근거는 없다. 또한 현재 공개자료는 billing incident이지 agent task correctness나 model safety failure를 뜻하지 않는다. [확인-2] Anthropic은 9월 18일 GitHub에서 Claude Code v2.1.277을 공개했다. 가장 눈에 띄는 변경은 프로젝트에 CLAUDE.md가 없을 때 AGENTS.md를 읽는 fallback 지원이다. Project instructions 설정에서 선택할 수 있고, 현재 Bedrock·Vertex·Foundry surface에는 아직 적용되지 않는다. Claude Code v2.1.277 [확인] 같은 release는 enterprise network control도 확장했다. CLAUDE_GATEWAY_PROXY_IS_EGRESS_BOUNDARY=1을 켜면 Claude apps gateway의 outbound request가 hostname을 local resolve하지 않고 forward proxy에 넘긴다. provider 앞의 proxy에 static headers를 보낼 수 있는 upstream headers: map도 추가됐다. 즉 DNS/host decision과 auth/routing policy를 중앙 proxy에 더 강하게 모을 수 있다. [확인-보안하드닝] v2.1.277은 여러 execution boundary bug도 함께 수정했다. compound Bash command에서 한 부분만 glob에 맞아도 전체가 sandbox 제외되던 sandbox.excludedCommands 문제를 고쳐 모든 part가 match해야 하게 했고, invisible Unicode formatting/tag characters를 prompt에서 제거해 cleaned prompt를 review하도록 바꿨다. subagent result에는 명시적인 subagent-output header를 붙여 결과 text가 main session instruction인 것처럼 전달되지 않게 했다. Official marketplace plugin의 commit 기록과 pinned-commit update bookkeeping도 수정했다. [확인-표준체인] AGENTS.md는 OpenAI Codex의 repository-level instruction convention에서 시작해 2025년 8월 공개된 뒤 OpenAI가 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기증했다. OpenAI는 2025년 12월 기준 60,000개 이상의 open-source project/framework가 AGENTS.md를 채택했다고 밝혔고, GitHub Copilot coding agent도 2025년 8월부터 root/nested AGENTS.md를 지원했다. Anthropic은 AAIF 공동창립자로 MCP를 기여한 회사인데, 이제 Claude Code도 AGENTS.md를 읽는다. OpenAI - Agentic AI Foundation GitHub - Copilot AGENTS.md [추론] 이는 coding-agent ecosystem에서 repository instruction이 vendor-specific prompt 파일에서 policy-as-repo 관례로 수렴한다는 신호다. README가 사람에게 프로젝트를 설명한다면 AGENTS.md는 agent가 build/test/style/safety rule을 읽는 machine-operating manual 역할을 한다. [추론] 동시에 egress boundary, sandbox matching, hidden-Unicode cleanup, subagent provenance framing이 한 release에 모였다는 점이 중요하다. Agent의 실제 security boundary가 prompt뿐 아니라 Repo Instructions → Gateway/Proxy → Sandbox → Plugin Provenance → Subagent Message Provenance의 다층 control plane으로 확장되고 있다. [반대근거] Claude Code는 CLAUDE.md가 존재하면 AGENTS.md보다 CLAUDE.md를 사용한다. AGENTS.md support는 Bedrock·Vertex·Foundry에 아직 없고, 각 coding agent가 nested file·precedence·override를 동일하게 해석하는 것도 아니다. 따라서 완전한 cross-vendor agent instruction 표준이 완성됐다고 표현하면 과장이다. [확인-3] Alibaba.com Accio team이 공개한 CommerceAgentBench는 107개의 stateful commerce/business task를 실제 interface replica에서 수행하게 한다. 구성은 53 CLI, 28 browser, 16 file, 10 API/MCP task이며, 65 text-only, 20 browser-text, 22 vision-required task로 나뉜다. 각 task는 fresh container에서 실행되고 configuration, trajectory, verifier result, artifacts, logs, container metadata가 보존된다. CommerceAgentBench GitHub [확인] 같은 13 model family를 Pi, OpenClaw, Accio 세 harness에 넣은 공개 snapshot에서 Claude Opus 5는 Pi 60.7%(65/107), OpenClaw 56.1%(60/107), Accio 61.7%(66/107)를 기록했다. GPT-5.6 Sol은 각각 48.6%, 49.5%, 51.4%였다. 즉 같은 model family라도 harness에 따라 몇 percentage point의 결과차가 발생했다. [확인-방법론한계] repo는 published score가 Accio-managed evaluation endpoints와 gemini-3.1-pro-preview judge를 사용했다고 밝힌다. 모든 model은 thinking enabled였지만 provider default reasoning effort가 서로 달라 harness/model 간 compute budget이 완전히 정규화된 실험은 아니다. Steps, wall-clock time, token telemetry도 provider별 accounting과 tool granularity가 달라 normalized efficiency score가 아니라고 명시한다. [확인-후속보도] PYMNTS는 9월 18일 benchmark를 다시 분석하면서 landed cost, return disputes, multi-leg shipping처럼 긴 state chain을 유지해야 하는 업무에서 실패가 집중된다고 보도했다. 최상위 61.7%는 실제 자동화를 시작할 수준이지만 약 4개 중 1~2개 가까운 task가 여전히 끝까지 성공하지 못한다는 의미다. PYMNTS - Commerce Test Shows Where AI Agents Break Down [확인-최초사업맥락] Alibaba.com은 9월 9일 보도자료에서 benchmark task가 10M active SMB users, 1.6M conversations, 200k execution traces에서 추출됐다고 설명하고 Accio가 general-purpose agent 대비 낮은 estimated cost를 보였다고 주장했다. 이는 회사 자체 benchmark·비용추정이므로 independent audited TCO로 보지 않았다. Alibaba.com / PR Newswire Fortune - Kuo Zhang [추론] CommerceAgentBench의 가장 중요한 메시지는 model benchmark만으로 실제 agent 성능을 설명할 수 없다는 것이다. 같은 model이라도 tool schema, memory/context handling, retry policy, browser/CLI abstraction, verifier interaction이 달라지면 end-state success가 달라진다. Agent 성능의 실질식은 Model × Harness × Context × Tool Reliability × Verification에 가깝다. [추론] benchmark가 answer quality가 아니라 final state로 pass/fail을 판단한다는 점도 중요하다. 실제 business에서는 freight가 예약됐는지, listing이 올바르게 live 됐는지, fraud signal을 놓치지 않았는지가 중요하므로 evaluation source of truth는 자연어 응답이 아니라 external system state가 된다. [반대근거] CommerceAgentBench는 Alibaba/Accio가 설계·운영한 benchmark이며 commerce domain에 편중돼 있다. 107개 task가 전체 enterprise workflow를 대표하지 않고, vendor default reasoning effort와 LLM-assisted judge가 포함되어 있다. 따라서 61.7%를 일반적인 AI agent 전체 성공률로 일반화하면 안 된다. 핵심 사건 종합표 | 순위 | 분류 | 핵심 사건 | 최초 출처 | 연관 출처 체인 | 발생 시각과 미국 현지 날짜 | 핵심 사실 | 후속 전개 | 왜 중요한가 | 숨은 의미·비하인드 해석 | 담당자·관련 인물 | 수혜자 | 불리한 측 | 기술·사업 영향 | 다음 신호 | 신뢰도 | 검증 상태 | 원문 링크 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | Agent API·FinOps·Runtime Reliability | OpenAI Agents API hosted-container overbilling incident와 refund 진행 | OpenAI Status 9/18 | 9/10 Agents API public beta → 9/14 managed-session delay incident → 9/18 22:29 UTC overbilling 조사 → affected usage review/refund calculation → 9/19 01:08 UTC mitigation identified → 조사시각 ongoing | 시작 2026-09-18 22:29 UTC = 18:29 EDT / 15:29 PDT | hosted container에 higher-than-expected charges, affected customers refund 준비. 원인·금액·범위 미공개 | mitigation·refund calculation 진행 중 | long-running agent에서 billing correctness가 availability만큼 중요한 runtime SLO가 됨 | [추론] autonomous session은 token bill 외 container lifetime/memory/tool cost를 누적하므로 cost guardrail이 permission guardrail과 같은 control-plane primitive가 됨 | OpenAI Agents/API infra·billing teams, Agents API users | FinOps/observability vendors, enterprises with usage ledger/budget caps | unmanaged long-running agents, weak cost attribution | per-agent budgets, container TTL, metering audit, automatic refund/reconciliation 요구 증가 | root-cause postmortem, affected scope, final refund method, cost anomaly API, hard budget limits | 매우 높음 | OpenAI official status + official Agents API/pricing. incident 규모는 미공개 | Status / Agents API / Pricing | | 2 | Coding Agents·Open Standard·Enterprise Security | Claude Code v2.1.277이 AGENTS.md fallback과 proxy egress boundary, sandbox/provenance hardening을 추가 | Anthropic GitHub release 9/18 | Codex AGENTS.md → GitHub Copilot support → AAIF neutral stewardship → Claude Code v2.1.277 adoption → proxy egress/sandbox/subagent provenance fixes | GitHub release page: 2026-09-18 18:06 표시, timezone 미표시 | no CLAUDE.md 시 AGENTS.md, forward-proxy egress boundary, static upstream headers, compound-command sandbox fix, hidden Unicode cleanup, subagent-output framing | cross-vendor repo instructions와 enterprise network/policy layer가 더 가까워짐 | coding agent의 project instructions가 portable repo artifact가 되고 execution security가 multi-layer control plane으로 이동 | [추론] Repo Policy→Gateway/Proxy→Sandbox→Plugin Commit→Subagent Provenance가 agent DevSecOps 기본선이 될 가능성 | Anthropic Claude Code team, OpenAI/AAIF, GitHub Copilot ecosystem | multi-agent dev teams, platform/security admins | vendor-specific instruction silos, weak gateway/sandbox policy | policy portability, central egress control, supply-chain provenance, prompt-origin separation | Bedrock/Vertex/Foundry support, precedence spec, nested AGENTS semantics, signed policy, cross-agent conformance tests | 매우 높음 | official GitHub release + OpenAI AAIF + GitHub changelog | Claude Code / AAIF / GitHub | | 3 | Agent Evaluation·Commerce·Harness | CommerceAgentBench에서 최상위 agent도 107 real-commerce task의 61.7%; 같은 model도 harness에 따라 결과 변화 | Accio/Alibaba GitHub + 9/18 PYMNTS | Alibaba merchant traces → 107 stateful tasks → 13 model families × Pi/OpenClaw/Accio → end-state verifier → Sep18 failure-pattern follow-up | benchmark Sep9 공개; PYMNTS 2026-09-18, 정확한 시각 미공개 | Opus5 Pi 60.7/OpenClaw 56.1/Accio 61.7; Sol 48.6/49.5/51.4. 53 CLI·28 browser·16 file·10 API/MCP | landed cost, disputes, multi-leg shipping 등 long-state task 실패가 두드러짐 | agent performance는 model IQ가 아니라 harness·tool·state·verifier의 결합성능임 | [추론] enterprise 구매는 token benchmark보다 end-state pass rate·retry cost·human intervention·harness portability를 봐야 함 | Alibaba.com/Accio team, Kuo Zhang, tested model/harness developers | agent evaluation vendors, vertical AI, enterprises requiring auditable task outcomes | chat-only benchmarks, model-only leaderboard marketing | stateful benchmark, task-level routing, deterministic verifier, full trajectory audit 수요 확대 | independent reproduction, more domains, normalized reasoning budget, human-intervention rate, production failure correlation | 높음 | public GitHub + PYMNTS + company release. vendor-designed benchmark caveat | GitHub / PYMNTS / Alibaba release | 1. OpenAI Agents API hosted-container overbilling — 연관 추적 ① 최초 신호 [확인] 9월 10일 OpenAI는 Agents API public beta를 공개하며 long-running agent를 OpenAI infrastructure에서 days-long으로 실행하고 sandbox, files, code execution, subagents, context management를 함께 제공하기 시작했다. 이때부터 model-token 비용과 hosted compute 비용이 한 agent session 안에서 동시에 발생하는 구조가 일반 개발자에게 열렸다. ② 공식 확인 [확인] OpenAI Status는 9월 18일 22:29 UTC에 hosted container의 higher-than-expected charges를 공식 incident로 열고 fix와 affected-customer refunds를 준비한다고 밝혔다. 조사시각 기준 mitigation이 아직 ongoing이다. OpenAI Status ③ 후속 기사와 반응 [확인] 공식 status feed를 추적하는 secondary monitor들은 OpenAI가 23:22 UTC에 affected usage를 review해 impacted customer와 refund를 계산한다고 업데이트했고 01:08 UTC에는 Identified 단계에서 mitigation을 구현 중이라고 기록했다. availability probe는 정상인 경우도 있어 이번 incident가 service-down보다 billing/metering plane 문제라는 점이 구분된다. ④ 담당자·연구자·개발자 발언 [확인] OpenAI의 9월 10일 launch 설명은 Agents API 자체 사용료보다 model과 tools에 비용이 발생하며 hosted sandbox가 별도 container cost라는 구조를 설명한다. 현재 billing incident에 대해 root cause engineer statement나 technical postmortem은 아직 공개되지 않았다. ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서 [확인-한계] public status page와 official API announcement/pricing이 핵심근거다. 이번 실행에서는 OpenAI 공식 X/YouTube나 public GitHub에서 incident root cause를 추가 설명하는 게시물을 확인하지 못했다. Developer Community에는 launch 직후 hosted sandbox 비용계산에 주의하라는 사용자 반응이 있었지만 이는 incident 원인을 증명하지 않는다. ⑥ 실제 제품·기술·정책 변화 [확인] 현재 실제 변경은 incident mitigation과 refund workflow다. Agents API product pricing 자체가 새로 바뀌었다고 확인되지는 않았다. 다만 platform operator가 container usage ledger를 다시 계산해 customer refund를 수행해야 하는 상황이 발생했다. ⑦ 숨은 의미와 비하인드 [추론] Agent autonomy는 cost autonomy이기도 하다. Agent가 tool call을 반복하거나 container를 오래 유지하면 정확히 동작해도 비용이 늘어난다. 따라서 permission to act와 별도로 permission to spend가 필요하다. Budget guardrail이 없는 agent는 cloud resource를 사용할 권한만 있고 경제적 한계가 없는 principal이 된다. [추론] 향후 agent platform의 enterprise SLO는 response success rate 외에 meter accuracy, cost attribution completeness, budget stop latency, refund/reconciliation time까지 포함될 가능성이 높다. ⑧ 반대 근거와 과장 가능성 [확인] incident는 과다청구라는 사실만 공개됐다. 모델이 infinite loop를 돌았는지, container lifecycle 계산이 잘못됐는지, 특정 SKU에 국한됐는지 알 수 없다. 과다청구를 Agents API architecture 전체의 비용폭주로 확대해석하면 안 된다. ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호 OpenAI final status, technical write-up, affected period·SKU·region, automatic refund method, invoice correction, container usage export, per-session cost cap, hard budget circuit breaker, idle container termination 정책을 추적해야 한다. 2. Claude Code v2.1.277 — AGENTS.md·egress boundary·provenance hardening — 연관 추적 ① 최초 신호 [확인] coding agent가 늘어나면서 repository마다 CLAUDE.md, GEMINI.md, copilot-instructions 등 vendor별 instruction file이 생겼다. OpenAI는 이를 단일 vendor convention으로 두지 않고 2025년 AGENTS.md를 AAIF에 기증했고 GitHub Copilot도 support를 추가했다. ② 공식 확인 [확인] Anthropic v2.1.277은 프로젝트에 CLAUDE.md가 없을 때 AGENTS.md를 읽는다. 같은 release는 forward proxy를 egress boundary로 지정하는 flag와 upstream static headers를 추가했다. Claude Code release ③ 후속 기사와 반응 [확인] 별도 언론보도보다 GitHub release 자체가 primary developer signal이다. GitHub page에는 소수의 developer reactions가 붙었지만 이것을 adoption evidence로 과대평가하지 않았다. 중요한 후속맥락은 AGENTS.md가 이미 Copilot, Codex, Cursor, Gemini CLI 등 여러 도구에서 쓰이고 있었다는 ecosystem chain이다. ④ 담당자·연구자·개발자 발언 [확인] OpenAI는 AGENTS.md를 README와 함께 repository에 놓는 lightweight interoperable format이라고 설명했고 2025년 12월 60,000+ open-source project/framework adoption을 공개했다. Anthropic의 release는 별도 철학설명 없이 실제 product compatibility를 추가했다. ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서 [확인] GitHub release는 security hardening을 함께 기록한다: hidden Unicode prompt cleanup, compound Bash sandbox exception matching 수정, official/pinned plugin commit bookkeeping, subagent result provenance framing. public YouTube demo는 이번 기능검증에 필요하지 않았고 별도 공식 X 설명도 핵심근거로 확인하지 못했다. ⑥ 실제 제품·기술·정책 변화 [확인] 이제 Claude Code 사용자는 CLAUDE.md가 없는 repository에서도 AGENTS.md instruction을 재사용할 수 있다. Enterprise gateway에서는 DNS/hostname egress decision을 local client 대신 forward proxy에 넘길 수 있어 중앙 network policy/inspection architecture가 단순해질 수 있다. ⑦ 숨은 의미와 비하인드 [추론] Agent interoperability는 모델 API 호환보다 instructions + tools + network + state + provenance의 공통규칙에서 결정될 수 있다. AGENTS.md는 그중 repository instruction layer를 표준화하고 MCP는 tool layer를 표준화한다. 두 표준이 함께 확산되면 vendor별 coding agent를 교체하면서 project policy를 유지하기 쉬워진다. [추론] 반대로 enterprise 경쟁력은 표준 위의 enforcement에서 생긴다. 같은 AGENTS.md를 읽더라도 어느 network로 나갈 수 있는지, 어떤 shell command가 sandbox 밖으로 갈 수 있는지, subagent text가 instruction으로 승격될 수 있는지는 runtime control-plane 구현에 달려 있다. ⑧ 반대 근거와 과장 가능성 [확인] Claude Code의 AGENTS.md는 fallback이고 CLAUDE.md가 primary다. cloud/provider surface support도 아직 불완전하다. AGENTS.md가 project instruction portability를 높여도 tool permission, sandbox semantics, memory, hooks, skills까지 자동으로 호환되는 것은 아니다. ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호 Bedrock·Vertex·Foundry 지원, nested AGENTS.md/override precedence, schema 또는 conformance test, signed repository policy, IDE/CI 동일해석, MCP permission과 AGENTS policy 결합, enterprise gateway egress audit log를 확인해야 한다. 3. CommerceAgentBench — model보다 harness와 end-state가 중요한 실전 benchmark — 연관 추적 ① 최초 신호 [확인] Alibaba.com은 9월 9일 CoCreate에서 CommerceAgentBench와 Accio expansion을 공개했다. benchmark는 실제 commerce activity에서 추출한 workflow를 stateful local replica로 바꿔 agent가 단순 답변이 아니라 실제 state change를 끝까지 수행하도록 설계됐다. ② 공식 확인 [확인] GitHub repository는 107 task, 세 harness, 13 model family, fresh container, auditable trajectory와 verifier를 공개한다. live leaderboard가 source of record이며 공개 snapshot에서 최고는 Accio harness의 Claude Opus 5 61.7%다. CommerceAgentBench ③ 후속 기사와 반응 [확인] PYMNTS는 9월 18일 failure pattern을 분석하며 landed cost, return disputes, multi-leg logistics처럼 긴 state와 다중자료를 유지해야 하는 작업을 취약지점으로 짚었다. 이는 benchmark 공개 후 점수보다 어디서 깨지는가에 초점을 옮긴 후속해석이다. PYMNTS ④ 담당자·연구자·개발자 발언 [확인] Alibaba.com President Kuo Zhang은 Fortune 기고에서 commerce는 말이 그럴듯한지가 아니라 listing·shipment·payment 같은 end state가 맞아야 한다는 취지로 benchmark를 설명했다. 회사는 no single model이 모든 task에서 우위가 아니므로 task-level routing을 강조한다. ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서 [확인] GitHub repository가 가장 중요한 공개 개발흔적이다. task definitions와 local replicas, verifier, run artifacts/logs를 공개하고 external/pre-release model evaluation 요청도 받는다. 이번 실행에서는 benchmark 결과를 독립적으로 재실행한 public YouTube/X trace는 핵심근거로 확인하지 못했다. ⑥ 실제 제품·기술·정책 변화 [확인] Alibaba는 benchmark와 함께 Accio를 commerce workspace로 확대하고 multiple storefront workflow를 연결한다고 발표했다. 그러나 이번 보고서의 핵심은 제품 홍보보다 benchmark 설계다: task success가 natural-language judge만이 아니라 실제 state verifier와 artifact로 평가된다. ⑦ 숨은 의미와 비하인드 [추론] Agent leaderboard가 model leaderboard와 분리될 가능성이 높다. 동일 model에 어떤 harness를 붙이는지가 5%p 이상 성능을 바꾸고 token/step/time 구조도 크게 바뀌면 enterprise 구매단위는 model이 아니라 model+harness+toolchain+verifier bundle이 된다. [추론] 이는 agent 운영에서 A/B test 단위를 model ID가 아니라 full execution graph로 바꾼다. Task → Harness → Model Route → Tool Calls → State Change → Verifier → Human Escalation 전체를 versioning해야 재현성과 회귀검사가 가능하다. ⑧ 반대 근거와 과장 가능성 [확인] benchmark는 Alibaba/Accio가 설계했고 commerce domain에 특화돼 있다. vendor default reasoning effort가 서로 다르고 LLM-assisted verifier도 포함한다. 따라서 harness 차이가 순수하게 harness 자체 때문이라고 완전히 분리해 인과추정할 수 없다. ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호 third-party reproduction, additional verticals, fixed reasoning/token budget, deterministic-only subset, human-review cost, rollback/error severity, live production correlation, model+harness routing policy, benchmark version drift를 확인해야 한다. ① 오늘의 핵심 흐름 이번 증분의 공통점은 agent의 성패가 model intelligence 밖에서 결정된다는 것이다. OpenAI는 비용/계량, Claude Code는 instruction·network·sandbox·provenance, CommerceAgentBench는 harness·state·verifier가 실제 결과를 바꾼다는 증거를 동시에 보여준다. [추론] 하나의 구조로 정리하면 Repository/Task Policy → Agent Runtime → Network/Tool/Container → State Change → Meter/Trace → Verifier → Budget/Approval → Recovery다. Agent platform은 사실상 작은 operating system과 cloud control plane을 합친 제품으로 진화하고 있다. ② 새로운 출시·업데이트 가장 최신 product update는 Claude Code v2.1.277의 AGENTS.md·egress-boundary·security fixes다. 가장 최신 operational event는 OpenAI Agents API hosted-container overbilling incident다. CommerceAgentBench는 9월 9일 공개됐지만 9월 18일 미국 영어권 후속분석이 나오며 실제 failure mode와 harness effect가 다시 확인돼 이번 증분에 포함했다. ③ 핵심기술·연구 핵심기술은 세 가지다. 첫째 agent billing/metering ledger, 둘째 repository instruction과 network/sandbox enforcement, 셋째 stateful end-state benchmark다. [추론] 앞으로 agent engineering의 기본 metric은 accuracy 외에 cost-per-success, policy-violation rate, state-recovery rate, verifier pass rate, human-escalation rate가 될 가능성이 크다. ④ 기업·담당자·조직 신호 OpenAI는 Agents API를 model endpoint가 아니라 managed harness+compute 사업으로 확장했고, 그 결과 billing/FinOps 책임까지 플랫폼 범위에 들어왔다. Anthropic은 MCP에 이어 AGENTS.md까지 받아들이며 interoperability 표준에는 참여하면서도 gateway/sandbox enforcement에서 차별화한다. Alibaba는 vertical commerce benchmark와 Accio product를 함께 운영해 model routing·harness optimization을 사업자산으로 만들고 있다. ⑤ SNS·YouTube에서 포착된 신호 이번 실행에서 직접 검증가능한 핵심신호는 GitHub release/repository와 official status/documentation이었다. Claude release에는 developer reactions가 있으나 표본이 작아 시장반응으로 해석하지 않았다. OpenAI incident root cause를 설명하는 공식 X/YouTube는 확인하지 못했고, CommerceAgentBench의 independent public video reproduction도 확인하지 못했다. ⑥ 약한 신호와 향후 조짐 [추론] 첫째 agent 플랫폼에서 FinOps가 security와 합쳐질 가능성이 크다. Tool permission과 spend permission을 같은 policy engine이 평가하는 구조가 자연스럽다. 둘째 AGENTS.md와 MCP가 함께 확산되면 agent portability의 공통분모가 생기지만 enforcement·memory·billing은 vendor별 moat로 남을 수 있다. 셋째 benchmark가 end-state 중심으로 이동하면 누가 더 말 잘하는가보다 누가 오류를 감지·복구하고 실제 시스템을 올바르게 바꾸는가가 평가 중심이 된다. ⑦ 과장·루머·주의 항목 OpenAI overbilling의 root cause와 총액은 미공개이므로 Agents API가 무한 과금된다고 표현하면 안 된다. Claude Code가 AGENTS.md를 지원한다고 해서 CLAUDE.md가 폐기되거나 모든 provider에서 즉시 동일동작하는 것도 아니다. CommerceAgentBench 61.7%는 commerce-specific, vendor-designed benchmark 최고점이지 모든 agent 업무의 보편 성공률이 아니다. ⑧ 사용자가 반드시 알아야 할 것 실전 agent 시스템에서는 Model Registry만으로 부족하다. 최소 Instruction/Policy Registry, Tool & Network Permission, Session/State Registry, Container/Compute Ledger, Cost Budget, Trace/Provenance, Verifier/Test, Recovery/Rollback을 별도 source of truth로 가져야 한다. 특히 장기 agent를 운영한다면 할 수 있는가와 써도 되는가, 얼마까지 써도 되는가, 실제로 성공했는가를 분리해야 한다. Capability, Permission, Budget, Verification이 각각 독립 gate여야 한 번의 model mistake나 metering bug가 실제 시스템·비용·데이터에 연쇄확산되는 것을 막을 수 있다. ⑨ 누락 가능성과 탐색 한계 이번 조사는 OpenAI official status/history·Agents API launch·pricing, Anthropic Claude Code v2.1.277 GitHub release, OpenAI AAIF post, GitHub Copilot AGENTS.md changelog, CommerceAgentBench public repository, PYMNTS 후속기사, Alibaba.com 제공 영문 보도자료, Fortune 기고를 확인했다. OpenAI billing incident의 internal root cause·affected account count·refund amount는 공개되지 않았다. Claude Code release의 정확한 timezone은 GitHub page text에 명시되지 않아 임의 환산하지 않았다. CommerceAgentBench는 proprietary merchant raw data가 공개된 것이 아니라 그 데이터에서 추출한 benchmark이며, 모든 모델 run을 독립 third party가 재현한 것은 아니다. 로그인 제한 SNS·private Discord/Slack·삭제자료는 사실처럼 포함하지 않았다. 참고 자료와 작성 정보 조사·작성 기준 시각: 2026-09-19 12:43:47 KST / 2026-09-18 23:43:47 EDT / 2026-09-18 20:43:47 PDT / 2026-09-19 03:43:47 UTC. 주요 직접출처: OpenAI Status ; OpenAI Agents API ; OpenAI Pricing ; Claude Code v2.1.277 ; OpenAI AAIF / AGENTS.md ; GitHub Copilot AGENTS.md ; CommerceAgentBench ; PYMNTS ; Alibaba.com release ; Fortune . 이 브리핑은 AI의 도움으로 공개 자료를 조사·정리했습니다. 확인된 사실과 추론, 미확인 내용을 구분해 표시했습니다.","canonical_url":"https://yoondata.com/posts/ai-briefing-20260919-124347-001","category":"AI 동향","description":"이번 증분은 agent 시대의 실전 병목이 모델 지능에서 운영경계로 이동하는 세 신호를 추적한다. OpenAI Agents API의 hosted-container 과금오류는 장기 agent에서 billing correctness와 cost circuit breaker가 runtime 신뢰성의 일부임을 드러냈고, Claude Code v2.1.277은 AGENTS.md와 proxy egress boundary를 도입하며 repository policy와 enterprise network control을 표준화했다. CommerceAgentBench는 같은 모델도 harness에 따라 실제 업무 성공률이 달라지고 최상위 모델도 107개 commerce task의 약 62%만 통과함을 보여준다.","id":127,"image":null,"language":"ko-KR","modified_at":"2026-09-19T09:03:40Z","published_at":"2026-09-19T09:03:40Z","related_content":[{"title":"미국 2026년 9월 20일 AI 브리핑: Snap SPECS Intelligence가 개인 컨텍스트를 선점하고, Agentforce·AWS·NVIDIA로 AR 실행면까지 확장","url":"https://yoondata.com/posts/ai-briefing-20260920-133619-001"},{"title":"미국 2026년 9월 19일 AI 브리핑: Google은 Mantis를 코드 제출 게이트에 넣어 탐지-증명-패치의 보안 폐쇄루프를 구축","url":"https://yoondata.com/posts/ai-briefing-20260920-123728-001"},{"title":"미국 2026년 9월 19일 AI 브리핑: Qwen은 실시간 통역을 단일 멀티모달 스트림으로, Pika는 멀티모델 창작 운영체계로 이동","url":"https://yoondata.com/posts/ai-briefing-20260920-113419-001"}],"schema_version":1,"sources":[{"title":"OpenAI Status - History","url":"https://status.openai.com/history"},{"title":"OpenAI Status","url":"https://status.openai.com/"},{"title":"Incident timeline mirror","url":"https://isdown.app/status/openai/incidents/657014-overbilling-for-openai-hosted-containers-in-the-agent-api"},{"title":"OpenAI - Introducing the Agents API","url":"https://openai.com/index/introducing-the-agents-api/"},{"title":"OpenAI API Pricing","url":"https://developers.openai.com/api/docs/pricing"},{"title":"Claude Code v2.1.277","url":"https://github.com/anthropics/claude-code/releases/tag/v2.1.277"},{"title":"OpenAI - Agentic AI Foundation","url":"https://openai.com/index/agentic-ai-foundation/"},{"title":"GitHub - Copilot AGENTS.md","url":"https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/"},{"title":"CommerceAgentBench GitHub","url":"https://github.com/Accio-org/CommerceAgentBench"},{"title":"PYMNTS - Commerce Test Shows Where AI Agents Break Down","url":"https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/"},{"title":"Alibaba.com / PR Newswire","url":"https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html"},{"title":"Fortune - Kuo Zhang","url":"https://www.fortune.com/2026/09/09/alibaba-president-kuo-zhang-ai-agents-can-talk-but-not-work/"}],"summary":"이번 증분은 agent 시대의 실전 병목이 모델 지능에서 운영경계로 이동하는 세 신호를 추적한다. OpenAI Agents API의 hosted-container 과금오류는 장기 agent에서 billing correctness와 cost circuit breaker가 runtime 신뢰성의 일부임을 드러냈고, Claude Code v2.1.277은 AGENTS.md와 proxy egress boundary를 도입하며 repository policy와 enterprise network control을 표준화했다. CommerceAgentBench는 같은 모델도 harness에 따라 실제 업무 성공률이 달라지고 최상위 모델도 107개 commerce task의 약 62%만 통과함을 보여준다.","tags":["AGENTS.md","AI Agent","AI Reliability","AI Security","AI 동향","Agent Benchmark","Agent FinOps","Agent Governance","Agent Harness","Agentic AI Foundation","Alibaba Accio","Claude Code","Coding Agents","CommerceAgentBench","Egress Control","Enterprise AI","MCP","OpenAI Agents API","미국 AI","생성형 AI"],"title":"미국 2026년 9월 18일 AI 브리핑: OpenAI Agent API 과금사고, Claude Code의 AGENTS.md·egress boundary, CommerceAgentBench의 harness 격차"},"content_md":"## 핵심 요약\n조사 기준 시각: 한국시간 2026-09-19 12:43:47 KST (Asia/Seoul, UTC+09:00) / 미국 동부 2026-09-18 23:43:47 EDT (America/New_York, UTC-04:00) / 미국 서부 2026-09-18 20:43:47 PDT (America/Los_Angeles, UTC-07:00) / UTC 2026-09-19 03:43:47.\n[확인] 지정 발행 폴더의 직전 미국 AI 브리핑은 gpt_20260919_114912_001.docx다. 기존 폴더 검색에서 Hacktron/OpenAI SSO, OpenAI·Microsoft 저작권 doom-loop, Salesforce Koa, OpenAI model-misalignment 연구는 과거 문서에 이미 존재해 이번 증분에서 제외했다. 반면 Claude Code v2.1.277의 AGENTS.md·egress-boundary 변화, OpenAI Agents API hosted-container overbilling, CommerceAgentBench의 harness 비교는 동일 핵심사건을 다룬 기존 문서를 확인하지 못했다.\n[확인-1] OpenAI Status는 9월 18일 22:29 UTC(18:29 EDT / 15:29 PDT) `Overbilling for OpenAI-hosted containers in the Agent API`를 공개했다. OpenAI는 hosted container에 예상보다 높은 비용이 청구되는 문제를 조사하고 있으며 affected customers에 refund를 준비한다고 밝혔다. 이후 affected usage를 검토해 고객과 환불액을 식별하고 mitigation을 구현 중이라고 업데이트했다. 조사 기준 시각에도 status root는 incident가 ongoing이라고 표시했다. [OpenAI Status - History](https://status.openai.com/history) [OpenAI Status](https://status.openai.com/)\n[확인] 이번 사고는 availability outage와 구분된다. 외부 status mirror가 공식 feed를 보존한 timeline에 따르면 23:22 UTC에도 fix와 refund calculation이 진행 중이었고, 9월 19일 01:08 UTC에는 status가 Identified로 바뀌어 mitigation 구현이 계속됐다. 정확한 root cause, 과다청구 금액, affected customer 수, 특정 container size 또는 duration 범위는 공개되지 않았다. [Incident timeline mirror](https://isdown.app/status/openai/incidents/657014-overbilling-for-openai-hosted-containers-in-the-agent-api)\n[확인-배경] OpenAI는 9월 10일 Agents API를 public beta로 공개했다. 이 API는 Codex와 같은 harness/infrastructure를 제공하며 agent가 days-long task를 수행하고 OpenAI-hosted sandbox 또는 다른 compute environment에서 files·code·intermediate results를 다룰 수 있게 한다. 모델 사용량과 hosted sandbox/container compute는 별도의 비용축이다. [OpenAI - Introducing the Agents API](https://openai.com/index/introducing-the-agents-api/)\n[확인-가격구조] OpenAI 공식 pricing은 Hosted Shell·Code Interpreter가 포함된 container를 별도 도구비용으로 취급하며, eligible container sessions를 시간·메모리 usage에 따라 과금하는 구조를 설명한다. 따라서 agent 비용은 단순 token bill이 아니라 `Model Tokens + Tool Calls + Container Lifetime/Memory + Other Hosted Resources`의 합으로 봐야 한다. [OpenAI API Pricing](https://developers.openai.com/api/docs/pricing)\n[추론] 이번 사고의 본질은 agent 플랫폼에서 billing correctness가 observability·availability와 같은 운영 신뢰성의 일부가 됐다는 점이다. 장기 agent는 사람이 보고 있는 HTTP request 하나가 아니라 session이 수시간·수일 동안 container를 유지할 수 있으므로 metering bug가 workload 성공 여부와 무관하게 비용을 누적시킬 수 있다.\n[추론] enterprise side에서는 `Agent Session → Container Allocation → Tool Runtime → Meter Event → Cost Ledger → Budget Guard → Reconciliation/Refund`를 별도 control loop로 만들어야 한다. per-agent max spend, idle-timeout, container TTL, memory-tier cap, anomaly alert, immutable usage ledger가 없으면 agent autonomy가 곧 uncontrolled cloud spend로 변할 수 있다.\n[반대근거] OpenAI는 affected customers와 refund를 준비한다고 밝혔지만 incident 규모를 공개하지 않았다. 모든 Agents API 사용자나 모든 hosted container가 과다청구됐다고 단정할 근거는 없다. 또한 현재 공개자료는 billing incident이지 agent task correctness나 model safety failure를 뜻하지 않는다.\n[확인-2] Anthropic은 9월 18일 GitHub에서 Claude Code v2.1.277을 공개했다. 가장 눈에 띄는 변경은 프로젝트에 CLAUDE.md가 없을 때 AGENTS.md를 읽는 fallback 지원이다. Project instructions 설정에서 선택할 수 있고, 현재 Bedrock·Vertex·Foundry surface에는 아직 적용되지 않는다. [Claude Code v2.1.277](https://github.com/anthropics/claude-code/releases/tag/v2.1.277)\n[확인] 같은 release는 enterprise network control도 확장했다. `CLAUDE_GATEWAY_PROXY_IS_EGRESS_BOUNDARY=1`을 켜면 Claude apps gateway의 outbound request가 hostname을 local resolve하지 않고 forward proxy에 넘긴다. provider 앞의 proxy에 static headers를 보낼 수 있는 upstream `headers:` map도 추가됐다. 즉 DNS/host decision과 auth/routing policy를 중앙 proxy에 더 강하게 모을 수 있다.\n[확인-보안하드닝] v2.1.277은 여러 execution boundary bug도 함께 수정했다. compound Bash command에서 한 부분만 glob에 맞아도 전체가 sandbox 제외되던 `sandbox.excludedCommands` 문제를 고쳐 모든 part가 match해야 하게 했고, invisible Unicode formatting/tag characters를 prompt에서 제거해 cleaned prompt를 review하도록 바꿨다. subagent result에는 명시적인 subagent-output header를 붙여 결과 text가 main session instruction인 것처럼 전달되지 않게 했다. Official marketplace plugin의 commit 기록과 pinned-commit update bookkeeping도 수정했다.\n[확인-표준체인] AGENTS.md는 OpenAI Codex의 repository-level instruction convention에서 시작해 2025년 8월 공개된 뒤 OpenAI가 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기증했다. OpenAI는 2025년 12월 기준 60,000개 이상의 open-source project/framework가 AGENTS.md를 채택했다고 밝혔고, GitHub Copilot coding agent도 2025년 8월부터 root/nested AGENTS.md를 지원했다. Anthropic은 AAIF 공동창립자로 MCP를 기여한 회사인데, 이제 Claude Code도 AGENTS.md를 읽는다. [OpenAI - Agentic AI Foundation](https://openai.com/index/agentic-ai-foundation/) [GitHub - Copilot AGENTS.md](https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/)\n[추론] 이는 coding-agent ecosystem에서 repository instruction이 vendor-specific prompt 파일에서 `policy-as-repo` 관례로 수렴한다는 신호다. README가 사람에게 프로젝트를 설명한다면 AGENTS.md는 agent가 build/test/style/safety rule을 읽는 machine-operating manual 역할을 한다.\n[추론] 동시에 egress boundary, sandbox matching, hidden-Unicode cleanup, subagent provenance framing이 한 release에 모였다는 점이 중요하다. Agent의 실제 security boundary가 prompt뿐 아니라 `Repo Instructions → Gateway/Proxy → Sandbox → Plugin Provenance → Subagent Message Provenance`의 다층 control plane으로 확장되고 있다.\n[반대근거] Claude Code는 CLAUDE.md가 존재하면 AGENTS.md보다 CLAUDE.md를 사용한다. AGENTS.md support는 Bedrock·Vertex·Foundry에 아직 없고, 각 coding agent가 nested file·precedence·override를 동일하게 해석하는 것도 아니다. 따라서 `완전한 cross-vendor agent instruction 표준이 완성됐다`고 표현하면 과장이다.\n[확인-3] Alibaba.com Accio team이 공개한 CommerceAgentBench는 107개의 stateful commerce/business task를 실제 interface replica에서 수행하게 한다. 구성은 53 CLI, 28 browser, 16 file, 10 API/MCP task이며, 65 text-only, 20 browser-text, 22 vision-required task로 나뉜다. 각 task는 fresh container에서 실행되고 configuration, trajectory, verifier result, artifacts, logs, container metadata가 보존된다. [CommerceAgentBench GitHub](https://github.com/Accio-org/CommerceAgentBench)\n[확인] 같은 13 model family를 Pi, OpenClaw, Accio 세 harness에 넣은 공개 snapshot에서 Claude Opus 5는 Pi 60.7%(65/107), OpenClaw 56.1%(60/107), Accio 61.7%(66/107)를 기록했다. GPT-5.6 Sol은 각각 48.6%, 49.5%, 51.4%였다. 즉 같은 model family라도 harness에 따라 몇 percentage point의 결과차가 발생했다.\n[확인-방법론한계] repo는 published score가 Accio-managed evaluation endpoints와 `gemini-3.1-pro-preview` judge를 사용했다고 밝힌다. 모든 model은 thinking enabled였지만 provider default reasoning effort가 서로 달라 harness/model 간 compute budget이 완전히 정규화된 실험은 아니다. Steps, wall-clock time, token telemetry도 provider별 accounting과 tool granularity가 달라 normalized efficiency score가 아니라고 명시한다.\n[확인-후속보도] PYMNTS는 9월 18일 benchmark를 다시 분석하면서 landed cost, return disputes, multi-leg shipping처럼 긴 state chain을 유지해야 하는 업무에서 실패가 집중된다고 보도했다. 최상위 61.7%는 실제 자동화를 시작할 수준이지만 약 4개 중 1~2개 가까운 task가 여전히 끝까지 성공하지 못한다는 의미다. [PYMNTS - Commerce Test Shows Where AI Agents Break Down](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/)\n[확인-최초사업맥락] Alibaba.com은 9월 9일 보도자료에서 benchmark task가 10M active SMB users, 1.6M conversations, 200k execution traces에서 추출됐다고 설명하고 Accio가 general-purpose agent 대비 낮은 estimated cost를 보였다고 주장했다. 이는 회사 자체 benchmark·비용추정이므로 independent audited TCO로 보지 않았다. [Alibaba.com / PR Newswire](https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html) [Fortune - Kuo Zhang](https://www.fortune.com/2026/09/09/alibaba-president-kuo-zhang-ai-agents-can-talk-but-not-work/)\n[추론] CommerceAgentBench의 가장 중요한 메시지는 `model benchmark`만으로 실제 agent 성능을 설명할 수 없다는 것이다. 같은 model이라도 tool schema, memory/context handling, retry policy, browser/CLI abstraction, verifier interaction이 달라지면 end-state success가 달라진다. Agent 성능의 실질식은 `Model × Harness × Context × Tool Reliability × Verification`에 가깝다.\n[추론] benchmark가 answer quality가 아니라 final state로 pass/fail을 판단한다는 점도 중요하다. 실제 business에서는 freight가 예약됐는지, listing이 올바르게 live 됐는지, fraud signal을 놓치지 않았는지가 중요하므로 evaluation source of truth는 자연어 응답이 아니라 external system state가 된다.\n[반대근거] CommerceAgentBench는 Alibaba/Accio가 설계·운영한 benchmark이며 commerce domain에 편중돼 있다. 107개 task가 전체 enterprise workflow를 대표하지 않고, vendor default reasoning effort와 LLM-assisted judge가 포함되어 있다. 따라서 61.7%를 일반적인 `AI agent 전체 성공률`로 일반화하면 안 된다.\n## 핵심 사건 종합표\n| 순위 | 분류 | 핵심 사건 | 최초 출처 | 연관 출처 체인 | 발생 시각과 미국 현지 날짜 | 핵심 사실 | 후속 전개 | 왜 중요한가 | 숨은 의미·비하인드 해석 | 담당자·관련 인물 | 수혜자 | 불리한 측 | 기술·사업 영향 | 다음 신호 | 신뢰도 | 검증 상태 | 원문 링크 |\n| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |\n| 1 | Agent API·FinOps·Runtime Reliability | OpenAI Agents API hosted-container overbilling incident와 refund 진행 | OpenAI Status 9/18 | 9/10 Agents API public beta → 9/14 managed-session delay incident → 9/18 22:29 UTC overbilling 조사 → affected usage review/refund calculation → 9/19 01:08 UTC mitigation identified → 조사시각 ongoing | 시작 2026-09-18 22:29 UTC = 18:29 EDT / 15:29 PDT | hosted container에 higher-than-expected charges, affected customers refund 준비. 원인·금액·범위 미공개 | mitigation·refund calculation 진행 중 | long-running agent에서 billing correctness가 availability만큼 중요한 runtime SLO가 됨 | [추론] autonomous session은 token bill 외 container lifetime/memory/tool cost를 누적하므로 cost guardrail이 permission guardrail과 같은 control-plane primitive가 됨 | OpenAI Agents/API infra·billing teams, Agents API users | FinOps/observability vendors, enterprises with usage ledger/budget caps | unmanaged long-running agents, weak cost attribution | per-agent budgets, container TTL, metering audit, automatic refund/reconciliation 요구 증가 | root-cause postmortem, affected scope, final refund method, cost anomaly API, hard budget limits | 매우 높음 | OpenAI official status + official Agents API/pricing. incident 규모는 미공개 | [Status](https://status.openai.com/history) / [Agents API](https://openai.com/index/introducing-the-agents-api/) / [Pricing](https://developers.openai.com/api/docs/pricing) |\n| 2 | Coding Agents·Open Standard·Enterprise Security | Claude Code v2.1.277이 AGENTS.md fallback과 proxy egress boundary, sandbox/provenance hardening을 추가 | Anthropic GitHub release 9/18 | Codex AGENTS.md → GitHub Copilot support → AAIF neutral stewardship → Claude Code v2.1.277 adoption → proxy egress/sandbox/subagent provenance fixes | GitHub release page: 2026-09-18 18:06 표시, timezone 미표시 | no CLAUDE.md 시 AGENTS.md, forward-proxy egress boundary, static upstream headers, compound-command sandbox fix, hidden Unicode cleanup, subagent-output framing | cross-vendor repo instructions와 enterprise network/policy layer가 더 가까워짐 | coding agent의 project instructions가 portable repo artifact가 되고 execution security가 multi-layer control plane으로 이동 | [추론] `Repo Policy→Gateway/Proxy→Sandbox→Plugin Commit→Subagent Provenance`가 agent DevSecOps 기본선이 될 가능성 | Anthropic Claude Code team, OpenAI/AAIF, GitHub Copilot ecosystem | multi-agent dev teams, platform/security admins | vendor-specific instruction silos, weak gateway/sandbox policy | policy portability, central egress control, supply-chain provenance, prompt-origin separation | Bedrock/Vertex/Foundry support, precedence spec, nested AGENTS semantics, signed policy, cross-agent conformance tests | 매우 높음 | official GitHub release + OpenAI AAIF + GitHub changelog | [Claude Code](https://github.com/anthropics/claude-code/releases/tag/v2.1.277) / [AAIF](https://openai.com/index/agentic-ai-foundation/) / [GitHub](https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/) |\n| 3 | Agent Evaluation·Commerce·Harness | CommerceAgentBench에서 최상위 agent도 107 real-commerce task의 61.7%; 같은 model도 harness에 따라 결과 변화 | Accio/Alibaba GitHub + 9/18 PYMNTS | Alibaba merchant traces → 107 stateful tasks → 13 model families × Pi/OpenClaw/Accio → end-state verifier → Sep18 failure-pattern follow-up | benchmark Sep9 공개; PYMNTS 2026-09-18, 정확한 시각 미공개 | Opus5 Pi 60.7/OpenClaw 56.1/Accio 61.7; Sol 48.6/49.5/51.4. 53 CLI·28 browser·16 file·10 API/MCP | landed cost, disputes, multi-leg shipping 등 long-state task 실패가 두드러짐 | agent performance는 model IQ가 아니라 harness·tool·state·verifier의 결합성능임 | [추론] enterprise 구매는 token benchmark보다 end-state pass rate·retry cost·human intervention·harness portability를 봐야 함 | Alibaba.com/Accio team, Kuo Zhang, tested model/harness developers | agent evaluation vendors, vertical AI, enterprises requiring auditable task outcomes | chat-only benchmarks, model-only leaderboard marketing | stateful benchmark, task-level routing, deterministic verifier, full trajectory audit 수요 확대 | independent reproduction, more domains, normalized reasoning budget, human-intervention rate, production failure correlation | 높음 | public GitHub + PYMNTS + company release. vendor-designed benchmark caveat | [GitHub](https://github.com/Accio-org/CommerceAgentBench) / [PYMNTS](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/) / [Alibaba release](https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html) |\n## 1. OpenAI Agents API hosted-container overbilling — 연관 추적\n### ① 최초 신호\n[확인] 9월 10일 OpenAI는 Agents API public beta를 공개하며 long-running agent를 OpenAI infrastructure에서 days-long으로 실행하고 sandbox, files, code execution, subagents, context management를 함께 제공하기 시작했다. 이때부터 model-token 비용과 hosted compute 비용이 한 agent session 안에서 동시에 발생하는 구조가 일반 개발자에게 열렸다.\n### ② 공식 확인\n[확인] OpenAI Status는 9월 18일 22:29 UTC에 hosted container의 higher-than-expected charges를 공식 incident로 열고 fix와 affected-customer refunds를 준비한다고 밝혔다. 조사시각 기준 mitigation이 아직 ongoing이다. [OpenAI Status](https://status.openai.com/)\n### ③ 후속 기사와 반응\n[확인] 공식 status feed를 추적하는 secondary monitor들은 OpenAI가 23:22 UTC에 affected usage를 review해 impacted customer와 refund를 계산한다고 업데이트했고 01:08 UTC에는 Identified 단계에서 mitigation을 구현 중이라고 기록했다. availability probe는 정상인 경우도 있어 이번 incident가 service-down보다 billing/metering plane 문제라는 점이 구분된다.\n### ④ 담당자·연구자·개발자 발언\n[확인] OpenAI의 9월 10일 launch 설명은 Agents API 자체 사용료보다 model과 tools에 비용이 발생하며 hosted sandbox가 별도 container cost라는 구조를 설명한다. 현재 billing incident에 대해 root cause engineer statement나 technical postmortem은 아직 공개되지 않았다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인-한계] public status page와 official API announcement/pricing이 핵심근거다. 이번 실행에서는 OpenAI 공식 X/YouTube나 public GitHub에서 incident root cause를 추가 설명하는 게시물을 확인하지 못했다. Developer Community에는 launch 직후 hosted sandbox 비용계산에 주의하라는 사용자 반응이 있었지만 이는 incident 원인을 증명하지 않는다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] 현재 실제 변경은 incident mitigation과 refund workflow다. Agents API product pricing 자체가 새로 바뀌었다고 확인되지는 않았다. 다만 platform operator가 container usage ledger를 다시 계산해 customer refund를 수행해야 하는 상황이 발생했다.\n### ⑦ 숨은 의미와 비하인드\n[추론] Agent autonomy는 cost autonomy이기도 하다. Agent가 tool call을 반복하거나 container를 오래 유지하면 정확히 동작해도 비용이 늘어난다. 따라서 `permission to act`와 별도로 `permission to spend`가 필요하다. Budget guardrail이 없는 agent는 cloud resource를 사용할 권한만 있고 경제적 한계가 없는 principal이 된다.\n[추론] 향후 agent platform의 enterprise SLO는 response success rate 외에 `meter accuracy`, `cost attribution completeness`, `budget stop latency`, `refund/reconciliation time`까지 포함될 가능성이 높다.\n### ⑧ 반대 근거와 과장 가능성\n[확인] incident는 과다청구라는 사실만 공개됐다. 모델이 infinite loop를 돌았는지, container lifecycle 계산이 잘못됐는지, 특정 SKU에 국한됐는지 알 수 없다. 과다청구를 `Agents API architecture 전체의 비용폭주`로 확대해석하면 안 된다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nOpenAI final status, technical write-up, affected period·SKU·region, automatic refund method, invoice correction, container usage export, per-session cost cap, hard budget circuit breaker, idle container termination 정책을 추적해야 한다.\n## 2. Claude Code v2.1.277 — AGENTS.md·egress boundary·provenance hardening — 연관 추적\n### ① 최초 신호\n[확인] coding agent가 늘어나면서 repository마다 CLAUDE.md, GEMINI.md, copilot-instructions 등 vendor별 instruction file이 생겼다. OpenAI는 이를 단일 vendor convention으로 두지 않고 2025년 AGENTS.md를 AAIF에 기증했고 GitHub Copilot도 support를 추가했다.\n### ② 공식 확인\n[확인] Anthropic v2.1.277은 프로젝트에 CLAUDE.md가 없을 때 AGENTS.md를 읽는다. 같은 release는 forward proxy를 egress boundary로 지정하는 flag와 upstream static headers를 추가했다. [Claude Code release](https://github.com/anthropics/claude-code/releases/tag/v2.1.277)\n### ③ 후속 기사와 반응\n[확인] 별도 언론보도보다 GitHub release 자체가 primary developer signal이다. GitHub page에는 소수의 developer reactions가 붙었지만 이것을 adoption evidence로 과대평가하지 않았다. 중요한 후속맥락은 AGENTS.md가 이미 Copilot, Codex, Cursor, Gemini CLI 등 여러 도구에서 쓰이고 있었다는 ecosystem chain이다.\n### ④ 담당자·연구자·개발자 발언\n[확인] OpenAI는 AGENTS.md를 README와 함께 repository에 놓는 lightweight interoperable format이라고 설명했고 2025년 12월 60,000+ open-source project/framework adoption을 공개했다. Anthropic의 release는 별도 철학설명 없이 실제 product compatibility를 추가했다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] GitHub release는 security hardening을 함께 기록한다: hidden Unicode prompt cleanup, compound Bash sandbox exception matching 수정, official/pinned plugin commit bookkeeping, subagent result provenance framing. public YouTube demo는 이번 기능검증에 필요하지 않았고 별도 공식 X 설명도 핵심근거로 확인하지 못했다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] 이제 Claude Code 사용자는 CLAUDE.md가 없는 repository에서도 AGENTS.md instruction을 재사용할 수 있다. Enterprise gateway에서는 DNS/hostname egress decision을 local client 대신 forward proxy에 넘길 수 있어 중앙 network policy/inspection architecture가 단순해질 수 있다.\n### ⑦ 숨은 의미와 비하인드\n[추론] Agent interoperability는 모델 API 호환보다 `instructions + tools + network + state + provenance`의 공통규칙에서 결정될 수 있다. AGENTS.md는 그중 repository instruction layer를 표준화하고 MCP는 tool layer를 표준화한다. 두 표준이 함께 확산되면 vendor별 coding agent를 교체하면서 project policy를 유지하기 쉬워진다.\n[추론] 반대로 enterprise 경쟁력은 표준 위의 enforcement에서 생긴다. 같은 AGENTS.md를 읽더라도 어느 network로 나갈 수 있는지, 어떤 shell command가 sandbox 밖으로 갈 수 있는지, subagent text가 instruction으로 승격될 수 있는지는 runtime control-plane 구현에 달려 있다.\n### ⑧ 반대 근거와 과장 가능성\n[확인] Claude Code의 AGENTS.md는 fallback이고 CLAUDE.md가 primary다. cloud/provider surface support도 아직 불완전하다. AGENTS.md가 project instruction portability를 높여도 tool permission, sandbox semantics, memory, hooks, skills까지 자동으로 호환되는 것은 아니다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nBedrock·Vertex·Foundry 지원, nested AGENTS.md/override precedence, schema 또는 conformance test, signed repository policy, IDE/CI 동일해석, MCP permission과 AGENTS policy 결합, enterprise gateway egress audit log를 확인해야 한다.\n## 3. CommerceAgentBench — model보다 harness와 end-state가 중요한 실전 benchmark — 연관 추적\n### ① 최초 신호\n[확인] Alibaba.com은 9월 9일 CoCreate에서 CommerceAgentBench와 Accio expansion을 공개했다. benchmark는 실제 commerce activity에서 추출한 workflow를 stateful local replica로 바꿔 agent가 단순 답변이 아니라 실제 state change를 끝까지 수행하도록 설계됐다.\n### ② 공식 확인\n[확인] GitHub repository는 107 task, 세 harness, 13 model family, fresh container, auditable trajectory와 verifier를 공개한다. live leaderboard가 source of record이며 공개 snapshot에서 최고는 Accio harness의 Claude Opus 5 61.7%다. [CommerceAgentBench](https://github.com/Accio-org/CommerceAgentBench)\n### ③ 후속 기사와 반응\n[확인] PYMNTS는 9월 18일 failure pattern을 분석하며 landed cost, return disputes, multi-leg logistics처럼 긴 state와 다중자료를 유지해야 하는 작업을 취약지점으로 짚었다. 이는 benchmark 공개 후 `점수`보다 `어디서 깨지는가`에 초점을 옮긴 후속해석이다. [PYMNTS](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/)\n### ④ 담당자·연구자·개발자 발언\n[확인] Alibaba.com President Kuo Zhang은 Fortune 기고에서 commerce는 말이 그럴듯한지가 아니라 listing·shipment·payment 같은 end state가 맞아야 한다는 취지로 benchmark를 설명했다. 회사는 no single model이 모든 task에서 우위가 아니므로 task-level routing을 강조한다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] GitHub repository가 가장 중요한 공개 개발흔적이다. task definitions와 local replicas, verifier, run artifacts/logs를 공개하고 external/pre-release model evaluation 요청도 받는다. 이번 실행에서는 benchmark 결과를 독립적으로 재실행한 public YouTube/X trace는 핵심근거로 확인하지 못했다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] Alibaba는 benchmark와 함께 Accio를 commerce workspace로 확대하고 multiple storefront workflow를 연결한다고 발표했다. 그러나 이번 보고서의 핵심은 제품 홍보보다 benchmark 설계다: task success가 natural-language judge만이 아니라 실제 state verifier와 artifact로 평가된다.\n### ⑦ 숨은 의미와 비하인드\n[추론] Agent leaderboard가 model leaderboard와 분리될 가능성이 높다. 동일 model에 어떤 harness를 붙이는지가 5%p 이상 성능을 바꾸고 token/step/time 구조도 크게 바뀌면 enterprise 구매단위는 `model`이 아니라 `model+harness+toolchain+verifier` bundle이 된다.\n[추론] 이는 agent 운영에서 A/B test 단위를 model ID가 아니라 full execution graph로 바꾼다. `Task → Harness → Model Route → Tool Calls → State Change → Verifier → Human Escalation` 전체를 versioning해야 재현성과 회귀검사가 가능하다.\n### ⑧ 반대 근거와 과장 가능성\n[확인] benchmark는 Alibaba/Accio가 설계했고 commerce domain에 특화돼 있다. vendor default reasoning effort가 서로 다르고 LLM-assisted verifier도 포함한다. 따라서 harness 차이가 순수하게 harness 자체 때문이라고 완전히 분리해 인과추정할 수 없다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nthird-party reproduction, additional verticals, fixed reasoning/token budget, deterministic-only subset, human-review cost, rollback/error severity, live production correlation, model+harness routing policy, benchmark version drift를 확인해야 한다.\n## ① 오늘의 핵심 흐름\n이번 증분의 공통점은 agent의 성패가 model intelligence 밖에서 결정된다는 것이다. OpenAI는 `비용/계량`, Claude Code는 `instruction·network·sandbox·provenance`, CommerceAgentBench는 `harness·state·verifier`가 실제 결과를 바꾼다는 증거를 동시에 보여준다.\n[추론] 하나의 구조로 정리하면 `Repository/Task Policy → Agent Runtime → Network/Tool/Container → State Change → Meter/Trace → Verifier → Budget/Approval → Recovery`다. Agent platform은 사실상 작은 operating system과 cloud control plane을 합친 제품으로 진화하고 있다.\n## ② 새로운 출시·업데이트\n가장 최신 product update는 Claude Code v2.1.277의 AGENTS.md·egress-boundary·security fixes다. 가장 최신 operational event는 OpenAI Agents API hosted-container overbilling incident다. CommerceAgentBench는 9월 9일 공개됐지만 9월 18일 미국 영어권 후속분석이 나오며 실제 failure mode와 harness effect가 다시 확인돼 이번 증분에 포함했다.\n## ③ 핵심기술·연구\n핵심기술은 세 가지다. 첫째 agent billing/metering ledger, 둘째 repository instruction과 network/sandbox enforcement, 셋째 stateful end-state benchmark다. [추론] 앞으로 agent engineering의 기본 metric은 accuracy 외에 cost-per-success, policy-violation rate, state-recovery rate, verifier pass rate, human-escalation rate가 될 가능성이 크다.\n## ④ 기업·담당자·조직 신호\nOpenAI는 Agents API를 model endpoint가 아니라 managed harness+compute 사업으로 확장했고, 그 결과 billing/FinOps 책임까지 플랫폼 범위에 들어왔다. Anthropic은 MCP에 이어 AGENTS.md까지 받아들이며 interoperability 표준에는 참여하면서도 gateway/sandbox enforcement에서 차별화한다. Alibaba는 vertical commerce benchmark와 Accio product를 함께 운영해 model routing·harness optimization을 사업자산으로 만들고 있다.\n## ⑤ SNS·YouTube에서 포착된 신호\n이번 실행에서 직접 검증가능한 핵심신호는 GitHub release/repository와 official status/documentation이었다. Claude release에는 developer reactions가 있으나 표본이 작아 시장반응으로 해석하지 않았다. OpenAI incident root cause를 설명하는 공식 X/YouTube는 확인하지 못했고, CommerceAgentBench의 independent public video reproduction도 확인하지 못했다.\n## ⑥ 약한 신호와 향후 조짐\n[추론] 첫째 agent 플랫폼에서 FinOps가 security와 합쳐질 가능성이 크다. Tool permission과 spend permission을 같은 policy engine이 평가하는 구조가 자연스럽다. 둘째 AGENTS.md와 MCP가 함께 확산되면 agent portability의 공통분모가 생기지만 enforcement·memory·billing은 vendor별 moat로 남을 수 있다. 셋째 benchmark가 end-state 중심으로 이동하면 `누가 더 말 잘하는가`보다 `누가 오류를 감지·복구하고 실제 시스템을 올바르게 바꾸는가`가 평가 중심이 된다.\n## ⑦ 과장·루머·주의 항목\nOpenAI overbilling의 root cause와 총액은 미공개이므로 `Agents API가 무한 과금된다`고 표현하면 안 된다. Claude Code가 AGENTS.md를 지원한다고 해서 CLAUDE.md가 폐기되거나 모든 provider에서 즉시 동일동작하는 것도 아니다. CommerceAgentBench 61.7%는 commerce-specific, vendor-designed benchmark 최고점이지 모든 agent 업무의 보편 성공률이 아니다.\n## ⑧ 사용자가 반드시 알아야 할 것\n실전 agent 시스템에서는 `Model Registry`만으로 부족하다. 최소 `Instruction/Policy Registry`, `Tool & Network Permission`, `Session/State Registry`, `Container/Compute Ledger`, `Cost Budget`, `Trace/Provenance`, `Verifier/Test`, `Recovery/Rollback`을 별도 source of truth로 가져야 한다.\n특히 장기 agent를 운영한다면 `할 수 있는가`와 `써도 되는가`, `얼마까지 써도 되는가`, `실제로 성공했는가`를 분리해야 한다. Capability, Permission, Budget, Verification이 각각 독립 gate여야 한 번의 model mistake나 metering bug가 실제 시스템·비용·데이터에 연쇄확산되는 것을 막을 수 있다.\n## ⑨ 누락 가능성과 탐색 한계\n이번 조사는 OpenAI official status/history·Agents API launch·pricing, Anthropic Claude Code v2.1.277 GitHub release, OpenAI AAIF post, GitHub Copilot AGENTS.md changelog, CommerceAgentBench public repository, PYMNTS 후속기사, Alibaba.com 제공 영문 보도자료, Fortune 기고를 확인했다.\nOpenAI billing incident의 internal root cause·affected account count·refund amount는 공개되지 않았다. Claude Code release의 정확한 timezone은 GitHub page text에 명시되지 않아 임의 환산하지 않았다. CommerceAgentBench는 proprietary merchant raw data가 공개된 것이 아니라 그 데이터에서 추출한 benchmark이며, 모든 모델 run을 독립 third party가 재현한 것은 아니다. 로그인 제한 SNS·private Discord/Slack·삭제자료는 사실처럼 포함하지 않았다.\n## 참고 자료와 작성 정보\n조사·작성 기준 시각: 2026-09-19 12:43:47 KST / 2026-09-18 23:43:47 EDT / 2026-09-18 20:43:47 PDT / 2026-09-19 03:43:47 UTC.\n주요 직접출처: [OpenAI Status](https://status.openai.com/history); [OpenAI Agents API](https://openai.com/index/introducing-the-agents-api/); [OpenAI Pricing](https://developers.openai.com/api/docs/pricing); [Claude Code v2.1.277](https://github.com/anthropics/claude-code/releases/tag/v2.1.277); [OpenAI AAIF / AGENTS.md](https://openai.com/index/agentic-ai-foundation/); [GitHub Copilot AGENTS.md](https://github.blog/changelog/2025-08-28-copilot-coding-agent-now-supports-agents-md-custom-instructions/); [CommerceAgentBench](https://github.com/Accio-org/CommerceAgentBench); [PYMNTS](https://www.pymnts.com/news/artificial-intelligence/2026/commerce-test-shows-where-ai-agents-break-down/); [Alibaba.com release](https://www.prnewswire.com/news-releases/alibabas-accio-cuts-ai-costs-for-e-commerce-tasks-by-over-50-compared-with-general-purpose-agents-302872922.html); [Fortune](https://www.fortune.com/2026/09/09/alibaba-president-kuo-zhang-ai-agents-can-talk-but-not-work/).\n이 브리핑은 AI의 도움으로 공개 자료를 조사·정리했습니다. 확인된 사실과 추론, 미확인 내용을 구분해 표시했습니다.","created_at":"2026-09-19T09:03:40Z","id":127,"published_at":"2026-09-19T09:03:40Z","scheduled_at":null,"slug":"ai-briefing-20260919-124347-001","source_key":null,"status":"published","summary":"이번 증분은 agent 시대의 실전 병목이 모델 지능에서 운영경계로 이동하는 세 신호를 추적한다. OpenAI Agents API의 hosted-container 과금오류는 장기 agent에서 billing correctness와 cost circuit breaker가 runtime 신뢰성의 일부임을 드러냈고, Claude Code v2.1.277은 AGENTS.md와 proxy egress boundary를 도입하며 repository policy와 enterprise network control을 표준화했다. CommerceAgentBench는 같은 모델도 harness에 따라 실제 업무 성공률이 달라지고 최상위 모델도 107개 commerce task의 약 62%만 통과함을 보여준다.","tags":["AGENTS.md","AI Agent","AI Reliability","AI Security","AI 동향","Agent Benchmark","Agent FinOps","Agent Governance","Agent Harness","Agentic AI Foundation","Alibaba Accio","Claude Code","Coding Agents","CommerceAgentBench","Egress Control","Enterprise AI","MCP","OpenAI Agents API","미국 AI","생성형 AI"],"thumbnail":"","title":"미국 2026년 9월 18일 AI 브리핑: OpenAI Agent API 과금사고, Claude Code의 AGENTS.md·egress boundary, CommerceAgentBench의 harness 격차","updated_at":"2026-09-19T09:03:40Z","version":2,"views":53}