GitHub Trending에 오른 whichllm은 로컬 LLM 선택 문제를 모델 순위표가 아니라 현재 하드웨어, VRAM, 양자화, 토큰 속도, 최신 벤치마크 증거를 합친 운영 문제로 다시 정의한다. 한국 개발팀이 로컬 모델을 도입할 때 봐야 할 기준을 정리했다.

H Company의 Holo3.1은 단순히 OSWorld 점수를 갱신하는 모델 발표가 아니다. 웹·데스크톱·모바일 GUI를 넘나드는 computer-use agent를 로컬·엣지·클라우드 어디서든 실행하려는 방향 전환이며, 실무자에게는 성능표보다 배포 위치와 프라이버시, 지연시간 설계가 더 중요해졌다는 신호다.

Hugging Face가 AI 평가 비용을 새로운 compute bottleneck으로 지목했고, AWS는 MCP proxy를 AgentCore Runtime 위에 올렸으며, OpenAI는 Intelligence Age의 사이버 보안 실행 계획을 내놨다. 세 신호를 합치면 에이전트 경쟁의 핵심은 더 똑똑한 모델이 아니라 평가·보안·도구 경계를 운영 가능한 형태로 묶는 능력으로 이동하고 있다.