1. 추론 위치와 명령 실행 범위는 따로 정합니다
Microsoft Command Line 블로그는 2026년 10월 7일 글에서 GitHub Copilot이 작업마다 기기 안의 모델로 처리할지 클라우드 모델로 보낼지 판단하게 된다고 밝혔습니다. 원문은 이 기능을 이달 말까지 제공한다('Coming by the end of the month')고 적어, 2026년 10월 8일 기준으로는 출시 예정 상태입니다.
같은 글은 에이전트가 실행하는 명령을 Microsoft Execution Containers(MXC)로 격리하는 방법도 설명합니다. MXC는 정책을 운영체제의 접근 제어로 바꿔 적용하는 Windows 팀의 오픈소스 라이브러리입니다.
에이전트에게 코딩을 맡기는 개발자는 추론을 어디서 할지와, 에이전트의 명령이 파일·네트워크·자격 증명에 어디까지 접근할지를 정해야 합니다. 원문은 'local inference does not make the session offline'이라고 적었습니다. 모델을 내 PC에서 실행해도 세션은 오프라인이 되지 않는다는 뜻입니다. 그래서 작성자는 추론 위치와 명령 실행 범위를 따로 정하기를 권합니다.
2. 로컬 모델은 Auto에 맡기거나 직접 고릅니다
공식 글에 따르면 GitHub Copilot은 Copilot CLI, Copilot 앱, VS Code에 로컬 모델 사용 방법 2개를 추가합니다. Auto를 켜면 Copilot이 로컬 추론과 클라우드 추론 중 어느 쪽을 쓸지 고릅니다. 세션 중에는 작업 맥락과 캐시 상태를 고려해 작업을 나눕니다.
직접 선택은 특정 제공자·모델·엔드포인트가 필요할 때 씁니다. Windows ML 제공자로 MAI Code 1.1 Flash를 고르거나, OpenAI 호환 로컬 엔드포인트를 연결해 그쪽 모델을 고를 수 있습니다.
원문은 Surface Laptop Ultra 같은 NVIDIA RTX Spark Windows PC에서 로컬 코딩을 지원한다고 적었습니다. 다른 기기에서 MAI Code 1.1 Flash를 로컬로 실행할 수 있는지, Free·Pro·Business·Enterprise 요금제마다 제공 범위가 다른지는 공식 글에 적혀 있지 않아 확인하지 못했습니다.
작성자 해석으로는, 어떤 모델이 결과를 냈는지 기록해야 하는 작업만 직접 선택으로 고정하고 나머지는 Auto로 시작하면 관리하기 쉽습니다.
3. 벤치마크는 회사가 측정한 조건과 함께 읽습니다
Microsoft AI는 MAI Code 1.1 Flash의 로컬 버전도 만들었습니다. 원문에 따르면 코딩용 전문가 혼합(MoE, 요청마다 일부 파라미터만 쓰는 구조) 모델로, 전체 파라미터 1,370억 개 중 68억 개가 작동합니다. 기기에서 쓰는 양자화 버전은 53GB로, 클라우드의 Bfloat16 버전보다 크기가 80% 작다고 회사는 밝혔습니다.
아래 표는 Microsoft가 2026년 10월 5일 직접 측정한 결과입니다. 원문 각주에 따르면 가중치당 약 3.3비트의 혼합 정밀도 양자화, DFlash2 슬라이딩 윈도 추측 디코딩, Windows ARM64 llama.cpp CUDA 런타임 조건에서 측정했습니다. 비교 대상 GPT OSS 120B는 Unsloth가 배포한 GGUF 버전입니다. 실제 결과는 기기와 설정에 따라 달라질 수 있다고 적혀 있습니다.
Terminal-Bench 2.1에서는 양자화 버전(66.29%)이 클라우드 버전(62.9%)보다 높게 나왔습니다. 다만 문항이 89개라서 3.39%p 차이는 문항 3개 정도에 해당합니다. 작성자는 이 결과를 회사 측정 조건에서 성능이 크게 떨어지지 않았다는 정도로 읽기를 권합니다. 제3자가 다시 측정한 결과는 확인하지 못했습니다.
| 벤치마크 | 문항 수 | MAI Code 1.1 Flash(클라우드) | GPT OSS 120B | MAI Code 1.1 Flash 기기 양자화 |
|---|---|---|---|---|
| SWE-Bench Verified | 500 | 72.6% | 32.0% | 70.80% |
| Terminal-Bench 2.1 | 89 | 62.9% | 23.6% | 66.29% |
4. 샌드박스 경계 안에서 실행되는 것과 밖에 있는 것
원문은 에이전트의 셸 명령이 보통 그 명령을 실행한 계정의 권한을 그대로 물려받는다고 설명합니다. 추론을 기기로 옮겨도 마찬가지입니다. 샌드박스는 어느 모델이 요청했는지와 관계없이 에이전트가 띄우는 프로세스의 파일·네트워크·자격 증명 접근을 제한합니다.
GitHub Copilot은 Windows에서 MXC의 ProcessContainer 백엔드 중 BaseContainer 등급을 쓰고, macOS에서는 Seatbelt, Linux에서는 bubblewrap을 씁니다. 별도 가상 머신이나 컨테이너 이미지는 필요 없습니다.
샌드박스를 켜면 셸 명령과, 기본 설정에서는 로컬 Model Context Protocol(MCP) 서버와 언어 서버가 프로세스 경계 안에서 실행됩니다. 내장 파일 도구는 Copilot 안에서 실행되며 Copilot이 정책에 맞는지 확인하지만, 원문은 이 확인이 운영체제가 강제하는 격리는 아니라고 밝혔습니다. 원격 MCP 서버도 로컬 샌드박스 밖에 있고, Copilot은 연결 정책만 확인합니다.
작성자 해석으로는, 샌드박스를 켜도 원격 MCP 서버는 운영체제 격리 대상이 아니므로 연결한 원격 MCP 서버 목록을 따로 점검해야 합니다. MXC의 출시 상태 표현은 출처마다 다릅니다. 10월 7일 Command Line 글에는 MXC의 출시 상태 문구가 없고, 2026년 6월 2일 Microsoft Security 블로그는 MXC를 early preview로 소개하며 GitHub Copilot CLI가 프로세스 격리 방식을 채택했다고 적었습니다.
5. 공식 예시로 보는 설정 순서
원문은 매일 아침 저장소 대시보드를 만드는 자동화를 예로 듭니다. 원본 저장소는 읽기 전용으로 두고 테스트 프로세스는 네트워크에 접근하지 못하게 하는 작업입니다. 원문은 모델 선택이 이 설정과 독립적이어서 같은 작업에 로컬·클라우드 모델 어느 쪽이든 쓸 수 있다고 설명합니다. 이 예시를 고른 이유는 추론 위치와 실행 범위를 따로 정하자는 1절의 판단을 원문이 직접 보여 주기 때문입니다.
공식 글에 따르면 설정 순서는 다음과 같습니다. 작성자는 이 절차를 직접 실행하지 않았습니다. Copilot 앱 설정 창에서 프로젝트를 고르고 'Sandbox new sessions' 토글을 켜면 그 프로젝트의 새 세션이 기본으로 샌드박스 안에서 실행됩니다. 현재 작업 디렉터리만 읽기·쓰기가 가능하고 나머지 시스템은 대부분 읽기 전용이거나 접근할 수 없습니다. 이어서 'Automations'에서 'Start automation'을 눌러 제목, 매일 오전 9시 실행 조건, 지시문을 넣고 저장한 뒤 'Run it now'로 한 번 실행해 결과를 확인합니다. CLI에서는 /sandbox 명령으로 언제든 설정을 바꿀 수 있다고 적혀 있습니다.
정해진 시각에 사람 없이 실행되는 자동화는 샌드박스 기본값을 먼저 켜고 등록하는 편이 안전하다고 작성자는 판단합니다. 실행 중에 명령을 승인할 사람이 없기 때문입니다.
6. 이번 주에 해 볼 첫 단계
Copilot에게 명령 실행을 맡기고 있는 저장소 1개를 고르십시오. 에이전트가 써야 하는 디렉터리, 테스트의 네트워크 필요 여부, 연결된 MCP 서버의 로컬·원격 구분을 한 장에 적어 보십시오. 그다음 Copilot CLI에서 /sandbox를 열어 적어 둔 내용과 현재 설정을 비교하면 됩니다. 원문은 이 기능들이 순차 적용 중('rolling out now')이라고 적어, 쓰는 버전에 아직 없을 수 있습니다.
로컬 모델은 그다음에 정하면 됩니다. 쓰는 PC가 NVIDIA RTX Spark 기기인지부터 확인하십시오.