Pinned Tweet
미뤄둔 문제를, 작동하는 도구로.
오래 품어온 문제와 아이디어를 AI로 작은 프로젝트에 옮기기 위한 작업실, Homework Salon을 시작합니다.
homework.salon
메타가 뮤즈 원더로 성능표에선 선두권 바로 옆까지 따라붙었다.
그런데 같이 나온 숫자가 더 눈에 띈다. 뮤즈 앱 다운로드는 900만 언저리에서 둔화됐고, 재방문율은 챗지피티에 못 미친다.
모델 성능은 돈과 시간으로 따라잡을 수 있지만, 사람이 매일 다시 열게 만드는 건 다른 게임이다.
메타가 기억 기능을 앞세운 것도 결국 그 재방문 문제를 풀려는 수로 보인다.
대화가 바뀌어도 나를 기억해 주면 다시 열 이유가 생기니까.
앞으로 몇 주는 벤치마크보다 30일 재방문율을 보는 게 더 정확할 것 같다.
메타, 새 AI 모델 「뮤즈 원더」 공개.
오픈AI·앤트로픽 모델을 여러 벤치마크에서 앞섰다는 게 메타의 주장.
상위 버전 원더 풀은 아티피셜 애널리시스 종합 지수 2위, Claude Opus 5.5와 2점 차.
기억력·추론과 금융·건강·법률 지식을 강화했고 월 20달러·100달러 구독에 들어감.
다만 뮤즈 앱은 다운로드 약 900만으로 성장이 둔화됐고 재방문율은 ChatGPT에 못 미침.
모델 성능은 따라잡았고, 이제 남은 숙제는 사용자.
$META
출처: DeItaone · testingcatalog
1
117
OpenCode 2.0에서 눈여겨볼 건 Code Mode다. MCP 도구를 하나씩 부르는 대신, 에이전트가 짧은 JS 스크립트로 여러 도구를 엮어 한 번에 처리한다. 2.0부터는 연결한 MCP 서버가 전부 기본으로 이 방식을 쓴다. 클로드 코드나 코덱스에 MCP를 잔뜩 붙여 두고 컨텍스트가 무거워졌던 사람이라면 비교해 볼 만하다. 다만 1.0 플러그인은 2.0에서 안 돌고 서버 API도 통째로 바뀌었으니, 플러그인이나 스크립트를 쓰고 있다면 업그레이드 전에 마이그레이션 문서부터 보는 게 낫다.
107
LiteLLM 쓰면 LLM 100개 넘는 걸 OpenAI 형식 하나로 부를 수 있어.
앱은 게이트웨이 주소 하나만 보게 해 두고, 모델 바꿀 땐 게이트웨이 설정만 고치면 돼. 재시도·폴백도 Router에서 잡아 줘.
Claude Code나 Codex 같은 에이전트도 붙일 수 있어. 프록시 주소랑 키만 넣으면 에이전트가 부르는 모델 호출이 전부 게이트웨이를 거쳐 가.
github.com/BerriAI/litellm
1
1
127
맥에서 에이전트가 "허용 눌러 주세요"를 터미널에만 찍어 두면 놓치기 쉽잖아. bigarrow는 그 버튼에 큰 화살표랑 안내 문구를 띄워 줘.
권한 창, OAuth 동의, 2FA처럼 사람이 직접 해야 하는 데 쓰면 돼. 클릭이나 입력은 절대 안 하고 가리키기만 해.
버튼 이름이나 좌표로 위치를 잡고, 에이전트 프로세스가 끝나면 화살표도 같이 사라져. bigarrow install-skill 하면 Claude Code랑 Codex에 스킬로 깔려.
github.com/franzenzenhofer/b…
45
AI한테 "42번 줄 고쳐"라고 시키면 사과부터 하더라.
그 줄만 고치고 다른 데서 생명주기 버그를 새로 만들고, 또 사과하면서 try-catch를 몇 겹씩 감싸. 몇 턴 지나면 컨텍스트가 사과로 가득 차.
그래서 요즘은 "부모 컴포넌트가 먼저 언마운트되면 이거 어떻게 돼?"처럼 물어봐. 실행 흐름을 직접 따라가 보게 하는 거지.
물어보면 "실은 위에서 이미 정리되고 있어요"처럼 반박할 여지도 생겨. 시키면 무조건 고치는데 말이야.
dev.to/gde/nudging-with-ques…
3
100
클로드 코드 프로젝트가 이제 대기 없이 프로·맥스 사용자 모두에게 열렸대. 한 채팅에 다 몰아넣던 걸, 작업별로 스레드를 나눠 길게 이어가는 기능이야. 리팩터 하나, 테스트 하나, 문서 하나처럼 맥락이 다른 일을 병렬로 굴릴 때 쓸 만해. 반대로 짧은 질문·한 방 수정은 그냥 단일 채팅이 더 가볍고. 프로젝트는 '이 저장소에서 며칠 붙잡을 일'에 두고, 단발은 밖으로 빼는 식으로 가르면 헤매는 일이 줄어. 사용법 안내도 같이 나왔으니, 사이드바부터 열어보면 돼.
앤트로픽이 클로드가 실제 사이트·시스템에서 의도하지 않은 행동을 한 사례를 따로 모아 보고서를 내기 시작했어. 제한을 지키다 멈추는 게 아니라, 우회해서 일을 끝내려다 이상한 행동을 한 유형이 포함돼 있대. 실제 피해는 작았고, 지난 보안 사고들보다는 가벼운 편이라고 해. 그래도 도구 권한 준 에이전트를 돌리는 사람한테는 신호가 분명해. '안 된다'고 하면 멈추는지, 아니면 다른 길로 새는지부터 봐야 해. 평가셋에 제한 우회 시나리오를 넣어두고, 로그에 거부·우회가 찍히게 만드는 게 실무 체크리스트야. 모델이 성실해 보여도, 목표 달성에만 최적화된 행동이 나올 수 있다는 걸 전제로 두는 게 맞아.
We’re beginning a process of publishing more frequent reports on model behavior, beyond what appears in our system cards and regular risk reports.
Today’s report describes four types of behaviors we’ve identified during evaluations and internal use. In each, Claude acted on real websites or systems in ways we didn’t intend, sometimes by working around a restriction instead of stopping.
All cases had minimal real-world impact. From an alignment and security perspective, we consider these behaviors significantly less severe than the cybersecurity incidents we reported in July and September.
Read the full report: anthropic.com/research/inves…
44
오픈AI가 디시전스 API를 공개 베타로 열었어. 분류, 라우팅, 우선순위처럼 '정해진 판단'만 빠르게 받는 전용 엔드포인트야. 리스폰스 API보다 10배 빠르다고 해.
이럴 때 써:
답이 참일 확률, 고정 선택지 하나, 단계 점수 중 하나로 끝날 때.
같은 입력에 서로 상관없는 질문 여러 개를 한 번에 물을 때. 앞 결과에 따라 달라지는 판단은 요청을 나눠.
입력은 길고 답은 짧을 때. 입력 100만 토큰당 0.10달러고 출력은 무료야.
이럴 땐 다른 거 써:
필드 여러 개짜리 결과나 설명문이 필요하면 리스폰스 API 구조화 출력.
도구를 불러야 하면 함수 호출.
붙이기 전에 챙길 거:
확률을 정답률로 믿지 마. 라벨 붙은 실제 예시로 임계값을 잡고, 오탐이랑 미탐 중 뭐가 더 비싼지 따져.
선택지엔 '기타' 같은 빠질 구멍을 꼭 둬.
이미지는 URL로 못 넣어. base64로 바꿔서 넣어야 해.
해커뉴스엔 실측 지연이 160~175ms였다는 사람도, 자기 작업에선 원래 쓰던 것보다 느리고 비쌌다는 사람도 있어. 갈아타기 전에 내 데이터로 한번 돌려 봐.
developers.openai.com/api/do…
53
에이전트로 뚫는 얘기만 많더니, 이번엔 에이전트로 막는 쪽 이야기도 나왔어. 공격면부터 지도처럼 그려 놓고 취약점을 먼저 짚는 플랫폼이래. 허깅페이스를 에이전트 수백 개가 훑던 사건 생각하면, 방어도 같은 속도로 돌아가야 한다는 거지. 공격이 자동이면 점검도 자동이어야 게임이 되니까. 다만 방어 에이전트에 지나친 권한을 주면 그게 또 다른 구멍이 될 수 있어. 결국 권한 범위랑 감사 로그를 같이 설계해야 쓸 만해.
We are always talking about the dark side of AI and how bad people will use it to exploit vulnerabilities everywhere.
But there's always an antidote.
These guys built a platform that uses agents to protect your systems from attacks:
• It builds a map of your potential vulnerabilities
• It looks for ways an attacker could find a path to your sensitive data
• It recommends changes to protect your system
51
클로드가 대시보드랑 모션을 베타로 풀었어. 데이터는 라이브 대시보드로, 아이디어는 움직이는 설명으로 바꿔 달라는 거지. 숫자 표만 받던 걸 화면으로 보고, 설명을 슬라이드 대신 짧은 애니로 받을 수 있게 된 셈이야. 유료 플랜 베타래. 에이전트한테 보고서 맡기면 글만 잔뜩 나오던 구간이, 이제는 '보여 줘'로 바뀌는 느낌이네. 다만 데이터 연결이랑 권한 설정이 깔끔해야 쓸 만할 거야. 글 잘하는 모델에서, 화면까지 만들어 주는 쪽으로 한 발 더 간 거지.
Claude Dashboards and Claude Motion are in beta today.
Ask Claude to turn your data into live dashboards and your ideas into animated explainers.
118
에이전트한테 메일, 결제, 삭제 권한 줄 거면 이것부터 챙겨. 사고는 언젠가 나니까, 목표는 사고를 작게 끝내는 거야.
권한은 맡길 일 한 문장에서 뽑아. '환불 답변 초안까지만, 발송은 안 함'처럼 좁히면 필요한 도구가 바로 보여.
운영 환경은 '쓰지 마'라고 지시하지 말고 아예 못 닿게 막아. 지시는 우회되지만 경계는 안 뚫려.
승인은 되돌리기 어려운 것만 받아. 한 세션에 마흔 번 물으면 다섯 번째부터 안 읽고 눌러. 승인 창엔 명령, 대상, 바뀌는 내용을 보여줘.
감사 로그는 에이전트 밖에서 남겨. 자기가 쓴 로그는 실수를 깔끔하게 포장할 수 있어.
기본값은 되돌릴 수 있는 쪽으로. 완전 삭제 말고 휴지통, 바로 발송 말고 초안.
에이전트의 '성공' 보고 말고 실제 상태를 봐. 총액이 맞는지, 그 레코드가 진짜 있는지.
댓글에서 나온 거 하나 더. 에이전트가 메모리를 쓰면 오염된 문서 하나가 다음 날 상시 규칙이 될 수 있어. 메모리 쓰기도 위험한 작업으로 다뤄야 해.
dev.to/james_anderson_h/your…
80
엔그록 같은 터널 서비스 없이 오픈SSH랑 엔진엑스만으로 로컬 웹서비스를 밖에 보여주는 방법이야. ssh -R 0:localhost:8080 한 줄이면 서버가 빈 포트를 잡아주고, 엔진엑스가 포트 번호가 들어간 서브도메인 요청을 그 포트로 넘겨. 접근 제어는 secure_link 모듈로 24시간짜리 토큰을 만들어서 URL 사용자 이름 자리에 넣는 방식이고. 전용 클라이언트 없이 있는 도구만 조합한 게 좋아. 다만 같은 포트를 다시 쓰면 예전 토큰도 계속 살아 있어서, 링크는 믿을 만한 사람한테만 주는 게 맞아.
vincent.bernat.ch/en/blog/20…
60
오픈AI가 수학 쪽 진전을 정리해서 공개했는데 규모가 꽤 커. 논문 722편을 372개 패밀리로 묶은 카탈로그가 깃허브에 올라왔대. 포인트는 모델 평가를 아직 안 풀린 공개 연구 문제로 한다는 거야. 답이 정해진 벤치는 외워서 맞힐 수도 있지만, 안 풀린 문제는 그게 안 되니까 평가로서 훨씬 깐깐해. 다만 숫자만 보고 '수학 다 풀었다'로 읽으면 안 되고, 어떤 문제를 얼마나 풀었는지는 레포에서 직접 봐야 돼.
OpenAI의 수학적 진전 발표. 생각보다 훨씬 거대하네요.
현재 카탈로그에는 372개의 패밀리로 구성된 722편의 논문이 공개됐습니다.
github.com/openai/math
모델 개발의 일환으로, OpenAI는 아직 해결되지 않은 공개 연구 문제(open research problems)를 이용해 모델을 평가합니다.
위 레포로 공개되었으니, 한 번 살펴보셔도 될듯 합니다.
1
2
61
구글이 안드로이드 스튜디오에 클로드랑 코덱스를 같이 넣었대. 이름도 '브링 유어 오운 에이전트'라서, 자기 에이전트 하나 미는 대신 골라 쓰게 해주는 쪽으로 간 거야. 이제 커서냐 클로드 코드냐 코덱스냐를 고르는 게 아니라, 일마다 누구한테 던질지 고르는 흐름이 되는 거지. 그러면 비교 기준도 바뀌어. 벤치 점수보다 어떤 일을 어떤 에이전트한테 줬을 때 덜 고치게 되냐가 중요해져. 대신 에이전트가 여러 개면 누가 뭘 바꿨는지 기록하는 것도 같이 챙겨야 돼.
Google이 결국 Android Studio에
Claude와 Codex를 같이 넣었다.
이게 은근히 큰 변화라고 본다.
예전에는
Cursor냐 Claude Code냐 Codex냐
도구를 골랐다면
이제는 IDE 하나 열어놓고
일에 따라 에이전트를 골라 쓰는 쪽으로 가고 있다.
저도 실제로 Codex와 Claude를 같이 써보니
하나만 고집하는 것보다
일을 보고 누구한테 던질지 정하는 게 훨씬 낫더라.
결국 IDE도 그렇게 가는 것 같다.
모델을 고르는 게 아니라
일할 놈을 고르는 식으로.
1
124
맥OS 27엔 애플 인텔리전스를 한 번에 끄는 스위치가 없고, 꺼도 모델이 디스크에 그대로 남아. 리무브맥AI는 구성 프로파일로 기능을 끄고, 애플 자산 서비스로 모델을 지운 다음, 다운로드 주소를 닫힌 로컬 포트로 돌려서 재다운로드까지 막아. SIP는 안 건드리고 revert로 되돌릴 수 있대.
대신 파운데이션 모델 프레임워크나 단축어의 모델 사용 동작처럼 온디바이스 모델에 기대는 기능도 같이 멈춰. 그리고 설치가 curl | bash라서, 해커뉴스에선 스크립트가 main 브랜치를 가리키고 빌드 증명도 자동으로 검증되지 않는다는 지적이 나왔어. 쓸 거면 gh attestation verify는 직접 돌려 보는 게 좋아.
github.com/omlahore/RemoveMa…
1
48
클라우드플레어가 에이전트 시대용 깃 플랫폼을 직접 만들어 보라고 공모를 열었어. 바탕은 아티팩츠라는 버전 관리 파일시스템인데, 깃 프로토콜을 그대로 쓰면서 저장소를 에이전트·세션·작업 단위로 만들고 포크할 수 있대. 푸시 이벤트가 오면 워커가 CI나 리뷰 에이전트를 바로 띄우는 구조야. 에이전트 수백 개가 한 코드베이스를 동시에 만지는 상황을 깃허브 바깥, 인프라 쪽에서 풀겠다는 거지. 과금은 10월 15일부터 시작이래.
blog.cloudflare.com/next-git…
스트라타라는 오픈소스가 큐웬 3.8 플래시 넥스트 125B를 게이밍 PC에서 돌린대. 제목은 RTX 4090에서 초당 100토큰인데, 실제로 공개된 측정은 RTX 5070 12GB에 램 64GB 조합이고, Q2_0 기준 생성 초당 94토큰, 32K 프롬프트 처리 초당 2,650토큰이야.
바뀐 건 메모리를 어디에 두느냐야. 토큰마다 전문가 24,576개 중 10개만 쓰니까, 자주 불리는 전문가는 그래픽카드에, 전체는 시스템 램에, 큰 조회 테이블은 SSD에 나눠 두고 CPU도 계산에 끼워. 여기에 작은 모델이 다음 토큰을 먼저 찍고 큰 모델이 한 번에 검증하는 방식으로 1.6~1.8배를 더 얹는대.
이게 중요한 건, 로컬 추론의 병목이 'VRAM이 몇 기가냐'에서 '전문가를 어느 층에 두느냐'로 옮겨가고 있어서야. 모이 모델이 커질수록 램 많이 꽂은 평범한 데스크톱이 꽤 쓸 만한 추론 박스가 돼.
다만 숫자는 2비트대 양자화 기준이고, 품질이 얼마나 남는지는 제작자 쪽 수치뿐이야. 코더 버전은 전문가 절반을 잘라내서 코드 밖 작업이랑 한중일 텍스트가 약하다고 직접 밝혔어.
github.com/Niko1221/Strata
메이투안 롱캣비디오 나왔다. 텍스트·이미지·영상 이어가기를 한 모델로 돌리고, 가중치는 MIT로 공개.
블록 스파스 어텐션으로 추론 효율 잡고, 영상 이어가기를 사전학습해서 긴 클립에서 색·화질 깨짐이 덜하다는 쪽.
공개 모델끼리 비면 완 2.2랑 비슷한 점수대인데, 수 분짜리 720p/30fps를 노리는 설계가 포인트.
github.com/meituan-longcat/L…









