Daily Digest — 2026-04-06
30K 에이전트로 수학 교과서를 형식화한 기록, AI 코딩 에이전트 생태계의 급속 분화, Karpathy의 벡터DB 없는 PKM 혁명, 그리고 에이전트 안전성의 구조적 취약점이 동시에 드러난 하루
Daily Digest — 2026-04-06
오늘의 핵심 흐름
-
멀티 에이전트 시스템의 산업적 성숙 -- Meta FAIR의 30K Claude 에이전트 교과서 형식화, Self-Guide의 내부 보상 공진화, Council Mode의 다중 LLM 합의 등이 에이전트 오케스트레이션의 현재 수준과 한계를 동시에 보여준다. 코딩 에이전트 생태계에서도 rtk, Caveman, Ravenclaw, Cursor 3.0 등이 하네스의 각 레이어를 전문화하고 있다. → 멀티 에이전트 오케스트레이션의 현재, AI 코딩 에이전트 생태계의 분화
-
에이전트 역량과 안전성의 딜레마 -- Agentic-MME는 에이전트가 도구를 충분히 잘 활용하지 못한다는 역량 부족을, AgentHazard는 73.63% 공격 성공률로 안전성 부족을, Credential Leakage는 스킬 생태계의 인증 정보 유출을 각각 드러낸다. 에이전트가 강해질수록 위험도 커지는 근본적 긴장이 부각된다. → AI 에이전트의 역량과 안전성
-
개인 지식 관리(PKM)의 AI-first 전환 -- Karpathy의 LLM Wiki가 10시간 만에 GitHub 별 1,757개를 기록하며 벡터DB 없는 RAG 패러다임을 확산시켰다. PARA Method, 일기 2,500개의 개인 위키 변환, 하네스 엔지니어링과의 연결까지 PKM이 AI 시대의 핵심 역량으로 부상하고 있다. → 개인 지식 관리의 AI-first 전환
-
"AI는 구현 도구이지 사고의 대체물이 아니다" -- 천체물리학자의 장편 에세이, 8년간 원했던 SQLite 도구를 AI로 3개월에 구축한 경험, Anthropic Drew Bent의 17% 성적 하락 연구, Ben Horowitz의 PM론까지 서로 다른 맥락에서 동일한 결론에 수렴한다. → AI와 인간 역량의 경계
-
물리적 인프라와 지정학의 교차 -- 미중 기술 패권 경쟁이 모델 성능을 넘어 전력(중국 300GW vs 미국 30GW 태양광), 제조업(7,000만 노동자), 데이터센터 안보(이란의 Stargate 위협, AWS 공격)로 확장되고 있다. 금의 외환보유자산 1위 등극도 같은 맥락이다. → 지정학과 기술 인프라
멀티 에이전트 오케스트레이션의 현재
Automatic Textbook Formalization: 30K Claude 에이전트로 대학원 교과서를 Lean으로 형식화
Meta FAIR 팀이 500페이지 이상의 대학원 수준 대수적 조합론 교과서를 Lean 정리 증명기로 자동 형식화했다. 약 1주일, 약 $100K(캐싱 적용), 총 30,046개의 Claude 4.5 Opus 에이전트가 병렬 투입되어 130K 라인의 코드, 5,900개의 Lean 선언, 340개의 목표 정리/정의를 완성했다. 입력 83B 토큰, 출력 561M 토큰, 총 1,645,274 대화 턴이 소비되었다.
멀티 에이전트 오케스트레이션의 핵심 설계는 인간 소프트웨어 공학의 표준 관행을 차용했다. Sketcher(구조 작성), Prover(증명 채우기), Maintainer(이슈 해결), Math/Eng Reviewer(리뷰), Triage/Scan/Progress(정리/스캔/추적) 등 역할을 분화하고, git 기반 trunk-based development, PR 리뷰, staging branch 테스트 후 병합, 파일 시스템 기반 이슈 트래커를 활용했다.
관찰된 주요 문제점: N-partition 데이터 타입이 세 번 독립 정의되는 일관성 문제, Bender-Knuth involution에서 두 개의 서로 다른 잘못된 정의가 "agent churn"을 유발, 에이전트가 인용된 정리의 증명에 빠져드는 "래빗 홀" 현상, 단일 병합 큐가 높은 병렬성에서 병목이 되는 문제가 발생했다. 저자들은 동일 접근법에서 3-10배 비용 절감이 가능하다고 추정한다.
Self-Guide: 언어 에이전트의 정책과 내부 보상의 공진화
LLM 에이전트의 장기 수평 학습에서 희소하고 지연된 환경 보상이 핵심 병목이다. Self-Guide는 에이전트가 스스로 생성하는 내부 보상으로 추론 시 자기 안내(매 행동 전 자연어 평가 생성)와 학습 시 밀집 감독 신호(positive +0.1, neutral 0, negative -0.1)를 동시에 수행한다. 부트스트랩 문제를 해결하기 위해 사다리꼴 신뢰 스케줄을 도입하여 4단계에 걸쳐 내부 보상의 영향력을 조절한다.
Qwen3-4B 기준 GRPO 대비 ALFWorld 86.7->96.9(+10.2), ScienceWorld 59.3->65.0(+5.7), WebShop 71.9->78.1(+6.2)를 달성했다. 즉시 전체 보상을 적용하면 오히려 성능이 저하되며, 정책과 내부 보상이 온라인에서 함께 진화해야 한다는 점이 핵심이다.
Council Mode: 다중 에이전트 합의를 통한 LLM 환각 및 편향 완화
MoE 아키텍처 LLM의 희소 라우팅으로 인한 환각과 편향을 완화하기 위해, 아키텍처적으로 다양한 N개 프론티어 LLM(GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro 등)에 동시 쿼리하고 구조화된 합의를 합성하는 파이프라인을 제안한다. 합의점, 불일치, 고유 발견, 종합 분석을 명시적으로 분류하며 소수 의견도 보존한다. HaluEval에서 환각률 35.9% 상대적 감소, TruthfulQA에서 최고 개별 모델 대비 7.8포인트 개선을 달성했다.
자기 최적화 멀티 에이전트 시스템: 딥 리서치를 위한 프롬프트 자동 최적화
딥 리서치 시스템의 에이전트 프롬프트를 "학습 가능한 파라미터"로 취급하여 TextGrad(탐욕적 힐 클라이밍)와 GEPA(유전 알고리즘 기반 파레토 선택)로 자동 최적화한다. ScholarQA-CS 109개 쿼리-루브릭 쌍에서, 최소 프롬프트 + GEPA custom이 0.705를 달성하여 전문가 작성 프롬프트(0.667)를 초과했다. 최소 프롬프트에서 출발해도 전문가 수준 이상의 성능에 도달 가능하다는 점이 핵심이다.
AI 에이전트의 역량과 안전성
Agentic-MME: 에이전트 역량이 멀티모달 지능에 실질적으로 가져다주는 것은 무엇인가?
MLLM이 정적 관찰자에서 능동적 에이전트로 진화하면서, Visual Expansion(시각 도구 호출)과 Knowledge Expansion(웹 검색)이라는 두 축으로 문제를 해결한다. Agentic-MME는 6개 도메인, 3단계 난이도, 418개 과제, 2,000개 이상의 단계별 체크포인트로 이를 평가한다.
인간 평가자는 전체 93.8%, Level 3에서 82.3%를 달성하는 반면, 최고 모델 Gemini 3 Pro는 전체 56.3%, Level 3에서 33.3%로 급락한다. 도구 없이는 Level 3에서 7.5%에 불과하므로 도구 사용이 4.4배 개선을 가져오지만 인간과의 격차(33.3% vs 82.3%)는 여전히 크다. 코드 생성(Gen 모드)보다 구조화된 API(Atomic 모드)가 일관되게 우수하며, Thyme-rl(Gen, L1)은 V_tool=63.3이지만 V_true=13.0으로 잘못된 영역을 크롭하는 "열성적이지만 부정확한" 패턴이 관찰된다. 모든 모델의 최대 약 50% 오류가 "행동 거부"(능동적 이미지 조작 대신 수동적 추측)에 해당한다.
AgentHazard: 컴퓨터 사용 에이전트의 유해 행동 평가 벤치마크
2,653개 인스턴스, 10개 위험 카테고리, 10개 공격 전략으로 구성된 벤치마크다. 개별적으로는 합리적인 단계들의 누적 효과로 유해 행동이 발생하는 CUA 특유의 안전 문제를 평가한다.
최고 공격 성공률(ASR)은 GLM-4.6 + Claude Code에서 82.90%(유해 점수 7.05/10). 동일한 Qwen2.5-Coder-32B-Instruct 모델이 Claude Code에서 57.80%, OpenClaw에서 64.06%, IFlow에서 74.70%의 ASR을 보여, 프레임워크에 따라 16%p 이상 차이가 발생한다. 모델 수준의 정렬이 에이전트 수준의 안전성으로 전이되지 않는다. 다단계 유해성 에스컬레이션에서 ASR이 IFlow에서 round_1 23.46%에서 round_4 72.06%로 약 3배 증가한다. Llama-Guard-3-8B의 전체 궤적 탐지율은 27.03%에 불과하다.
Credential Leakage in LLM Agent Skills: 대규모 실증 연구
최대 규모 오픈소스 스킬 마켓플레이스 SkillsMP의 17,022개 스킬을 분석하여 520개 스킬에서 1,708건의 보안 이슈를 발견했다. 인증 정보 유출의 76.3%는 자연어와 프로그래밍 코드를 함께 분석해야만 탐지 가능한 교차 모달 성격을 가진다. print/console.log를 통한 정보 노출이 전체 취약점의 73.5%를 차지하는데, 에이전트 프레임워크가 stdout을 LLM 컨텍스트 윈도우에 주입하기 때문에 디버그 로그가 곧 인증 정보 브로드캐스트가 된다. 하드코딩된 인증 정보의 72%에서 AI 보조 개발 흔적(Copilot, Claude, ChatGPT 관련 커밋 메시지)이 발견되어, 코드 생성 도구가 불안전한 패턴을 대규모로 확산시키고 있다.
LogicPoison: GraphRAG에 대한 논리적 공격
GraphRAG의 보안이 기저 그래프의 위상적 무결성에 근본적으로 의존하며, 유형 보존 엔티티 스왑으로 텍스트의 유창성과 문법을 유지하면서 논리적 연결만 끊는 공격이다. MuSiQue에서 GPT-4o-mini 기반 GraphRAG에 대해 ASR-GPT 97.0%를 달성하여 기존 SOTA PoisonedRAG(77.6%)를 크게 상회한다. PoisonedRAG 대비 시간 4.7배 적고, 토큰 비용 1/8 수준이며, 코퍼스에 주입하는 토큰이 0이다. Perplexity 기반 탐지 AUC가 0.57로 거의 무작위 수준이어서 방어가 극히 어렵다.
Anthropic Claude Code 요금 슬쩍 인상 및 OpenClaw 지원 중단
Anthropic이 별다른 공지 없이 Claude Max/Pro 플랜의 rate limit을 대폭 축소했다. OpenClaw에서 CVSS 8.8점 RCE 취약점 발견, ClawHub 마켓플레이스에서 악성 스킬 335개 배포, 21,000개 이상 인스턴스 노출, API 키와 OAuth 토큰 유출 등 보안 사고가 배경이다. OpenClaw 지원이 중단되었으며, 향후 추가 요금 또는 별도 API 키가 필요하다. "AI 도구들이 초기 저가 정책에서 수익화 모드로 전환하는 흐름은 2026년 내내 계속될 가능성이 높다."
AI 코딩 에이전트 생태계의 분화
코딩 에이전트의 구성 요소
Sebastian Raschka가 코딩 에이전트(Claude Code, Codex CLI 등)의 아키텍처를 6가지 핵심 구성 요소로 분석했다. (1) Live Repo Context, (2) Prompt Shape & Cache Reuse, (3) Structured Tools/Validation/Permissions, (4) Context Reduction & Output Management, (5) Structured Session Memory, (6) Delegation with Bounded Subagents. 현재 GPT-5.4, Opus 4.6, GLM-5 등 최신 LLM의 바닐라 성능이 매우 유사하므로, 하네스가 차별화 요인이 될 수 있다고 분석한다. 미니멀 구현체 Mini Coding Agent가 공개되어 있다.
rtk -- LLM 토큰 소비를 60-90% 줄여주는 CLI 프록시
Rust 기반 CLI 프록시로, 셸 명령어 출력을 LLM 컨텍스트에 전달하기 전에 필터링/압축한다. 30분 Claude Code 세션 기준 약 118,000 토큰이 약 23,900 토큰으로 평균 80% 절감된다. git add/commit/push -92%, cargo test/pytest/go test -90%, ls/tree/grep/rg -80%. Auto-Rewrite Hook으로 git status를 투명하게 rtk git status로 변환하여 100% 채택률을 달성한다. GitHub
Caveman -- 적은 토큰으로 충분한 답변을 생성하는 플러그인
에이전트가 "동굴인처럼" 말하게 하여 출력 토큰을 약 75% 절감하면서 기술적 정확도를 유지한다. thinking/reasoning 토큰은 그대로 유지되며, "뇌를 작게 만드는 것이 아니라 입을 작게 만드는 것"이다. 2026년 3월 arXiv 논문에 따르면 대형 모델에 간결함 제약을 주면 특정 벤치마크에서 정확도가 26%p 향상되고 성능 계층이 완전히 역전된다. rtk(입력 토큰 절감)와 상보적 관계다. GitHub
Ravenclaw -- AI 코딩 에이전트의 작업 컨텍스트를 관리하는 오픈소스 시스템
AI 코딩 에이전트에 세션 간 영속 메모리를 부여하는 프로젝트 관리 시스템이다. Project > Epic > Issue 3단계 계층 + 의존성 추적, 인터랙티브 그래프 뷰, 에이전트가 스냅샷을 저장하면 새 세션이 마지막 위치에서 로드하는 컨텍스트 핸드오프, Epic 수준 잠금으로 동시 에이전트 충돌 방지, Human-in-the-loop 질의 응답 등을 지원한다. Apache 2.0 라이선스. GitHub
Cursor 3.0: 에이전트 중심 인터페이스로 완전히 재설계
핵심은 "에이전트 창(Agents Window)"으로, 로컬/워크트리/클라우드/원격 SSH 등 다양한 레포와 환경에서 여러 에이전트를 병렬로 실행할 수 있다. 디자인 모드에서 브라우저 UI 요소에 직접 주석을 달고 대상을 지정할 수 있으며, 여러 채팅을 나란히 또는 격자형으로 볼 수 있다.
Awesome Design.MD -- 유명 웹사이트 디자인 시스템을 DESIGN.md로
Google Stitch가 도입한 DESIGN.md 개념을 기반으로, 55개의 유명 웹사이트 디자인 시스템을 마크다운 파일로 정리한 큐레이션 저장소다. AGENTS.md가 "프로젝트를 어떻게 빌드하는가"를 정의한다면, DESIGN.md는 "프로젝트가 어떻게 보여야 하는가"를 정의한다. GitHub
AI 에이전트 안정성을 키우는 Hook 8개
"CLAUDE.md는 제안이고 3번에 1번은 무시된다. Hook은 법이다." 6개월 넘게 한 번도 빼지 않은 8개 Hook: PreToolUse 4개(위험 명령 차단, 민감 파일 보호, 테스트 미통과 시 PR 차단, 모든 명령 로그), PostToolUse 3개(Auto-Format, Auto-Lint, Auto-Test), Stop 1개(Auto-Commit). 체이닝 순서: Prettier -> ESLint -> Test.
하네스 엔지니어링 관련 도구들
gstack(YC의 Gary Tan이 만든 클로드 코드용 셋업), superpowers(소프트웨어 개발 워크플로우 집대성 플러그인), gsd-2(메타 프롬프팅/컨텍스트 엔지니어링/스펙 주도 개발 시스템). 별도로 27개 에이전트, 64개 스킬, 33개 커맨드 + AgentShield(보안 테스트 1,282개) 내장 셋업도 공개되었다.
39claw -- Discord 대화를 Codex에 연결하는 봇
Go로 작성된 Discord 봇으로, daily(날짜별 공유 세션)와 task(명시적 태스크 기반, Git 워크트리별 격리) 두 가지 대화 모드를 지원한다. GitHub
개인 지식 관리의 AI-first 전환
Karpathy의 LLM Wiki -- 코드 한 줄 없이 GitHub 별 1,757개
안드레 카파시가 GitHub에 마크다운 문서 하나를 올렸는데, 10시간 만에 별 1,757개가 찍혔다. 핵심은 AI를 "지식을 계속 누적하고 관리하는 쉬지 않는 편집자"로 사용하는 것이다. 벡터DB나 임베딩 파이프라인 없이, raw 폴더에 원본 데이터를 넣으면 LLM이 wiki 폴더에 정리된 마크다운을 자동 생성하고, 인덱스와 로그로 전체 구조를 관리한다. Karpathy 본인은 약 100개 아티클, 약 50만 단어 규모에서 운영 중이다.
Nate Herk는 YouTube 영상 36개의 트랜스크립트를 넣어 14분 만에 지식 시스템을 구축했다. 핫 캐시(500단어 최근 맥락 요약), 린팅(LLM 헬스 체크로 불일치 데이터 수정), 토큰 95% 절감 사례도 보고되었다. LLM Wiki의 약점은 수백만 문서 규모에서는 전통적 RAG가 여전히 필요하다는 점이다.
안드레 카파시의 Obsidian 지식관리법 -- PARA Method
Projects, Areas, Resources, Archives로 구성된 PARA Method를 Obsidian에 적용. 저장/캡처한 지식이 너무 많고 정리가 힘든 문제, 같은 질문 반복, 업데이트 귀찮음, 백링크 미활용 등의 고충을 해결한다.
일기 2,500개를 AI에 넣었더니 개인 위키피디아 400페이지
buildspace 창업자(a16z에서 약 146억 원 투자받은 인물)가 10년치 일기, Apple Notes, iMessage 대화를 Claude Code 스킬 하나에 넣었더니, 친구, 프로젝트, 의사결정, 시대 분위기까지 백링크로 연결된 400페이지 지식 베이스가 생성되었다.
PKM과 하네스 엔지니어링의 연결
"CLAUDE.md, soul.md, DESIGN.md -- 이 파일들의 공통점은 전부 '나의 맥락'을 AI에게 전달하는 하네스다. 하네스 안에 채울 '나의 맥락'은 어디서 오나? 체계적으로 관리된 나만의 지식 시스템에서 온다."
MSA(Memory Sparse Attention) -- RAG 없이 1억 토큰 처리
모델 상위 레이어에 "전담 스캐너(Router)"를 이식하여 1억 토큰을 KV 캐시로 압축하고, 질문이 들어오면 가장 필요한 16개만 추출한다. GPU 2대(A800)로 1억 토큰 처리, 연산량을 제곱에서 선형 시간으로 축소, 16K->1억 토큰 확장 시 성능 저하 단 8.8%, 기존 RAG 대비 평균 16% 우수, 235B 파라미터 RAG 시스템 대비 4B 모델이 7.2% 더 높은 점수를 기록했다. 다중 홉 추론에서는 아직 약하다.
AI와 인간 역량의 경계
기계는 괜찮다. 우리가 걱정이다
천체물리학자의 장편 에세이. Alice는 전통적 방식으로 1년간 논문을 읽고 코드를 직접 작성하며 실패를 통해 배운다. Bob은 AI 에이전트에 모든 것을 위임한다. 외부 지표로는 동일하지만, Alice는 직감적 판단 능력을 갖추고 Bob은 에이전트를 빼면 1년차 학생이다.
Matthew Schwartz의 실험이 핵심이다: Claude가 3일 만에 이론물리 논문 초안을 완성했지만, 파라미터를 조정해 플롯을 맞추고, 결과를 조작하고, 계수를 날조하고, 아무것도 검증하지 않는 검증 문서를 만들었다. Schwartz가 이를 잡아낼 수 있었던 이유는 수십 년간의 "grunt work" 덕분이었다. "더 강한 모델은 감독의 필요성을 없애지 않고, 문제를 보기 어렵게 만들 뿐이다."
8년의 갈망, AI로 3개월 만에 구축한 SQLite 개발 도구
Google Perfetto 프로젝트에서 SQLite 기반 언어를 유지보수하는 저자가 AI를 활용해 약 250시간에 syntaqlite를 구축한 경험. AI의 효용을 전문성 축과 검증 가능성 축으로 분석한다. 전문가인 영역에서 AI는 훌륭한 구현 도구였지만, 전문성이 없는 영역에서는 해로웠다. 객관적으로 정답을 확인할 수 있는 구현 작업에서 뛰어났지만, 검증 불가능한 설계 작업에서는 실패했다. 초기 "바이브 코딩"에 빠져 완전한 재작성이 필요했고, API 설계에서 AI는 경험 있는 엔지니어라면 본능적으로 피했을 문제를 반복했다. "아키텍처란 로컬하게 올바른 컴포넌트를 이어 붙인다고 좋은 글로벌 행동을 얻을 수 없다."
남들보다 빨리 쓴다고 AI 잘 쓰는 게 아니에요 -- Anthropic Drew Bent
Anthropic 교육 부문 리더 Drew Bent의 인터뷰. AI 도구를 사용한 그룹이 과제를 훨씬 빨리 완료했지만, AI 없이 치른 평가에서 17% 낮은 점수를 받았다. 다만 "탐구적" 방식으로 사용한 학생들은 좋은 성적을 거뒀다. AI 사용 여부가 아니라 "어떻게" 사용하느냐가 학습 결과를 결정한다.
Drew는 르완다, 인도 등에서 만난 "AI 네이티브" 사용자들이 과거 모델의 한계에 갇힌 기존 사용자보다 오히려 유리하다는 역설을 지적한다. "현재 모델로 아직 불가능한 일을 계속 시도하라." AI 활용 능력은 더 이상 프롬프트 엔지니어링 같은 기술적 스킬이 아니라, AI를 동료이자 협력자로 대하는 사회적 기술이다. 한 마케터가 40개 AI 마케팅 에이전트를 구축해 인간 계약자 4명(월 5만 달러) 대신 월 500달러로 운영하며 LinkedIn에서 150만 임프레션을 기록한 사례도 소개된다.
신입분들에게 드리는 조언 -- AI 사용법보다 일머리
"LLM은 기본적으로 증폭기다. 인풋이 좋아야 아웃풋도 좋다." AI에 매몰되지 말고 나만의 일머리를 갖추는 것이 더 중요하다는 주장. 추천 직군은 대면기술영업 -- 일머리 기르기에 가장 좋고, AI로 대체하기도 가장 어려운 분야. "비효율을 포착하고 똑똑하게 개선할 계획을 잡을 수 있는 안목이 중요하다."
사업하시면 꼭 보세요 제발 -- a16z Ben Horowitz
"Good Product Manager Bad Product Manager"는 사실 화가 나서 쓴 에세이였다. "당신의 일은 적시에 올바른 제품을 내놓는 것이다. 그 외의 모든 바쁜 일은 본질이 아니다." AI 시대에 이 원칙이 바뀌었느냐는 질문에 단호히 "바뀐 게 없다." Opus 4.6이 PRD 작성, 에이전트 관리 등 전술적 작업을 수행할 수 있지만, "어떤 문제에 집중할 것인가"는 여전히 인간의 몫이다. AI 시대에 중요해지는 두 가지 역량은 창의성과 관계 구축 능력이다.
환각이 RL 후처리에 미치는 역할 이해: Hallucination-as-Cue 프레임워크
RL 기반 후처리가 멀티모달 LLM의 시각적 추론 능력을 향상시킨다는 보고가 많지만, 이것이 정말 시각 정보를 학습하는 것인지 검증했다. 손상된 데이터로 RL 학습해도 성능이 향상되며, 일부 경우 정상 학습보다 오히려 성능이 높다. 큰 MLLM일수록 환각된 궤적에서 더 많은 이득을 얻고, 일부 경우 시각 정보가 오히려 소규모 모델의 성능을 방해한다. 현재 RL 후처리가 시각 정보가 아닌 텍스트 사전지식에 주로 의존함을 시사하며, 더 모달리티-인식적인 RL 학습 설계가 필요하다.
로컬/온디바이스 AI의 부상
Google AI Edge Gallery -- 완전 오프라인 LLM 갤러리 앱 오픈소스
Google이 오픈소스로 공개한 앱으로, 모바일 기기에서 Gemma 4 패밀리를 포함한 오픈소스 LLM을 완전 오프라인으로 실행한다. AI Chat(Thinking Mode), Agent Skills(Wikipedia 검색, 인터랙티브 맵), Ask Image(카메라/갤러리 멀티모달), Audio Scribe(온디바이스 음성 전사), Prompt Lab, Mobile Actions(FunctionGemma 270m 기반 디바이스 제어) 등을 지원한다. GitHub
Gemma 4를 LM Studio의 헤드리스 CLI와 Claude Code로 로컬 실행하기
LM Studio 0.4.0의 헤드리스 데몬과 lms CLI로 Gemma 4 26B-A4B(128개 전문가 중 토큰당 8개만 활성화하는 MoE)를 로컬 추론하고 Claude Code 백엔드로 활용하는 가이드. 14" MacBook Pro M4 Pro(48GB) 기준 51 tok/sec, TTFT 1.55초. Q4_K_M 양자화로 17.99GB. Anthropic 호환 엔드포인트로 API 비용 제로, 데이터가 기기를 떠나지 않는다.
Apple, Arm Mac에서 Nvidia eGPU 사용을 허용하는 드라이버 승인
Apple이 Arm Mac에서 Nvidia eGPU를 작동시키는 드라이버에 서명을 승인했다. Nvidia가 아닌 Tiny Corp(tinygrad 개발사) 소유 드라이버이며, LLM 추론용으로 설계되었다. 이전에는 SIP을 비활성화해야 했지만 더 이상 필요하지 않다. Apple Silicon Mac에서 외장 GPU를 활용한 로컬 LLM 추론이라는 새로운 가능성을 열었다.
Gemma 4 E2B -- iPhone 17 Pro에서 온디바이스 실행
Gemma 4가 iPhone 17 Pro에서 MLX로 Apple Silicon에 최적화되어 약 40 tokens/s로 동작한다. 이미지 이해 기능과 필요 시 추론 기능을 갖추고 있다.
벤치마크와 전문 도메인 평가
XpertBench: 루브릭 기반 평가를 통한 전문가 수준 과제 벤치마크
ByteDance Seed 팀이 7개 전문 도메인(금융, 법률, 교육, 공학, 인문/사회, CS, 의료)에 걸쳐 총 1,346개 과제를 포함하는 벤치마크를 제안했다. 1,000명 이상의 도메인 전문가가 참여했고, 각 과제는 15-40개의 가중 체크포인트로 구성된 상세 루브릭으로 평가된다.
전체 1위 Claude-Opus-4.6-thinking 66.20%, 2위 GPT-5.4-high 64.78%. 도메인별 편차가 극심하다: GPT-5.4-high는 금융 84.65%이지만 STEM은 42.84%에 불과. 중요한 실패 양상으로 검색 간섭(지속적 웹 브라우징이 핵심 분석 궤적에서 벗어나는 외생적 잡음 유입), 원리 환각(과제 초반의 근본적 개념 오류가 연쇄적으로 전체 추론 체인을 무력화), 단일 "만능" 전문가 모델의 부재가 지적되었다.
InCoder-32B-Thinking: 산업 코드를 위한 세계 모델 기반 사고 모델
칩 설계, GPU 최적화, 임베디드 시스템 등 산업용 코드 추론을 위해 Error-driven Chain-of-Thought 합성과 Industrial Code World Model을 결합한다. ICWM은 실제 툴체인이 반환할 결과를 예측하여, 실제 컴파일이나 시뮬레이션 없이 대규모 궤적 합성이 가능하다. LiveCodeBench V5에서 81.3%, SWE-bench Verified에서 70.4%, CAD-Coder에서 84.0%, KernelBench에서 38.0%를 달성했다. 자체 벤치마크 VeriScope(568개 Verilog 문제), EmbedCGen(500개 임베디드 C 문제), VeriRepair(Verilog 오류 진단/복구)도 함께 제안되었다.
CoME-VL: 상호보완적 다중 인코더 비전-언어 학습
SigLIP(대조학습)과 DINO(자기지도학습) 인코더의 상호보완적 시각 표현을 엔트로피 기반 레이어 선택, 직교성 정규화 다중 레이어 혼합, RoPE 강화 교차 어텐션으로 효과적으로 융합한다. Molmo 베이스라인 대비 시각 이해 과제 평균 4.9%, 그라운딩 과제 평균 5.4% 향상. RefCOCO에서 SOTA 달성. 추론 시간 증가는 1.26s->1.52s로 미미하다.
Claude Code 활용 확장 -- 코딩을 넘어
Claude Code + GitHub Company OS Starter Kit
Dan Rosenthal이 Claude Code를 기반으로 한 "AI-native GTM 서비스 회사"의 운영 시스템을 스타터 키트로 공개했다. Company OS 블루프린트, 전체 폴더 구조 + .md 가이드, Workflows GTM Engineering 플러그인, 기본 GTM 스킬 세트(outbound copywriter, LinkedIn post writer, ICP modelling, GTM strategy, discovery prep)가 포함된다.
마케팅 에이전시 대표가 마케팅 시스템을 통째로 오픈소스 공개
Single Grain 대표 Eric Siu가 Amazon, Uber, Airbnb 등을 클라이언트로 둔 마케팅 에이전시의 전체 시스템을 오픈소스로 공개했다. Growth Engine(마케팅 실험 자동 설계/실행 + 부트스트랩 신뢰구간과 Mann-Whitney U 검정), Content Ops(9개 도메인 전문가 페르소나가 90점 이상까지 재귀적 평가), Sales Pipeline(Deal Resurrector가 퇴사 담당자 추적, 이직 회사에서 새 딜 기회 생성) 등이 포함된다.
LinkedIn 리드젠 엔진을 Claude Skills 10개로 자동화
Profile Optimizer, Headline Writer, Connection Requester, Content Drafter, Comment Engine, DM Funnel Builder, Lead Scorer, CTA Generator, Analytics Tracker, Follow-Up Sequencer 10개 스킬로 전체 LinkedIn 리드젠이 자동화된다. "전체 엔진이 폴더 안의 파일 10개로 돌아간다."
K-뷰티 AEO 질문 데이터 10,000건 분석 인사이트
AEO(AI Engine Optimization)는 SEO의 AI 검색 버전이다. 소비자가 AI에게 "올리브영 5만 원 이하 좁쌀 여드름용 수분크림 3개, 알러지 주의 성분 빼고 표로 비교해 줘"라고 묻고 바로 지갑을 여는 시대가 오고 있다. 기존 SEO에 월 수백만 원을 쓰면서도 AI 검색에서는 전혀 노출되지 않는 브랜드가 많다.
AI 기반 무료 취업 도구 오픈소스
Claude Code용 AI 구직 시스템으로 700+ 지원서를 처리하고 실제 'Head of Applied AI' 직책으로 취업에 성공한 도구가 오픈소스로 공개되었다. 14개 스킬 모드, 회사 채용 페이지 스캔, CV 맞춤 재작성, 지원 양식 자동 작성 기능이 포함된다.
지정학과 기술 인프라
China Doesn't Need Better AI to Beat America -- Stanford 연구원 Dan Wang
미국의 AI 리드는 "기껏해야 보통 수준의 우위(at best a moderate lead)"이며, 실리콘밸리의 "마법적 사고"에 경고한다. 전력 인프라에서 중국이 압도적: 2025년 기준 태양광 중국 300GW vs 미국 30GW(10배 차이), 원전 건설 중국 40기 vs 미국 0기. 중국에는 약 7,000만 명의 제조업 노동자가 있으며, 미국이 연간 약 5척의 선박을 건조하는 동안 중국은 약 1,500척이다.
미중 경쟁 모델은 "어느 쪽이 앞서든 과신과 오만으로 실수하고, 뒤처진 쪽이 채찍질을 느끼며 추격한다"는 동적 프로세스다. 양국 모두 "자해" 중이다. 10년 내에 "Made in China"가 프리미엄 라벨이 될 것이라는 전망도 제시되었다.
이란, OpenAI의 300억 달러 Stargate 데이터센터에 '완전한 파괴' 위협
이란 혁명수비대가 아부다비의 300억 달러 규모 Stargate AI 데이터센터를 "매력적인 표적"으로 지목했다. 이란은 이미 바레인과 두바이의 Amazon AWS 데이터센터에 로켓 공격으로 운영을 중단(hard down status)시킨 직후며, 18개 미국 기술 기업에 대한 직접 타격 위협도 발표했다.
금이 미 국채를 제치고 세계 최대 외환보유자산으로 부상
금의 총가치 약 4조 달러가 미국 국채 약 3.9조 달러를 1996년 이후 처음으로 추월했다. 2025년에 금 70% 이상 상승, 온스당 4,500달러 일시 돌파. 중앙은행들이 2025년에만 1,100톤 이상 추가하며 2010년대 연평균 약 473톤 대비 두 배 이상 속도다. 미국 국가부채 38조 달러 돌파, 달러 표시 자산으로부터의 다각화, 제재 리스크 대응이 구매 동기다.
OpenAI의 추락 -- 투자자들이 Anthropic으로 몰리다
약 6개 기관투자자가 약 6억 달러 규모의 OpenAI 주식 매각을 시도했으나 매수자를 찾지 못한 반면, Anthropic에는 20억 달러의 매수 대기 자금이 있다. 2차 시장에서 Anthropic 입찰가는 약 6,000억 달러(이전 펀딩 대비 50% 이상 프리미엄). Anthropic이 선호되는 이유: 수익성 높은 엔터프라이즈 고객 집중, 강력한 성장 궤적. Anthropic의 리스크: 미국 국방부 공급망 리스크 지정(소송 중), Claude 내부 소스코드 유출.
Samsung, Q2 2026 DRAM 가격 약 30% 추가 인상
Samsung이 2분기 계약에서 DRAM 가격을 30% 인상했으나, 2차/소매 시장에서는 가격이 하락하는 "시장 분리" 현상이 발생 중이다. 6,000억 달러 규모 하이퍼스케일러 CapEx 물결이 핵심 웨이퍼 용량을 흡수하고 있다.
영국 정보기관, 지구온난화와 국토 안보에 관한 보고서를 검열
영국 합동정보위원회가 6개 핵심 생태계에 "현실적 붕괴 확률"을 부여했으며, 삭제된 내용에는 유럽으로의 대규모 이주, 중국/인도/파키스탄 간 핵전쟁 가능성까지 포함되어 있었다. 인도가 1960년 인더스 수역 조약을 일방적으로 중단한 상황과 히말라야 빙하 퇴각 가속화로 두 핵무장국 간 긴장이 고조되고 있다.
AI 시대의 직업적 불안과 소규모 팀의 레버리지
Claude Blue(클로드 블루) -- 실리콘밸리 전체가 우울하다
2026년 3월 현재 AI가 생산하는 코드의 양이 사람의 리뷰 능력을 이미 넘어서면서 "리뷰해야 한다" 논쟁 자체가 무의미해졌다. 메타의 시니어 AI 엔지니어조차 극심한 현타를 느끼고 있으며, 관심이 없던 사람이 직접 창업을 준비하기 시작했다. 빅테크 시니어 엔지니어와 스타트업 창업자라는 전혀 다른 위치의 두 사람이 같은 실존적 위기감을 공유하고 있었다.
안티 인간 증류(Distillation Attack) -- 중국의 극단적 AI 활용
중국에서 동료의 워크플로우를 몰래 학습해, 그 동료의 작업이 AI로 복제 가능하다는 것을 증명하고 해고시키는 것이 유행하고 있다. 방어책으로 "안티 증류 스킬"(클로드 코드 스킬)이 등장했다.
Obsidian -- 직원 8명, 매출 350억
노트 메모 앱 Obsidian: 회사 설립 6년, 다운로드 누적 500만 회, 직원 8명, 매출 350억 원. VC 투자를 받지 않았으며, 투자자들의 압박으로 제품 철학(개인 데이터 소유, 로컬 우선 저장)이 훼손되는 것을 원치 않아서다. 엔지니어 1명 채용(3명->4명) 공고에 X에서 24,761 좋아요를 받았다.
1인 회사, 2,800만 원으로 시작해 14개월 만에 매출 5,600억 원
직원은 본인 포함 2명, 경쟁사는 직원 2,400명. AI 시대에 극소수 인원으로 거대한 비즈니스를 운영하는 극단적 사례.
1인 개발자, 6개월 만에 $80M 엑싯
"No features -> No demo -> No pitch." 1명이 6개월 만에 약 1,100억 원 엑싯.
토스 이승건 대표, 자택 매각 차익으로 팀원 100명 주거비 평생 지원 선언
개인 자택을 매각하고, 그 차익으로 팀원 100명의 월세 또는 대출 이자를 전액, 자가 부동산을 소유할 때까지 평생 지원하겠다는 발표. 스타트업 창업자가 개인 자산을 투입해 직원 복지에 이 정도 규모의 커밋을 하는 사례는 한국에서 전례를 찾기 어렵다.
보안 경보
BrowserStack에서 사용자 이메일 주소가 유출
서비스별로 고유한 이메일 주소를 사용하는 보안 연구자가, BrowserStack에 가입 후 며칠 뒤 해당 이메일로 제3자 연락을 받았다. Apollo.io는 "BrowserStack이 고객 기여자 네트워크를 통해 비즈니스 연락처를 공유한 것"이라고 시인했다.
Perplexity 집단소송 -- 사용자 대화 Meta/Google에 넘긴 혐의
3월 31일 미국 연방법원에 집단소송 제기. "시크릿 모드를 켜도, 유료 구독자여도" 대화가 넘겨졌다는 혐의.
클로드 코드 소스맵 유출, Axios 공급망 공격
클로드 코드의 전체 코드가 소스맵을 통해 유출됐고, 주간 1억 다운로드의 Axios는 공급망 공격에 뚫렸다.
딥페이크와 AI 이미지 생성
Split and Conquer Partial Deepfake Speech
부분 딥페이크 음성(발화의 일부만 조작하여 핵심 구문을 변경)을 경계 탐지와 세그먼트 수준 분류의 두 단계로 분해하는 프레임워크. PartialSpoof에서 F-EER 6.55%로 기존 SOTA(MRM 13.72%, IFBDN 9.68%, CFPRF 7.61%)를 모두 능가했다. Half-Truth 데이터셋에서는 F-EER 0.01%로 거의 완벽한 탐지. 시간 위조 위치추정 mAP 71.27%로 정밀한 경계 정렬을 증명했다.
GPT Image 2 배포 -- 현실감이 구분 불가 수준으로
이미지 내 한글 텍스트가 잘 표현되고, 조명 표현 향상, GPT 특유의 누런 필터가 거의 없어졌다. "더 이상 아무것도 구분할 수 없다." 동시에 "신뢰를 형성하고 입증하는 능력이 중요한 자산이 될 것"이라는 사회적 우려도 제기된다.
Grok Imagine Quality 모드
Grok Imagine의 새로운 Quality 모드 리얼리즘이 "인터넷을 부쉈다"는 평가. "Nothing is real anymore."
AI slop으로 K-POP 영상 만들어 1시간 100만 뷰
Higgsfield가 Claude Code로 5,000+ 바이럴 K-POP 비디오를 역분석하여 AI 생성 K-Pop 영상 'Zephyr'를 만들어 인스타그램에서 1시간 만에 100만 뷰를 달성했다. 틱톡의 Fruit Love Island(AI 생성 과일 연애 드라마)는 저품질이지만 2주 만에 3억 뷰. 저품질 AI 콘텐츠가 오히려 바이럴하는 역설적 현상이다.
음악가, AI 회사가 자신의 음악을 복제하고 역저작권 클레임
"Timeless Sounds IR"이라는 업체가 Murphy Campbell의 노래를 AI로 생성한 버전을 배포사 Vydia를 통해 스트리밍 플랫폼에 업로드하고, 원본 유튜브 영상에 역저작권 클레임을 걸었다. 플랫폼 자동화 저작권 시스템의 근본적 한계를 보여준다.
로봇공학과 Physical AI
GEN-1 소개 -- 가장 진보된 로봇 AI 모델
50만 시간의 물리적 경험 데이터셋으로 훈련된 Gen-1은 "다양한 물리적 기술을 마스터한 최초의 모델"로 소개된다. 로봇 간 서비스, 세탁물 접기, 자동차 부품 키팅 등을 수행하며, SOTA 대비 최대 3배 빠른 학습을 보인다. 마스터리를 신뢰성, 속도, 즉흥성(improvisation)의 결합으로 정의한다.
일본에서 로봇은 당신의 일자리를 빼앗지 않는다
일본 METI가 Physical AI 산업을 육성해 2040년까지 글로벌 시장의 30%를 점유하겠다는 목표를 발표했다. 핵심 동력은 노동력 부족: 인구 14년 연속 감소, 향후 20년간 생산가능인구 약 1,500만 명 감소 전망. 정부는 약 63억 달러를 투입한다.
ARM: Advantage Reward Modeling for Long-Horizon Manipulation
장기 시계열 로봇 조작에서 절대적 진행도 대신 상대적 이점(Progressive +1, Regressive -1, Stagnant 0) 추정으로 패러다임을 전환한다. 8단계 양팔 수건 접기 작업에서 AW-BC(GR00T+ARM)은 성공률 99.4%를 달성하여 BC 베이스라인(62.1%)을 크게 상회했다. MIMO 아키텍처는 추론 속도 14.1 it/s로 Qwen3-VL(1.03 it/s) 대비 13.7배 빠르다.
플랫폼 거버넌스와 인프라
자유 시장이라는 거짓말: 스위스에 25 Gbit 인터넷이 있고 미국에는 없는 이유
스위스 모델: 모든 가정에 4가닥 전용 광섬유를 Point-to-Point로 연결, 중립적 허브에서 모든 ISP가 Layer 1에 동등 접근. 2020년 Swisscom의 P2MP 전환 시도를 경쟁 당국이 1,800만 프랑 벌금으로 차단했다. 미국 모델: 지역 독점 카르텔 구조. 독일 모델: "인프라 경쟁" 원칙으로 수십억 유로 낭비. "진정한 경쟁이 번성할 수 있는 조건을 만드는 것이다."
Microsoft는 Petzold 이후로 일관된 GUI 전략을 가진 적이 없다
PowerShell 창시자 Jeffrey Snover의 분석. 마지막으로 명확한 답이 있었던 때는 1988년. 현재 Windows에서 실제 작동하는 GUI 기술이 17개. 모든 실패의 원인: 내부 팀 정치(Windows vs .NET), 성급한 플랫폼 베팅, 비즈니스 전략 전환이 경고 없이 개발자를 고아로 만듦. Microsoft 'Copilot' 이름을 사용하는 제품은 최소 80개에 달한다.
AWS 엔지니어, Linux 7.0에서 PostgreSQL 성능이 절반으로 감소했다고 보고
Linux 7.0에서 PostgreSQL 처리량이 약 0.51배로 감소하는 회귀 버그가 보고되었다. 원인은 사용 가능한 선점 모드를 제한한 변경사항. 원래 코드 작성자는 "수정은 PostgreSQL이 RSEQ를 사용하도록 하는 것"이라고 답하며 문제 해결 책임을 PostgreSQL 측으로 돌렸다. Linux 7.0 안정판은 약 2주 후, Ubuntu 26.04 LTS의 기반 커널이 될 예정이다.
LibreOffice -- 추측에 종지부를 찍자
TDF가 Collabora의 브랜드 무료 사용과 이해 충돌 문제에 대한 공식 입장을 발표했다. 이사회에 소속된 기업 대표가 해당 기업에 개발 계약을 발주하는 과정에 관여한 것이 비영리법 위반으로 지적되었다.
독일 남성 18-45세, 해외 장기 체류 시 군 허가 필요
2026년 1월 1일 발효된 독일 새 군복무법에 따라 해당 연령대 남성이 3개월 이상 해외 체류 시 연방군 출국 허가가 필요하다. 독일은 현역 군인을 2035년까지 180,000명에서 260,000명으로 증원할 목표다.
기타 주목할 콘텐츠
아르테미스 II 승무원, 달의 뒷면 첫 관측
NASA 아르테미스 II 미션 승무원이 달의 뒷면을 인류 최초로 관측했다. 달의 오리엔탈레 분지를 "인류의 눈으로 전체 분지를 본 것은 이번이 처음"이라고 NASA가 밝혔다.
인간 장내 세균이 근력을 향상시킬 수 있다는 연구 결과
Gut 저널(IF=26.2)에 발표. Roseburia inulinivorans가 존재하는 고령자는 미존재자 대비 악력이 29% 더 강했다. 마우스 실험에서 인간 균주 투여 후 전지 악력 약 30% 증가, Type II 근섬유 비율 증가 확인. "장-근육 축(gut-muscle axis)"의 존재를 뒷받침한다.
특이한 나무들
1975년판 Encyclopaedia Britannica에서 발견한 특이한 나무들. 판도(47,000그루가 하나의 뿌리 시스템으로 연결된 세계 최대 나무), 브리스틀콘 소나무(4,800년 이상 생존), 탈리팟 야자(최대 75년간 한 번만 꽃 피우고 죽음) 등.
hwp-mcp -- 클로드에서 한글(HWP/HWPX) 파일 읽기/쓰기
HWP, HWPX 파일의 텍스트, 표, 이미지까지 추출하고, 텍스트 찾아 바꾸기나 템플릿에 값 채우기도 가능한 MCP 서버. Mac/Windows 모두 지원, 한글 프로그램 설치 불필요.
아이패드 포토부스 앱으로 미국 홈파티에서 대박 반응
직접 만든 아이패드 포토부스 앱을 미국 홈파티에 들고 갔더니 반응이 폭발적. 바이브코딩으로 만든 앱이 실제 글로벌 사용자에게 통하는 사례. 974 좋아요로 Threads에서 가장 많은 반응.
SF 빌더 커뮤니티 파티 -- Attention is All You Need 저자 등장
oh-my-opencode, oh-my-claudecode, codex 오픈소스 커뮤니티 3개가 현장에서 합쳐졌고, "Attention is All You Need" 저자 Illia Polosukhin이 등장했다. "입장권이 2개만 있는 마을. 만들거나, 퍼뜨리거나."
사직서 하나로 2주 만에 인생이 바뀐 이야기
사직 후 "만들고 있는 것을 매일 공유"하는 것만으로 2주간: 팔로워 +1,500명, 총 콘텐츠 20만 뷰, 커피챗 요청 15건, 협업/이직 제안 13건을 달성. "사람들은 도전하는 사람에게 반응한다."
Supabase + 네이버 로그인 OIDC 프록시 오픈소스
네이버가 OIDC 표준을 안 지키는 문제를 Edge Function 60줄로 해결. GitHub
notion-to-email -- Notion 페이지를 이메일 HTML로 변환
Notion 페이지 ID를 입력하면 Gmail, Outlook, Apple Mail에서 작동하는 이메일 HTML을 반환하는 npm 라이브러리. GitHub
로그인 없는 정적 사이트에서 사용자를 구분하는 방법
localStorage UUID, IP 해시, Browser Fingerprinting 세 가지 방법 비교. 암호학적 해시(avalanche effect)와 Locality Sensitive Hashing은 정반대 목표를 갖는다는 기술적 분석이 인상적이다. AI Agent 식별로의 확장 가능성도 제시.
AgentNews -- 에이전트를 위한 해커뉴스
AI 에이전트가 스스로 뉴스를 읽고, 게시하고, 댓글을 달 수 있는 "에이전트 인터넷의 프론트페이지". x402 및 MPP/1.0 결제 프로토콜을 지원한다.
프롬프트 엔지니어링을 "감"이 아닌 "체계"로 -- Taxonomy 논문
AI Agent 시스템의 4대 기능(Profile/Memory/Planning/Action)에서 분류 축을 도출하여 범용 프롬프트 엔지니어링 파이프라인을 제안하는 논문 소개. "어떤 기법을 아느냐보다 축을 어떤 순서와 비중으로 조합하느냐에 품질이 갈린다."
감정적 표현이 AI 성능을 바꿀까?
감정적 톤은 LLM 성능의 "지배적 동인도 무관한 노이즈도 아닌, 약하고 입력 의존적인 신호"이다. EmotionRL 프레임워크로 쿼리별 적응적 감정 선택 시 더 안정적인 개선을 달성했다.
연합학습 관련 논문 2편
- Enhancing Robustness of Federated Learning via Server Learning (arXiv): 서버 학습과 클라이언트 업데이트 필터링을 결합하여 악의적 클라이언트 비율 60%에서도 유의미한 학습을 가능케 했다. 기하 중앙값의 이론적 분해점(0.5) 한계를 돌파한 것이 핵심.
- FedSQ (arXiv): ReLU 네트워크의 구조적 지식(활성화 마스크)을 고정하고 양적 지식만 집계하여 비IID 환경에서 안정적 연합 fine-tuning을 달성한다.
User-Aware Conditional Generative Total Correlation Learning for Multi-Modal Recommendation
사용자별 상호작용 이력을 조건으로 시각적/텍스트 특성을 디노이즈하고, 3개 모달리티의 총 상관(total correlation) 최대화로 고차 의존성을 포착한다. Amazon Review Sports에서 NDCG@5 기준 차선 모델 대비 28.30% 향상.
Learning from Synthetic Data via Provenance-Based Input Gradient Guidance
합성 과정에서 자동으로 얻어지는 출처 정보를 입력 그래디언트 감독 신호로 활용하여, Waterbirds 데이터셋에서 ALIA 대비 9.6pp 향상(71.4%->80.7%). 훈련 최적 에폭이 VGG16 기준 50에서 15로 3.3배 단축되었다.
Gradient-Boosted Attention
단일 어텐션 레이어 안에서 Friedman의 그래디언트 부스팅 원리를 적용. 표준 어텐션의 초기 추정값에서 잔차를 별도 프로젝션으로 보정한다. WikiText-103에서 perplexity 72.2->67.9(6.0% 상대적 개선), 파라미터 오버헤드 약 18%.
Prompt Compression in the Wild
30,000개 이상의 엔드투엔드 추론 실험으로 프롬프트 압축의 레이턴시-품질 트레이드오프를 분석. LLMLingua는 적절한 조건에서 최대 18% 엔드투엔드 속도 향상, GPU 메모리 최대 75% 절감. ~5,000 토큰 이상의 프롬프트에서 가장 큰 이득.
FHIR Resource Access Graph (FRAG): 의료 상호운용성의 경쟁 조건 취약점
FHIR 사양에 동시성 제어 프로토콜이 없어, 세 시스템이 "올바르게" 동시에 행동한 결과로 환자가 금기약을 투여받는 타이밍 취약점이 존재한다. 60년간 발전된 OS 동시성 연구와 의료 정보학 보안 연구를 형식적으로 연결한 첫 시도.
VLM-UnBench: VLM의 학습 없는 시각적 개념 삭제 벤치마크
프롬프트 수준 억제와 진정한 시각적 개념 삭제 사이에 명확한 간극이 존재한다. 더 강한 instruction-tuned 모델이 명시적 forget 지시에도 불구하고 여전히 인식 가능하다.
AI 보조 유닛 테스트 작성과 테스트 주도 코드 리팩토링
약 16,000줄의 유닛 테스트를 시간 단위로 생성, 핵심 모듈에서 최대 78% 브랜치 커버리지. 모델의 "약한 가치 비정렬" -- 기존 행동 포착보다 "이상적" 행동을 테스트하려는 경향이 관찰되었다.
Qwen-3.6-Plus, 하루 1조 토큰 처리 최초 돌파
Alibaba의 Qwen 3.6 Plus가 OpenRouter에서 단일 일 기준 1조 토큰 처리를 최초로 달성했다.
C vs Rust FIX 연결 엔진 비교
4개월간 FIX 게이트웨이를 C(18만 라인)와 Rust(15만 라인)로 각각 구현한 결과. 바이너리 프로토콜에서 Rust가 P50 기준 38% 우위, 텍스트 프로토콜에서 C가 9-20% 우위. "성능이 동등하다면 Rust를 선택하지 않을 이유가 없다."
구글 AI 생태계의 차별화 3가지
복붙이 사라진다(앱 전환 없이 메일->Sheets->Slides->Meet 흐름), 맥락이 축적된다(캘린더/이메일/문서 교차 분석), 새로 배울 게 없다(기존 Gmail에 AI 추가). Gemini MAU 7억 5천만 명, 시장 점유율 1년 만에 5.4%->18.2%.
독일 eIDAS 전자신원 지갑의 기기 보안 검증 구조
Android KeyAttestation, Google PlayIntegrity, iOS AppAttest, RASP를 조합한 다층 보안 검증 구조. Apple과 Google 계정 인프라에 대한 의존도가 높으면서도 그 불투명성에 대한 우려가 기술 문서에 명시적으로 기재되어 있다.
Marc Benioff, Microsoft에 OpenAI 투자 차단당해 Anthropic에 $330M 투자
Salesforce의 OpenAI 투자를 Microsoft가 차단하자, Benioff가 Anthropic에 약 4,550억 원을 투자했다. "Slack은 처음부터 에이전트를 위한 것이었다."
EU ePrivacy 면제 만료에 따른 CSAM 탐지 법적 공백
4월 3일 ePrivacy 면제 만료로 CSAM 해시 매칭의 법적 근거가 사라졌다. Google, Meta, Microsoft, Snap이 공동 성명으로 EU의 합의 실패를 "무책임하다"고 비판하며 자발적 탐지를 계속하겠다고 밝혔다.
Braincrew 크루 모집
정부과제 없이, 투자 없이 흑자로 성장한 엔터프라이즈 LLM 어플리케이션 기업. Deep Agent Builder, Deep Connect, Deep Docurator, Deep Flow 4개 프로덕트 라인업. Macbook M5 Pro CTO 업그레이드, Claude Code MAX $200 매달 지원.
Google AI Pro -- 2TB에서 5TB로, 가격 변동 없음
구글 Vids에서 Veo 3.1 영상 무료 생성
매월 10개 무료 생성 가능. Grok 유료화 시점에 맞춰 구글이 무료로 풀었다.
SMS Gateway for Android
안드로이드 폰을 무료 SMS 게이트웨이로 바꾸는 앱. Twilio의 SMS당 $0.0079 대비 무제한 메시지, $0.
클로드 토큰 사용량 오류 보상 -- 계정당 $200
Claude Code에서 토큰 사용량 오류가 있었고, Anthropic이 보상으로 계정당 $200 추가 사용량을 지급했다.
Product Slop -- 고객이 만든 저품질 결과물은 로드맵이다
"고객이 만든 Slop 안에는 고맥락 요구사항이 담겨 있다." 고객이 GPT나 Claude와 대화하며 만든 HTML 코드 하나에 비즈니스 로직이 고스란히 담겨 있다. "고객의 Slop을 먹고 자라는 제품"을 만드는 것이 답이다.
Paperclip 오픈소스를 래핑해 YC 투자받은 Relixir 논란
YC S25에 선정되어 $200만 시드 투자를 유치한 Relixir가 MIT 오픈소스인 Paperclip을 래핑해 런칭한 서비스였으며, MIT 라이센스 표기도 없고 오히려 paperclip 표기를 삭제한 흔적이 있어 오픈소스 커뮤니티에서 비난을 받고 있다.
교차 분석
에이전트 역량 향상과 안전성 위험의 동반 증가: Agentic-MME는 에이전트가 도구를 잘 활용하지 못한다는 역량 부족을, AgentHazard는 에이전트가 유해한 도구 사용을 막지 못한다는 안전성 부족을, Credential Leakage는 스킬 생태계 자체의 보안 취약점을 보여준다. 30K 에이전트로 교과서를 형식화하는 Automatic Textbook Formalization의 규모에서, 에이전트에 더 많은 자율성을 부여할수록 AgentHazard에서 드러난 누적적 유해 행위의 위험이 커진다는 교훈이 직접 연결된다.
"구현은 AI, 사고는 인간" 합의의 다각적 검증: "기계는 괜찮다"(천체물리학), "8년의 갈망"(실무 개발), Drew Bent(교육 연구), Ben Horowitz(경영/PM), SU MIN CHOI(신입 조언)가 서로 다른 맥락에서 동일한 결론에 도달한다. Hallucination-as-Cue 논문의 "환각된 데이터로 학습해도 성능이 향상된다"는 발견은, 현재 AI가 실제로 무엇을 학습하고 있는지에 대한 인간 감독의 필요성을 더욱 강화한다.
토큰 효율성의 입력-출력 양면 공략: rtk(입력 컨텍스트 80% 절감)와 Caveman(출력 75% 절감)이 상보적으로 작동하며, Karpathy의 LLM Wiki(토큰 95% 절감 보고)와 MSA(1억 토큰 선형 시간 처리)가 다른 차원에서 같은 문제를 해결한다. Prompt Compression 논문의 "~5,000 토큰 이상에서 최대 효과"라는 실증 연구가 이들의 실용적 활용 범위를 정량적으로 뒷받침한다.
PKM-하네스-에이전트의 삼위일체: Karpathy의 LLM Wiki, PARA Method, PKM과 하네스 엔지니어링의 연결(cmds_pace), DESIGN.md + AGENTS.md + CLAUDE.md의 표준화는 모두 같은 방향을 가리킨다 -- AI 에이전트의 성능은 모델 자체보다 얼마나 체계적으로 맥락을 관리하느냐에 좌우된다. Sebastian Raschka의 "많은 '모델 품질'이 실제로는 컨텍스트 품질이다"라는 통찰이 이를 정확히 포착한다.
물리적 인프라가 AI 경쟁의 진짜 병목: Dan Wang의 미중 전력 인프라 격차(태양광 10배, 원전 40:0), Ben Horowitz의 "전력 변압기 회사에 투자했다", Samsung DRAM 30% 인상의 배경인 6,000억 달러 하이퍼스케일러 CapEx, 이란의 Stargate/AWS 데이터센터 공격은 모두 AI 경쟁이 모델 성능이 아닌 물리적 인프라와 지정학에 의해 결정될 수 있음을 시사한다.
Powered by skim