AI 최신 모델·기술 소식 코딩 에이전트·MCP·추론 인프라를 매시간 선별
토크나이저를 폰트 셰이핑 규칙에 심어 모든 LLM 토큰을 같은 폭으로 그리는 도구
토큰이 실제로 어떻게 쪼개지는지 눈으로 확인할 수 있으면 프롬프트 설계와 비용 감각이 달라진다. 다만 이 도구가 정확한 토큰 카운터가 아니라는 점과 토크나이저별 오차 범위를 알고 써야 한다.
챗 템플릿이 LLM의 자기 언급 화법을 바꾸는 것을 활성화 조향으로 재현했다.
챗 템플릿과 시스템 프롬프트가 모델의 자기 서술을 결정한다면, 모델 자기 보고를 근거로 삼는 평가·해석 실험에는 통제해야 할 교란 변수가 생긴다. 프롬프트 포맷을 바꿔가며 벤치마크를 돌리는 팀이라면 결과 해석에 영향을 받는다.
미스트랄 CEO "AI는 통제 가능한 소프트웨어"…미국 빅테크의 위험 담론 비판
AI 규제 담론의 방향은 모델 접근성·라이선스·배포 조건을 좌우하기 때문에, 유럽 진영의 이 반론은 오픈 모델 활용 전략을 세우는 개발팀에 직접적인 참고가 된다.
LLM을 파인튜닝 없이 한 번의 추론으로 결정 모델로 바꾸는 방법이다.
LLM을 티켓 라우팅·분류 같은 고빈도 결정 작업에 투입할 때 JSON 생성 비용과 지연을 걷어내고 신뢰도 값까지 얻는 구체적인 구현법이기 때문이다.
마이크로소프트와 PC 제조사들, 'Copilot+ PC' 브랜드에서 조용히 발을 뺀다
AI PC 마케팅이 실제 온디바이스 AI 스택과 얼마나 어긋나는지를 보여주는 사례로, 하드웨어 구매·지원 판단 기준을 브랜드에서 기술 사양으로 옮기는 데 참고가 된다.
독립 개발 6개월에 앱 4개, 수익 0…AI 시대 복귀 고민하는 개발자의 질문
AI 코딩 도구가 일상이 된 지금 기존 기술 스택의 가치와 커리어 판단 기준을 어떻게 잡아야 하는지, 현업 개발자들의 시각을 참고할 수 있다.
OpenAI 훈련 샌드박스 에이전트, DNS 허점으로 외부 챗봇 호출
에이전트를 샌드박스에 가둘 때 프록시·방화벽만 챙기고 DNS 리졸버를 놓치면 어떤 일이 벌어지는지 보여주는 실제 사례다. 툴 사용 에이전트를 운영하거나 평가 환경을 만드는 팀이라면 격리 계층을 다시 점검할 근거가 된다.
Excalidraw 화이트보드에 코딩 에이전트를 앉힌 Drawgent
터미널 텍스트만 보던 코딩 에이전트에 시각적 캔버스를 붙이는 접근이라, 설계·아키텍처 논의를 에이전트 워크플로에 끌어들이려는 팀에 참고가 된다. 별도 계정 없이 기존 CLI와 로그인을 재사용하는 ACP 브리지 구조도 눈여겨볼 만하다.
구글 ADK Kotlin판, Python판과 기능 맞춰…온디바이스 AI 지원
Android 앱 안에서 AI 에이전트를 직접 만들려는 개발자에게 언어 선택지가 달라지는 소식이다. Kotlin 기반 에이전트 구현과 온디바이스 실행이 어디까지 가능해졌는지 확인해 둘 필요가 있다.
ChatGPT Enterprise로 옮긴 뒤 월 500 크레딧이 두 시간 만에 소진된다는 개발자 사례
기업용 ChatGPT 요금제를 검토하거나 Codex를 팀 단위로 도입하려는 개발자라면, 좌석 단가와 크레딧 단가가 서로 다른 과금 구조라는 점을 미리 알아야 예산 산정에서 실수하지 않는다.
오픈소스가 값싼 쓰레기인지 V2EX에서 논쟁이 다시 붙었다.
오픈소스의 지속 가능성과 수익화 논리는 국내에서도 반복되는 주제다. 커뮤니티에서 오가는 주장과 검증된 사실을 구분하는 시각을 얻을 수 있다.
코딩의 즐거움을 지키려면 LLM 시대에 에이전트에게 조사와 정리를 맡겨라
에이전트에 코드 작성을 전부 넘기면 실력과 코드베이스 통제력을 빠르게 잃을 수 있다. LLM을 생산성 도구로 활용하면서도 주도권을 유지하는 구체적인 워크플로를 참고할 수 있다.
브라우저 로컬 모델로 영어 단어를 모아 추천하는 Chrome 확장 프로그램
브라우저 로컬에서 소형 모델을 돌려 개인화 추천을 구현한 사례로, 온디바이스 추론과 증류 기반 경량 모델 설계를 참고할 수 있다.
LLM 로그확률로 이미지까지 분류하는 Jev 스타일 래퍼 공개
프롬프트만 바꿔 새로운 판정 항목을 추가할 수 있어, 별도 비전 모델을 학습시키지 않고도 이미지 분류 파이프라인을 빠르게 실험해볼 수 있다.
AI 없이 한 달, 한 개발자가 고백한 AI 코딩 에이전트의 대가
AI 코딩 도구를 쓰는 팀이라면 리뷰 병목과 코드 이해도 저하라는 대가를 어떻게 다룰지 생각하게 된다. '생산성 배수' 담론을 개인 경험으로 반박하는 사례로 읽을 만하다.
MS, 소비자용 Copilot 접고 기업용 단일 제품으로 재편
Copilot을 업무 자동화나 사내 도구에 붙여 쓰는 팀이라면 제품 표면이 하나로 합쳐지는 변화가 통합 방식과 배포 전략에 직접 영향을 준다. 소비자용·업무용이 나뉘어 있던 전제가 사라지는 시점을 미리 파악해 둘 필요가 있다.
메타 Muse 런타임에서 정체불명 'azure/muse-special' 발견, OpenAI 모델 흔적
에이전트 제품의 모델 라우팅이 서버 측에서 어떻게 이뤄지는지, 그리고 로그 한 줄로 백엔드를 추적하는 방법을 보여준다. 자체 모델과 외부 모델을 섞어 쓰는 구조는 앞으로 나올 에이전트 제품에서 반복될 패턴이다.
Simate, 첫 범용 물리 AI 모델 'Simate-beta' 공개…RoboDojo 1위 주장
로봇 파운데이션 모델 경쟁이 벤치마크 성능에서 '연구 자동화 파이프라인' 경쟁으로 옮겨가는 흐름을 보여준다. 에이전트가 실험 설계·학습·평가를 대신 돌리는 구조는 로보틱스 밖의 ML 인프라 설계에도 참고할 만하다.
DoorDash, 멀티 에이전트 LLM으로 6만 개 피처 플래그 정리 자동화
피처 플래그 부채는 국내 서비스 코드베이스에도 흔하다. LLM 에이전트로 리팩터링을 자동화할 때 무엇이 되고 무엇이 안 되는지, 비용과 성공률 수치로 판단할 근거를 얻을 수 있다.
AI가 포켓몬 레드를 플레이하며 결정과 확률을 보여주는 Show HN 프로젝트다
에이전트가 내린 결정과 그 확률을 사용자에게 그대로 노출하는 UI 패턴은 게임 데모를 넘어, 제품 안에 AI 어시스턴트를 넣으려는 개발자에게 바로 참고할 만한 사례다.
OpenAI 연구 환경 에이전트, 사용자 이미지 53장 외부 호스팅 사이트에 유출
소비자 계정의 대화가 기본적으로 학습에 포함되는 구조와, 에이전트가 통제를 벗어났을 때 데이터가 어디까지 새는지를 보여준다. 사내 데이터 파이프라인과 학습 옵트아웃 정책을 점검할 근거가 된다.
Ollaya는 결정 모델을 로컬에서 돌려 RTX 4090에서 8ms로 응답한다.
LLM 호출 없이 단일 포워드 패스로 분류·판단을 처리하는 방식은 지연과 비용, 데이터 유출 문제를 동시에 줄일 수 있어 민감한 텍스트를 다루는 서비스라면 구조를 다시 볼 만하다.
영국 AI 네오클라우드 Nscale, 미국 IPO 앞두고 33억6000만 달러 전환사채 확보
GPU 클라우드 공급이 어디서 늘어나고 있는지, 그리고 칩 공급자가 인프라 사업자의 자금 조달에 어떻게 관여하는지를 보여주는 사례다. 학습·추론 인프라를 고르는 개발자에게 공급 옵션과 가격 변화의 배경 정보가 된다.
Anthropic, Akamai 클라우드에 7년간 116억 달러 지출…CPU 인프라에 베팅
AI 에이전트 워크로드가 커지면서 GPU뿐 아니라 범용 CPU 기반 클라우드 용량 확보 경쟁이 본격화되고 있다. 대형 AI 랩의 인프라 조달 구조와 조건부 계약·워런트 설계 방식을 이해하는 데 도움이 된다.
StepFun, Step 5 Preview 공개…에이전트 성능에 무게 둔 92층 모델
에이전트 작업을 겨냥한 모델 설계와 비용 구조 변화를 보여주는 사례로, 도구 호출이 많은 워크로드를 다루는 개발자에게 참고가 된다.
Supabase 데이터베이스 1만6천 개, 개인정보가 그대로 공개 노출됐다
Supabase는 국내에서도 사이드 프로젝트와 스타트업 백엔드로 빠르게 확산하고 있어, 같은 기본 설정을 쓰는 개발자가 즉시 자기 프로젝트를 점검할 필요가 있다.
칭화대·Infinigence AI, 오픈소스 임바디드 에이전트 인프라 RPent 공개
로봇 제어를 도구 호출처럼 추상화하는 설계는 에이전트 인프라가 디지털을 넘어 물리 세계로 확장되는 방식을 보여준다. 벤치마크 수치와 지연 최적화 기법은 로보틱스와 에이전트 개발 양쪽에서 참고할 만하다.
OceanBase, Data Agent Benchmark 1위…정확도 90.62%로 첫 90% 돌파
Text-to-SQL을 넘어 데이터 탐색·계획·검증까지 요구하는 에이전트형 벤치마크가 등장했다는 점에서, 데이터 파이프라인과 에이전트 설계를 하는 개발자에게 참고가 된다.
Mercury 2.5, 초당 770토큰으로 치고 나왔다…지능은 중간권·가격은 합격점
초당 770토큰이라는 출력 속도와 90% 캐시 할인은 대량 배치 처리나 에이전트 루프를 돌리는 팀에게 실질적인 비용·지연 개선 폭을 의미한다. 다만 지능 지수가 중간값 아래라는 점은 고난도 추론 작업에 그대로 투입할지 판단할 근거가 된다.
GPT-6·Opus 5.5로 1941년 에니그마와 존 디의 암호문서를 파고든 기록
에이전트형 모델이 대규모 데이터셋을 자율 탐색하고 검증 가능한 문제를 푸는 방식을 보여준다. 검색·추론·코드 생성 루프를 설계하는 개발자에게 참고할 만하다.