GitHub Copilot 무료 제공 시작

 (github.com/features)
1P by GN⁺ | ★ favorite | 댓글 1개
  • GitHub Copilot에 개인 개발자용 Free 요금제가 추가되어 월 $0에 제한된 기능으로 Copilot을 시작할 수 있음
  • Free는 월 2,000개 코드 완성과 FAQ 기준 50회 채팅 요청을 제공하며, Haiku 4.5, GPT-5 mini 등 모델 접근과 Copilot CLI를 포함함
  • 유료 개인 요금제는 Pro 월 $10, Pro+ 월 $39, Max 월 $100이며, 상위 요금제는 Cloud agent, 코드 리뷰, 3rd party agents, 프리미엄 모델, 월별 GitHub AI Credits를 차등 제공함
  • Copilot은 GitHub, IDE, CLI, 프로젝트 도구, 채팅 앱, custom MCP servers에서 동작하며, Visual Studio Code·Visual Studio·JetBrains·Neovim 등 주요 개발 환경을 지원함
  • 개인 Free/Pro/Pro+ 사용자의 상호작용 데이터는 옵트아웃하지 않으면 모델 학습에 사용될 수 있지만, Business/Enterprise 데이터는 GitHub 모델 학습에 사용되지 않음

GitHub Copilot의 무료 요금제

  • GitHub Copilot Free는 개인 개발자를 위한 무료 가격 티어이며, 기능이 제한됨
  • Free 요금제 포함 항목
    • 월 2,000 completions
    • FAQ 기준 50 chat requests, Copilot Edits 포함
    • Haiku 4.5, GPT-5 mini 등 모델 접근
    • Copilot CLI
    • 신용카드 불필요
  • Copilot Business 또는 Copilot Enterprise 좌석이 할당된 사용자는 Free 접근 대상이 아님
  • 유료 구독, 체험판, 기존 verified OSS·student·faculty·MVP 계정으로 Copilot Pro에 접근 가능한 사용자는 Free를 선택할 수 있음
  • 인증된 학생은 GitHub Copilot Student plan에 접근할 수 있음

개인·팀 요금제 구성

  • 개인 요금제는 Free, Pro, Pro+, Max로 나뉨
    • Pro: 월 $10/user, Free 포함 항목에 Cloud agent와 코드 리뷰, 무제한 코드 완성 및 next edit suggestions, Claude Code와 Codex 같은 3rd party agents, 모델 선택, 월 $15 total credits 제공
    • Pro+: 월 $39/user, Pro 포함 항목에 Opus 포함 프리미엄 모델, audit logs, Pro 대비 4x+ 포함 사용량, 월 $70 total credits 제공
    • Max: 월 $100/user, Pro+ 포함 항목에 새 모델과 기능 우선 접근, Pro+ 대비 2.9x+ 포함 사용량, 월 $200 total credits 제공
  • Pro, Pro+, Max는 신규 가입을 점진적으로 활성화 중이며, 즉시 가입이 안 될 수 있음
  • 조직용 요금제는 Business와 Enterprise로 구성됨
    • Business: 월 $19/user, 무제한 코드 완성 및 next edit, cloud agent와 코드 리뷰, 광범위한 모델 카탈로그, 3rd party agents, 접근 제어·예산 제어·거버넌스, IP indemnity와 데이터 프라이버시 제공
    • Enterprise: 월 $39/user, Business 포함 항목에 새 모델과 기능 우선 접근, Business 대비 2x 포함 사용량 제공

개발 흐름과 에이전트 기능

  • Copilot은 에디터부터 엔터프라이즈까지 다양한 워크플로를 위한 AI accelerator로 제시됨
  • 사용자는 속도, 정확도, 비용에 최적화된 주요 LLM 중에서 선택할 수 있음
  • GitHub Copilot, 사용자 정의 에이전트, 이미 사용하는 third-party agents를 함께 사용할 수 있음
  • Copilot은 GitHub, IDE, CLI, 프로젝트 도구, 채팅 앱, custom MCP servers에서 동작함
  • 에디터 안의 Copilot은 개념 설명, 코드 완성, 편집 제안, agent mode를 통한 파일 검증을 수행함
  • Copilot, Anthropic의 Claude, OpenAI Codex 같은 에이전트에 작업을 할당하면 백그라운드에서 계획, 탐색, 실행을 자율적으로 진행할 수 있음
  • GitHub Copilot app은 GitHub에서 작업을 시작하고, 여러 에이전트의 진행 상황을 추적하고, 변경사항을 리뷰하고, 완료된 작업을 병합하는 데스크톱 워크스페이스를 제공함

지원 환경과 언어

  • GitHub Copilot은 public repositories에 등장하는 모든 언어로 학습됨
  • 언어별 제안 품질은 해당 언어의 학습 데이터 양과 다양성에 따라 달라질 수 있음
    • JavaScript는 public repositories에서 잘 대표되는 언어이며 Copilot이 가장 잘 지원하는 언어 중 하나임
    • public repositories에서 표현이 적은 언어는 더 적거나 덜 견고한 제안을 만들 수 있음
  • 지원 플랫폼과 에디터
    • GitHub
    • Visual Studio
    • Visual Studio Code
    • Xcode
    • JetBrains
    • Neovim
    • Eclipse IDE
    • Raycast
  • Copilot 확장은 Visual Studio Code, Visual Studio, Vim, Neovim, JetBrains IDEs, Azure Data Studio에서 제공됨
  • 인라인 제안은 해당 확장 전반에서 제공되지만, 채팅 기능은 현재 Visual Studio Code, JetBrains, Visual Studio에서만 제공됨
  • 터미널에서는 GitHub CLI를 통해, Windows Terminal Canary에서는 채팅 통합으로 지원됨
  • Copilot Enterprise는 GitHub.com에 네이티브로 통합됨
  • 모든 요금제는 GitHub Mobile의 Copilot을 지원함

Copilot의 제안 생성 방식

  • GitHub Copilot은 제안을 복사/붙여넣기하지 않고 확률적 판단으로 생성함
  • 코드 제안 생성 시 Copilot 확장은 에디터의 커서 앞뒤 줄을 중심으로 확인하고, 열린 파일, 저장소 URL, 파일 경로 같은 관련 컨텍스트도 사용함
  • 코드 에디터 채팅 제안은 사용자 프롬프트와 활성 문서의 코드 파일, 코드 선택 영역, 프레임워크·언어·의존성 같은 워크스페이스 정보를 결합해 컨텍스트 프롬프트를 만듦
  • GitHub.com 채팅 제안은 사용자 프롬프트, 이전 프롬프트, GitHub.com에서 열린 페이지, 코드베이스 또는 Bing 검색에서 검색된 컨텍스트를 결합함
  • AI 모델은 public code로 학습될 수 있지만 코드 자체를 포함하지 않으며, 제안을 만들 때 특정 코드베이스에서 복사/붙여넣기하지 않음

GitHub AI Credits와 사용량 제한

  • GitHub AI Credits는 Copilot의 AI 사용량 결제 단위이며, 1 AI credit = $0.01 USD임
  • 모든 요금제는 월별 allowance를 포함함
  • 크레딧은 Copilot 채팅, 에이전트 작업, Copilot CLI, Spaces, Spark 사용 시 소비됨
  • 코드 완성과 next edit suggestions는 크레딧을 사용하지 않으며, 모든 유료 요금제에서 무제한으로 유지됨
  • 사용 크레딧은 선택한 모델과 작업 복잡도에 따라 달라짐
    • 경량 모델에 대한 짧은 질문은 크레딧의 일부만 사용함
    • 여러 파일에 걸친 frontier model의 긴 에이전트 세션은 더 많은 크레딧을 사용함
  • 월별 allowance를 모두 쓰면 다음 주기를 기다리거나, 달러 예산을 설정해 추가 유료 사용을 계속하거나, 더 저렴한 모델로 전환할 수 있음
  • Business와 Enterprise에서는 관리자가 사용량 제한과 추가 유료 사용 허용 여부를 정함
  • Copilot 설정에서 사용량과 reset date를 확인할 수 있으며, 구성된 예산의 75%, 90%, 100%에서 알림이 제공됨

조직의 코드 리뷰와 비용 제어

  • 조직은 github.com의 모든 pull request에 대해 Copilot code review를 활성화할 수 있으며, Copilot 라이선스가 없는 사용자의 PR도 포함됨
  • 이 기능을 사용하려면 enterprise 또는 org admin이 먼저 Copilot을 활성화하고 두 정책을 켜야 함

    • ‘GitHub AI Credits paid usage’

      • ‘Allow members without a Copilot license to use Copilot code review in github.com’
      • 이 기능은 기본적으로 꺼져 있으며, 엔터프라이즈 관리자가 활성화 또는 비활성화를 제어함
      • 라이선스가 없는 사용자의 코드 리뷰 사용량은 조직에 GitHub AI Credits로 직접 청구됨
      • 기존 라이선스 사용자의 사용량은 현재처럼 포함된 월별 allowance에서 차감됨
      • 2026년 6월 1일부터 code review workflows도 GitHub Actions minutes를 소비함
      • 이 기능은 VS Code 또는 다른 IDE의 Copilot code reviews에서는 지원되지 않음

데이터 처리와 학습 사용

  • Copilot이 처리할 수 있는 개인 데이터 유형
    • User Engagement Data: completion 수락·거절, 오류 메시지, 시스템 로그, 제품 사용 지표 등 pseudonymous identifiers
    • Prompts: 채팅 또는 코드 입력과 Copilot AI에 전송되는 컨텍스트
    • Suggestions: 프롬프트를 바탕으로 제공되는 AI 생성 코드 줄 또는 채팅 응답
    • Feedback Data: thumbs up/down 같은 반응, 선택적 코멘트, 지원 티켓 피드백
  • GitHub는 Copilot Business 또는 Enterprise 데이터를 모델 학습에 사용하지 않음
  • Business와 Enterprise 데이터는 서비스 제공·유지·업데이트, 문제 해결, 보안 사고와 제품 문제 완화, 생산성·신뢰성·품질·프라이버시·접근성·보안 향상에 사용됨
  • Individual Free/Pro/Pro+ 구독자의 데이터는 운영 목적에 사용되며, 추가로 prompts, suggestions, Copilot 세션 중 생성된 code snippets를 모델 학습과 개선에 사용할 수 있음
  • 개인 구독자는 Copilot features 설정에서 AI 모델 학습 사용을 언제든지 옵트아웃할 수 있으며, 옵트아웃해도 Copilot 기능 접근에는 영향이 없음
  • 4월 24일부터 Copilot Free, Pro, Pro+ 사용자의 상호작용 데이터가 옵트아웃하지 않은 경우 학습과 개선에 사용될 수 있음
  • 사용자는 변경 적용 30일 전에 통지받았으며 GitHub 계정 설정에서 언제든지 옵트아웃할 수 있음

데이터 보관과 프라이버시

  • Business와 Enterprise의 IDE Chat 및 Code Completions 접근 기본 보관 설정
    • Prompts와 Suggestions: 보관하지 않음
    • User Engagement Data: 2년 보관
    • Feedback Data: 목적에 필요한 기간 동안 보관
  • 그 외 GitHub Copilot 접근과 사용의 기본 보관 설정
    • Prompts와 Suggestions: 28일 보관
    • User Engagement Data: 2년 보관
    • Feedback Data: 목적에 필요한 기간 동안 보관
  • github.com, 모바일, CLI Copilot의 채팅은 thread history를 사용해 응답을 개선해야 하므로 일부 기능에서 prompts와 suggestions 보관이 필요함
  • GitHub와 고객은 GDPR 및 유사 법률 준수를 지원하는 Data Protection Agreement를 체결할 수 있음
  • Copilot은 프라이버시를 고려해 설계되었지만, GDPR 같은 법률의 개인 데이터 정의가 넓기 때문에 개인 데이터를 절대 출력하지 않는다고 보장할 수 없음
  • GitHub 테스트에서는 개인 데이터와 유사한 제안이 나온 사례가 있었으며, 이런 제안은 일반적으로 합성된 것이고 실제 개인과 연결되지 않았음

지식재산권, 필터, 책임 있는 사용

  • Copilot의 주요 IP 고려사항은 저작권과 관련됨
  • GitHub 연구 기준으로 드문 경우, 1% 미만의 제안이 학습 데이터의 코드 예시와 일치할 수 있음
  • 일치 제안은 에디터에 컨텍스트가 거의 없거나, 제안이 일반적인 접근 또는 방법을 나타낼 때 가장 많이 발생함
  • Copilot에서는 GitHub.com의 공개 코드와 일치하는 코드 완성 제안을 허용할지 선택할 수 있음
  • 선택적 code referencing filter는 GitHub의 공개 코드와 일치하는 특정 제안을 감지하고 억제함
    • 필터가 켜지면 평균 150자에 해당하는 65 lexemes 이상의 public code match 또는 near-match를 확인함
    • 일치하면 해당 제안은 사용자에게 표시되지 않음
  • Copilot은 off-topic, harmful, offensive output 필터 외에도 출력에서 취약한 코드를 스캔함
  • code referencing feature는 Visual Studio Code에서 preview로 제공되며, Copilot 제안과 일치하는 public GitHub repositories 코드를 검색해 위치, 적용 가능한 라이선스, 추가 확인 링크를 표시함
  • GitHub는 Copilot 제안의 소유권을 주장하지 않음
  • Public code에는 insecure coding patterns, bugs, outdated APIs 또는 idioms가 포함될 수 있으며, Copilot이 이를 바탕으로 원치 않는 패턴을 가진 코드를 합성할 수 있음
  • Copilot은 hardcoded credentials, SQL injections, path injections 같은 일반적인 취약 코딩 패턴을 대상으로 필터를 두고 있음
  • Copilot은 개발자를 대체하거나 코드 생성을 완전히 자동화하기 위한 도구가 아니며, 제안에는 테스트, 코드 리뷰, 보안 도구, 개발자 판단이 함께 필요함

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 예시에서 Copilot이 제안한 코드 “수정”은 여러 면에서 틀렸음. async 함수가 아닌 곳에서 await를 쓰려 하고 있고, 다른 예시를 보면 아마 React의 useEffect로 보이는데 이 콜백은 원해도 async 함수로 만들 수 없으며, 그런 순진한 수정은 미묘한 버그로 이어짐
    게다가 여기서 문제가 있다면 이미 eslint의 no-floating-promises 같은 린터 규칙이나 TypeScript로 잡을 수 있음. 틀린 코드를 자신 있게 제안하는 형편없는 AI 린터가 필요하지 않음
    이게 제품 광고 방식이라면, GitHub의 유능한 개발자들이 이미 주니어+Copilot으로 대체된 것 같음
    https://i.imgur.com/FHnsqyP.png

    • Cursor에 대한 열광적인 후기를 봤지만, 짧게 써본 경험은 꽤 비슷했음. 리팩터링이 코드를 복제하고, 경우를 섞어버리고, 서버 연결 오류까지 나서 하루 만에 포기함
      내 프롬프트 작성 능력이 부족했을 수도 있지만, “rename symbol”을 제공한다면 심볼과 그 사용처를 같이 바꿔주길 기대하게 됨. 1년쯤 뒤에 다시 볼 생각임
    • 주니어+Copilot으로 대체됐다기보다, AI에 너무 의존해서 손으로 코드 쓰는 법을 잊은 시니어 개발자로 대체됐을 가능성이 큼. 요즘은 주니어라는 존재 자체가 사라진 것 같음

  • 이런 도구를 많이 쓰는 사람들과 일하면서 현재 일이 모든 면에서 훨씬 어려워졌고, 그 정도가 놀라울 정도임. 예전에는 코드로 문제를 풀었는데, 이제는 인간의 의도가 사라진 코드베이스를 해석하는 해석학자나 꿈 분석가가 된 느낌임
    코드베이스는 환각을 빼고 보더라도 서로 다른 관용구가 뒤섞인 이상한 더미가 빠르게 되고, 환각 때문에 잠 못 든 밤도 이미 몇 번 있었음
    그래도 그냥 하소연일 뿐이고, 다들 이겼다는 건 알겠음. 컴퓨터 말고도 여러 일을 하며 충분히 살아왔다는 점이 그나마 다행이고, 다시 가난해질 가능성 말고는 그렇게 슬프진 않음
    내 아름다운 emacs, Stallman, Knuth, Andy Wingo, SICP는 계속 남아 있을 것이고, 나는 계속 해킹할 것임. 독학 개발자로 여기까지 온 것만으로도 충분한 성취라고 느낌
    이제는 여러분이 그 슬롭을 처리하길 바람. 정말 좋아하는 것 같으니까. 학위를 하나 더 따거나, 다시 엉뚱한 음악과 비디오 게임을 만들지도 모르겠음. 이 “새로운 방식”의 노동에서 벗어난다고 생각하니 해방감이 듦

    • 내 직장에는 가능한 모든 곳에서 AI를 최대한 쓰라는 지시가 있음. 지난 약 2년 동안 아주 많은 사람이 작업했고 거의 전부 AI로 작성된 코드베이스를 넘겨받았는데, 시작은 GPT-3였음
      이 코드베이스를 다루는 유일한 방법은 AI를 완전히 받아들이는 것임. 단순한 API 변경을 넘어서면 Cursor를 켜고 파일 5개 이상을 문맥으로 넣은 뒤, 원하는 작업을 짧은 소설처럼 써야 함
      AI가 한참 돌아가며 변경사항을 뱉는 동안 커피를 마시고, 그다음에는 그걸 어떻게 테스트할지 다시 파악해야 함. 반복 시간이 정말 빨라졌는지는 확신이 없고, 코드베이스는 엉망임
      예전에는 직접 코드로 할 수 있던 일을 위해 긴 산문을 써야 한다는 게 답답하고 숨 막힘. 그래서 집에 가면 실제로 프로그래밍한다는 감각을 되찾으려고 AI 없이 다른 프로젝트를 하게 됨
    • 나도 깊이 이해하고, 그 이해를 바탕으로 무언가를 만드는 게 좋아서 프로그래밍을 시작했음. 첫 시도에 동작하는 코드를 쓰는 걸 좋아하는데, 그건 내 정신 모델이 맞다는 뜻이기 때문임
      버그를 쓰게 되면 디버거를 피하고, 한발 물러나 코드가 무엇을 하는지와 내 모델이 현실과 어디서 다른지 분석해서 고치려 함. 그러다 원래 이해에서 더 많은 문제를 찾기도 함
      반대로 순진한 접근으로 90%쯤 동작하는 코드를 쓰고 넘어가는 개발자들도 있음. 버그가 드러나면 순진하게 고치고 또 넘어가며, 진짜로 고쳐질 때도 있고 새 버그를 만들 때도 있음. 결국 버그 수가 평형에 도달하면 출시함
      LLM은 두 번째 방식의 스테로이드 버전임. 이해가 없고 토큰 사이의 통계적 상관만 있으니 그런 종류의 코드를 냄. 코드가 동작하는지 실행해 확인하지도 않고, 프로그래머나 사용자의 추가 질문도 하지 않음
      다만 매우 빠르기 때문에 사업 관점에서는 좋음. 광고에서 경쟁자를 이기려면, 나중에 2등이 되는 것보다 지금 형편없는 제품을 내는 편이 낫다는 식임
      예전에는 오픈소스가 첫 번째 유형의 사람들을 끌어들이고 경쟁보다 협력이 있어서 좋았는데, 요즘은 모든 프로젝트가 후원을 요구하고 두 번째 유형의 사람들을 점점 더 끌어들이는 것 같음
    • 비슷한 감정이 있지만 조금 더 낙관적으로 봄. AI 과대광고 열차가 객관적으로 더 나은 곳으로 데려가진 않았음. 소프트웨어가 덜 버그투성이가 된 것도 아니고, 지난 몇 년은 오히려 더 나빠진 느낌이며 내가 쓰는 소프트웨어 대부분은 LLM 시대 이전 것임
      대다수 개발자가 스스로 숙련을 포기하면서 OpenAI/MS/Google에 종속된 프롬프트 엔지니어가 되는 데 마조히즘적 즐거움을 느끼는 것 같음
      다만 배우고 개선하는 데 시간을 쓰는 사람들은, 대부분의 개발자가 쓰기를 포기한 종류의 소프트웨어를 만들 수 있음. 다른 사람들이 AI에게 tailwind HTML React 폼을 생성해 달라고 하는 동안 다음 Maigt나 org-mode를 만들면 됨
    • 프로그래밍이 시간을 들여 모든 단계를 생각하고, 자신이 무엇을 만들고 있는지 진짜로 이해하는 일이던 옛 시절에는 특별한 무언가가 있었음. 펀치 카드 시절의 단순함이 그립다는 느낌도 듦
      코드를 쓰고 기계에 넣고, 깨지면 내 책임이었음. 테스트나 CI/CD 파이프라인, 자동 수정, 추상화 뒤에 숨을 수 없었고, 오직 나와 기계뿐이었으며 모든 버그는 힘들게 배워야 하는 교훈이었음
      지금은 모든 것이 자동화되고 빠르지만 종종 너무 멍청해 보임. 쉬워진 건 맞지만 일과의 날것 같은 연결감은 사라졌음. 너무 많은 것을 추상화해서, 이제는 진짜 공학을 한다기보다 임의의 부품을 이어 붙이고 버티길 바라는 느낌임
      하루 종일 화면만 보며 만들기의 손으로 만지는 성격에서 멀어졌을 때 무언가를 잃었다고 봄. 슬롭이 많아졌고, 거기서 잘 지내는 사람도 있지만 모두에게 맞는 건 아님
    • 조금만 기다리면 오래가진 않을 것임

  • 진짜 비용은 사회 전체가 더 이상 StackOverflow에 기여하지 않는다는 점임. 문제와 해법이 이제는 독점 데이터베이스에 저장되고, 물론 SO도 독점적이긴 했지만, 이제는 보이지 않는 독점 데이터베이스에 저장됨

    • StackOverflow의 데이터베이스는 최근까지 공개되어 Internet Archive에서 공유됐음: https://archive.org/details/stackexchange
      지금은 자체 인프라로 옮겼고, 표면상 이유는 사람들이 LLM 학습에 쓰지 않겠다고 동의하게 만들기 위해서임: https://meta.stackexchange.com/questions/401324/announcing-a-change-to-the-data-dump-process
    • 더 넓게 보면 Discord가 상당한 토론을 색인 가능한 웹 밖으로 옮겨버린 것도 상황을 더 나쁘게 만듦
      메일링 리스트가 낡았다고 생각했는데, 어쩌면 우리는 거기서 퇴보한 것일지도 모름
    • StackOverflow 데이터베이스는 한동안 오픈소스였지만, 새 경영진이 들어온 뒤 데이터 덤프가 있는지는 확인해 보지 않았음
    • 실제로 기여하던 것은 사회 전체라기보다 작은 집단이었을 가능성이 큼. 그보다 10배쯤 되는 여전히 작은 집단이 글을 올리며 유용한 기여를 희석했고, 그 100배는 눈팅했고, 그 1000배는 StackOverflow에서 IDE로 복붙만 했을 것임
    • 이 변화는 “React에서 X를 어떻게 만드나요” 같은 저품질 질문만 줄일 것 같음
      새로운 라이브러리와 소프트웨어 업데이트는 계속 나오고, 거기에는 항상 구석진 부분과 예외가 있어서 질문이 생김. LLM은 학습할 무언가가 생기기 전까지는 즉시 답을 갖고 있지 않으니, StackOverflow의 여지는 여전히 있음

  • 링크는 공지 글이어야 함: Announcing 150M developers and a new free tier for GitHub Copilot in VS Code
    https://github.blog/news-insights/product-news/github-copilot-in-vscode-free/

  • 새 기능에 너무 신났는지, 내 GitHub 계정에 연결된 모든 이메일 주소로 메일을 보낸 것 같음. 몇 년간 git 커밋에 쓰인 주소가 꽤 많은데 전부 갔음

    • ~/.gitconfig에 설정된 이메일 주소도 포함되나? 그렇다면 fart@butts.com에게 사과함
    • GitHub가 겁먹은 것 같음. Cursor, Poolside, Augment, Cognition, Codeium 같은 스타트업들이 앞질러 가면서 마음속 점유율을 잃고 있음

  • 이 무료 요금제는 사람을 끌어들인 뒤 유료 업그레이드를 요구하게 만들 만큼만 제공하는 것 같음
    예를 들어 GPS 내비게이션이 널리 퍼지지 않았고, 유료 서비스가 무료 길 안내 20회를 제공한다고 상상해 보면 됨. 결국 평소 내비게이션 능력이 퇴화하고 구매할 수밖에 없게 됨

    • 당연히 그렇지 않겠음. 나중에 수익화할 생각 없이 뭔가를 공짜로 줄 이유가 없음
    • 더 나은 서비스를 위해 돈을 더 내고 싶어 하는 사람도 있겠지만, 매일 코드를 쓰는 전업 프로그래머가 아닌 사람들에게는 충분할 가능성이 커 보임
    • LLM 학습 데이터를 더 모으기 위한 것임. GitHub에 올라오지 않는 독점 코드베이스까지 빨아들이려는 목적임
    • GPS는 요즘이라면 발명되지 못했을 것임. 미국 군이 비용을 대는 대신, 어딘가의 민간 회사가 만들었을 가능성이 큼
    • 오늘의 10,000명 중 한 명으로 https://en.wikipedia.org/wiki/Shareware와 무료 체험을 알게 된 것을 축하함
      https://xkcd.com/1053/

  • 이미 Copilot을 continue.dev+qwen2.5-coder:1.5b on Ollama로 대체했고, 돌아갈 생각이 없음
    지난 1년간 Copilot 자동완성은 느리고, 불안정하고, 그냥 나빴음. 엉뚱한 순간에 나타나고, 멍청하게 문법을 망치고, 느리며, 때로는 아예 나타나지 않았음
    예전에는 좋았는데 고통스러울 정도로 나빠졌고, Codex에서 범용 GPT로 바꾼 뒤부터인지도 모르겠음

    • 내 경험은 반대였음. continue.dev를 써봤지만 Copilot에 가까이 가지 못했음. 특히 Copilot 채팅이 o1-preview와 Sonnet 3.5를 그렇게 싸게 제공해서, 나 혼자 Microsoft를 파산시킬 수 있길 바랄 정도임
      그 기능이 나오기 전에도 써봤지만, 인라인 자동완성은 비교가 우스울 정도로 나빴음
      추천 모델을 썼고 문서를 따라가며 여러 번 확인했는데도 잘 안 됐음. 뭔가 잘못했을 거라 생각하지만, 로컬 GPU를 써서 더 빠른 자동완성과 개인정보 보호를 얻고 싶은데 아직 방법을 못 찾았음
    • 설정 방법을 설명한 가이드가 있나? 나도 Copilot 자동완성에 꽤 불만이 많음
    • 나도 비슷하게 tabbyML+llammacpp에서 StarCoder3B를 돌리는데 잘 동작함. go, terraform, shell, nix 자동완성이 훌륭함
    1. 완전 로컬, 2) 오픈소스, 3) CPU만으로 빠름, 4) 스마트 자동완성 결과가 꽤 괜찮은 해법이 있나?
      내 작업이 독점 소프트웨어나, 더 나쁘게는 온라인 소프트웨어에 의존하길 원하지 않음. 소프트웨어 엔지니어는 좋은 도구들이 자유 소프트웨어였기 때문에 운이 좋았고, 그 상태를 유지하는 데 집단적 이해관계가 있다고 느낌
      그렇지 않으면 다른 방식으로 일하는 법을 잊어버려서 일하기 위해 Monsanto 세금을 내야 하는 농부처럼 될 수 있음
    • CPU에서 빠르다는 건 현실적이지 않음
      오픈소스이고 빠르고 좋은 선택지는 OpenRouter에서 Qwen, Llama 같은 오픈소스 모델을 쓰는 것임. 로컬은 아니지만 공급자 종속은 없고, 다른 제공자로 바꾸거나 GPU에 투자할 수 있음
    • AI 전용 가속기와 통합 메모리가 있는 CPU가 아니라면 CPU만으로 빠른 건 찾기 어려울 것 같음
      70억 매개변수 미만 모델이 유용할지 상상하기 어렵고, 듀얼 채널 DDR5-6400 RAM이 대략 102 GB/s라고 해도 8비트 양자화 기준 초당 15토큰 정도만 생성 가능함. 그것도 CPU가 실제로 그 속도로 처리할 수 있다는 가정임
      메모리 대역폭이 쉽게 병목이 될 수 있음. 틀린 부분이 있다면 조용히 비추천하기보다 바로잡아주면 잘못된 정보를 퍼뜨리지 않을 수 있음
    • Cursor를 로컬 LLM과 연결해 설정할 수 있음. 오픈소스 ngrok 대체 도구를 통해 연결하면 되는데, 어떤 게 좋은지는 기억나지 않음
      다만 실제로 쓸 만한 코딩 모델, 예를 들어 QwenCoder2.5-32b를 쓰려면 RAM이 많은 Mac에서만 추천함
    • Continue VSCode 확장이 있음

  • 몇 주 전에 요금제를 취소했는데, 월말에 내 VS Code 플러그인이 멈추지 않는다는 걸 알게 된 건 괜찮음
    나중에 다른 AI 제품에 돈을 낸다면 월정액보다 토큰 단위 과금을 선호함. 몇 주씩 도구를 전혀 쓰지 않는 기간이 자주 있기 때문임

    • 오늘 내 것도 취소했음. Cursor로 옮겼지만 가끔은 여전히 쓰고 싶어서 이 소식은 좋음
      다만 약간 공격적인 전략이라고 생각함. GitHub는 아니라고 주장하겠지만
    • 직장에서 Copilot을 무료로 받았지만 너무 성가셔서 일주일쯤 뒤에 꺼버렸음

  • 이 무료 요금제는 계속 쓰기에는 너무 제한적으로 들림. 이 정도 요금제가 비사용자를 유료 고객으로 전환할 수 있을까?
    여러 AI 서비스의 유료 요금제와 비교하면, 이건 상대적으로 꽤 매력적인 편으로 보임

    • 맞음. 사람들에게 Copilot을 노출시키고 구독하도록 설득하려는 목적임
    • 나도 이제 Copilot을 한번 써볼 생각임
답변달기