GeekNews Weekly

LLM 덕분에 기술적 진입 장벽은 낮아졌지만, 대신 취향이라는 보이지 않는 장벽이 더 선명해졌습니다. 이제 문제는 만들 수 있느냐가 아니라, 사람들에게 선택받을 수 있느냐입니다. 누구나 구현할 수 있는 환경에서는 ‘구현’이 아니라 ‘감각과 기준’ 이 경쟁력이 됩니다. 결국 살아남는 것은 취향을 정확히 건드리는 결과물입니다.

LLM 덕분에 검색을 덜 한다는 이야기가 나오기 시작했습니다. 그렇다면 다음 단계는 앱스토어에서 기성 앱을 찾는 행위 자체가 줄어드는 것일지도 모릅니다. 원하는 기능만 즉석에서 조합해 개인 맞춤형 앱을 만드는 흐름이 점점 현실이 되고 있기 때문입니다. 다만 이를 뒷받침할 AI 네이티브 API와 CLI 인프라는 아직 충분히 갖춰지지 않았습니다. 방향은 분명하지만, 전환 속도는 기대만큼 빠르지 않습니다. 결국 이 변화를 먼저 받아들이는 업체들이 AI 에이전트 생태계에서 더 유리한 위치를 차지하게 될 가능성이 큽니다.

Paul Graham의 꽤 오래된 글이지만, 앞선 이야기 덕분에 다시 찾아보게 되었습니다. 여기서 말하는 좋은 디자인과 미적 감각은 단순한 취향이 아니라, 기술을 넘어 아름다움을 인식하고 구현하려는 능력에 가깝습니다. 글에서는 수학·건축·소프트웨어를 관통하는 공통 원칙을 통해, 취향이 막연한 감상이 아니라 훈련을 통해 길러지는 역량임을 보여줍니다. 진짜 취향은 기존의 어색함과 추함을 알아보는 눈에서 시작되고, 높은 기준과 그것을 실현하는 실력이 만날 때 비로소 뛰어난 결과가 나옵니다.

해커뉴스와 긱뉴스의 Show 게시물 증가는 창작의 장벽이 낮아졌다는 신호이기도 합니다. 다만 게시물 수가 급증하면서 개별 프로젝트의 주목도와 참여율이 함께 낮아지는 현상도 뚜렷해지고 있습니다. 이른바 ‘Sideprocalypse’ 라 불리는 흐름 속에서, 자본과 마케팅 역량을 갖춘 팀이 관심을 선점하고 인디 개발자의 실험적 시도가 빠르게 묻히는 구조가 형성되고 있습니다.

앞서 이야기했듯, 취향을 저격하는 감각은 더욱 중요해졌습니다. 동시에 과잉 생성의 시대에는 숨은 보석을 발견하는 집단적 필터 역시 필요해 보입니다. 많이 만들어지는 환경일수록, 무엇을 주목할 것인지에 대한 커뮤니티의 기준 또한 함께 진화해야 하지 않을까요.

프롬프트 캐싱은 장기 실행형 에이전트의 성능과 비용을 좌우하는 핵심 구조입니다. 캐시는 접두사 매칭으로 동작하기 때문에, 정적 프롬프트를 앞에 두고 동적 정보를 뒤로 미루는 설계가 필수입니다. 도구나 모델을 무심코 변경하는 행위 하나가 전체 캐시를 무효화하고, 그 순간 비용과 지연이 즉각적으로 상승합니다.

최근 “모든 AI 프로젝트는 결국 에이전트가 된다”는 이야기도 나오고 있는데, 그렇다면 결국 모든 AI 프로젝트는 프롬프트 캐싱 문제와 마주하게 됩니다. 에이전트를 구축하고 있다면, 캐싱을 중심에 둔 아키텍처 설계가 필요합니다.

microgpt는 200줄짜리 순수 Python 코드로 GPT의 학습과 추론 전 과정을 구현한 karpathy의 실험적 프로젝트입니다. 외부 라이브러리 없이 autograd 엔진부터 Transformer 아키텍처, Adam 옵티마이저까지 직접 구성해, 대규모 LLM이 수행하는 알고리듬의 본질을 최소 단위로 드러냅니다. 프로덕션 모델과의 차이는 규모와 효율성뿐이며, 이 코드를 이해하면 GPT가 어떻게 “다음 토큰을 예측하는 기계”로 작동하는지 구조적으로 파악할 수 있습니다.

Google에서 14년간 얻은 21가지 교훈 에 이은 글입니다. 적절한 문제 선택과 신뢰 구축이 장기적인 성과를 만든다는 통찰이 담겨 있습니다. 모든 일을 잘하려 하기보다 가장 영향력 있는 문제를 고르고, 신뢰를 ‘레이턴시 최적화’로 보는 시각이 인상적입니다. 느린 코드는 느린 의사결정의 결과이며, 영웅이 필요 없는 시스템이 진짜 안정적인 조직이라는 점을 강조합니다.

AI가 코드를 대량으로 생성하는 시대에도 개발자의 핵심 역할은 ‘작성자’가 아니라 ‘판단자’ 로 남습니다. 자동화가 높아질수록 책임은 오히려 인간에게 더 명확히 귀속되며, 좋은 개발자를 구분 짓는 기준은 여전히 설계 판단력과 암묵지를 언어로 풀어내는 능력입니다. AI가 우발적 복잡성을 제거하더라도, 도메인의 본질적 복잡성은 인간의 해석과 결정 없이는 해결되지 않습니다.

SUNO 같은 상용 서비스 수준의 음악 생성 품질을 로컬 환경에서 구현한 오픈소스 음악 생성 모델입니다. RTX 3090 기준 10초 이내로 한 곡을 완성하며, 4GB VRAM 이하에서도 실행 가능한 경량 구조를 갖추었습니다. LoRA 기반 개인화 학습으로 사용자의 음악 스타일을 반영할 수 있고, 커버 생성·트랙 분리·보컬→BGM 변환 등 제작 워크플로 전반을 지원합니다. Mac·AMD·Intel·CUDA 등 다양한 플랫폼을 자동 감지해 설정하며, Gradio·Studio UI와 API를 통해 손쉽게 통합할 수 있습니다.

AI가 생산성을 올려준다고 말하는 동안, 한편에서는 프로젝트가 점점 비슷해지고 있다는 느낌도 커지고 있습니다. Show 게시판은 예전보다 붐비지만, 깊게 들여다 보고 싶은 프로젝트는 줄어든 것 같다는 인상도 있습니다. LLM은 입력을 훌륭히 다루지만, 오래 고민한 흔적까지 대신 만들어주지는 못합니다. 문제는 AI가 창의적이지 않다는 점이 아니라, 우리가 사고의 가장 재미있는 구간을 너무 쉽게 넘겨버린다는 점일지도 모릅니다.

일각에서는 “소프트웨어는 죽었다” 는 말이 나오고 있지만, 이런 선언은 기술 전환기마다 반복되어 왔습니다. PC도, 인터넷도, 스트리밍도 기존 산업을 끝낼 것처럼 보였지만, 결과는 언제나 확장과 재배치였습니다. 이번에도 마찬가지일 가능성이 높습니다.

AI는 기존 소프트웨어를 지우기보다 그 위에 또 하나의 레이어를 얹습니다. 아직 자동화되지 않은 영역이 훨씬 많고, 그 복잡성을 풀어내는 것은 결국 도메인 전문성입니다. 기술은 바뀌어도, 산업을 이해하는 사람의 역할은 오히려 더 커집니다.

구형 안드로이드 폰을 자연어 기반 AI 에이전트로 바꿔주는 오픈소스 프레임워크입니다. 화면을 캡처해 비전 모델로 인식하고, 추론된 액션을 ADB 명령으로 실행하는 루프 구조로 동작합니다. 좌표를 하드코딩하지 않아 UI 변경에도 유연하게 대응하며, 앱 UI 테스트나 물리 디바이스 자동화 등 다양한 실험에 활용할 수 있습니다.

여러 AI 모델과 CLI 도구를 하나의 인터페이스에서 제어할 수 있는 개발자용 멀티 에이전트 데스크톱 환경을 지향합니다. Gemini CLI, Claude Code 등 주요 툴을 자동 인식해 전환하며, 로컬 저장 기반의 다중 세션 구조로 각 대화의 컨텍스트를 독립적으로 유지합니다. 스케줄 자동화와 스마트 파일 관리 기능을 통해 반복 업무나 데이터 정리를 자연어로 지시할 수 있어, AI 활용 흐름을 일상 작업 속으로 자연스럽게 확장해 줍니다.

바이브 코딩은 강력합니다. 문제는 그것이 때로는 성과가 아니라 성취감만을 생산한다는 점입니다. 연구에서는 AI 코딩 도구 사용자가 더 빠르다고 느꼈지만, 실제로는 더 느렸습니다. 도박의 ‘가짜 승리’ 처럼, 우리는 코드의 양을 성과로 착각하기 쉽습니다.

코드를 생성하는 일은 쉬워졌지만, 좋은 구조를 설계하고 추상화를 다듬는 일은 여전히 어렵습니다. 자동화가 가능해진 것은 문법이지, 소프트웨어 엔지니어링의 사고 과정까지는 아닙니다.

“은하 규모로 확장해도 절대 충돌하지 않는 ID는 어떻게 만들까?” 라는 질문을 아주 진지하게 밀어붙인 글입니다. 중앙 서버, 계층적 위임, 수학적 라벨링, 이진 트리 분할까지 총동원하지만, 결론은 의외로 단순합니다. 비트를 더 써서 충분히 큰 난수를 쓰면 된다는 것입니다.

은하 규모에서 결정적 스킴은 선형으로 폭증해 점점 길어지고, 결국 수억 비트에 달하는 ID가 등장합니다. 반면 무작위 방식은 798비트면 우주 전체 연산 한계에서도 안전합니다. 때로는 가장 세련된 구조보다 가장 큰 숫자가 문제를 해결합니다. 스케일이 커질수록 정교함보다 단순함이 강해진다는 점에서, 묘하게 철학적인 글이기도 합니다.

Git은 오랫동안 “완성된 도구”처럼 보였습니다. 그런데 내부를 들여다보면, SHA-1에서 SHA-256으로 해시 알고리듬을 교체하고, 참조 저장 방식을 통째로 바꿔 Reftable을 도입하며, 객체 데이터베이스까지 손보는 중입니다. 말 그대로 날아가면서 엔진을 갈아끼우고 있는 셈입니다.

SHA-256 전환과 Reftable 도입은 단순한 기능 추가가 아니라, Git이 앞으로도 대형 저장소와 현대적 워크플로를 감당하겠다는 선언에 가깝습니다. 혁신이라기보다는 생존을 위한 진화입니다. 지난 10년을 지탱한 도구가, 다음 10년을 대비해 생태계를 깨지 않으면서도 조용히 미래를 준비하고 있습니다.

수천 명의 경영진이 AI를 언급하지만, 실제 고용과 생산성에는 뚜렷한 변화가 없다는 조사 결과가 나왔습니다. NBER 연구에 따르면 경영진의 AI 사용 시간은 주당 1.5시간에 불과하며, 90%는 지난 3년간 영향이 없었다고 답했습니다. 열광은 넘치지만, 생산성은 아직 꿈쩍하지 않는 모양새인데요.

1987년 Solow가 말했듯, “컴퓨터 시대는 어디에나 있지만 생산성 통계에는 없다”는 장면이 다시 떠오릅니다. IT도 처음에는 조용했지만, 몇 년 뒤 급격히 생산성이 상승한 전례가 있습니다. AI가 지금의 침묵을 준비 운동으로 삼고 있는지, 아니면 기대가 앞선 것인지는 아직 판단하기 이릅니다.

여러 AI 코딩 에이전트를 병렬로 실행하고 관리하기 위한 터미널 기반 세션 관리 도구입니다. 각 에이전트를 독립된 tmux 세션과 Git Worktree로 분리해 지속성과 병렬 작업을 보장하며, TUI 대시보드에서 세션 생성·모니터링·전환을 직관적으로 제어할 수 있습니다. Docker 샌드박싱과 프로필 기능을 통해 프로젝트별 격리와 워크스페이스 관리까지 통합 지원합니다.

Shaper는 DuckDB 위에서 동작하는 SQL 중심 오픈소스 데이터 대시보드 플랫폼으로, 모든 분석을 SQL만으로 작성하고 시각화할 수 있습니다. Git 기반 워크플로와 JWT 행 단위 보안, React SDK 임베딩 등 개발자 친화적 구조를 갖추었으며, Docker 실행 한 줄로 바로 배포할 수 있습니다. MPL-2.0 라이선스로 공개되어 있어, 가벼운 자체 호스팅 BI 환경을 원하는 스타트업과 데이터팀에 실용적인 선택지를 제공합니다.

AI 코딩 도구 Claude Code가 연 해커톤에서 금·은·동상 수상자 모두 전통적인 개발자가 아닌 각기 다른 직업군의 참가자들이 차지했습니다. 변호사, 의사, 부모, 뮤지션, 인프라 엔지니어가 자신이 겪은 문제를 직접 해결하며, ‘기술 구현’보다 ‘문제 인식’이 AI 시대의 핵심 역량으로 부상하고 있음을 보여줍니다.

git branch --merged | grep -v “\*\|master” | xargs -n 1 git branch -d
이 명령으로 현재 브랜치와 main, develop을 제외하고 병합된 브랜치를 일괄 삭제하는 방식으로, 반복적인 수동 정리 과정을 자동화합니다.

1,960억 매개변수 중 110억만 활성화하는 희소 Mixture of Experts 구조로, 고속 추론과 실시간 상호작용을 동시에 구현합니다. 초당 350토큰 생성과 256K 컨텍스트 윈도우를 지원하며, SWE-bench Verified 74.4% 로 코딩·에이전트 작업에서 안정적인 성능을 보입니다. 강화학습 기반 MIS-PO 최적화 기법을 통해 장기 추론의 일관성을 확보하고, 로컬 환경에서도 프론티어급 추론 능력을 유지하도록 설계되었습니다. 댓글에 보니 평가가 꽤 좋네요.

꽤 오래된 글인데요. 그 당시에 화제가 되어서 봤던 기억이 나네요. 지금은 과연 바뀌었을지 궁금했는데, 댓글에 안 바뀌었다는 얘기도 있군요.
"보안 때문에 XX 불가"는 대기업에서 항상 나오는 얘기인데, 요즘 ChatGPT 는 잘 될까 모르겠네요.

대규모 모델의 성능 한계를 결정짓는 핵심 요소는 데이터 품질이며, 이를 체계적으로 다루는 오픈소스 가이드북입니다. 사전학습 데이터 정제부터 멀티모달 정렬, RAG 파이프라인, 합성 데이터 생성까지 전 과정을 다루며, Ray·Spark·CLIP 등 현대적 스택을 활용한 실습형 캡스톤 프로젝트를 포함합니다. LLM 연구자와 데이터 엔지니어가 실제 파이프라인을 설계·운영하는 데 바로 참고할 수 있는 실무 중심 자료로 구성되어 있습니다.

Bluehood는 주변 블루투스 신호를 수집해 사용자가 무심코 노출하는 생활 패턴과 위치 정보를 시각화하는 Python 기반 스캐너입니다. 단순히 블루투스를 켜둔 것만으로도 집이 비는 시간대나 방문 기록이 드러날 수 있으며, 일부 의료기기나 차량처럼 사용자가 블루투스를 끌 수 없는 장치도 존재합니다. 프라이버시 보호를 표방하는 Briar·BitChat 같은 앱조차 블루투스 활성화를 요구한다는 점에서, 보안과 노출의 경계가 얼마나 얇은지를 보여줍니다.

애니메이션은 결국 값의 변화를 그래프로 설계하는 일입니다. 시간이나 입력에 따라 변하는 곡선을 수학적으로 정의하면, 움직임의 성격을 정밀하게 제어할 수 있습니다. 베지어 커브나 스프링, 지수적 접근 같은 수학 도구들은 감속·탄성·추적 같은 다양한 질감을 만들어내며, 이를 조합해 복잡한 전환이나 상태 변화를 체계적으로 구성할 수 있습니다. 코드 기반 애니메이션은 특히 사용자 입력에 실시간 반응해야 하는 인터랙션 설계에서 강점을 보입니다.

프롬프트 몇 줄로 웹앱을 완성하는 시대가 열렸습니다. 수십만 달러짜리 프로젝트가 월 200달러 플랜으로 대체되는 순간, 소프트웨어 산업을 떠받치던 ‘출시 리스크’ 라는 개념도 흔들리기 시작합니다. 과거에는 설계, QA, 출시 실패 가능성이 가격의 일부였지만, 이제는 일단 만들어보고 고치는 것이 더 싸고 빠릅니다.

품질은 여전히 논쟁적이지만, 속도는 이미 판을 바꾸고 있습니다. 동시에 비전문가가 직접 필요한 도구를 만드는 흐름이 확산되며, 예산 부족으로 존재하지 않던 소프트웨어가 폭발적으로 등장할 가능성도 커지고 있습니다. 비용 구조가 무너지는 동시에, 소프트웨어의 총량은 오히려 늘어날지도 모릅니다.

AI가 생성한 허위 인용문과 비난성 게시물이 실제 오픈소스 유지관리자에게 피해를 주면서, AI가 협업 생태계에 미치는 부정적 영향이 드러나고 있습니다. GitHub은 AI가 만든 불량 코드 제안과 버그 리포트의 급증으로 Pull Request 비활성화 기능까지 도입했으며, 개발자들은 검토 부담에 시달리고 있습니다. AI 코드 생성 능력이 정체된 상황에서, 무분별한 자동화가 오픈소스의 신뢰 구조를 흔들고 있다는 경고가 이어집니다.

Minecraft Java 에디션이 그래픽 렌더링 엔진을 OpenGL에서 Vulkan으로 전환합니다. 1990년대 기술인 OpenGL의 업데이트 중단과 macOS 지원 종료가 배경이며, Vulkan은 Windows와 Linux에서 기본 지원되고 macOS에서도 번역 레이어를 통해 성능 저하 없이 동작합니다. 이번 전환으로 인해 마인크래프트의 향후 시각적 품질 및 프레임률 개선이 기대됩니다.

Vercel이 개발한 AI 에이전트를 위한 TypeScript 기반 가상 Bash 환경으로, 실제 디스크나 네트워크에 접근하지 않는 완전한 샌드박스 실행을 제공합니다. 메모리 내 파일시스템 위에서 동작하며, 명령 실행은 exec() 단위로 격리되어 안전성과 재현성을 모두 확보합니다. 또한 defineCommand로 TypeScript 기반 커스텀 명령을 추가할 수 있어, AI 모델이 Bash 명령을 안전하게 실험·조합할 수 있는 환경을 손쉽게 구성할 수 있습니다.

애플 실리콘이 등장했을 때만 해도, “이 기기에서 리눅스가 제대로 돌아갈까?” 라는 질문이 자연스러웠습니다. 5년이 지난 지금, USB-C DisplayPort Alt Mode 출력이 구현되고 M3 지원도 초기 단계에 도달했습니다. 닫힌 하드웨어 위에서 한 줄씩 퍼즐을 맞춰온 결과입니다.

애플 실리콘 장비의 사용 연한이 서서히 다가오는 상황에서, 언젠가는 리눅스 머신으로 전환해야 할 시점이 올지도 모릅니다. Asahi는 단순한 취미 프로젝트를 넘어, 실제 대안이 될 수 있는 수준까지 꾸준히 진화하고 있습니다. 그 점이 무엇보다 든든합니다.

세차장 50미터 문제는 얼핏 보면 유머에 가깝지만, 실제로는 LLM의 전제 추론 능력을 시험하는 질문입니다. 세차를 하려면 자동차를 세차장에 가져가야 한다는 전제가 숨어 있는데, 많은 모델이 이를 명시적으로 캐치하지 못하고 “50m면 걸어가라”는 상식적인 거리 판단에만 반응했습니다.

이 사례가 흥미로운 이유는, 모델이 계산이나 문장 생성에는 능하지만 상황 전체를 하나의 물리적 시나리오로 재구성하는 데는 종종 실패한다는 점을 드러내기 때문입니다. 이 글이 트위터에서 200만 조회수를 넘겼다는 점도 상징적인데요. 단순한 밈이라기보다, 사람들이 일상적으로 LLM을 사용하며 그 한계를 관찰하고 있다는 걸 보여주는 것같아요.

요즘 개발자와 장시간 타이핑 사용자 사이에서 확산 중인 스플릿 키보드는 “키보드 취미” 라기보다, 장시간 입력의 물리학(손목·어깨·팔)을 다시 설계하는 인체공학적 대안에 가깝습니다. 좌우 분리, 열 배열, 텐팅, 3D 스컬프트 등 다양한 폼 팩터가 존재하며, QMK·ZMK 같은 펌웨어를 활용하면 레이어·콤보·모드탭을 통해 적은 키로도 작업 흐름을 재구성할 수 있습니다.

물론 진입 장벽도 분명히 있는데요. 하드웨어 선택보다 더 큰 비용은 키맵 적응이며, 숫자·기호·단축키까지 포함해 숙달하려면 일정 기간의 재학습이 필요합니다. 초기에는 생산성이 일시적으로 낮아질 수 있지만, 일정 수준을 넘기면 입력 환경은 단순한 기기를 넘어 개인의 작업 방식과 결합된 시스템으로 자리 잡습니다. 이 점에서 스플릿 키보드는 장비 교체가 아니라 입력 체계의 재설계에 가깝습니다.

GitHub이 풀 리퀘스트(PR) 접근 제어를 강화해, 저장소 관리자가 협업 방식을 세밀하게 조정할 수 있게 됐습니다. 이제 PR 기능을 완전히 비활성화하거나, 협업자만 새 PR을 생성하도록 제한하는 두 가지 설정을 선택할 수 있습니다. AI로 작성된 PR이 넘치면서 도입된 기능인 것 같네요.

Claws 시리즈는 LLM 에이전트 위에서 오케스트레이션과 컨텍스트 관리, 툴 호출 등을 담당하며 AI 스택의 새로운 계층으로 자리 잡고 있습니다. 거대한 OpenClaw 생태계는 빠르게 확장 중이지만, RCE 취약점과 공급망 오염 등 보안 리스크가 심각하게 지적됩니다. 이에 비해 NanoClaw는 4천 줄 규모의 경량 코어로, 컨테이너 기반 실행과 skills 중심 구성 방식을 통해 관리성과 유연성을 동시에 추구합니다. Claws 들 덕분에 로컬 환경에서의 실험과 포크 중심 확산이 활발해지며, 개인 디지털 에이전트의 실질적 구현 가능성을 넓히고 있습니다.

AI 인프라 확장 경쟁이 가속되면서, Western Digital의 2026년 하드 드라이브 생산분이 이미 전량 매진되었습니다. 매출의 약 95%가 기업 고객에서 발생하는 구조상, 데이터센터 쪽 수요가 우선 배정되고 일반 소비자용 제품은 후순위로 밀릴 가능성이 큽니다. 최근 AI 학습·추론 수요 증가로 HBM·DDR 메모리 가격이 급등했던 것처럼, 저장장치 역시 데이터센터 중심으로 재편될 것 같은데요. 단기적으로는 기업용 고용량 HDD와 엔터프라이즈 SSD 수요가 우선 반영되고, 그 여파가 점진적으로 소비자 시장 가격에 전이될 가능성이 있습니다.

다만 저장장치는 메모리와 달리 기술 세대 전환 속도가 비교적 완만하고, NAND·HDD 모두 경기 사이클에 따른 증설·감산이 반복되어 온 시장입니다. 실제로 소비자 가격까지 구조적 상승으로 이어질지, 아니면 일시적 수급 불균형에 그칠지는 조금 더 지켜볼 필요가 있습니다.

LLM 경쟁의 축이 점점 “얼마나 똑똑한가”에서 “얼마나 빠른가” 로 이동하는 분위기입니다. 흥미로운 점은 Anthropic과 OpenAI가 완전히 다른 기술 경로로 속도를 끌어올리고 있다는 점입니다. Anthropic은 배치 정책을 조정해 기존 모델을 더 빠르게 만들었습니다. 처리량은 줄이고 대기 시간을 없애는 방향입니다. 반면 OpenAI는 Cerebras 웨이퍼 스케일 칩 + 경량화 모델(Spark) 조합으로 아예 다른 하드웨어·모델 스택을 구성했습니다. 하나는 운영 전략의 최적화, 다른 하나는 아키텍처 레벨의 재설계에 가깝습니다.

다만 빠르다는 것이 곧 생산성 향상을 의미하지는 않습니다. 추론이 10배 빨라도 오류 수정에 2배 더 시간이 든다면 체감 이득은 줄어듭니다. 결국 관건은 지연 시간, 정확도, 비용의 균형입니다. 고속·저정확도 모델은 독립적인 최종 모델이라기보다, 에이전트 파이프라인 안에서 필터·초안·탐색용 하위 구성요소로 자리 잡을 가능성이 커 보입니다.

AI 시대의 실리콘밸리에서는 지능보다 ‘에이전시(agency)’, 즉 행동하고 밀어붙이는 능력이 새로운 자질로 평가받고 있습니다. Roy Lee의 Cluely처럼 기술적 완성도보다 실행력과 자기 확신으로 투자금을 끌어모으는 사례가 늘어나며, 사고와 성찰 대신 행동 그 자체가 목적이 되는 세대가 등장했습니다. 그러나 이런 흐름은 Scott Alexander가 지적하듯 인간의 자율성과 사고 능력이 점차 외주화되는 ‘사고의 종말’ 을 드러내는 징후로 읽힙니다.

AI를 자율적 동료가 아닌 외골격(Exoskeleton) 으로 바라보는 관점인데요. 인간의 판단을 대체하기보다 맥락을 보조하고 반복 업무를 증폭하는 구조가 더 높은 지속성과 효율을 만들어냅니다. Kasava는 코드·이슈·전략 데이터를 통합한 ‘제품 그래프(Product Graph)’ 와 세분화된 마이크로 에이전트 설계를 통해, AI가 인간의 의사결정 루프 안에서 작동하는 증폭형 모델을 구현합니다.

Gemini 3.1 Pro는 복잡한 문제 해결을 위한 고도화된 멀티모달 AI 모델로, 텍스트·이미지·코드 등 다양한 입력을 통합해 단순한 답변을 넘어선 문제 해결을 목표로 합니다. ARC‑AGI‑2 벤치마크 77.1% 로 이전 3 Pro 대비 두 배 이상의 성능을 달성했으며, 데이터 통합과 시각적 설명, 창의적 코딩 등 고난도 영역에서 향상된 추론력을 보여줍니다. Antigravity 에서 코드 생성할때 꽤 훌륭한 결과를 낸다는 평가가 많네요.

크롬 계열 브라우저의 즉시 업데이트가 필요합니다. CVE-2026-2441로 식별된 CSS 제로데이 취약점을 수정했는데요. CSS 내부에서 폰트 처리를 하다가 무효화된 주소를 계속 사용하는 Use-After-Free가 일어나면서 시스템 장악까지 가능해지는 취약점이라, 그냥 웹사이트를 여는것만으로도 문제가 발생합니다. 심지어 이미 이 취약점을 악용하는 데가 있었다고해서 CVSS 8.8 High의 높은 위험도 취약점으로 분류 되었습니다. 자동 업데이트를 기다리지 말고 즉시 최신 버전으로 갱신하는 것을 권장합니다.

Claude Code 데스크톱이 개발·검토·배포 과정을 하나의 환경으로 통합했습니다. 브라우저 전환 없이 앱을 실행하고 UI·로그·오류를 즉시 확인할 수 있으며, “Review code” 버튼으로 로컬 변경사항을 분석해 푸시 전 버그를 인라인 코멘트로 점검할 수 있습니다. 또한 GitHub PR 상태를 앱 내에서 추적하고 CI 실패 시 자동 수정·병합까지 수행해, 코드 작성부터 리뷰·머지까지의 흐름을 매끄럽게 연결합니다.