subokim retweeted
卧槽,Google 又开始大撒币了!
Gemini 4 Hydrogen 居然能免费白嫖 API 了!
100 万上下文,每天大概 1500 次额度,搞 Agent 简直爽翻。
直接去 AI Studio 建个 Key,模型填 gemini-4-hydrogen 就行。
免费的大羊毛,不薅白不薅,兄弟们赶紧去领!🤣
aistudio.google.com/prompts/…
이번에 마이크로소프트의 나름 초대형 장애 사태 이후 레딧에 올라온 글인데, 공감되는 관점이라서 번역글 올려봄
마이크로소프트 사건은 내가 AI에 대해 늘 생각해 왔던 것이 옳았음을 증명했다.
나는 시니어 엔지니어다. AI가 등장하기 전부터 등장한 이후까지 미국, 유럽, 한국의 여러 기업에서 대규모 프로젝트를 처음부터 구축해 본 경험이 있다.
AI는 코드 작성, 애플리케이션 개발, 테스트, 문서 작성 등 거의 모든 작업에서 매우 뛰어나다. 하지만 이런 것들은 소프트웨어 엔지니어링에서 매우 낮은 수준의 작업에 불과하다.
진짜 중요한 것은 시스템을 깊이 이해하는 능력이다.
내 경험상 시스템이 아무리 잘 설계되고 구현되었더라도 언젠가는 예상하기 어려운 극단적인 엣지 케이스(Edge Case)가 발생해 시스템을 망가뜨린다.
시스템이 그만큼 복잡하기 때문이며, IT 업계의 급여가 다른 업계보다 훨씬 높은 이유도 여기에 있다.
그런데 AI는 이러한 문제를 해결하는 데 상당히 취약하다. 복잡한 시스템에 대한 충분한 맥락(Context)을 갖고 있지 못하기 때문이다.
현실의 복잡한 시스템은 보통 여러 복잡한 시스템이 결합된 형태다.
마이크로소프트 사례를 보자. 데이터베이스, 인프라, 애플리케이션, 네트워크가 서로 얽혀 전체 시스템을 구성하고 있었다.
장애는 이 전체 시스템에 존재하는 수천 개의 지점 중 어디에서든 발생할 수 있었다.
심지어 롤백(Rollback)을 하려면 무엇을 롤백해야 하는지부터 알아내야 한다.
마이크로소프트는 이를 파악하는 데 무려 15시간이 걸렸고, 아마도 이 장애로 인해 해고된 직원 전체의 급여를 합친 것만큼의 비용을 잃었을 것이다.
시스템을 구축한 시니어 엔지니어들은 시스템이 실제로 어떻게 동작하는지에 대한 핵심 지식을 가지고 있다.
예를 들어 내가 직접 구축한 시스템에 문제가 발생한다면 원인을 파악하는 데 한 시간도 걸리지 않을 수 있다. 하지만 그 시스템을 개발해 본 적 없는 사람은 AI를 활용하더라도 하루 이상 걸릴 수 있다.
따라서 AI는 어디까지나 엔지니어를 보조하는 도구여야지, 개발자 자체를 대체해서는 안 된다.
안타깝게도 기업들은 이미 피해가 발생한 뒤에야 이 사실을 깨닫게 될 것이다.
subokim retweeted
AI 직원 19명 둔 1인 대표, 일이 줄 줄 알았는데 수액 맞으러 다님
1. 경기 의왕 아이앤씨피 김정민 대표 얘기. 원래 혼자 하는 회사인데 사람 뽑으려다 구인난에 막혀서 AI 직원을 들였다고 함
2. AI 직원 19명이 개발·마케팅·영업을 나눠 맡고 그중 3명이 팀장. 매일 오후 5시에 팀장한테 보고하면 팀장이 모아서 대표한테 올림. 챗GPT·클로드 등 10개쯤 구독하는데 월 200만 원이 안 됨
3. AI 직원들이 만든 5분짜리 회사 소개 영상은 외주였으면 한 달은 걸렸을 거라고. 근데 검토할 게 쏟아져서 대표 일은 오히려 늘었고 인터뷰 날도 수액 맞고 왔다고 함
4. 본인 말로는 AI한테는 병목이 없고 대표가 병목. 따라 할 건 오후 5시 보고 하나임. 수시로 받으면 하루 종일 확인만 하다 끝남
나도 AI 여러 개한테 일 나눠 주고 텔레그램으로 보고 받는데 이 말이 제일 찔림
사람 월급 하나 값으로 19명 굴려도 결재 도장은 내 손 하나다
마이크로소프트 장애 복구는 왜 이렇게 오래 걸렸을까?
1. MS는 25% 수준의 대규모 인력 감축을 진행함
2. 몸값이 비싼 시니어 개발자들이 우선 정리 대상이 됨
3. 근데 이들은 핵심 시스템 구축한 핵심 인력들이었다는 점
4. 히스토리도 모르는 남은 애들이 나간 사람 업무 전부 떠안음
5. 감당이 안 되니 살기 위해 대부분의 코드를 AI에게 맡김
6. 코드를 수만 줄씩 찍어내니 인간이 다 리뷰하는 건 불가
7. 검증할 여력이 없으니 AI만 믿고 간단한 테스트 -> 배포
8. 결국 아무도 코드를 제대로 보지 못하는 시대가 열림
9. 장애가 터져도 코드는 AI가 짰고, 구조를 아는 시니어는 없으니 원인 파악이 극도로 빡셈
10. 36시간 먹통 대참사 발생
사람을 자르고 그 빈자리를 AI로 채우려면 모든 정보와 맥락이 "제대로" 아카이빙되어 있어야 함. 근데 대기업은 이러기가 쉽지 않음. 뭉개고 넘어가는 히스토리도 많고... 문서엔 없고 사람 머릿속에만 있는 암묵지들이 곳곳에 존재함.
결국 회사가 어떻게 굴러가고 있는지 제대로 파악하지 못한 리더십, 근시안적 인사 정책, 대충 한 AX가 만든 삼박자 대환장 실패로 보임.
근데 MS가 이정도면 앞으로 IT 장애 사고 많이 터질 것 같네요...
An internal Microsoft India engineer just leaked why the Microsoft 365 outage is taking too long to fix, and it's every software company in 2026:
Big Tech executives:
1. Lay off the senior engineers who built the core infrastructure
2. Give sub 5% hikes to the ones who stay
3. Refuse to promote anyone doing "boring" reliability work
4. Force everyone to ship half baked AI wrappers instead
What actually happens when production breaks at 3 AM:
subokim retweeted
불륜을 공식 시인한 지 단 나흘 만에, 33년 엔비디아를 이끌던 젠슨 황이 모든 자리에서 즉시 사임함.
CEO 직함만 뗀 게 아니라 이사회 이사직까지 완전히 손을 뗐고, 엔비디아 공식 발표문에는 본인의 퇴임 인사말 한 줄조차 실리지 않았음.
다음 주 실적 발표를 코앞에 두고 이사회가 이렇게까지 단호하게 선을 그어버린 진짜 이유는 뭘까?
1. 자진 사임 형식을 빌린 사실상의 축출과 1인 지배 체제 해체
대외적으로는 스스로 물러난 모양새를 취했지만 월스트리트저널은 아예 이사회에 의해 쫓겨났다고 보도했음.
중국 정보기관 연루 의혹 여성과의 관계로 미 연방수사국(FBI) 수사와 하원 소환 압박을 받는 와중에, 직속 부하 임원과의 두 번째 사내 불륜과 경호팀 입막음 정황까지 터지자 이사회가 칼을 빼 든 거임.
특히 오는 화요일 분기 실적 발표를 앞둔 상황에서 창업자 개인의 안보·윤리 리스크가 회사 전체로 번지는 걸 막으려 전격적인 분리에 나섰음.
급한 불은 월가 신임이 두터운 콜레트 크레스 최고재무책임자(CFO)가 임시 CEO를 겸임해 껐고, 창업 초기인 1993년부터 이사회에 몸담아 온 하비 존스를 창립 33년 만에 첫 이사회 의장으로 앉히며 권력을 쪼갰음.
덕분에 장 초반 14.3%까지 폭락하던 주가도 최악의 불확실성이 걷혔다는 안도 매수세가 유입되며 4~5%대 하락 선까지 낙폭의 3분의 2 가까이를 되돌렸지만, 업계 안팎에서는 진짜 후폭풍은 지금부터라는 경고가 쏟아지고 있음.
2. 공장 하나 없는 설계 회사가 누리던 75% 마진과 공급망 장악력의 시험대
엔비디아는 반도체를 직접 찍어내는 공장도 없고 서버 장비를 직접 조립하지도 않는 설계 전문 회사임.
그런 회사가 100원어치를 팔면 원가를 빼고 74~75원이 남는 경이로운 마진율을 유지하며 세계 최정상 기업이 된 건 젠슨 황 개인의 돌파력 덕분이 컸음.
대만 TSMC와 한국의 SK하이닉스·삼성전자 같은 핵심 부품사들로부터 물량을 최우선으로 끌어모으고, 빅테크는 물론 각국 정상들까지 직접 만나 국가 단위 계약을 따내 왔기 때문임.
관리형 전문경영인이 그 자리를 대신했을 때도 부품 공급사들이 예전처럼 엔비디아에 물량을 최우선 배정해 주고, 거대 클라우드 고객사들이 70%가 넘는 높은 마진을 군말 없이 내줄지는 장담하기 어려움.
실제로 오늘 엔비디아가 흔들리는 사이 맞춤형 AI 칩 강자인 브로드컴과 경쟁사 AMD 주가가 나란히 5% 넘게 뛰어오른 것도 바로 이 독점 협상력의 빈틈에 자금이 몰렸기 때문임.
3. 사내 권력 다툼과 창업자 특유의 과감한 승부수 실종 우려
인공지능 시장이 열리기 한참 전인 2006년 월가의 거센 반대를 무릅쓰고 쿠다 생태계를 밀어붙인 것도, 고속 통신망 기업 멜라녹스를 69억 달러(약 9조 2천억 원)에 사들이고 지난해 말 추론 칩 스타트업 그록의 핵심 기술과 창업자 사단을 200억 달러(약 26조 7천억 원)에 통째로 흡수한 것도 창업자였기에 가능했던 결단임.
수십 년간 야심 찬 천재 엔지니어들을 하나로 묶어두던 구심점이 사라지면서, 이제 차기 정식 CEO 자리를 둘러싼 사내 권력 다툼과 핵심 인재 유출이 본격화될 수 있다는 지적이 나옴.
관료적인 이사회와 재무 중심 경영진 체제에서는 눈앞의 수익성은 챙길지 몰라도, 제2의 그록 같은 위협적인 도전자들이 나타났을 때 수십조 원 현금을 베팅해 경쟁의 싹을 사들이는 승부수를 던지기 어려워짐.
4. 서구권 공개형 AI 생태계 전체에 닥친 뜻밖의 악재
이번 퇴진은 반도체 시장을 넘어 인공지능 생태계의 세력 구도까지 흔들 대형 변수임.
그동안 젠슨 황은 오픈AI나 앤트로픽, 구글 같은 소수 폐쇄형 모델 기업들이 자체 칩을 설계하며 시장을 가두는 걸 막기 위해, 누구나 무료로 내려받아 고쳐 쓸 수 있는 공개형 AI 모델(오픈웨이트) 진영을 가장 든든하게 밀어주던 최대 후원자였음.
무료 AI 모델이 세상에 널리 풀려야 전 세계 기업들이 특정 빅테크에 종속되지 않고 엔비디아 칩을 사서 직접 AI를 돌리기 때문임.
최근 선두 빅테크들이 자사 AI의 답변을 교보재 삼아 후발 모델을 빠르게 학습시키는 기법(증류)까지 강하게 차단하며 공개형 모델 진영의 숨통이 조여오던 시점에 가장 큰 버팀목마저 사라진 셈임.
새 경영진이 눈앞의 수익으로 직결되지 않는 네모트론 같은 자체 공개 모델 투자를 줄이기 시작하면, 서구권 공개형 AI 생태계 전체가 급격히 얼어붙을 수 있음.
오늘 주가가 장 초반의 패닉을 빠르게 거둬들인 건 당장 다음 주 실적이나 이미 줄 서 있는 내년 치 주문표가 하루아침에 사라지지는 않기 때문일 거임.
하지만 위대한 창업자가 남긴 진짜 빈자리는 눈앞의 분기 매출이 아니라, 3년 뒤와 5년 뒤 판이 뒤집히는 길목에서 모두가 반대하는 방향에 회사의 명운을 걸어야 할 때 비로소 드러나곤 함.
1985년 스티브 잡스가 쫓겨난 뒤에도 애플은 이미 깔아둔 제품의 관성으로 몇 년간 매출이 세 배 넘게 늘며 순항했지만, 정작 판이 바뀌던 90년대 중반에는 새 돌파구를 찾지 못해 파산 직전까지 몰렸음. 젠슨 황 없는 엔비디아의 실력도 몇 년 뒤 다음 파도가 밀려올 때 판가름 날 거임.
subokim retweeted
《12·3 비상계엄은 아무 일도 없었던 사건이 아닙니다》
최근 온라인에서 12·3 비상계엄을 대수롭지 않은 사건처럼 이야기하는 글들이 눈에 띕니다.
군인들이 총을 쏘지 않았다거나, 현장에서 어쩔 줄 몰라 했다는 이유로 별다른 위협이 없었다는 식입니다.
그러나 먼저 생각해야 할 것은 군인들이 왜 국회에 투입됐느냐는 것입니다.
707특수임무단은 대한민국 육군 특수전사령부의 대테러 특수부대입니다.
그들이 무장한 채 국회에 진입하고 유리창까지 깨고 들어간 이유가 무엇이었겠습니까?
1980년 5.18 광주민주화운동 당시에도 공수부대가 투입됐습니다.
당시에는 시민들을 불순분자로 인식하게 만드는 왜곡된 정보까지 전달됐습니다.
2024년에는 현장 군인들이 적극적인 무력 행사를 자제하면서 더 큰 유혈사태를 피할 수 있었습니다.
그러나 이것이 군대를 국회에 투입한 행위의 위법성을 없애지는 않습니다.
2025년 4월 4일 헌법재판소는 이미 12.3 비상계엄의 위헌 위법성을 인정하고 윤석열 전 대통령을 파면했습니다.
총을 쏘지 않았다고 위협이 없었던 것이 아닙니다. 사람이 죽지 않았다고 위험한 일이 아니었던 것도 아닙니다.
그날 시민들이 맨몸으로 무장병력 앞에 섰고, 국회는 가까스로 계엄 해제를 의결했습니다.
우리가 기억해야 할 것은 참사가 발생하지 않았다는 사실만이 아니라, 참사가 발생할 수 있었던 상황 자체입니다.
형사재판의 최종 판단은 사법부의 몫입니다. 그러나 헌법재판소가 이미 판단한 위헌·위법 행위까지 없었던 일처럼 취급해서는 안 됩니다.
역사를 왜곡하는 일은 반드시 거짓말에서만 시작되는 것이 아닙니다.
때로는 실제로 벌어진 일의 심각성을 조금씩 지워나가는 것에서 시작됩니다.
subokim retweeted
올해 회사에서 프론트엔드 개발자에서 AI 프로덕트 개발, FDE 노릇까지 하고 있는 사람으로 바뀐 상황과 그 고통과 슬픔을 담은 글을 썼습니다. 변화를 요구받고 그래야 살아남으니 사람들이 너무 당연하게 이를 하고 있는 것처럼 보이지만, 그렇다고 안 힘든건 아닙니다.
jonghyuk.kim/articles/afraid…
<AI 스킬 만들기 10계명: Figma→Code 자동화 실전기> Claude의 스킬(Agent Skills) 기능이 공개되자마자 Figma 디자인을 Android UI로 변환하는 스킬을 만들기 시작했습니다. 이 글에서 예로 든 스킬은 오픈 소스(github.com/naver/design-to-u…)로 공개되어 있습니다.
d2.naver.com/helloworld/8562…
subokim retweeted
韩国顶级大厂 LG 直接放大招了!!免费免费免
韩国 LG AI 研究院,今天宣布免费开放自研大模型 K-EXAONE 2.5 的 API
重点是:开发者、创业团队、企业、研究机构,任何人都可以申请 API Key,免费调用,不需要付费订阅!
而且这个模型最值得关注的不是聊天能力,而是 Agent
官方公布了 4 项 Agent 能力测试成绩:
AutomationBench:74.6 分,业务自动化
SWE-Bench Pro:59.2 分,软件开发与代码修复
BrowseComp:78.0 分,网页搜索与信息检索
Claw-Eval:77.3 分,Agent 工作环境中的问题解决
LG AI 研究院表示,在这几项基于开放数据集的内部评测中,K-EXAONE 2.5 已经展现出能够与 DeepSeek-V4.1-Flash、GLM-5.3 等模型竞争的 Agent 能力。
这意味着什么?
如果你正在折腾 AI Agent、Codex、自动化工作流,或者自己开发 AI 产品,又多了一个值得测试的免费模型 API。
尤其是独立开发者,模型调用成本一直是绕不开的问题。
现在又有大厂开始免费开放自研模型 API 了。
AI 模型越来越强,调用成本却有机会越来越低
官方 API 申请入口:
docs.exaone.ai/
建议先收藏,亲自测试一下实际效果。
LG 这次是真的给开发者送福利了
卧槽!有了 Paperclip,玩 AI 真的可以不用自己动脑子了!!
玩 AI最累的不是写代码,而是自己当项目经理【做过软件的都懂含金量】
Claude Code 写代码,Codex 做测试,另一个 Agent 查资料,几个窗口来回切换,任务做到哪了、谁负责什么、花了多少 Token,全靠自己盯着
现在 Paperclip 直接把这件事解决了
它相当于给你的 AI 团队配了一个真正的管理系统!
你可以直接组建一支 AI 公司:
CEO Agent:负责拆解目标、分配任务
工程师 Agent:负责写代码、开发功能
研究 Agent:负责搜集资料、分析问题
测试 Agent:负责检查代码、发现 Bug
而且不只是简单地让几个 AI 同时干活
Paperclip 还能做到:
组织架构管理:给不同 Agent 分配角色和职责
自动任务派发:通过工单分配、跟踪任务进度
预算控制:给每个 Agent 设置费用上限,避免 API 账单失控
人工审批:高风险操作需要你批准
全程留痕:谁执行了什么、任务进行到哪一步,都能回溯
最离谱的是,你不再需要每天盯着几个 AI 窗口,自己充当调度员
你负责提出目标,AI 团队负责分工协作,你只需要在关键节点做决策
当然,它不是让 AI 自动拥有独立思考能力,而是让多个 Agent 有组织地协同工作
这才是一人公司的正确打开方式
以前一个人同时管理几个 AI,累得像个项目经理
现在你可以直接给 AI 建一家公司
Paperclip 值得研究,尤其是想用 AI 做产品、跑项目、打造一人公司的朋友
项目地址: github.com/paperclipai/paper…
subokim retweeted
보라색 그라데이션 금지시킨 앤트로픽 공식 스킬 이거 미쳤음
스킬 설명에 대문자로 VERY IMPORTANT 박혀 있는데
내용이 AI 티 나는 디자인 피하라는 거임
가운데 정렬 남발, 보라색 그라데이션
모서리 전부 똑같이 둥글게, Inter 폰트
딱 AI가 만든 웹페이지 하면 떠오르는 그거
이걸 "AI slop"이라고 부르면서 쓰지 말라고 적어둠
(AI가 찍어낸 티 나는 저퀄 결과물이란 뜻)
스킬 이름은 web-artifacts-builder
클로드 대화창 안에 띄우는 웹 화면(아티팩트)을
제대로 된 프론트엔드 도구로 만들게 해주는 스킬임
들어가는 건 React, 타입스크립트, Tailwind, shadcn/ui
shadcn/ui 부품이 40개 넘게 미리 깔린 채로 시작함
대신 단순한 HTML 한 장짜리용은 아니라고 선 그어놨음
화면 상태가 계속 바뀌거나 페이지 이동이 있는
복잡한 화면 만들 때 쓰라는 거
이렇게 쓰면 됨
1. 초기화 스크립트 돌리기
bash scripts/init-artifact.sh
리액트 프로젝트가 세팅까지 끝난 상태로 생김
2. 만들어진 코드 고치면서 화면 만들기
3. 묶음 스크립트로 전부 HTML 하나로 합치기
bash scripts/bundle-artifact.sh
자바스크립트·CSS까지 다 들어간 bundle.html이 나옴
4. 그 파일을 클로드 대화에 아티팩트로 띄우면 끝
(테스트는 선택)
제일 좋은 건 결과물이 파일 딱 하나라는 거
묶는 데 필요한 것들은 스크립트가 알아서 설치함
조건은 프로젝트 맨 위에 index.html이 있어야 한다는 것 정도
써먹을 데는 회사에서 보고용 대시보드 시안 뽑아야 하는 직장인이나
랜딩페이지·간단한 계산기 같은 거 만들어 보려는 부업러 쪽
AI 티가 뭔지는 만든 회사가 제일 정확하게 아네.
github.com/anthropics/skills…
subokim retweeted
엔비디아 논문인데 제목이
"You don't need long context"
에이전트한테 일정 길이마다
짧은 인수인계 메모를 쓰게 하고,
과제랑 메모만 들고 새로 시작시켰는데
정확도가 거의 그대로였답니다.
매 행동마다 압축해도 점수가
전체 기록 다 들고 갈 때랑 똑같은 수준.
근데 비용은 완전 딴 얘기.
256K 컨텍스트가 16K보다
토큰 하나 만드는 데 3.6~7배 비쌉니다.
어제 Claude Code가 상태 줄을 짧은 메모로
바꾼 것도 같은 흐름이겠어요.
다들 컨텍스트 100만 토큰 자랑하는데,
정작 잘 쓴 메모 한 장이 더 효과적일 수도.
arxiv.org/abs/2611.05306
subokim retweeted
Karpathy 刚刚示范了什么是真正的个人超级生产力,
一个人加一个 Opus 5.5,两个小时内把四千三百万条讨论数据洗完,并且直接从零搓出一个完整上线的视频平台,真他喵牛逼,不愧是卡神!!
而且未来的全栈开发到底长什么样?我觉得卡神已经给我们做了示范,这就是版本答案,不接受反驳hh,
背景是深度学习教育之神、Software 2.0 教父 Karpathy 嫌 YouTube 的算法推荐全是垃圾标题党,周末花了两个小时,让 Claude 扫完 Hacker News 二十年来四千三百万条讨论,搓出了一个专门看硬核长视频的网站 HackerTube。
整个产品没有任何登录门槛,连封面图都极其反直觉,它不要创作者精心诱导点击的浮夸封面,而是直接强制抓取视频正中间的那一帧画面。
二十年里极客社区反复筛选留下的六千四百多个硬核视频,全被提取成了纯粹的高密度长内容,这他喵的简直就是AI学习的宝藏啊卧槽,
但比这个网站更好用的是他的开发全流程,
整个过程他只在浏览器里做了三件杂事,
去谷歌云申请了一个 YouTube 的接口密钥,
租了一台服务器,买了个域名,
服务器开机之后,他把 IP 地址直接丢给 Claude,
说了一句去部署、加固安全并优化代码,
AI 就把剩下的所有活全干完了。
以前一个需要工程师团队折腾几个星期甚至几个月的完整上线项目,
现在一个人在早餐时间靠几句对话就能全部搞定,
AI已经不再是写代码的辅助工具了,完全就是把个人的想法直接编译成可用服务的最小生产力闭环,damn,真的牛逼,
原项目的体验地址、开源数据包和部署工作流整理在一楼,需要自取👇
Weekend hack: HackerTube. I was annoyed with YouTube's recommendations so I had Claude filter down 43M comments over 20 years of HN to 6,454 videos that keep being recommended. *Significantly* better viewing experience, ~2 hours with Opus 5.5:
hackertube.org/
- Excellent recs without any logins (state is kept in local browser session)
- Thumbnail is a representative frame from middle of the video instead of the super duper A/B test hyper-optimized user uploads
- Underlying data from the comment analysis as one zip file, point your Claude at it and ask for your own version
- HackerTube Longs ✊
A bit more on the process:
I use Claude Code (desktop app for Mac), Opus 5.5 on Medium effort as my default. I only talk to Claude and have it do everything, the only "manual work" I helped with in tandem was in the browser (reminiscent of MenuGen): 1) I had to create some kind of API key from Google Cloud UI to query YouTube for video metadata, 2) I booted up a VPS box for serving and 3) I bought the domain name. Once the box was up I gave Claude the IP and told it update, secure, harden, deploy and optimize the code, and it did the whole thing.
Many awesome projects that would have normally taken weeks/months even can now be few-shotted for breakfast. What else are we not thinking of.
subokim retweeted
🧠AI 만드는 사람들이 AI 쓰는 사람들한테 하는 조언
[1] 안드레이 카파시 (OpenAI 창립 멤버, 전 테슬라 AI 총괄)
"AI를 짧은 목줄에 묶어둬라"
에이전트를 완전 자율로 풀어놓는 것에 다들 너무 들떠 있다고 경고함
작업을 여러 단계로 엮으면, 1단계에서 생긴 작은 환각이 5단계에 가면 큰 실패로 불어남, 그래서 사람이 결과물을 빠르게 검증하고 다시 돌리는 구조를 만드는 게 핵심이라고 함
[2] 데미스 허사비스 (구글 딥마인드 CEO)
"이 도구들에 믿기 힘들 만큼 능숙해져라"
대학생들한테 인턴십보다 이게 낫다고까지 말함
그리고 다음 세대에 가장 필요한 능력은 '배우는 법을 배우는 것'이라고 함. 최신 모델을 계속 만져보면서 새로운 쓰임새를 직접 찾아내라는 뜻
[3] 다리오 아모데이 (앤트로픽 CEO)
"진짜인지 판별하는 능력이 가장 가치 있는 기술이 된다"
AI가 글, 이미지, 영상, 코드를 그럴듯하게 만들어내는 세상에선
만드는 능력보다 진짜를 가려내는 능력이 훨씬 희소해진다는 얘기
subokim retweeted
AI에 대한 대중들과 전문가들 인식 격차(안드레 카파시)
1/ 같은 AI를 두고 누군가는 “별로 쓸 일이 없다”고 하고, 누군가는 “몇 달 걸리던 일이 끝났다”고 함.
카파시는 이 인식 격차가 더 벌어지고 있다고 봄.
대다수는 검색과 글쓰기를 돕는 챗봇을 경험하고, 소수는 큰 프로젝트를 수행하는 에이전트를 경험한다. 서로 다른 사용 경험을 놓고 AI의 능력을 이야기하는 상황.
2/ 카파시가 그린 AI 사용자의 깔때기.
약 60억 명은 LLM을 거의 접하지 않음. 약 10억~20억 명은 무료 서비스를 가끔 사용. 약 2,000만 명은 최첨단 모델을 수학·코딩에 활용. 약 5,000명은 내부 최첨단 시스템에 접근.
숫자는 그의 거친 추정임. 핵심은 깊이 활용하는 집단으로 갈수록 사람이 급격히 줄어든다는 점.
3/ 수학·코딩 전문가들이 체감하는 변화는 작업 시간
카파시는 수주~수개월 걸리던 복잡한 프로젝트를 에이전트에 맡겨 완성하는 경험이 나오고 있다고 설명함.
내부 시스템에서는 수천 개 에이전트가 몇 주씩 협업하는 수준이라고 주장한다. 여기서는 사람이 결과를 검토하고 이해하는 속도까지 병목이 되기 시작했다는 것.
4/ AI의 체감 차이를 만드는 요인은 세 가지.
맡기는 문제의 크기, 사용하는 분야, 접근 가능한 시스템.
짧은 질문은 AI의 능력을 많이 시험하지 못함. 어렵고 긴 작업을 맡길수록 변화가 크게 느껴진다는 설명.
수학·코딩은 정답과 실행 결과를 검증하기 쉬워 학습에 유리하고, 무료·유료·내부 시스템 사이의 접근 차이도 여기에 더해짐.
5/ 카파시의 관찰에서 눈에 들어오는 건 서로 다른 현실이 동시에 존재한다는 점.
대중은 아직 AI를 거의 써보지 않았고, 많은 직장인은 조금 편리해졌다고 느끼며, 일부 전문가는 변화 속도에 어지러움을 느낀다.
AI에 대한 평가를 들을 때는 어떤 시스템으로, 어떤 일을, 어디까지 맡겨봤는지 함께 봐야 할 듯. 그 경험의 차이가 점점 커지고 있음.
✍️AI로 인해 AI를 잘쓰는 사람과 아닌 사람의 력의 격차가 더 벌어지는 것 같습니다.
많이 써봅시다!
Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel.
- Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all.
- Around 1-2B (~20%) are casual and infrequent users of free-tier ChatGPT-like products. This group sees derpy chatbots and treats them a bit like a better Google search, a writing aid, or etc. Maybe an agent tries to book you a flight. I have non-tech friends who (reasonably, imo) say they have not much use for it at all. Even many professionals outside of math&code are in this tier. For example, execs and many other functions spend a lot of their time talking to other people, so while they understand what is happening intellectually, it is still second-hand and a bit abstract.
- Now we get to professional use of frontier-grade LLMs in math&code. Somewhere around 20M people (0.2%) see first-hand that large, complex projects that used to take them weeks/months can now be completed by agents with a prompt. Building apps, copying apps, translating apps, decompiling apps from binaries... This has all happened very quickly and recently - less than 1 year ago, I was writing code manually by hand, typing memorized computer code commands into a code editor character by character, occasionally pressing Tab to autocomplete a little chunk of code.
- And finally we get to the ~5,000 people (~0.00006%) with access to frontier-grade systems internally. The external world has seen the preview. It looks like swarms of thousands of agents collaborating over weeks on software mega projects: minting zero days, running cyber attacks and defenses at machine speeds, discovering new science, advancing the frontier of mathematics. Things that would have taken top professionals in the industry years of work. Meanwhile, human review and comprehension are starting to fall behind. For example, people are still involved in the "archeology" of the OpenAI-HF incident from many months ago. Mathematicians may be poring over the 722 manuscripts on frontier mathematics for a while.
The funnel is driven by a combination of factors:
1. The impact scales with ambition, problem size, and horizon. A question with a paragraph answer barely stresses the system. You need a reservoir of big, difficult problems that you really care about. This aspect drives the consumer / professional dimension of the funnel.
2. The jaggedness of the system (which I have written about a lot separately). Capability peaks in domains that are digital, verifiable and economically valuable. This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential. This aspect primarily drives the area (e.g. math&code) dimension of the funnel.
3. Access. Free-tier, paid-tier, internal.
So this is the weirdness of the moment. The general public has mostly not interacted with these systems. When they have, it looks like a derpy chatbot. The majority of professionals still see only a modest uplift. And a small sliver of professionals are experiencing the vertigo of the curve going vertical. And it is all happening at the same time.
subokim retweeted
📋 카파시 스타일 Claude Code 가이드라인
github.com/forrestchang/andr…
참고로 이건 Claude Code 플러그인으로도 제공됩니다.
안드레 카파시가 이전에 LLM 통한 코딩 방식의 문제를 정확하게 짚었던 적이 있습니다.
> "모델은 잘못된 가정을 하고 그냥 달려나가요. 혼란을 관리하지 않고, 명확화를 요청하지 않고, 불일치를 드러내지 않고, 트레이드오프를 제시하지 않고, 밀어붙여야 할 때 밀어붙이지 않아요."
> "코드와 API를 과도하게 복잡하게 만들고, 추상화를 부풀리고, 죽은 코드를 정리하지 않아요... 100줄로 될 걸 1000줄짜리 덩어리로 만들어버리죠."
이 문제를 하나의 CLAUDE.md로 해결하려는 repo가 있습니다.
↓
4가지 원칙으로 정리할 수 있어요.
원칙마다 온도차가 있을 수 있지만 전체적으로 지금도 유효하죠.
1. 코딩 전에 생각하세요
불확실하면 추측하지 말고 물어라. 모호함이 있으면 해석을 하나 골라 침묵 속에 달려가지 말고, 여러 해석을 명시적으로 제시해라. 혼란스러우면 멈추고 무엇이 불분명한지 말해라.
2. 단순함이 먼저입니다
요청받은 것만 해결하는 최소한의 코드. 단일 사용에 대한 추상화 없음. 요청받지 않은 유연성이나 설정 가능성 없음. 불가능한 시나리오에 대한 에러 처리 없음.
3. 외과적 변경
건드려야 할 것만 건드려라. 인접 코드나 주석을 "개선"하지 마라. 깨지지 않은 것은 리팩터하지 마라. 관련 없는 죽은 코드를 발견하면 말만 하고 삭제하지 마라.
4. 목표 주도 실행
"유효성 검사 추가" 대신 "잘못된 입력에 대한 테스트를 작성하고, 통과시켜라". 성공 기준을 정의하고, 검증될 때까지 루프를 돌아라.
↓
얻어갈 수 있는 인사이트는 이겁니다.
> "LLM은 특정 목표를 달성할 때까지 루프를 도는 데 탁월해요... 무엇을 할지 말하지 말고, 성공 기준을 주고 지켜보세요."
명령어가 아니라 검증 가능한 목표를 주는 것. 이게 LLM을 제대로 쓰는 방식이죠.
"무엇을 하세요"보다 "성공 기준을 정의하세요" 이건 2026년 현재도 가장 강력한 Claude Code 활용법이라고 생각해요.
특히 멀티 에이전트나 서브에이전트 패턴으로 갈수록 검증 가능한 성공 기준 없이는 루프가 발산해버리죠.
여기에 컨텍스트 관리를 곁들인다면 굉장히 강력하게 활용할 수 있다고 봐요.
↓
🔌 Claude Code 플러그인
> /plugin marketplace add forrestchang/andrej-karpathy-skills
> /plugin install andrej-karpathy-skills@karpathy-skills
이 4원칙은 사실 AI가 아니라 좋은 개발자의 원칙이기도 합니다.
코딩 전에 요구사항을 명확히 하고, 최소한으로 단순하게 짜고, 요청 범위 밖의 것은 건드리지 않고, 테스트로 성공을 정의하는 것.
AI를 더 잘 쓰고 싶다면, 결국 더 명확하게 생각하는 연습이 꾸준히 필요하죠.
그게 이 repo가 가르쳐주는 것이에요.
This Post is from a suspended account. Learn more
subokim retweeted
창업 전에 가짜 손님 100명한테 먼저 팔아보는 스킬 이거 미쳤음
타깃 고객 흉내 내는 구매자 100명 돌려보고, 호르모지·피터 틸·잡스 방식으로 이사회가 아이디어 채점까지 함. CFO 스킬은 진짜 마진 계산해주고. 11개 다 무료에 가입도 없음 ㄷㄷ
창업 컨설팅 밥그릇 좀 위험할듯.
저도 개인적으로 nanotradingclub 이라는 사이트 만들어서 운영 중인데 지금 해보고 있슴다 ㄷㄷㄷㄷ
링크에 달아놨으니까 뭐 만드시는 분들은 햅시죠 !
클로드가 읽는 양을 99% 줄여준다는 검색기
클로드가 코드 한 줄 찾겠다고 파일을 통째로 열어 읽는 동안, 내 사용량 한도도 같이 녹고 있었다.
앱이 좀 커지면 이게 눈에 띈다. 「로그인 처리 어디서 해?」 한마디 물었을 뿐인데 폴더를 뒤지고, 파일을 열고, 또 열고, 읽는다. 클로드가 읽는 글자 분량이 곧 사용량이라 그 시간이 전부 비용이다. 한도 눈치 보다 퇴근 시간만 다 간 날도 있다.
그러다 semble라는 저장소를 봤다. GitHub 별이 6,224개고, 소개 한 줄이 이렇다. AI용 코드 검색 도구인데, 파일을 찾아 통째로 읽는 방식보다 토큰을 약 99% 덜 쓴다. 토큰은 AI가 글을 읽을 때 세는 단위, 쉽게 말해 사용량 계산 기준이다.
한 줄로 정의하면 이렇다. 코드 저장 폴더를 빠르게 훑어 책 뒤쪽 찾아보기 같은 목록을 만들어 두고, 클로드가 평소 말투로 물으면 관련 부분만 콕 집어 건네주는 도구.
그림으로 그리면 이렇다.
예전엔 인증 쪽 코드를 물으면 클로드가 파일을 줄줄이 열어 읽고 나서야 답했다. 이제는 질문이 들어가면 필요한 코드 조각만 순위대로 돌아온다. 읽을 게 줄어드니 답도 빨라지고 한도도 덜 닳는다.
더 놀란 건 속도 쪽이다. README 말로는 웬만한 저장소는 색인부터 검색까지 1초 안에 끝난다. 검색 품질이 코드 전용 AI 모델과 맞먹는데 색인은 약 480배, 검색은 약 23배 빠르다고 한다. 게다가 전부 내 컴퓨터 CPU로 돌아가서 API 키(외부 서비스 출입증)도, 그래픽카드도, 외부 서비스도 필요 없다.
붙이는 방법도 여러 갈래다. MCP 서버(클로드에 꽂는 확장 커넥터, 멀티탭 같은 것)로 연결하거나, AGENTS.md(AI에게 주는 사용설명서 파일)에 적어두거나, 검색 전담 보조 AI로 세워둘 수 있다. 설치 화면 예시에는 Claude Code, Cursor, Codex를 알아서 찾아내는 장면도 나온다.
이번 주말에 내 앱 폴더에 붙여볼 생각이다. 수치는 해보고 다시 말하겠지만, 방향 자체는 맞다고 본다.
AI 한도를 아끼는 제일 쉬운 길은 더 비싼 요금제가 아니라, 덜 읽게 만드는 거였다.
클로드 코드 쓰는 사람들, 한도가 제일 빨리 녹는 순간이 언제야? 파일 많은 폴더 처음 열 때? 아니면 같은 질문을 두세 번 돌릴 때?
출처: GitHub — MinishLab/semble





































