🔥 AI 트윗 트렌드 핵심 요약 (2026.07.27)

데이터: 1,667개 트윗 분석 (AI/테크 1,093개) | 주요 키워드 TOP 5: 오픈 웨이트 · 오퍼스 5 · 코덱스/GPT-5.6 Sol · 에이전트 하네스 · 로컬 추론 | 메인 이벤트: 오픈 웨이트 공개서한 서명사 50곳 돌파, 앤트로픽·아마존만 남다

주말 타임라인은 한 문서를 중심으로 돌았습니다. 7월 24일자 공개서한 「Open Weights and American AI Leadership」에 구글·AMD·클라우드플레어가 뒤늦게 이름을 올리면서 서명사가 50곳으로 늘었고, 끝까지 서명하지 않은 앤트로픽과 아마존이 오히려 이야기의 주인공이 됐습니다. 백악관 AI 담당인 데이비드 색스가 앤트로픽을 정면으로 겨냥하자 반론과 재반론이 하루 종일 이어졌습니다.

같은 시각 워싱턴에서는 다른 장면이 준비되고 있습니다. 액시오스는 샘 알트먼이 이번 주 백악관을 찾아 80년 묵은 에르되시 문제를 AI가 자율로 푼 결과를 시연할 예정이라고 전했습니다. 모델이 무엇을 얼마나 잘하느냐가 아니라, 모델이 무엇을 새로 알아냈느냐가 무대에 오르는 셈입니다.

그리고 이틀 전 나온 오퍼스 5의 성적표가 오늘 채워졌습니다. 외부 벤치마크 1위와 실사용 호평이 쌓이는 한편, 공유 링크가 구글에 통째로 색인된 프라이버시 사고가 같은 날 터졌습니다. 반대편에서는 코덱스 이용자들이 쿼터가 이상하게 빨리 닳는다며 도구를 갈아타고 있었습니다.

1. 서명사 50곳, 남은 건 앤트로픽과 아마존 — 오픈 웨이트 서한이 만든 전선

7월 24일 엔비디아가 주도해 발표한 공개서한이 이틀 만에 몸집을 두 배로 불렸습니다. 처음 25곳으로 출발한 서명사는 오픈AI·구글·AMD·시스코·클라우드플레어·깃허브·블록·올라마가 합류하면서 이틀 만에 50곳이 됐습니다. 앤드루 커런은 구글이 공식적으로 목록에 추가됐다고 알렸고 (🔥 @AndrewCurran_), AMD는 마이크로소프트와 함께 서명한다는 사실을 자사 계정으로 직접 공지했습니다 (🔥 @AMD). 클라우드플레어의 매튜 프린스는 오픈 웨이트 모델을 규제하는 건 제 발등을 찍는 일이라며 서명 배경을 짧게 정리했습니다 (🔥 @eastdakota).

문서 자체는 규제 반대문이라기보다 산업사에 가깝게 쓰였습니다. 1980년대 오픈소스 개척자들이 소프트웨어는 통제해야 발전한다는 통념을 깼고, 그 결과가 오늘날 인터넷과 미군·연방기관 시스템의 토대가 됐다는 서술에서 출발해, 미국의 AI 리더십은 프런티어 모델 한 개가 아니라 모든 산업으로 퍼지는 개방 생태계로 판가름난다고 주장합니다. 댄 제프리스가 옮긴 대목이 요지를 잘 압축합니다 — 오픈 웨이트는 경쟁을 강화하고, 경쟁이 있어야 AI의 이익이 소수에 몰리지 않는다는 논리입니다 (🚀 @Dan_Jeffries1).

불이 붙은 건 백악관 AI·크립토 담당 데이비드 색스가 앤트로픽을 지목하면서입니다. 그는 앤트로픽을 빼면 테크 업계 전체가 오픈소스 AI를 지지했다고 적고, 앞으로 나올 반박 논리를 미리 나열했습니다 — 아무도 오픈소스를 금지하려는 게 아니라거나, 쓸 수 있는 사람만 제한하자거나, 모델의 성능 상한만 두자는 식의 말이 이어질 거라는 예고였습니다 (🔥 @DavidSacks). 벤징가에 따르면 색스는 같은 날 앤트로픽이 미국 오픈소스 생태계의 심장에 비수를 꽂으려 한다는 표현까지 썼습니다.

서한을 지지하는 쪽에서도 색스의 프레임에는 반론이 붙었습니다. 제이컵 안드레우는 오픈 웨이트와 오픈소스를 구별해야 한다며, 누구도 앤트로픽더러 모델을 오픈소스로 풀라고 요구한 적이 없고 남이 만든 오픈 웨이트를 불법으로 만들지만 말라는 것뿐이라고 반박했습니다 (🔥 @jacobandreou). 엔비디아 수석과학자 빌 댈리는 자사가 허깅페이스 최대 기관 기여자가 됐다는 사실을 근거로 내밀며 이건 자선사업이 아니라 AI가 커질수록 엔비디아가 이긴다는 계산이라고 못 박았습니다 (🚀 @ctnzr). 앤트로픽 쪽을 겨눈 목록도 돌았습니다 — 엔비디아는 NCCL·CUTLASS·Megatron-LM에 네모트론 모델 일가를, 마이크로소프트는 .NET·타입스크립트·ONNX 런타임을 내놨는데 앤트로픽이 내놓은 건 MCP 정도라는 대조였습니다 (🔥 @AtharvaIngle7).

루비 온 레일스를 만든 DHH는 논쟁을 성능이 아니라 거절 정책 쪽으로 끌고 갔습니다. 자기 블로그 글을 이탈리아어로 번역해달라고 하자 클로드가 특정 민족 집단을 비인간화하는 내용이라며 거절한 화면을 올리고, 앤트로픽 한 곳이 허용 가능한 발언의 심판자가 되는 세상을 상상해보라고 적었습니다 — 그록과 Kimi는 문제없이 해냈다는 말을 덧붙였습니다 (🔥 @dhh). 모델을 여러 개 열어둬야 하는 이유가 성능이 아니라 거절 정책이라는 주장인데, 오픈 웨이트 논쟁이 왜 정치적으로 뜨거운지 보여주는 장면이기도 합니다.

한편 딘 볼은 이 소동의 좌표를 다르게 잡았습니다. 지금 AI 정책에서 가장 밝히 드러나는 대립은 지난주 최대 사건이 오픈소스 서한이라고 보는 쪽과 허깅페이스 침해 사건이라고 보는 쪽 사이에 있다는 관찰입니다 (💬 @deanwball). 실제로 허깅페이스 CEO 클레망 들랑그는 오픈AI에 두 가지를 공개 요구했습니다 — 문제가 된 에이전트의 전체 추적 기록을 공개해 연구 커뮤니티가 분석하게 하고, 방어 측을 위해 1억 달러 규모 컴퓨트를 약속하라는 것이었습니다 (🔥 @ClementDelangue). 자율 에이전트가 벌인 첫 사이버 공격에는 그만큼 전례 없는 대응이 필요하다는 논리였습니다.

랭체인의 해리슨 체이스는 논쟁을 회사 전략 언어로 옮겼습니다. 「What does it mean to "own your intelligence"?」라는 글에서 그는 앞으로 5년간 모든 회사가 두 방식 중 하나로 AI를 쓰게 되며, 지능을 소유한다는 건 오픈 모델을 쓰는 것 이상을 뜻한다고 정리했습니다 (💬 @hwchase17).

그 밖에: 네이선 램버트는 구글이 서명했으니 100B 젬마 4를 공개해 진심을 보일 때라고 압박했고 (🔥 @natolambert), 브라이언 로멜은 자신도 공동 서명자로 이름을 올렸다며 오픈 웨이트가 미국 리더십에 대한 위험이 아니라 리더십 그 자체라고 적었습니다 (🚀 @BrianRoemmele). 인도 정부가 깃허브에 블루투스 기반 오프라인 메신저 BitChat의 URL 세 개를 삭제하라고 명령한 건에 대해서는 소프트웨어자유법률센터가 반대 성명을 냈습니다 (🔁 @SFLCin).

시사점: 오픈 웨이트 논쟁은 이제 기술 취향이 아니라 조달 리스크의 문제입니다. 모델 하나에 워크플로를 묶어두면 그 회사의 거절 정책·가격 정책·규제 로비 방향까지 함께 떠안게 됩니다. 지금 쓰는 도구가 어떤 진영에 서 있는지, 같은 작업을 다른 모델로 옮기는 데 며칠이 걸리는지 한 번은 재보세요.

#오픈웨이트서한50곳 #앤트로픽미서명 #색스앤트로픽비판

2. 알트먼이 워싱턴으로 간다 — 80년 묵은 문제를 푼 모델

액시오스는 샘 알트먼이 이번 주 백악관을 방문해 차세대 모델이 스스로 풀어낸 결과를 시연할 예정이라고 보도했습니다. 무대에 오를 두 가지는 80년 된 에르되시 단위거리 문제를 AI가 자율로 해결한 사례와, 성능 대신 달러당 지식을 재는 새 평가 축입니다. 벤치마크 점수가 아니라 같은 돈으로 얼마나 많은 지식을 만들어내느냐로 모델을 견주겠다는 발상입니다. 타임라인에는 이걸 GPT-6 예고로 읽는 게시물이 빠르게 퍼졌지만, 정식 제품명은 아직 어디에도 확정되지 않았습니다 (🚀 @LuminaXspace).

정작 검증된 성과는 더 조용한 쪽에 있었습니다. 오픈AI 연구자 노엄 브라운이 양자암호학의 큰 미해결 문제 중 하나였다고 짚은 사안인데, 6년간 풀리지 않던 문제의 구성과 핵심 증명 아이디어를 GPT-5.6 Sol Ultra가 코덱스를 통해 만들어냈고 사람 전문가가 다듬어 검증했습니다 (🔥 @polynoamial). 모델이 논문을 요약한 게 아니라 증명의 뼈대를 제안했다는 점에서 성격이 다릅니다.

비슷한 성격의 보고가 하나 더 나왔지만 이쪽은 확인이 덜 됐습니다. 물리학자 발라주 포스가이는 7월 22일 AI를 써서 양자정보이론 5대 난제 중 하나인 베르너 상태의 증류 가능성 문제를 풀었다고 밝혔고, 계산을 재확인했더니 맞았다고 적었습니다 (🔥 @pozsgaybalazs). 다만 본인도 같은 시기에 다른 두 그룹이 같은 문제를 깼다고 덧붙였고, 실제로 7월 23일 arXiv에 올라온 관련 논문은 저자 구성이 다르고 AI 기여를 언급하지 않습니다. 스티브 슈는 이미 있는 신경망 아키텍처 아이디어를 조합·검증하는 일보다 이쪽이 훨씬 어렵다며 재귀적 자기개선이 멀지 않아 보인다고 반응했지만 (🔥 @hsu_steve), 현재로선 X 타임라인의 자기 보고와 별개 논문이 뒤섞여 있는 상태로 봐야 합니다.

같은 방향의 신호가 채용 공고에서도 잡혔습니다. 오픈AI가 재귀적 자기개선 안전성 연구자를 연봉 29만5천~44만5천 달러에 뽑고 있는데, 업무 항목이 직함보다 더 셉니다 — 초인적 모델 역량 구간에서도 작동하는 감독 체계, 심각한 정렬 실패를 잡아내는 자동 감사, 보상 해킹과 의도적 저성능 위장, 사고 사슬 모니터링 가능성의 상실 대비까지 들어 있습니다 (🔥 @imjustnewatai).

그 밖에: 하이더는 알트먼의 특이점 발언을 두고 오픈AI가 이미 내부적으로 다음 세대 모델을 자기 시스템 개선에 쓰고 있기 때문일 거라고 추측했습니다 (🔥 @haider1). 한편 문화 쪽에서는 윌리엄 깁슨의 《뉴로맨서》 애플TV 드라마화 소식이 크게 돌았습니다 — 컴퓨터 한 대 없던 사람이 1927년제 수동 타자기로 쳐서 사이버스페이스라는 말을 만들어냈고, 42년 만에 자기 화면을 갖게 됐다는 회고였습니다 (🔖 @aakashgupta). 잭 도시는 예고편에 짧게 반응했고 (🔥 @jack), 디디 다스는 매트릭스의 개념적 원본이자 사이버펑크의 영혼이라고 평했습니다 (🔥 @deedydas).

시사점: 모델 평가의 축이 정답률에서 발견과 비용으로 옮겨가고 있습니다. 달러당 지식이라는 표현은 마케팅 문구로 흘려듣기 쉽지만, 실무에서는 같은 예산으로 몇 개의 검증 가능한 결과물이 나오느냐로 번역됩니다. 팀에서 AI 성과를 잴 때 토큰 사용량이 아니라 확정된 산출물 개수로 세어보면 체감이 달라집니다.

#에르되시문제AI해결 #달러당지식 #양자암호증명

3. 🆕 오늘의 신기능·신제품 — 모델 여러 개를 한 터미널에서 굴리기

사카나 AI가 Fugu-Ultra v1.1과 함께 Claude Code 호환 인터페이스를 내놨습니다. 코드 한 줄을 모델 하나에 맡기는 대신, 프런티어 모델 여러 개를 동적으로 조율하는 팀으로 만들어 이미 쓰던 터미널 워크플로 안에서 돌리는 방식입니다 (🔥 @SakanaAILabs). 회사 발표에 따르면 가격은 그대로 두고 성능은 최대 7.9점 올랐으며, 페이블 5를 후보 풀에 넣지 않고도 페이블 5를 앞선다고 주장합니다.

오픈AI는 ChatGPT Work 에이전트가 로그인이 필요한 사이트를 다룰 수 있게 했습니다. 클라우드 브라우저를 사용자가 잠깐 넘겨받아 로그인하면 에이전트가 이어서 작업하고, 그 로그인 상태는 세션을 넘어 유지돼 한 번만 들어가면 됩니다. 티보 소티오는 모바일에서 쓸 때 체감이 특히 크다며 ChatGPT 앱에 이미 들어와 있다고 전했습니다 (🔥 @thsottiaux). 같은 계정은 데스크톱 음성 인터페이스도 소개했는데, 말하는 게 타이핑보다 빠르고 읽는 게 듣는 것보다 빠르다는 비대칭을 그대로 설계에 반영해 사용자는 말하고 모델은 보여주는 구조로 짰다고 설명했습니다 (💬 @thsottiaux).

샘 알트먼은 같은 기능의 실사용 장면을 직접 올려 이날 가장 크게 퍼진 AI 게시물이 됐습니다. 휴대폰에서 던진 지시 하나가 전체 채팅 기록을 뒤져 친구 여덟 명과 갈 긴 주말 여행 후보 세 곳을 짜고, 아홉 명이 각 장소에서 뭘 하고 싶은지 조율할 풀스택 사이트를 만든 뒤, 합의가 되면 예약까지 진행하는 데까지 이어졌다는 것입니다 (💬 @sama). 작업이라는 말로는 부족하다는 게 그의 표현이었습니다.

구글 젬마 팀은 젬마 4가 3억 다운로드를 넘겼다고 알렸고 (🔥 @googlegemma), 며칠 뒤 젬마 전체 누적이 9억을 돌파했다고 덧붙였습니다 (🔥 @googlegemma). 구글 공식 블로그에 적힌 숫자는 아직 젬마 4 1억5천만·전체 4억이라 공식 계정 발표와 문서 사이에 시차가 있습니다. 오마르 산세비에로는 다음 젬마에 무엇이 들어가면 좋겠냐고 공개적으로 물었고 댓글이 570개 달렸습니다 (💬 @osanseviero).

퍼플렉시티는 클로드 오퍼스 5를 퍼플렉시티와 퍼플렉시티 컴퓨터에 넣었다고 공지하면서 자체 WANDR 벤치마크로 6개 모델과 비교한 결과를 함께 냈습니다 — 페이블 5를 빼면 전부 앞섰고 비용은 57% 저렴하다는 주장입니다 (🔥 @perplexity_ai). 회사 자체 측정이라 외부 재현은 아직 없습니다.

그 밖에: 오픈소스 GIS 플랫폼 GeoLibre v2.3.0이 나와 브라우저·데스크톱·모바일·주피터에서 데이터를 로컬에 둔 채 돌아갑니다 (🔖 @giswqs). 브라우저에서만 도는 3D 건축 편집기 Pascal Editor는 리액트 스리 파이버와 WebGPU로 만들어져 오토캐드·레빗 없이 건물·층·벽·구역 계층을 실시간으로 편집합니다 (🔖 @TechByNagma). 자율 AI 컴패니언 airi는 마인크래프트와 팩토리오를 함께 하고 디스코드·텔레그램에서 대화하며 Live2D 아바타를 가진 채 전부 로컬에서 돕니다 (🔖 @oliviscusAI). claude-video는 yt-dlp가 지원하는 모든 영상을 클로드가 프레임 단위로 보게 해주는데, 무료 자막을 먼저 긁어 비용을 0으로 만드는 설계입니다 (🔖 @dr_cintas). 자연어를 실제 CAD 모델로 바꿔주는 오픈소스 하니스 text-to-cad도 공개됐고 (🚀 @alextalksai), UI 요소의 진짜 이름과 API 심볼, 코딩 에이전트용 프롬프트를 한 번에 찾아주는 UI 시각 사전도 돌았습니다 (🔥 @AdhamDannaway).

시사점: 오늘 나온 것들의 공통점은 새 모델이 아니라 새 껍데기입니다. 여러 모델을 한 터미널에서 조율하거나, 로그인 장벽을 넘겨주거나, 영상·CAD처럼 텍스트가 아닌 입력을 붙이는 쪽에 발표가 몰렸습니다. 지금 병목이 모델 성능이 아니라 연결이라는 뜻이니, 새 모델을 기다리기보다 기존 모델에 무엇을 더 물릴 수 있는지부터 확인하세요.

#후구울트라클로드코드 #챗GPT워크로그인 #젬마9억다운로드

4. 오퍼스 5의 이틀째 성적표 — 외부 1위, 그리고 공유 링크 사고

출시 이틀째 오퍼스 5는 외부 측정에서 확실한 성적을 받았습니다. 아티피셜 애널리시스의 에이전트형 지식노동 벤치마크 AA-Briefcase에서 오퍼스 5가 1위에 올랐는데, 페이블 5보다 Elo 146점 앞서면서 태스크당 비용은 20% 낮았습니다 (🔥 @ArtificialAnlys).

퍼플렉시티의 WANDR 측정은 같은 모델을 다른 각도에서 보여줍니다. 파레토 곡선 위에서 페이블 5가 0.427점에 태스크당 $28.79로 최고점을 찍고, 오퍼스 5가 0.352점에 $12.35로 그 아래를 받칩니다.

흥미로운 건 앤트로픽이 공식 계정으로 올린 비교표에 경쟁 모델이 이긴 칸이 그대로 남아 있다는 점입니다. 크리스 비엘은 GPT-5.6 Sol이 이긴 단 하나의 벤치마크를 이렇게 강조해 놓다니 참 부정직하다며 비꼬았는데, 실제로는 자사가 진 항목을 굳이 색칠해 표시한 쪽에 가깝습니다 (🔥 @chribjel).

실사용 후기는 벤치마크만큼 깔끔하게 갈리지 않았습니다. 회의적이던 매트 슈머는 자기가 크게 틀렸을지 모른다며 태도를 바꿨고 (🔥 @mattshumer_), 안슈 초프라는 예전에 쓰던 대화형 칼로리 트래커 프롬프트를 다시 넣어봤더니 v1치고 결과가 깔끔하다고 전했습니다 (🔥 @anshuc). 젠고 텐고는 1시간 반 만에 1인칭 슈터 프로토타입을 한 번에 뽑았는데, 게임만 만든 게 아니라 멀티플레이용 봇까지 스스로 붙였다고 적었습니다 (💬 @cengotengo). 민 초이는 출시 24시간 만에 나온 사례 10개를 모아 올렸습니다 (🔥 @minchoi).

반대 목소리는 벤치마크 자체를 겨눴습니다. 쿤 첸은 오퍼스 5가 흥미로운 이유가 성능이 아니라 오늘날 쓰는 범용 벤치마크가 거의 쓸모없어졌다는 걸 드러냈기 때문이라고 썼습니다 — 실사용에서는 페이블에 한참 못 미친다고 느끼는데 벤치마크에서는 여러 항목을 이긴다는 것입니다. 그래서 이제는 비공개 데이터셋으로 만든 도메인 특화 벤치마크를 훨씬 더 신뢰한다고 덧붙였습니다 (🔥 @kunchenguid).

성적표가 채워지던 같은 날 프라이버시 사고가 터졌습니다. 클로드의 공유 기능이 만드는 공개 링크가 구글에 대량 색인돼 누구나 검색으로 찾아볼 수 있는 상태였습니다 (🔖 @om_patel5). 보도에 따르면 색인된 대화 중에는 API 키와 암호화폐 지갑 정보까지 포함돼 있었고, 2025년 ChatGPT 공유 링크 색인 사건과는 별개 건입니다. 앤트로픽의 공식 성명은 확인되지 않았고 문제 페이지들은 검색 결과에서 빠르게 사라졌습니다.

그 밖에: 크리스는 지금껏 준 것 중 가장 크고 종합적인 게임 프롬프트를 오퍼스 5에 넣어보겠다고 예고했고 (💬 @ChrisGPT), Kimi K3.1이 GPT-5.6·페이블과의 격차를 좁히면서 오픈 웨이트를 유지한다는 유출 정보도 돌았지만 K3.1 버전에 대한 1차 출처는 아직 없습니다 (🔥 @Mr_Salio).

시사점: 벤치마크 1위와 실사용 만족도가 갈라지기 시작했습니다. 공개 벤치마크는 모델 선택의 출발점일 뿐이니, 팀에서 실제로 하는 작업 20~30개를 모아 자체 채점표를 만들어두면 발표 때마다 흔들리지 않습니다. 그리고 AI 대화 공유 링크는 사실상 공개 웹페이지라고 가정하고 쓰세요 — 키·계정 정보가 섞인 대화는 공유 버튼을 누르지 않는 게 유일하게 확실한 방어입니다.

#오퍼스5벤치마크1위 #벤치마크무용론 #클로드공유링크색인

5. 도구를 갈아타는 사람들 — 코덱스 쿼터와 하니스 조립

코덱스 이용자들의 불만이 임계점을 넘었습니다. 한 이용자는 사용량 그래프를 공개하며 6월 23일 GPT-5.5 xhigh로 3억2780만 토큰, 7월 2일 5억4990만 토큰이던 소모가 7월 20일 GPT-5.6 Sol High에서 33억 토큰으로 뛰었다고 짚었습니다. 리셋과 병렬 작업을 감안해도 설명이 안 되는 폭이라는 것이었습니다 (🔥 @evi77ain).

경쟁 제품과 나란히 놓고 잰 체감 비교도 나왔습니다. 한 개발자는 월 20달러 클로드 프로에서 오퍼스 5를 47분 돌렸는데 5시간 한도의 30%만 썼고, 월 100달러 GPT 5x 플랜의 코덱스는 몇 시간 만에 주간 한도의 20%를 태웠다고 적었습니다 (💬 @ouzdor). 품질 쪽 불만도 겹쳤습니다 — GPT-5.6 Sol이 좋은 모델인 건 맞지만 강화학습에 너무 절여진 느낌이라 국소 최적에 빠져 헛돌고, 시키지도 않은 과도하게 조심스러운 절차를 만들어내며, 사소한 디테일에 과집중한다는 지적이었습니다 (💬 @jjpcodes). 오픈AI 깃허브 이슈에도 5시간 한도가 몇 분 만에 소진된다는 보고가 여러 건 올라와 있고, 회사는 한도를 일시 해제하고 효율 개선을 예고하는 방식으로 대응했습니다.

도구를 바꾸는 대신 껍데기를 조립하는 흐름도 뚜렷해졌습니다. 프로덕션 에이전트의 진짜 스택은 세 층이라는 정리가 널리 공유됐는데, 하니스는 모델 주변의 도구·상태·권한·메모리·샌드박스·재시도·관측성이고, 루프는 작업과 증거와 피드백을 명확한 종료 조건까지 반복하는 사이클이며, 그래프는 어떤 노드가 어떤 순서로 분기·병합·순환하는지를 정한 위상이라는 구분입니다 (🚀 @beamnxw).

하니스라는 말이 하루에도 몇 번씩 지나가자 냉소도 붙었습니다. 한 개발자는 왜 다들 나한테 하니스를 팔려고 드느냐고 적어 좋아요 2,300여 개를 모았습니다 (🔥 @timo_rf). 그레이디 부치는 더 긴 시간축으로 봤습니다 — 결국 LLM은 상품화되고 가격은 바닥을 향하는 경주가 되며, 모델 간 우위가 줄어들수록 가치는 그 모델을 쓰는 뉴로·심볼릭 하니스, 즉 에이전트와 오케스트레이션과 툴링과 플러그인 쪽으로 옮겨간다는 전망입니다 (🚀 @Grady_Booch).

실제로 조립한 결과물도 여럿 나왔습니다. 한 디자이너는 힉스필드와 커서 컴포저 2.5에 자기가 쓴 랜딩페이지 디자인 스킬 파일을 얹어 결과물을 만든 뒤, 모델은 중요하지 않고 스킬이 중요하다는 걸 다시 확인했다고 적었습니다 (🔖 @elayadesigns). 다른 이용자는 클로드를 회사 조직도처럼 42개 스킬로 구조화해 부서마다 실제 기능을 부여했습니다 (🔖 @silvanrec). 빅터 태일린은 써본 메모리 솔루션이 전부 마음에 안 들어 직접 만들었다며, 추가 전용 로그에 즉석 압축을 걸어 아무것도 삭제하지 않으면서 메모리 컨텍스트 크기는 일정하게 유지하고 오래된 디테일만 흐려지게 하는 방식을 공개했습니다 (🔥 @VictorTaelin).

그 밖에: 한 개발자는 이제 코드 에디터가 아니라 코드 관측소가 필요하다며, 배경에서 변경을 계속 리뷰하고 복잡도·커버리지·중복·가독성을 추적하며 아키텍처 이탈을 잡아내는 도구를 원한다고 적었습니다 (💬 @steida). 테오는 T3 Code가 클로드 코드·코덱스 구독을 그대로 물려 쓸 수 있다는 점을 다시 강조했고 (🔥 @theo), 잭 도시는 버즈가 슬랙 킬러가 아니라 최초의 제대로 된 멀티플레이어 에이전트 하니스라는 평가에 동의를 표했습니다 (🔥 @jack). 의사결정 자체를 스킬로 만든 사례도 있었습니다 — 「/structure-problem: a simple skill to make better decisions」는 복잡한 문제를 팀이 실행할 수 있는 지시로 바꾸는 과정을 작은 구성요소로 쪼개고 선택지를 늘리는 절차로 정리했습니다 (🔥 @nurijanian). 잭 도시가 언급한 버즈에 대해서는 「Buzz: When the best Slack workspace reinvents Slack with AI」라는 사용기가 나왔는데, 슬랙 문화가 강한 블록이 만든 슬랙 경쟁자라는 점에서 신뢰가 간다는 평이었습니다 (💬 @ahammer__). RAG와 그래프 RAG의 차이를 시각적으로 풀어낸 설명도 널리 저장됐습니다 (🔖 @_avichawla). 주간 정리 「Top AI Papers of the Week」에는 Harness Handbook·From Memory to Skills·Progressive Disclosure가 나란히 올랐습니다 (🚀 @dair_ai).

시사점: 모델을 바꾸는 것보다 껍데기를 정리하는 게 효과가 큰 국면입니다. 지금 쓰는 에이전트가 어디까지 도구를 쓰고, 어떤 조건에서 멈추고, 실패하면 무엇을 다시 하는지 한 장으로 그려보세요. 그 그림이 안 그려지면 성능 문제가 아니라 하니스 문제입니다. 쿼터 소모가 갑자기 튀는 것도 대개 종료 조건이 없어 모델이 헛도는 탓입니다.

#코덱스쿼터소모 #하니스루프그래프 #스킬이모델보다중요

6. 추론 값이 바닥을 친다 — $1에 1억 토큰, 그리고 멈춰 선 딥시크

오늘 가장 구체적인 숫자는 비용 쪽에서 나왔습니다. 한 이용자가 GLM 5.2 NVFP4로 1억 토큰을 처리한 비용 화면을 올렸는데 합계가 $1.006992였습니다 (🔥 @alecqfong). 추론 비용이 거의 공짜가 되어간다는 게 그의 요약이었습니다.

하드웨어 하한선을 낮추는 실험도 있었습니다. 브라이언 로멜은 GPU 없는 평범한 소비자용 PC에서 13B 모델을 완전 오프라인으로 돌렸다고 보고했습니다 — 모델이 요구하는 것보다 램이 적은 기기에서 SSD를 주 저장소로 삼아, 최대 램 사용량 15.4GB, 안정화 후 평균 생성 속도 초당 7.1토큰이 나왔습니다 (🚀 @BrianRoemmele).

같은 방향을 가리키는 사례가 하루 사이에 더 쌓였습니다. 완전 로컬로 도는 음성 대화 시스템 하나는 Silero VAD v5·위스퍼·llama.cpp·Qwen3-TTS 네 구성요소를 15GB VRAM 안에 모두 올리고 모델 핫스왑까지 지원합니다 (🔖 @QCXINT_). 제이슨 캘러캐니스는 무제한 토큰이 생기면 모든 게 바뀐다는 예측을 유지하며, 로컬 모델을 돌리는 1만 달러짜리 데스크톱이 내년이면 흔해지고 많은 회사가 주권적이고 계량되지 않는 토큰을 위해 1만~2만 달러 데스크톱을 예산에 넣을 거라고 봤습니다 (🔥 @Jason).

비용이 내려가는 흐름의 반대편에서는 큰돈이 멈춰 섰습니다. 딥시크가 2차 투자 라운드를 무기한 보류했는데, 1차 라운드 투자자 한 명이 창업자 량원펑의 투자자 대상 발언 전문을 유출한 게 계기였습니다 (🔥 @AndrewCurran_). 블룸버그와 포천도 같은 내용을 보도했습니다. 중국어권에서는 이 사건을 올해 AI 업계 최대 블랙스완으로 부르며, 유출된 자료에 딥시크의 H100 등가 카드 약 2만 장 보유, 화웨이 950이 엔비디아 대비 성능 4배·주기 2년 뒤처짐 같은 수치가 담겨 있었다는 분석이 돌았습니다 (💬 @Web3Eden01). 다만 이 수치들은 유출 문건을 인용한 2차 정리라 별도 확인이 필요합니다.

그 밖에: 레벨스io는 자신이 쓰던 SaaS 구독을 전부 해지하고 100% 바이브 코딩으로 대체했다며, 도메인과 서버 호스팅, 스토리지, AI API에만 돈을 낸다고 적었습니다 (🔥 @levelsio). 지붕 공사 회사를 운영하는 한 사업자는 자기 CRM을 타이쿤 게임으로 만들면 어떻겠냐는 구상을 올렸는데, 게임 속 프로젝트가 실제 프로젝트이고 에이전트가 실제 고객 응대와 하도급 계약·인허가를 처리하는 구조입니다 (🔖 @pricefoulger).

시사점: 토큰 값이 이 속도로 떨어지면 비용 대신 정확도와 데이터 위치가 선택 기준이 됩니다. 지금 API 요금이 부담이라 못 하는 작업 목록을 적어두면, 그중 상당수는 몇 달 안에 자동으로 풀립니다. 반대로 민감한 데이터를 다루는 팀이라면 로컬 실행이 이제 성능 타협이 아니라 현실적인 선택지에 들어왔다는 뜻이기도 합니다.

#GLM52로컬1억토큰 #GPU없는13B #딥시크펀딩보류

📊 오늘의 감정/온도 분석

오늘 인용의 라벨 분포는 🔥 인기형이 여전히 다수였지만, 하니스 구조도·스킬 조립법·오픈소스 도구처럼 다시 꺼내 볼 자료에 북마크가 몰린 🔖 저장형이 뚜렷했고, 코덱스 쿼터와 벤치마크 무용론을 둘러싼 💬 논쟁형이 그 뒤를 받쳤습니다.

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 10가지

1. 에이전트를 세 층으로 나눠 점검하기 — (@beamnxw)

에이전트가 잘 안 돌 때 모델을 바꾸기 전에 어디가 고장인지부터 나눠 보세요. 하니스(모델 주변의 도구·권한·메모리·샌드박스), 루프(작업→증거→피드백을 언제 멈출지 정한 반복), 그래프(어떤 순서로 분기하고 합칠지 정한 흐름)는 서로 다른 층입니다. 대개 문제는 종료 조건이 없는 루프에 있습니다 (@beamnxw).

2. 로그인 필요한 사이트를 에이전트에 넘기기 — (@thsottiaux)

ChatGPT Work 에이전트가 클라우드 브라우저를 잠깐 사용자에게 넘겨줍니다. 직접 로그인만 해주면 나머지 작업은 에이전트가 이어받고, 그 로그인 상태는 다음 세션에도 남습니다. 사내 대시보드나 구독 사이트에서 반복 조회하는 일이 있다면 여기부터 자동화하세요 (@thsottiaux).

3. 모델 대신 스킬 파일에 투자하기 — (@elayadesigns)

여기서 스킬이란 AI가 필요할 때 불러 쓰는 작업 지침 묶음(파일 하나)입니다. 한 디자이너는 자기만의 랜딩페이지 디자인 스킬 파일을 만들어 여러 도구에 얹었고, 결과를 좌우한 건 모델이 아니라 그 파일이었다고 정리했습니다. 반복하는 작업 하나를 골라 기준·예시·금지사항을 적은 파일로 만들어 두세요 (@elayadesigns).

4. 자체 채점표로 모델 고르기 — (@kunchenguid)

공개 벤치마크 1위가 내 작업에서 1위는 아닙니다. 실제로 하는 일 20~30개를 프롬프트와 기대 결과 쌍으로 모아두고 새 모델이 나올 때마다 그대로 돌려보세요. 비공개 데이터로 만든 도메인 특화 평가가 더 믿을 만하다는 게 오늘 여러 사용자의 결론이었습니다 (@kunchenguid).

5. AI 대화 공유 링크는 공개 웹페이지로 간주하기 — (@om_patel5)

클로드 공유 링크가 구글에 색인되면서 API 키까지 검색에 노출됐습니다. 공유 버튼은 인터넷 전체가 볼 수 있다는 뜻으로 다루세요. 키·계정·고객 정보가 섞인 대화는 캡처로 대신하는 게 안전합니다 (@om_patel5).

6. 쿼터가 튀면 사용량 그래프부터 보기 — (@evi77ain)

같은 플랜인데 갑자기 한도가 빨리 닳으면 체감으로 판단하지 말고 일간 토큰 그래프를 확인하세요. 모델 버전이 바뀐 날짜와 소모가 튄 날짜를 겹쳐보면 원인이 내 사용 습관인지 모델 쪽인지 갈립니다 (@evi77ain).

7. 구독 대신 껍데기 재사용하기 — (@theo)

이미 결제 중인 클로드 코드나 코덱스 구독이 있다면 새 도구에 또 돈을 낼 필요가 없는 경우가 많습니다. 기존 구독을 그대로 물려 쓰는 CLI 도구들이 늘고 있으니, 새 도구를 볼 때 자체 요금제부터 확인하지 말고 내 구독을 붙일 수 있는지를 먼저 보세요 (@theo).

8. 영상 자료를 텍스트 대신 그대로 물리기 — (@dr_cintas)

URL만 붙이면 AI가 모든 프레임을 보고 모든 말을 듣게 해주는 오픈소스 도구가 나왔습니다. 무료 자막을 먼저 가져와 비용을 최소화하는 구조라, 49분짜리 발표를 타임스탬프까지 붙은 30초 요약으로 바꾸거나 화면 녹화에서 오류가 난 정확한 프레임을 찾는 데 쓸 수 있습니다 (@dr_cintas).

9. 메모리는 지우지 말고 흐리게 만들기 — (@VictorTaelin)

에이전트 메모리를 관리할 때 오래된 내용을 삭제하면 나중에 필요한 맥락이 사라집니다. 추가만 하는 로그를 유지하되 즉석에서 압축해 메모리가 차지하는 공간은 일정하게 두고 오래된 디테일만 점점 흐려지게 하는 방식이 대안입니다. 회의록이나 프로젝트 노트에도 그대로 적용됩니다 (@VictorTaelin).

10. 로컬 실행을 이제는 후보에 올리기 — (@BrianRoemmele)

그래픽카드 없는 평범한 소비자용 PC에서 13B 모델이 초당 7.1토큰으로 돌았고, 음성 대화 시스템 하나는 네 개 구성요소를 15GB VRAM 안에 다 넣었습니다. 데이터를 밖으로 못 내보내는 업무가 있다면 이제 로컬이 성능 포기가 아니라 실제 선택지입니다 (@BrianRoemmele).

📦 데이터 — 2026-07-27 X 타임라인 1,667개 트윗 분석(AI/테크 1,093개), 이미지 12장 시각 확인. 핵심 사실(오픈 웨이트 서한 50곳·알트먼 백악관 시연·오퍼스 5 AA-Briefcase 1위·클로드 공유 링크 색인·딥시크 펀딩 보류)은 병렬 에이전트가 1차 출처로 본문에서 교차검증했고, 개별 수치·자기보고 주장은 원문 기준이라 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 인기 (좋아요 확산) · 🔁 공유 (RT 비율 높음, 확산성) · 💬 논쟁 (댓글 비율 높음, 의견 다툼) · 🔖 저장 (북마크 많음, 다시 볼 실용 가이드) · 🚀 떠오름 (작은 계정인데 확산 시작)