인공지능

한눈에 보기 지난 1년간 코딩 에이전트 등 단일 작업 에이전트는 도구를 활용해 복잡한 문제를 풀면서 사람의 연속 모니터링과 단계별 개입 수요를 낮췄다. 모델의 다중 에이전트 조율 능력이 나아져 세션을 넘는 작업 조직과 스케줄링이 실용적 수준에 올라왔다. 사람의 역할은 실행 참여 비중이 줄며 고수준 의사결정과 승인 쪽으로 이동 중이다. 최근에는 메신저·캘린더·이메일에 직접 연결되는 개인 에이전트가 다수 등장했다. 원문 인용은 중간에 잘려 있어 이후 내용은 전문 확인이 필요하다. 도구를 쓰는 에이전트, 감시 없이 돌아가는 1년 X 계정 DeepSeek Harness가 ‘Exploring Super-agent Design: Towards a More Autonomous Agent System’ 제목의 글을 게시했다. 여기서 에이전트는 언어모델이 스스로 도구를 호출하며 작업을 수행하는 소프트웨어를 가리키고, 단일 작업 에이전트는 하나의 목적에 특화된 에이전트를 뜻한다. 글의 첫 관찰은 지난 1년간 코딩 에이전트를 비롯한 단일 작업 에이전트가 복잡한 문제를 도구로 해결해 왔다는 사실이다. ...

핵심 요약 MAPS 가이드는 Claude Code를 단순한 대화 도구가 아니라 파일 탐색, 상시 실행, 예약 작업, 현황 표시를 잇는 개인 AI 운영체제로 구성하는 방법을 제시한다. 핵심은 Memory, Agent, Pulse, Screen의 4개 층을 정해진 순서로 만들고, 각 단계의 결과를 사용자가 소유한 markdown 파일과 실행 기록으로 남기는 것이다. 저자의 작업 공간 실험에서는 메모리 지도를 썼을 때 같은 질문의 처리 시간이 1분 2초에서 30초로 줄고 토큰 사용량도 27.7k에서 16.8k로 감소했다. 독자는 화려한 화면부터 만드는 대신 정보의 위치, 실행 권한, 실패 한도부터 설계하게 된다. ...

OpenAI의 GPT-5.6 Luna는 입력 토큰 100만 개당 0.20달러라는 파격적인 단가로 8개의 고난도 멀티모달 코딩 과제를 단 1.34달러에 처리했습니다. 최대 추론 모드를 켠 Luna가 3D 웹사이트와 C++ 게임, CAD 모델링까지 차례로 처리하는 전 과정은 아래 영상에서 확인할 수 있습니다. GPT-5.6 Luna First Test – Hands-On With OpenAI’s CHEAPEST Model! — Bijan Bowen ...

생성형 AI는 데이터 기반 성능 예측에서는 115~120 프레임이라는 정확한 수치를 증명했지만 3차원 물리적 맥락을 파악하지 못해 치명적인 조립 오류를 발생시킨다. ChatGPT가 예측한 1440p 해상도 80120 프레임은 실제 테스트 115120 프레임과 정확히 일치했다. 무료 버전은 이미지 인식 횟수 제한으로 조립 가이드 도중 사용이 중단되어 유료 버전으로 전환해야 했다. AM5 메인보드에 LGA 1200 규격 스페이서를 장착하라는 등 시각 추론 오류로 잘못된 조립 순서가 반복되었다. 32GB RAM에 389달러를 배정하는 등 텍스트 논리 작업에 비해 가성비 최적화에서는 취약점을 드러냈다. 텅 빈 책상에서 시작해 ChatGPT의 지시만으로 게이밍 PC를 완성하는 전 과정은 아래 영상에서 확인할 수 있습니다. I Followed ChatGPT’s PC Build Guide (2026) — Linus Tech Tips ...

AI가 만든 생활 꿀팁 17개 중 15개 이상은 실제 실험에서 작동했지만, 일부는 위험하거나 실패했다. Sambucha는 AI 생활 꿀팁 영상을 모아 17가지 실험을 직접 따라 했다. 제공 자료 기준으로 대부분은 성공했지만, 포도 전자레인지 실험은 7초 만에 불이 났고 2가지는 실패로 분류됐다. 독자에게 달라지는 점은 간단하다. AI 영상은 바로 따라 할 대상이 아니라, 검증된 항목과 위험 항목을 나눠 보는 자료가 돼야 한다. ...