Category
AI 툴
코딩 보조, 이미지·영상 생성, RAG 구축, 에이전트 프레임워크 등 실무에 바로 붙이는 AI 도구를 다룬다. 출시 소식보다 가격 정책, API 한도, 한국어 처리 품질, 기존 스택과의 연동성에 초점을 둔다. 비슷한 도구 사이에서 무엇을 골라야 하는지가 핵심이다.
ChatGPT Business 사용자, Scrapemychats로 채팅 기록 복구 가능
ChatGPT Business 및 Enterprise 사용자는 OpenAI의 표준 데이터 내보내기 옵션을 통해 워크스페이스 채팅을 내보낼 수 없지만, 새로운 무료 도구인 Scrapemychats를 통해 비공식적으로 채팅 기록을 복구할 수 있다. 이 도구는 사용자가 ChatGPT 계정에 로그인한 상태에서 대화 데이터를 로컬 아카이브에 저장하며, HTML 인터페이스를 통해 오프라인에서도 열 수 있다. Scrapemychats는 GitHub에서 사용할 수 있으며, 설치는 명령줄을 통해 가능하다.
미국 육군, 무제한 AI 토큰 사용 제한 필요
미국 국방부(DOD)는 350만 직원 중 거의 절반이 AI를 사용한다고 발표한 지 한 달도 채 되지 않아, 육군의 Combat Capabilities Development Command(DEVCOM) 직원들에게 AI 토큰 사용이 제한되어야 한다는 이메일을 보냈다. 육군 CIO는 2026년 5월에 무제한 토큰을 제공한다고 발표했으나, 6월 중순에는 토큰이 소진되어 제한을 재설정해야 했다. 육군은 Ask Sage라는 멀티모달 생성 AI 플랫폼을 사용하고 있으며, 이 플랫폼에서 Alphabet의 Gemini, Meta의 Llama, OpenAI의 ChatGPT와 같은 다양한 대형 언어 모델(LLM)을 실행할 수 있다.
Cursor Router의 자동 모드와 최적화 기능
Cursor Router는 요청을 분석하여 적합한 모델로 전송하는 지능형 모델 라우터이다. 최적화 모드는 Intelligence, Balance, Cost의 세 가지로 나뉘며, 각 모드는 비용과 지능의 균형을 맞춘다. 관리자는 팀이나 그룹별로 라우터를 활성화하고 최적화 모드를 제한할 수 있으며, 기본 모드를 설정하고 모델을 허용하거나 차단할 수 있다. Cursor Router는 데스크탑, 웹, iOS, CLI, SDK에서 사용할 수 있으며, Teams 플랜에서 기본적으로 활성화되어 있다.
AI가 디자인 실천에 미치는 영향
Anish Acharya는 Microsoft 디자인 부사장 John Maeda와 Impeccable 창립자이자 CEO인 Paul Bakaus와 AI가 디자인 실천을 어떻게 변화시키고 있는지에 대해 대화했다. 이들은 디자인과 기술의 관계, AI 기반 창작 도구의 증가, 자동화가 디자인의 여러 측면에 미치는 영향에 대해 논의했다. 또한, 디자인의 미래와 AI 원주율에서 디자이너의 역할, 새로운 도구가 디자이너와 엔지니어 간의 관계를 어떻게 재편할 수 있는지에 대해서도 다루었다.
Kimi K3, Fable 및 GPT-5.6-Sol을 초월한 새로운 AI 모델
Beijing에 본사를 둔 Moonshot AI의 Kimi K3 모델이 Arena의 프론트엔드 코딩 리더보드에서 Fable 및 GPT-5.6-Sol을 초월했다. Kimi K3는 2.8T 파라미터를 가진 대형 모델로, 이미지 작업이 가능하며 1M 토큰의 컨텍스트 윈도우를 지원한다. 이 모델의 가중치는 7월 27일에 공개될 예정이며, 현재 Kimi의 앱과 API에서 사용 가능하지만 GPU 부족으로 신규 구독은 중단된 상태이다. Fable 5는 Max 및 Team 구독 계획의 영구적인 일부가 되었으며, Pro 계정은 사용 크레딧을 통해 사용할 수 있다.
Meta, Content Seal 도입으로 AI 생성 이미지 식별 시도
Meta는 3월에 Oversight Board의 권고에 따라 7월에 Content Seal이라는 기술을 도입했다. 이 기술은 회사의 새로운 AI 모델로 생성된 이미지를 플래그하는 보이지 않는 워터마크 기술이다. 그러나 이 발표는 Muse 이미지 및 비디오 생성 도구의 발표와 함께 언급되어 부각되지 않았다. Content Seal은 AI 라벨링 시스템에 대한 신뢰성을 높이지 못하고 있으며, 이미 C2PA Content Credentials와 같은 더 확립된 솔루션이 존재한다.
ToolDNS: DNS를 활용한 도구 발견 메커니즘
ToolDNS는 도메인 네임 시스템(DNS)을 기반으로 하는 새로운 도구 발견 프레임워크로, 기존의 O(N) 복잡성을 극복하고 O(log N) 이름 해석을 통해 효율성을 높인다. 이 시스템은 33,688개의 실제 도구를 포함한 대규모 이질적 벤치마크를 통해 쿼리 검색 공간을 95.26% 줄이며, HTTP 기반 레지스트리에 비해 발견 지연 시간을 크게 감소시킨다. ToolDNS는 분산 거버넌스와 의미적 가지치기를 위한 세 가지 프로토콜 준수 개선 사항을 도입한다.
GitHub Copilot의 캔버스를 활용한 인터랙티브 경험 구축 방법
개발자는 GitHub Copilot 앱의 캔버스를 통해 실시간으로 협업할 수 있다. 캔버스는 정보를 시각적으로 표현하고 상호작용할 수 있는 인터페이스로, 사용자는 /create-canvas 명령어를 통해 다양한 형태의 캔버스를 생성할 수 있다. 예를 들어, 이슈 트리아지 도우미는 카드 형식으로 이슈를 스와이프하여 처리할 수 있게 하며, 코드베이스 다이어그램은 프로젝트 구조를 시각화한다. 또한, 세션 작업 트리 뷰와 프롬프트 코치 기능도 제공하여 작업 효율성을 높인다.
Nativ: Mac에서 AI 모델을 로컬로 실행하는 애플리케이션
Prince Canuma가 개발한 Nativ는 MLX를 감싸는 macOS 데스크탑 애플리케이션으로, LM Studio와 유사한 형태를 가지고 있다. 이 애플리케이션은 채팅 인터페이스와 로컬호스트 API 서버를 제공하여 모델에 접근할 수 있게 한다. 또한, 사용자가 이미 Hugging Face 캐시 디렉토리에 저장한 MLX 모델을 자동으로 인식하는 기능이 있다.
클로드 코드로 5일 만에 웹 포털 런칭한 경험 공유
요즘IT는 클코나잇 2 웨비나에서 클로드 코드(Claude Code)를 활용하여 비개발자가 5일 만에 웹 포털을 런칭한 경험을 공유했다. 발표자는 슬랙 기반 정산 비효율 문제를 해결하기 위해 클로드 코드를 사용했으며, 정산 미리 보기 기능을 도입하여 이의제기를 줄이는 구조를 만들었다. 이 프로젝트는 AI 코딩 에이전트를 활용한 두 번째 단계의 접근 방식으로 진행되었다.
NVIDIA Omniverse RTX 센서 시뮬레이션을 기존 앱에 통합하기
3D, 디자인, 시뮬레이션, 로봇 공학 및 산업 디지털 트윈 애플리케이션을 개발하는 개발자들은 물리적 AI 기능을 기존 도구와 서비스에 통합할 방법이 필요하다. 이러한 작업 흐름은 OpenUSD 장면, 시뮬레이션 준비 자산, Blender 기반 작업 흐름, CAD 파이프라인 또는 도메인 특화 앱 스택에 의존하고 있다.
LinkedIn에서 팔로우할 AI 관련 주요 소스
Michael Spencer는 LinkedIn에서 AI 관련 정보를 제공하는 주요 소스를 소개하고자 하며, AI 생성 콘텐츠가 증가하고 있는 현황을 언급했다. Pangram에 따르면, 소셜 미디어 게시물의 25%가 AI 생성이며, 이 중 2/3가 LinkedIn에서 발생하고 있다. LinkedIn은 AI 뉴스와 산업 통찰을 얻기에 유용한 플랫폼으로, 다양한 전문가와 교육 소스들이 활동하고 있다.
BaseRT는 llama.cpp보다 6.4배, MLX보다 3.9배 빠름
BaseRT는 llama.cpp보다 6.4배, MLX보다 3.9배 더 빠른 성능을 제공한다.
AI 에이전트를 활용한 경량 USD 런타임 개발
OpenUSD는 물리적 AI를 위한 공통 장면 설명 언어를 제공하는 개방형 확장 프레임워크이다. 이 프레임워크는 팀이 CAD 데이터, 시뮬레이션 자산, 실제 텔레메트리를 공유된 물리적으로 정확한 세계 관점으로 통합할 수 있게 한다. 기존의 USD 구현을 구축하는 것은 대규모 코드베이스를 조정해야 했으나, 이제는 특정 메모리 요구 사항을 가진 팀들도 더 쉽게 접근할 수 있다.
NVIDIA CUDA 13.3에서의 캐리리스 곱셈 지원
x86 CPU는 15년 이상 캐리리스 곱셈을 위한 전용 하드웨어 명령어를 제공해왔다. 그러나 NVIDIA GPU는 그동안 이 기능을 지원하지 않았다. NVIDIA CUDA 13.3에서는 이 격차를 해소하기 위해 새로운 PTX 명령어를 도입하였다.
AI가 의료 사전 승인 절차를 개선할 수 있을까?
의료 사전 승인(prior authorization) 절차는 환자가 의사가 추천한 치료를 받기 위해 건강 보험사의 승인을 받는 과정이다. 이 과정은 비용 절감의 역할을 하지만, 많은 의사들은 승인 지연으로 인해 환자가 치료를 포기할 수 있다고 우려하고 있다. AI는 방대한 정보를 효율적으로 처리하여 명확한 청구의 승인을 신속하게 할 수 있는 가능성이 있지만, AI 기반의 사전 승인은 잘못된 보험 청구 거부를 증가시킬 수 있다는 저항에 직면해 있다. 2025년 미국의사협회 조사에 따르면, 61%의 의사가 AI가 필요한 치료의 거부를 악화시킬 것이라고 우려하고 있다.
영국의 생산성 향상을 위한 AI 기술 활용 방안
Google UK는 최신 경제 영향 보고서를 공유하며, 더 많은 사람들이 AI 기반 기술의 이점을 활용할 수 있도록 하는 방법을 제시하고 있다.
TikTok, AI 유사성 탐지 도구 테스트 시작
TikTok은 AI 유사성을 탐지하는 선택적 도구를 테스트 중이며, 일부 미국 크리에이터가 참여하고 있다. 이 도구를 사용하려는 크리에이터는 Jumio라는 회사와 함께 신원 확인을 해야 하며, 실시간 셀카 스캔과 신분증 확인을 거쳐야 한다. TikTok은 신분증 문서를 보관하지 않으며, 얼굴 정보도 저장하지 않는다고 밝혔다.
SQLite Query Explainer: SQLite 쿼리 계획을 설명하는 도구
SQLite Query Explainer는 Python에서 Pyodide를 통해 웹 브라우저에서 SQLite를 실행하고, EXPLAIN 및 EXPLAIN QUERY PLAN의 결과에 대한 설명을 추가하는 인터랙티브 도구이다. 이 도구는 Julia Evans의 블로그에서 영감을 받아 개발되었으며, SQLite 쿼리 계획을 읽는 데 도움을 줄 수 있다.
LLM cliché highlighter 도구 소개
LLM cliché highlighter는 LLM 생성 글쓰기에서 자주 나타나는 10가지 패턴을 강조하는 웹 도구이다. 사용자는 URL을 입력하고 'Load URL' 버튼을 클릭하여 텍스트를 분석할 수 있으며, 분석 결과로 플래그가 지정된 문장과 패턴 일치를 확인할 수 있다.
클로드 코드, 휴대폰에서 로컬 세션 이어가기 기능 출시
지난 2월 클로드 코드에 '리모트 컨트롤(Remote Control)' 기능이 출시되어 VPN이나 SSH 세팅 없이도 휴대폰에서 로컬 세션을 이어갈 수 있게 되었다. 6월에는 이 기능이 모든 요금제로 확대 적용되었다. 웨비나에서는 클로드 코드 외 다른 AI CLI와의 연동 및 여러 세션을 동시에 볼 수 있는 '세션 캐스트' 도구에 대한 발표가 있었다.
Slack에서 Cursor의 개선 사항
Slack의 Cursor는 작업 시작 전에 계획을 공유하고, 다중 저장소 환경에서 작동하며, 채널과 스레드 간에 작업을 수행할 수 있습니다. Cursor는 작업 중 상태를 업데이트하여 각 단계를 따라갈 수 있도록 하며, 메시지 내 버튼 대신 간결한 바닥글 링크로 응답 형식을 개선했습니다. 또한, 다중 저장소 환경 지원으로 Cursor는 명명된 다중 저장소 환경에서 시작할 수 있으며, 작업 중 다른 저장소가 필요할 경우 사용자가 저장소를 전환할 수 있도록 안내합니다. 마지막으로, Cursor는 다른 Slack 채널과 스레드에서 메시지를 읽고 보낼 수 있습니다.
Puter가 WebAssembly로 컴파일한 Firefox
Puter는 Firefox를 WebAssembly로 컴파일하여 다른 브라우저에서 실행할 수 있도록 했다. 이 프로젝트는 약 25,000달러 상당의 Claude Opus와 Fable 토큰을 사용했으며, Claude Max 구독 계획을 통해 실제 비용은 줄였다. 데모는 모든 트래픽을 WebSocket 프로토콜(Wisp 프로토콜)을 통해 Puter의 서버로 전달하며, 이 과정에서 HTTPS 사이트로의 트래픽은 암호화되고 일반 HTTP 요청은 평문으로 전송된다.
Dex Horthy와의 대화: LLM의 컨텍스트 엔지니어링
Dex Horthy는 LLM의 컨텍스트 엔지니어링에 대해 논의하며, AI 엔지니어들과의 대화를 통해 얻은 교훈을 공유했다. 그는 코드 품질을 유지하면서 소프트웨어 개발 생애 주기를 자동화하는 방법을 설명했다. Horthy는 2024년 8월부터 AI 에이전트를 구축하기 시작했으며, LLM이 기존 코드베이스를 악화시키는 이유를 분석했다. 그는 '더 많은 컨텍스트가 항상 더 나은 결과를 가져오지 않는다'고 강조하며, '더 똑똑한 모델'의 기준이 컨텍스트 내에서 토큰을 어떻게 활용하는지에 달려 있다고 말했다.