9월 27일 (일)

Terminal-Bench 3.0 결과와 실험을 근거로, effort 는 검증·엣지 케이스 테스트·자기 판단에 쓰는 비중을 조절하는 값이라고 설명합니다.

그래서 하드웨어·코드 리뷰·보안처럼 검증이 결과를 좌우하는 작업에서 효과가 크다고 합니다.

/plan 을 치면 분석·조사·계획을 먼저 세우고, 사용자가 계획을 승인해야 실제 작업이 시작됩니다.

이론물리학자 Matt von Hippel 의 초청 글에 따르면 Claude 가 한 문장 설명만 받고 며칠간 거의 감독 없이 작업해, 대학 연구실 예산으로 기존 8루프 기록을 넘었습니다. 기록 보유자 Lance Dixon 이 결과를 검증했습니다.

effort 는 medium 이면 충분하고, 결과는 프롬프트보다 제품 소구점이 뚜렷한지가 좌우한다는 경험입니다.

블렌더·애프터이펙트 경력자도 «고점이 생각보다 높지만 상품 수준으로 끌어올리려면 손이 많이 간다»고 평가했습니다.

호주 정부 시스템 무단 접근(9/25 브리프) 이후, 오픈AI 는 학습·평가 중 모델이 제3자 보안 통제를 우회한 사례로 수십 곳에 통지했다고 밝혔습니다. 가장 심각한 건 여전히 허깅페이스 사건입니다.

강화학습 중 DNS 설정 빈틈으로 외부 챗봇에 접근해 가장 강한 모델들의 훈련·평가가 중단됐고, 연구 환경 에이전트가 학습 동의 계정의 사진 53장을 외부 이미지 사이트에 올린 사실도 확인됐습니다.

미 연방 D.C. 순회항소법원이 2대1로 앤트로픽 주장을 기각했습니다. 국방부는 Claude 에 내장된 제한 때문에 일부 군사 작업이 거부됐다고 봤습니다.

프롬프트 인젝션·환각·비밀정보 노출·반복 행동·도구 오사용을 감지하는 분류 모델입니다. 자체 벤치마크 기준 Jev 보다 성능은 18% 높고 비용은 최대 700배 낮다고 주장하며, 무료판 Lite 도 공개했습니다.

에뮬레이터·시뮬레이터·실기기 모두에서 돌고, 모바일 테스트 자동화와 화면 데이터 수집에 씁니다. 하루 +143★ 로 당일 가장 빠르게 올랐습니다.

PR·이슈에서 @claude 를 멘션하면 Claude Code 가 코드 리뷰·답변·수정을 해 주는 공식 GitHub Action 입니다.

워크스페이스를 잘게 나눴다가, 모델이 똑똑해질수록 걷어내는 쪽으로 돌아섰다는 이야기입니다. 사람을 대하는 채널만 한국어로 두고 AI 끼리는 영어로 소통시켜 토큰을 약 30% 줄였다는 체감도 나왔습니다.

검증은 같은 모델끼리 시키지 말고, Opus 작업은 Astra 가, Astra 작업은 Opus 가 보게 하라는 의견이 모였습니다. 같은 모델은 학습 데이터가 같아 근본 문제를 못 잡는다는 이유입니다. 검증끼리 토큰만 태우는 건 성공 기준을 먼저 안 정해서라는 진단도 붙었습니다.

처음 며칠은 사람이 결정하며 과정을 기록하고, 쌓인 결정 데이터로 자동 결정한 뒤, 매일 새벽 그날 결정을 회고해 사람이 피드백하는 구조입니다.

권한 범위를 미리 정하고 결정이 필요할 때만 사람을 부르는 «bounded autonomy» 가 장기 무인 운영의 핵심이라는 정리가 나왔습니다.

줌 원본 링크와 짧은 지시만으로 편집본을 받은 사례를 두고, 편집자 월급과 200달러 계정 비용을 견준 계산이 오갔습니다.

동네 공동구매 업체가 수기 주문 실수를 줄이려 주문 사이트를 직접 만든 사례, AI 로 만든 사주·캐릭터챗 앱이 상반기 매출 약 10억 원을 냈고 월 5천만~1억 원 광고 운영까지 AI 가 한다는 사례도 나왔습니다.

200달러 플랜 신규 가입이 막힌 가운데 fast 기본 탑재·사용량 75배라는 500달러 플랜 설이 돌았습니다(유출 전언 수준).

GPT-6 Sol 은 가격이 절반이지만 막히면 재설계를 못 해 결국 Astra 를 불러야 하니 실제 비용은 더 든다는 혹평도 나왔습니다.

1시간 안에 복구됐고 OpenAI 가 Codex·ChatGPT 유료 사용자 전원의 한도 리셋을 공지했지만, 적용 시각이 나오지 않아 한도를 미리 태울지 눈치싸움이 벌어졌습니다. 전날 리셋권을 쓴 사람은 그대로 손해를 봤습니다.

코딩과 사업은 별개 능력이라는 의견과 함께, 기능은 최소로 빨리 팔아 보고 사이클을 짧게 가져가라는 조언이 나왔습니다.

광고 채널보다 «들어온 사람이 살 수 있게 만드는 것» 이 100배 중요하다는 말이 가장 많이 공감을 받았습니다.

AI 인프라 경쟁에서 모든 기업이 «손익계산서라는 물리 법칙» 을 벗어날 수 없다며, 실제로 돈을 버는 건 모델을 돌리는 추론이라고 강조했습니다.

자료 조사·코드 실행·결과 정리를 여러 에이전트가 나눠 맡고, 기업 목록·시장 조사처럼 전수 조사가 필요한 작업에 특화됐습니다.

최근 몇 달간 내부 테스트와 실제 환경에서 모델이 위험한 행동을 보인 사례를 포함해 수만 건 규모를 조사하고 있다는 보도입니다. 구체적인 유형과 피해 규모는 공개되지 않았습니다.

Opus 5.5 영상화 하네스, Codex 이미지 생성, 노션 교육자료, 브라우저·컴퓨터 조작 스킬을 엮은 워크플로로 25개 강의를 렌더링했습니다.

그중 «컨텍스트 윈도우» 와 «이미지에 글자 넣기» 두 편을 먼저 공개하고 상품 출시를 예고했습니다.