Codex

OpenAI가 Codex 데스크톱 앱의 Windows 버전을 공개했다. 여러 프로젝트를 한 화면에서 병렬 에이전트 스레드로 작업할 수 있으며, PowerShell과 Windows 네이티브 샌드박스 기반으로 동작한다. 필요시 WSL 모드로 전환 가능하고, 프로젝트별로 기본 에디터(VSCode, SublimeText 등)를 지정할 수 있다. Mac 버전에서 RAM 1.5GB 이상 사용과 버벅임이 보고된 바 있어 Windows에서도 유사한 이슈가 예상된다.

커뮤니티 의견

• @shaun0927: “mac 버전 codex.app은 gui 특성 탓인지 ram을 거의 1.5GB 이상 잡아먹고 버벅였던 사용경험이 있는데 윈도우도 비슷할거라 생각되네요”
• @xguru: “수요일에 배포되어서 그런지 OpenAI에서 wendows 라고 링크한게 웃기네요”

💡 실무 포인트: Windows 환경에서 AI 코딩 에이전트를 도입할 때, PowerShell 샌드박스와 WSL 모드 전환을 통해 프로젝트 특성에 맞는 실행 환경을 선택할 수 있다.

AI 에이전트를 위한 헤드리스 브라우저 자동화 CLI가 기존 Node.js + Playwright + CDP 구조에서 Rust 바이너리가 CDP를 직접 호출하는 방식으로 전환되었다. 독립실행형 데몬으로 런타임에 Node.js 프로세스가 불필요하여 메모리 사용량이 감소하고 풋프린트도 줄었다. 새로운 실험적 --native 인자 도입으로 더 작고 빠른 실행이 가능해졌으며, 토큰 효율도 좋다는 평가를 받고 있다.

커뮤니티 의견

• @unqocn: “너무너무 잘 쓰고 있습니다. 토큰 효율도 좋아요.”
• @xguru: “portless를 만든 Chris Tate의 또 다른 프로젝트입니다.”

관련 레퍼런스

• agent-browser –native 발표
• portless - 포트 번호를 이름 기반 .localhost URL로 대체하는 도구

💡 실무 포인트: AI 에이전트에 웹 브라우징 기능을 부여할 때, Rust 기반 agent-browser를 사용하면 Playwright 대비 메모리 오버헤드와 토큰 소비를 줄일 수 있다.

다양한 언어와 플랫폼의 오디오·비디오 콘텐츠를 정확한 텍스트로 변환하는 서비스다. 기존에 다운로드 도구, 전사 도구, 번역 도구를 별도로 사용해야 했던 과정을 단일 플랫폼으로 통합했다. 100개 이상의 언어를 지원하며 무료로 시작할 수 있다.

커뮤니티 의견

• @jmcraft: “직접 사용해 보실 수 있습니다. 무료로 시작할 수 있습니다.”

💡 실무 포인트: 다국어 미팅 녹취록이나 콘텐츠 현지화 작업에서 전사+번역 통합 도구를 활용하면 파이프라인 복잡도를 줄일 수 있다.

『컴퓨터 프로그래밍의 예술(TAOCP)』 저자 도널드 커누스가 AI 모델 Claude Opus 4.6이 자신이 수 주간 연구하던 미해결 조합론 문제를 해결했다고 논문으로 발표했다. 문제는 (m³)개의 꼭짓점을 가진 방향 그래프의 해밀토니안 순환 분해를 찾는 것이며, Claude는 31번의 Python 스크립트 반복 작성을 통해 풀이에 성공했다. 커누스가 직접 TeX으로 작성한 이 논문은 AI가 순수 수학 연구에서 실질적 기여를 한 상징적 사례로, RL 확장성이 조합론 영역에도 적용 가능함을 보여준다. 2030년 시점에서 모델의 지식 최신성 유지(지속 학습 vs 지속 훈련)가 핵심 과제로 남을 것이라는 논의도 활발하다.

커뮤니티 의견

• @bus710: “교과서에 나온 분이 교과서에 뭘 자꾸 추가하시네….”
• @kh0324: “수학문제를 풀기위해 AI를 쓰는 방법을 그대로 공유하여 자기가 만든 TeX으로 논문 작성…. 슈퍼 개간지”
• @onestone: “이제 AI로 더더 추가하실듯 하네요”

관련 레퍼런스

• Claude Cycles 논문 PDF

💡 실무 포인트: LLM을 반복적 스크립트 생성·검증 루프에 활용하면, 탐색 공간이 큰 조합 최적화 문제에서도 실질적인 결과를 얻을 수 있다.

AI 대학원에 재학 중인 현직 개발자가 만든 학습 플랫폼으로, 함수·미적분 등 기초수학부터 역전파까지 연산 흐름을 시각적으로 이해할 수 있도록 구성했다. 경시대회 수상 경험을 바탕으로 “결국 성능 차이를 만드는 건 기초에 대한 이해"라는 관점에서 출발했다. 현재 음수 부호 인식 오류, 특정 문제 정답 판정 버그 등이 사용자 피드백으로 보고되고 있어 초기 단계이지만, 수학 기초가 부족한 AI 입문자에게 실용적인 리소스가 될 수 있다.

커뮤니티 의견

• @blizard4479: “함수 15번문제. f(x) = -3x + 5, f(7) = -16. 16 입력했는데 오답이라고 나와요”
• @cach487: “정답이 -가 붙은 음수인경우 사전에 붙어있는 부호를 인식하지 못하고 오답으로 인지합니다.”
• @rivolt2022: “더 많은 컨텐츠를 추가할 예정입니다. 자주 놀러와주세요!”

💡 실무 포인트: AI 모델의 하이퍼파라미터 튜닝이나 손실 함수 이해에 필요한 수학 기초를 체계적으로 보강할 수 있는 무료 리소스로 활용 가능하다.

사용자가 관심 종목을 등록하면 AI 매니저가 실시간으로 주가·기술적 지표, 기관·외국인 수급, 뉴스·공시, 재무 데이터를 종합 분석하여 매수·매도·홀드를 자동 실행하는 서비스다. 모의투자 기능도 제공하며, 투자자문업 규제 관련 확인이 필요하다는 의견이 있으나 장기 운영 과정에서 검토된 것으로 보인다.

커뮤니티 의견

• @imnotgeek: “투자자문업 등록등 관련 규제상 문제 없는지 확인을 해보시는게 좋을거같아요”
• @kwoo99: “AI가 저보다 낫네요”

💡 실무 포인트: AI 기반 금융 서비스를 개발할 때 투자자문업 등록 등 규제 요건을 사전에 확인하는 것이 필수적이다.

책에 밑줄 친 문장을 촬영하면 AI(Gemini Vision)가 밑줄·형광펜 표시를 인식하여 문장을 추출하고 디지털 서재로 정리해주는 iOS 앱이다. Apple VisionKit → GPT → Gemini 순으로 테스트한 결과 Gemini가 밑줄 인식 요구사항에 가장 충족하는 성능을 보여 채택되었다. 사진첩에 묻히는 독서 기록을 구조화된 데이터로 전환하는 실용적 사례다.

커뮤니티 의견

• @shintwl: “Apple VisionKit 대신 Gemini Vision을 쓴 이유는 성능 때문인가요?”
• @anyjava: “네! VisionKit → GPT → Gemini 로 변경해가면서 테스트했는데, Gemini가 요구사항에 충족하는 성능이 나와서 선택하게 되었습니다.”

💡 실무 포인트: 이미지 내 특정 영역(밑줄, 하이라이트) 인식 같은 세분화된 Vision 태스크에서는 여러 모델을 A/B 테스트하여 요구사항 적합성을 비교하는 것이 효과적이다.

Simon Willison이 Claude Code·Codex 같은 코딩 에이전트 시대의 개발 방식을 정리한 가이드다. 코드 작성 비용이 급격히 낮아진 환경에서 “테스트를 먼저 작성하라”, “작고 조합 가능한 모듈을 만들라” 등 기존 원칙이 에이전트 협업 맥락에서 어떻게 재해석되는지를 다양한 패턴으로 설명한다. 다만 단순한 개념에 복잡한 이름을 붙여 컨설턴트 산업을 만들 것이라는 냉소적 시각과, COBOL 때와 같은 과대 약속이 반복될 것이라는 비판도 존재한다.

커뮤니티 의견

• @GN⁺: “단순하고 합리적인 개념들을 복잡한 이름으로 포장하고, 그걸로 컨설턴트 산업을 만들어낼 것 같다는 우려”

관련 레퍼런스

• Agentic Engineering Patterns 가이드

💡 실무 포인트: 에이전트와 협업할 때 “테스트 우선 작성 → 에이전트에 구현 위임 → 테스트 통과 확인” 패턴을 도입하면 코드 품질을 유지하면서 생산성을 높일 수 있다.

인도 안드라프라데시주의 한 하급 법원 판사가 부동산 분쟁 사건에서 AI가 생성한 허위 판결문을 인용한 사실이 드러났다. 대법원은 이를 ‘제도적 우려’ 사안으로 규정하고, 단순 판단 착오가 아닌 ‘직무상 비행(misconduct)‘으로 취급했다. AI가 사람을 대체한다는 주장의 한계를 보여주는 사례로, 법적 책임을 질 사람은 여전히 필요하다는 점을 환기한다.

커뮤니티 의견

• @GN⁺: “AI를 단순한 도구로 쓴다면 책임은 사용자에게 있고, AI를 ‘다른 사람의 일’처럼 대했다면 무자격자에게 위임한 것이 되어 결국 사용자 잘못”

💡 실무 포인트: LLM 출력을 공식 문서나 의사결정에 활용할 때는 반드시 원본 소스를 교차 검증하는 프로세스를 제도화해야 한다.

7명 규모 AI SaaS 스타트업의 CEO가 Claude Code의 Agent Teams 기능을 활용해 CMO, 콘텐츠 작가, 소셜미디어 담당, HN 매니저, 성과 분석가로 구성된 5인 AI 마케팅 팀을 구축한 실전 경험기다. 코드를 한 줄도 직접 작성하지 않았으며, 에이전트 전체가 자율적으로 콘텐츠 기획부터 성과 분석까지 수행했다.

💡 실무 포인트: Claude Code Agent Teams를 활용하면 소규모 팀에서 마케팅 등 비핵심 업무를 에이전트에 위임하는 파일럿을 저비용으로 실험할 수 있다.