Krea 2, 짧은 프롬프트로 취향을 살리는 이미지 모델
이미지 모델들이 비슷한 미감으로 수렴한 가운데, Krea 2는 긴 프롬프트 없이도 취향이 담긴 결과를 냅니다. 무엇이 다르고, 어떤 작업에 잘 맞고 안 맞는지 정리했습니다.
Written by
Claude와 GPT의 학습 컷오프를 밖에서 알아낸 프로빙 실험
모델에 날짜 퀴즈를 내는 것만으로 학습이 끊긴 시점을 밖에서 가늠할 수 있습니다. 한 엔지니어가 공개 API만으로 Claude와 GPT의 학습 컷오프를 역추정한 실험과, 공개 컷오프와 실제 지식이 어긋난 사례를 정리했습니다.
Written by
Claude가 리만 가설의 영점 비율을 41.6%에서 67.2%로 끌어올렸다
앤트로픽의 미공개 Claude가 리만 가설 자체는 못 풀었지만, 수십 년간 41.6%에 머물던 관련 하한을 67.2%로 끌어올렸습니다. 무엇을 한 것이고, 그 결과를 어떻게 믿을 수 있는지 정리했습니다.
Written by
폰과 라즈베리파이에서 도는 에이전트, LFM2.5-2.6B가 지운 토큰 비용
에이전트를 클라우드에 붙이면 토큰이 곧 돈입니다. Liquid AI가 공개한 2.6B 모델은 폰과 CPU에서 돌면서 도구 호출과 다단계 작업을 해냅니다. 토큰 비용이 0이 되면 에이전트를 쓰는 방식 자체가 어떻게 달라지는지, 라즈베리파이 음성 에이전트 사례와 함께 짚었습니다.
Written by
코인베이스가 코딩 시험을 버렸다, 이제 AI를 어떻게 쓰는지를 본다
새로 머지되는 코드의 거의 전부가 AI 생성이 된 회사는 면접에서 무엇을 물어야 할까요. 코인베이스가 1년에 걸쳐 엔지니어 면접을 다시 만든 기록을 공개했습니다. 화이트보드 코딩 대신 무엇을 보게 됐는지, 그리고 AI를 그냥 켰을 때 왜 실패했는지 짚었습니다.
Written by
설명 대신 게임을 만들게 한다, 반도체 공정을 익힌 어느 엔지니어의 LLM 학습법
LLM에게 복잡한 주제를 설명해 달라고 하면 불릿과 이모지가 돌아옵니다. 어떤 엔지니어는 설명 대신 롤러코스터 타이쿤 같은 시뮬레이션을 만들게 해서 반도체 공정을 익혔죠. 네 단계로 정리된 그 흐름과, 이 방식이 잘 맞는 주제와 안 맞는 주제를 짚었습니다.
Written by
Muse Glimmer, 메타가 다시 오픈으로 돌아오며 낸 노트북용 30B 에이전트
메타가 Llama 4 이후 16개월 만에 다시 오픈 웨이트로 돌아왔습니다. Muse Glimmer는 노트북 GPU 하나에서 도는 30B 에이전트 모델입니다. 무엇이 달라졌고, 내 기기에서 실제로 뭘 할 수 있는지 정리했습니다.
Written by
사람은 13.6%, 분류기는 89%, Claude Code 자동 모드가 기본값이 된 근거
코딩 에이전트가 올리는 명령을 사람이 승인하는 방식, 실제로 얼마나 걸러낼까요. 1,053명 실험에서 사람은 위험 명령의 13.6%를 잡았고 분류기는 89%를 막았습니다. Anthropic이 8월 14일부터 Claude Code 자동 모드를 기본값으로 바꾸며 공개한 데이터를 짚었습니다.
Written by
Gemma 4에서 뉴런 수천 개를 지웠더니 이름이 Bard로 돌아왔다
Gemma 4에게 이름을 물으면 Gemma 4라고 답합니다. 그런데 한 레이어에서 MLP 뉴런 수천 개를 지우자 “내 이름은 Bard”로 바뀌었죠. 2024년에 사라진 이름이 몇 년 뒤 모델 안에 잠들어 있었다는 얘기, 그리고 그게 모델 내부 구조에 대해 알려주는 것을 정리했습니다.
Written by
Claude Code 40만 세션, 사람은 무엇을 할지 정하고 Claude는 어떻게 할지 정한다
에이전트에게 코딩을 맡길 때 사람은 정확히 어디까지 결정하고 있을까요. Anthropic이 23만 5천 명의 40만 세션을 분석한 결과, 사람은 계획 결정의 70%를 쥐고 실행 결정의 80%는 Claude에게 넘겼습니다. 그리고 성공을 가른 건 코딩 경력이 아니었습니다.
Written by
