№ 033 · 2026-05-24
№ 033
오늘 MS가 AI 운영 비용이 직원 급여보다 비싸다고 공식 인정했다는 소식을 보니, AI가 정말 돈이 되는 걸까 하는 궁금증이 커지네요. 마침 'Is AI Profitable Yet?'라는 사이트도 등장해서 AI 수익성에 대한 솔직한 이야기가 오가고 있더라고요.
오늘의 헤드라인
01 itemsAI 에이전트 검색, 증거 기반 추론 위한 검색기 성능 높이기
AI 에이전트가 복잡한 추론을 수행하려면 관련 증거를 정확히 찾아내는 검색기가 필수적입니다. 기존 연구는 평가나 훈련이 부족했는데, 이 논문은 'BRIGHT-P'라는 새로운 데이터셋과 평가 방법을 제안하며 에이전트 검색 시스템의 검색기 성능 향상을 목표로 합니다. 특히 여러 문서를 종합해 추론하는 능력을 강화하는 데 초점을 맞췄습니다.
- 에이전트 검색 시스템의 핵심: 추론 기반 검색기
- 기존 평가 방식의 한계: 단일 문서 관련성 중심
- 새로운 벤치마크 'BRIGHT-P' 소개: 여러 증거 종합 능력 평가
- 훈련 데이터셋 개선: 단일 문서 넘어 포트폴리오 구축에 집중
얻는 것AI 에이전트가 어떻게 더 똑똑하게 정보를 찾고 추론하는지 이해할 수 있습니다. 검색기 성능 개선의 최신 동향을 파악할 수 있습니다.
지금 할 일$AI 에이전트의 검색 능력에 대한 최신 연구를 찾아보세요.
왜 지금 — AI 에이전트가 단순 정보 검색을 넘어 복잡한 의사결정을 내리려면, 단순히 키워드 일치 이상의 '추론을 뒷받침하는 증거'를 찾아내는 능력이 중요해지고 있습니다. 이 연구는 에이전트의 신뢰성과 성능을 높이는 데 기여할 수 있습니다.
릴리스 · 신모델
03 itemsllama.cpp, Vertex AI 호환 API 지원하는 b9077 버전 출시
인기 LLM 추론 엔진 llama.cpp가 b9077 버전을 공개하며 서버 모드에 Vertex AI와 호환되는 API를 추가했습니다. 이를 통해 개발자들은 Google Cloud의 Vertex AI 환경에서 llama.cpp 기반 모델을 더욱 쉽게 통합하고 활용할 수 있게 되었습니다. 이번 업데이트는 클라우드와 로컬 환경 간의 연동성을 높이는 데 기여합니다.
- llama.cpp의 최신 b9077 버전이 출시되었습니다.
- 서버 모드에 Vertex AI 호환 API가 추가되어 클라우드 연동이 용이해졌습니다.
- 기존 사용자는 Google Cloud 환경에서 llama.cpp 모델을 더 쉽게 통합할 수 있습니다.
- 새로운 사용자는 익숙한 Vertex AI 환경에서 llama.cpp를 시도해볼 수 있습니다.
- GitHub 릴리스 페이지에서 최신 버전을 다운로드하여 Vertex AI 호환 API를 테스트해보세요.
얻는 것Vertex AI 환경에서 llama.cpp 기반 모델을 직접 통합하고 실행하는 방법을 알게 됩니다.
지금 할 일$llama.cpp GitHub 릴리스 페이지에서 b9077 버전을 확인하고 Vertex AI 호환 API를 테스트해보세요.
왜 지금 — llama.cpp는 로컬 LLM 실행의 표준으로 자리 잡고 있으며, Vertex AI 호환 API 지원은 클라우드 기반 AI 서비스와의 연동을 간소화하여 개발자 생산성을 높이는 중요한 단계입니다.
llama.cpp, 최신 Gemma4 모델 지원 추가한 b9080 버전 공개
인기 LLM 추론 엔진 llama.cpp가 b9080 버전을 출시하며 Google의 Gemma4_26B_A4B_NVFP4 모델을 지원합니다. 이번 업데이트를 통해 사용자는 로컬 환경에서 Gemma 모델을 더욱 쉽게 실행하고 테스트해볼 수 있게 되었습니다. 이는 다양한 최신 AI 모델에 대한 접근성을 높이는 데 기여합니다.
- llama.cpp의 최신 b9080 버전이 출시되었습니다.
- Google의 Gemma4_26B_A4B_NVFP4 모델에 대한 지원이 추가되었습니다.
- 기존 사용자는 로컬 환경에서 Gemma 모델을 더 쉽게 실행하고 테스트할 수 있습니다.
- 새로운 사용자는 최신 Gemma 모델을 llama.cpp를 통해 간편하게 경험할 수 있습니다.
- GitHub 릴리스 페이지에서 b9080 버전을 다운로드하여 Gemma 모델을 실행해보세요.
얻는 것최신 Google Gemma 모델을 자신의 컴퓨터에서 직접 실행해볼 수 있는 방법을 알게 됩니다.
지금 할 일$llama.cpp GitHub 릴리스 페이지에서 b9080 버전을 확인하고 Gemma 모델을 다운로드해보세요.
왜 지금 — llama.cpp는 최신 AI 모델을 로컬에서 실행할 수 있게 하는 핵심 도구입니다. Gemma 모델 지원은 AI 연구 및 개발 커뮤니티에 새로운 가능성을 열어줍니다.
Supabase, 커스텀 OAuth/OIDC 지원 및 개발자 편의 기능 강화한 v1.26.05 출시
오픈소스 백엔드 플랫폼 Supabase가 v1.26.05 버전을 공개했습니다. 이번 업데이트의 핵심은 커스텀 OAuth/OIDC 프로바이더 지원으로, GitHub Enterprise 등 다양한 인증 시스템과의 연동이 가능해졌습니다. 또한, 새 테이블이 자동으로 노출되는 방식도 개선되어 개발자 편의성이 향상되었습니다.
- 오픈소스 백엔드 플랫폼 Supabase의 v1.26.05 버전이 출시되었습니다.
- 커스텀 OAuth/OIDC 프로바이더 지원으로 인증 시스템 연동이 유연해졌습니다.
- 기존 사용자는 GitHub Enterprise 등 다양한 IdP를 Supabase에 연결할 수 있습니다.
- 새로운 사용자는 보안 및 인증 설정에서 더 넓은 선택지를 가질 수 있습니다.
- Supabase 대시보드에서 프로젝트 설정을 변경하여 새 인증 기능을 적용해 보세요.
얻는 것원하는 인증 방식으로 Supabase 프로젝트에 로그인하고, 개발 워크플로우를 간소화할 수 있습니다.
지금 할 일$Supabase 블로그에서 커스텀 OAuth/OIDC 프로바이더 설정 방법을 확인해보세요.
왜 지금 — Supabase는 개발자 생산성을 높이는 백엔드 플랫폼으로, 이번 업데이트는 인증 시스템의 유연성을 크게 확장하여 다양한 기업 환경에서의 도입을 더욱 용이하게 합니다.
핫 레포
03 itemsAI로 발표 자료 뚝딱! Gamma 대체 오픈소스 'presenton' 등장
오픈소스 AI 발표 자료 생성기 'presenton'이 공개되었습니다. Gamma, Beautiful AI, Decktopus 같은 유료 서비스 대안으로 주목받으며 TypeScript로 개발되었습니다. 하루 335개 스타를 추가하며 총 6,322개 스타를 기록했습니다.
- AI 기반 발표 자료 생성 및 API 제공 기능
- Gamma, Beautiful AI, Decktopus 등 기존 서비스 대비 오픈소스 대안 제시
- TypeScript 언어로 개발되었으며, 총 6,322개의 스타 획득 (오늘 335개 증가)
- 개인 및 기업 사용자가 클라우드 없이 자체적으로 AI 발표 자료를 만들 수 있도록 지원
얻는 것무료로 고품질 발표 자료를 만들 수 있는 새로운 AI 도구를 알게 됩니다. 기존 유료 서비스의 대안을 탐색할 기회를 얻습니다.
지금 할 일$GitHub에서 'presenton' 레포지토리를 방문해 보세요.
왜 지금 — AI가 콘텐츠 생성 도구로 확장되는 추세 속에서, 발표 자료 제작이라는 특정 영역에 대한 오픈소스 솔루션 등장은 개인과 기업의 콘텐츠 제작 비용 절감 및 효율성 증대에 기여할 수 있습니다.
AI 에이전트 위한 사이버 보안 스킬 754개 공개: Claude 등과 연동
AI 에이전트가 활용할 수 있는 754개의 구조화된 사이버 보안 스킬 목록이 공개되었습니다. MITRE ATT&CK, NIST CSF 2.0 등 5가지 프레임워크에 매핑되며, Claude Code, GitHub Copilot 등 다양한 AI 도구와 연동됩니다. 하루 238개 스타를 추가하며 총 7,359개 스타를 기록했습니다.
- AI 에이전트용 사이버 보안 스킬 754개 구조화 및 공개
- MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS 등 5가지 주요 프레임워크와 매핑
- Claude Code, GitHub Copilot, Gemini CLI 등 20개 이상의 AI 플랫폼과 호환
- Python으로 개발되었으며, 총 7,359개 스타 획득 (오늘 238개 증가)
얻는 것AI 에이전트에게 필요한 사이버 보안 스킬셋을 파악하고, 이를 지원하는 도구의 존재를 알게 됩니다. AI 보안 분야의 최신 동향을 파악할 수 있습니다.
지금 할 일$GitHub에서 'Anthropic-Cybersecurity-Skills' 레포지토리를 확인해 보세요.
왜 지금 — AI 에이전트의 활용 범위가 넓어짐에 따라, 보안 분야에서의 전문성을 부여하는 것은 필수적입니다. 이 프로젝트는 AI 에이전트의 보안 역량을 체계적으로 강화하는 데 기여합니다.
클라우드 없이 AI 돌린다! 'DreamServer'로 로컬 LLM 추론, 챗봇, 에이전트 구축
로컬 환경에서 AI를 구동할 수 있는 'DreamServer'가 공개되었습니다. LLM 추론, 챗봇 UI, 음성 기능, 에이전트, 워크플로우, RAG, 이미지 생성 등 다양한 기능을 클라우드나 구독 없이 제공합니다. 하루 89개 스타를 추가하며 총 1,119개 스타를 기록했습니다.
- 로컬 환경에서 LLM 추론, 챗봇 UI, 음성, 에이전트, RAG, 이미지 생성 등 지원
- 클라우드 연결이나 구독료 없이 누구나 AI를 사용할 수 있도록 설계
- Python으로 개발되었으며, 총 1,119개 스타 획득 (오늘 89개 증가)
- 개인 개발자부터 기업까지, 데이터 프라이버시를 중시하는 사용자에게 적합
얻는 것개인 컴퓨터에서 직접 LLM을 실행하고 다양한 AI 기능을 체험할 수 있는 방법을 알게 됩니다. 데이터 유출 걱정 없이 AI를 사용하고 싶을 때 유용한 도구입니다.
지금 할 일$DreamServer GitHub 레포지토리에서 설치 및 사용법을 확인해 보세요.
왜 지금 — AI 모델의 접근성이 높아지면서 로컬 환경에서의 구동 요구가 커지고 있습니다. DreamServer는 이러한 요구에 부응하며, 사용자가 데이터 주권을 지키면서 AI를 활용할 수 있는 길을 열어줍니다.
주목할 페이퍼
04 itemsAI, 이제 일상 증상 평가까지: Fitbit 앱에 'SymptomAI' 탑재
언어 모델이 의료 진단에서 전문가 수준의 성능을 보이지만, 실제 일상생활에서의 증상 보고에 대한 연구는 부족했습니다. 이 논문은 Fitbit 앱에 'SymptomAI'라는 대화형 AI 에이전트를 배포하여 13,917명의 참가자를 대상으로 연구를 진행했습니다. 이를 통해 환자의 일상적인 증상 보고에 대한 AI의 성능을 분석했습니다.
- 일상 증상 평가 AI: 'SymptomAI' 등장
- 대규모 사용자 연구: Fitbit 앱 통해 13,917명 참여
- AI vs 환자: 일상적 증상 보고 시 AI의 진단 능력 분석
- 의료 AI의 실용성 확대: 복잡한 사례 넘어 일상으로
얻는 것AI가 건강 관리 분야에서 어떻게 활용되는지 최신 사례를 알 수 있습니다. 개인 건강 관리 앱과 AI의 미래를 엿볼 수 있습니다.
지금 할 일$AI 기반 건강 관리 서비스 동향을 살펴보세요.
왜 지금 — AI가 의료 분야에서 단순한 연구를 넘어 실제 사용자에게 직접적인 도움을 주는 사례가 늘고 있습니다. 이 연구는 AI가 일상적인 건강 관리에 어떻게 기여할 수 있는지 보여주는 중요한 지표가 될 수 있습니다.
AI 에이전트 검색, 증거 기반 추론 위한 검색기 성능 높이기
AI 에이전트가 복잡한 추론을 수행하려면 관련 증거를 정확히 찾아내는 검색기가 필수적입니다. 기존 연구는 평가나 훈련이 부족했는데, 이 논문은 'BRIGHT-P'라는 새로운 데이터셋과 평가 방법을 제안하며 에이전트 검색 시스템의 검색기 성능 향상을 목표로 합니다. 특히 여러 문서를 종합해 추론하는 능력을 강화하는 데 초점을 맞췄습니다.
- 에이전트 검색 시스템의 핵심: 추론 기반 검색기
- 기존 평가 방식의 한계: 단일 문서 관련성 중심
- 새로운 벤치마크 'BRIGHT-P' 소개: 여러 증거 종합 능력 평가
- 훈련 데이터셋 개선: 단일 문서 넘어 포트폴리오 구축에 집중
얻는 것AI 에이전트가 어떻게 더 똑똑하게 정보를 찾고 추론하는지 이해할 수 있습니다. 검색기 성능 개선의 최신 동향을 파악할 수 있습니다.
지금 할 일$AI 에이전트의 검색 능력에 대한 최신 연구를 찾아보세요.
왜 지금 — AI 에이전트가 단순 정보 검색을 넘어 복잡한 의사결정을 내리려면, 단순히 키워드 일치 이상의 '추론을 뒷받침하는 증거'를 찾아내는 능력이 중요해지고 있습니다. 이 연구는 에이전트의 신뢰성과 성능을 높이는 데 기여할 수 있습니다.
확산 모델 샘플링 새 지평: '조건부 확산 샘플링' 등장
복잡한 다중 모드 분포에서 샘플링하는 것은 여전히 어려운 과제입니다. 이 논문은 기존의 확산 모델과 병렬 온도 샘플링(Parallel Tempering)의 장점을 결합한 '조건부 확산 샘플링(CDS)'이라는 새로운 프레임워크를 제안합니다. 이를 통해 더 효율적이고 유연한 샘플링이 가능해질 것으로 기대됩니다.
- 난제 해결: 복잡한 분포에서 샘플링하기
- 새로운 접근법: 확산 모델 + 병렬 온도 샘플링 결합
- 핵심 기술: '조건부 확산 샘플링(CDS)' 프레임워크 제시
- 기대 효과: 더 빠르고 유연한 샘플링 가능성
얻는 것최신 확산 모델의 샘플링 기술 발전 동향을 알 수 있습니다. AI 이미지 생성 등 관련 분야의 새로운 가능성을 엿볼 수 있습니다.
지금 할 일$확산 모델 샘플링 관련 최신 논문을 찾아보세요.
왜 지금 — 확산 모델은 이미지 생성 등 다양한 분야에서 혁신을 이끌고 있습니다. 이 연구는 확산 모델의 샘플링 효율성을 높여, 더 복잡하고 현실적인 결과물을 얻는 데 기여할 수 있습니다.
AI로 뇌종양 3D 영상 정밀 분석: 'Assorted Precision Training' 기법 공개
뇌종양의 조기 발견은 환자의 생존율에 매우 중요합니다. 이 연구는 'Assorted Precision Training'이라는 새로운 접근 방식을 사용하여 뇌종양의 3D 의료 영상에서 종양을 더 정확하게 분할(segmentation)하는 방법을 제안합니다. 이를 통해 의료진의 진단을 돕고 환자의 예후를 개선하는 데 기여할 수 있습니다.
- 뇌종양 진단 보조: AI 기반 3D 영상 분석
- 핵심 기술: 'Assorted Precision Training' 기법 도입
- 목표: 뇌종양 영상 분할(segmentation) 정확도 향상
- 기대 효과: 환자 생존율 및 예후 개선 기여
얻는 것AI가 의료 영상 분석에서 어떻게 활용되는지 구체적인 사례를 알 수 있습니다. 뇌종양 진단 기술의 최신 동향을 파악할 수 있습니다.
지금 할 일$의료 AI 분야의 최신 연구 논문을 찾아보세요.
왜 지금 — 의료 영상 분석은 AI의 중요한 응용 분야 중 하나입니다. 이 연구는 뇌종양과 같이 치명적인 질병의 조기 진단 정확도를 높여, 실제 환자 치료에 긍정적인 영향을 미칠 잠재력을 가지고 있습니다.
커뮤니티 반응
03 itemsAI, 아직 수익 안 나나요? 'Is AI Profitable Yet?' 사이트 등장
AI 수익성을 실시간으로 추적하는 사이트 'Is AI Profitable Yet?'가 HN에서 244점을 받으며 주목받고 있어요. 주요 AI 기업들의 수익 보고서를 집계해 '아직 수익 안 남' 상태를 보여주는데, OpenAI, Anthropic 등이 적자라는 점을 강조합니다. 간단한 UI로 한눈에 파악할 수 있어요.
- AI 기업 수익성을 실시간 집계하는 사이트 등장
- HN 244점 기록, 커뮤니티 관심 폭발
- OpenAI, Anthropic 등 주요 기업 적자 상태 표시
- 간단한 UI로 누구나 쉽게 확인 가능
- AI 업계의 수익성 논쟁에 구체적 데이터 제공
얻는 것주요 AI 기업들의 실제 수익 현황을 한눈에 볼 수 있고, 업계 건강성을 판단하는 기준을 얻습니다.
지금 할 일$사이트에 방문해서 현재 AI 기업들의 수익 상태를 확인해보세요.
왜 지금 — AI 수익성 논쟁에 객관적 데이터를 제공하는 도구. 'AI가 돈이 되냐'는 질문에 숫자로 답해주니, 투자자와 개발자 모두에게 유용해요.
AI 위해 인력 감축한 기업, 결국 뒤쳐진다? 반대 주장 등장
AI 도입을 위해 인력을 줄이는 기업들이 오히려 경쟁에서 뒤쳐질 것이라는 주장이 HN 194점을 기록하며 화제예요. 저자는 AI를 '비용 절감 도구'가 아닌 '역량 강화 도구'로 봐야 하며, 인력을 유지하면서 AI를 활용하는 기업이 장기적으로 승리한다고 분석합니다.
- AI 도입을 위한 인력 감축이 오히려 독이 될 수 있다는 주장
- HN 194점으로 많은 공감과 반론
- AI를 '비용 절감' 아닌 '역량 강화'로 봐야 한다는 핵심 논지
- 인력 유지 + AI 활용 기업이 장기적 승자
- Intuit 등 실제 감축 사례와 비교하며 논쟁 확산
얻는 것AI 도입 시 인력 감축이 아닌 다른 전략을 고민하게 하는 인사이트를 얻습니다.
지금 할 일$자신의 조직에서 AI 도입 목적이 '비용 절감'인지 '역량 강화'인지 다시 생각해보세요.
왜 지금 — AI 도입 전략에 대한 중요한 반론. 'AI가 사람을 대체한다'는 프레임에 의문을 제기하며, 실제 사례를 통해 다른 접근법을 제시합니다.
오픈소스 법률 AI 'Mike' 등장, HN 187점
법률 문서 분석과 계약 검토를 돕는 오픈소스 AI 'Mike'가 HN에서 187점을 받으며 주목받고 있어요. 로컬에서 실행 가능하며, 프라이버시를 보호하면서 법률 업무를 자동화할 수 있습니다. 아직 초기 단계지만, 법률 분야 오픈소스 AI의 가능성을 보여줍니다.
- 법률 문서 분석 오픈소스 AI 'Mike' 공개
- HN 187점, 커뮤니티 관심 높음
- 로컬 실행 가능, 데이터 프라이버시 보호
- 계약 검토, 법률 리서치 등 기능 제공
- 법률 분야 오픈소스 AI의 선례
얻는 것법률 업무 자동화를 위한 오픈소스 도구를 알게 되고, 직접 설치해볼 수 있습니다.
지금 할 일$GitHub에서 'Mike' 레포를 방문해 README를 읽어보세요.
왜 지금 — 법률 분야는 AI 도입이 느린 영역인데, 오픈소스로 접근성을 높인 점이 의미있어요. 개인 개발자나 소규모 법률 사무소도 활용할 수 있습니다.
AI가 일상 증상 평가나 발표 자료 제작 같은 실질적인 영역까지 파고드는 걸 보니 놀랍네요. 앞으로 이런 기술 발전이 실제 '수익'으로 연결되는 시점은 언제쯤일까요?
단톡방에 공유
카카오톡 공유 버튼 한 번 누르면 단톡방 여러 개에 카드 형태로 한 번에 보낼 수 있어요. 텍스트 붙여넣기로 보내고 싶으면 펼치기 눌러서 전체 텍스트 복사.