Insights

집계 기준 2026. 11. 3. PM 4:10 UTC

해외 기술 동향: AI 시대의 개발 사고방식부터 경량 3D 보셀, 새로운 설정 형식 SOML까지

본 기사는 AI 시대의 개발 사고방식 변화와 웹 기반 3D 데이터 처리 트렌드를 다룹니다. 학술 및 코딩 분야에서 개인적 성취보다 도구와의 협력과 검증 가능한 제약 정의가 중요해졌습니다. 또한, 대용량 GIS/3D 데이터를 보셀(voxel) 구조로 압축하여 웹 브라우저 상에서 빠르고 효율적으로 시각화하는 방법을 소개합니다.

Cohere North 2 되돌아보기: 메모리, 권한, 사용 한도를 분리하여 설계하기

Cohere의 기업용 에이전트 시스템 North 2는 세션 간 Memory, 재사용 가능한 Skills, 공유 지식 Libraries 등을 제공합니다. 본 글은 AI에게 업무를 위임할 때 기억, 절차, 자료, 운영 권한을 분리하는 설계안과 사용 한도(Quota) 관리 개념을 제시하며, 실제 구현의 복잡성을 예시 코드로 설명하고 있습니다.

「24시간 작동하는 AI」는 정말 새로운 것일까? 상주형 에이전트를 정리하다 【제1부】

'24시간 작동하는 AI'는 실제로는 스케줄러나 이벤트를 기다리는 메커니즘으로 구현됩니다. 본고에서는 상주형 에이전트의 작동 조건, 실행 환경, 권한 등을 정리하고, 주요 서비스들을 기능 중심으로 비교합니다. 또한 Cron이나 CLI를 활용하여 시스템에 통합하는 기술적 확장 방법도 다룹니다.

코드를 쓸 수 없는 나는, 무엇을 '창작'이라고 불러야 하는가

코드를 직접 작성하지 못하는 개발자가 AI와 협업하며 '창작'의 경계에 대해 고민한 글입니다. 초기에는 사양 주도 개발과 Human-in-the-loop를 고수했으나, 정체기를 겪었습니다. 결국 AI가 제시한 '사고 실험 장치'로서 코드를 활용하고, 실패를 통해 지식을 얻는 과정이 진정한 창작의 핵심임을 깨달았습니다.

AI 및 클라우드 업데이트 요약 (2026/10/24)

OpenAI와 Anthropic의 모델들이 Google Cloud Model Garden에 공식 제공되며 접근성이 높아졌습니다. 개발자들은 Decisions API나 장기 프롬프트 캐싱 등 에이전트 워크플로우를 강화하는 기능을 활용할 수 있게 되었습니다. 또한, AI 기술을 통해 PHP 및 Brotli 같은 주요 소프트웨어에서 심각한 취약점이 발견되고 수정되는 사례가 보고되었습니다.

SDPA란 무엇인가? — 수동으로 작성한 Attention을 한 줄로 대체하기 전에 알아야 할 3가지 포인트

본 글은 PyTorch의 F.scaled_dot_product_attention (SDPA) 함수를 소개하며, 수동으로 구현한 Attention 메커니즘을 대체하는 방법을 다룹니다. 단순히 속도 비교에 초점을 맞추기보다, 같은 식이라도 인수의 의미가 달라지면 코드가 깨질 수 있음을 강조합니다. 따라서 개발자는 SDPA로 전환하기 전 등가성을 측정하고 안전하게 모듈을 수정해야 합니다.

AI가 만든 퀴즈를 답을 가린 다른 AI에게 풀게 하여 점검했습니다. 발견된 오류는 '답이 다른 문제에 적혀 있는 것'이었습니다.

중학생 대상 역사 퀴즈 앱 개발 과정에서 AI가 만든 문제의 오류를 점검했습니다. 답을 가린 다른 AI에게 문제를 풀게 하는 방식으로 검증했으며, 단순 오답보다 '한 문제의 정답이 다른 문제 지문에 포함되는' 구조적 오류가 주요 발견점이었습니다.

flash-attn의 대체 경로가 VRAM을 18GB 소모하고 있어 87% 절감한 이야기

Xiaomi-Lens-0 모델의 마스크 생성 과정에서 flash-attn이 적용되지 않는 대체 경로(mha)가 과도한 VRAM을 소모하는 문제가 발견되었습니다. 이 문제를 수정하여 추가 메모리 사용량을 18GB 수준에서 2.28GB로 크게 절감했습니다. 이는 AI 추론 시 옵션 의존성을 파악하고 성능 병목 지점을 측정하는 것이 중요함을 보여줍니다.

MHA란 무엇인가? — 헤드를 8개로 나누는 이유와 PyTorch에서 조용히 망가지는 3가지 함정

이 글은 Multi-Head Attention(MHA)의 원리를 비유와 공식으로 설명하며, 왜 여러 개의 '헤드'를 사용하는지 그 필요성을 강조합니다. 또한 PyTorch에서 nn.MultiheadAttention 모듈을 안전하게 사용하기 위한 세 가지 함정과 호출 전 체크리스트를 제공하여, 개발자가 내부 구조를 깊이 이해하도록 돕는 가이드입니다.

[서평] 프로페셔널 AI 구동 개발을 읽다

이 책은 AI를 활용하여 개발하는 사람들을 대상으로 하며, 코딩 에이전트의 등장으로 프로그래밍 방식 자체가 변화하고 있음을 설명합니다. 특히 LLM 기반 개발에서 가장 중요한 요소는 컨텍스트(Context) 관리이며, 단순히 프롬프트 엔지니어링을 넘어 필요한 최소한의 정보를 전달하는 실질적인 방법을 제시합니다.

같은 GPU에서 20배 차이! 로컬 LLM은 '무료'보다 '선택 방법'이었다

로컬 LLM의 성능 차이는 모델이나 GPU가 아닌 '구동 방식의 선택 방법'에 의해 결정된다는 점을 강조합니다. 같은 Llama 3.1 8B와 A100 GPU를 사용해도 구동 환경에 따라 초당 토큰 수에서 큰 차이가 발생할 수 있습니다. 따라서 로컬 AI의 가치는 무료 여부가 아닌 최적화된 배포 방식 선택에 달려있습니다.

"코드 리뷰는 죽고, 터미널도 사라진다" - 해외 유명 엔지니어가 예측하는 AI 시대 소프트웨어 개발의 미래

소프트웨어 엔지니어 Thorsten Ball은 AI가 코드 리뷰나 유닛 테스트 같은 기존 개발 상식을 근본적으로 변화시킬 것이라 예측했습니다. 코드를 작성하는 기술 자체보다, AI 에이전트가 생성한 시스템 전체를 평가하고 문제를 해결하는 능력이 핵심 가치가 될 것입니다.

[완결편] 프롬프트 3줄 추가로 합격점 달성! Gemini 4 Argon을 이용한 매뉴얼 자동 생성의 실용화 검증 (※다만 중국어 폰트는

Gemini 4 Argon을 활용하여 앱 매뉴얼 자동 생성의 실용성을 검증한 결과, 레이아웃 측면에서 합격점에 도달했습니다. 특히 이미지 인덱스만 사용하고 상세 설명은 캡션으로 분리하는 프롬프트 설계가 효과적임을 입증했습니다. 다만, 일본어 폰트 문제는 LLM 지시력 문제가 아닌 서버 환경의 폰트 폴백 문제로 분석되었습니다.

인간이 코드를 작성하는 시대는 끝난다

AI 코딩 에이전트의 발전으로 개발 방식이 근본적으로 변화하고 있습니다. 이제 AI는 단순한 코드 제안을 넘어, 설계부터 구현까지 자율적으로 수행합니다. 필자는 인간이 '코드를 작성하는 시대'가 끝날 것이라 주장하며, 핵심 역량은 기술(Programming)보다 목표를 설정하고 판단을 축적하는 소프트웨어 엔지니어링에 있음을 강조합니다.

【환경 구축】AI 개발 기초 지식 메모: 뉴럴 네트워크, PyTorch, ONNX의 관계 정리

본 메모는 뉴럴 네트워크의 작동 원리와 AI 개발 과정에서 '학습(Training)'과 '추론(Inference)'이 분리되는 핵심 개념을 설명합니다. 복잡한 판단은 노드가 아닌 시냅스의 가중치에 존재하며, 모델 배포물은 이 학습된 가중치의 덩어리가 됩니다. PyTorch와 같은 프레임워크는 이러한 ML 개발 전반을 지원하는 필수적인 환경입니다.

AI 없이 깨진 수식을 고치는 매크로를 만들게 된 이야기 — #DIV/0!이 0.17초 만에 사라졌던 아침

작성자는 AI 모델을 활용하여 복잡한 Excel UserForm 제작 과정을 대화만으로 완료했다고 설명합니다. 특히, VBE를 열지 않고도 버튼 배치, 토글 기능 구현 등 개발 작업을 순식간에 조합했습니다. 또한, 새로 만든 매크로가 #DIV/0! 오류 수식을 0.17초 만에 완벽하게 복구하는 모습을 보여주며 강력한 자동화 능력을 입증했습니다.

OpenAI의 보안 정책 대전환과 Anthropic의 기록적인 컴퓨팅 계약 체결, 그리고 에이전트 기술 발전 요약

OpenAI는 프론티어 모델의 보안 강화를 위해 인터넷 연결 없이 작동하는 '오프라인 월드' 기반 정책으로 전환했습니다. Anthropic은 Google Cloud와 수백억 달러 규모의 대규모 컴퓨팅 계약을 체결하며 자원 확대를 입증했습니다. 또한, 주요 클라우드 업체들은 에이전트가 앱을 스스로 조작하고 검증하는 단계로 기술을 발전시키고 있습니다.