digest
AI/Tech 다이제스트 — 2026-04-21
2026-04-21 AI/Tech 다이제스트 오늘 판세 주된 해석은 오늘 AI의 승부처가 새 모델 발표보다 로컬 실행 스택, 추론 엔진, 배포 경로, 그리고 실제 작업 자동화 경험으로 이동했다는 점이다. 대표 반론은 커뮤니티 체감과 벤치, 개인 성공담과 실서비스 재현성 사이의 간극이 여전히 커서, 화려한 데모나 불만 글을 그대로 일반화하긴 이르다는 것이다. 실용적
skillissue
digest
AI/Tech 다이제스트 — 2026-04-20
2026-04-20 AI/Tech 다이제스트 오늘 판세 주된 해석은 이제 AI의 우열이 모델 이름보다 배포 방식, 런타임 구조, 권한 경계, 회사 계정 정책 같은 운영 현실에서 갈린다는 쪽이다. 대표 반론은 여전히 커뮤니티 체감은 과장되기 쉽고, 로컬 모델 찬양이나 보안 공포 모두 재현 가능한 조건과 검증이 빠진 채 흘러가기 쉽다는 점이다. 실용적으로는
digest
AI/Tech 다이제스트 — 2026-04-19
2026-04-19 AI/Tech 다이제스트 오늘 판세 주된 해석은 오늘 AI 담론의 무게중심이 다시 ‘더 큰 모델’이 아니라 ‘제대로 설정한 로컬 모델, 감당 가능한 비용, 믿을 수 있는 운영’으로 옮겨갔다는 점이다. 대표 반론은 여전히 커뮤니티 체감은 세팅 편차와 과열된 비교에 크게 흔들리고, Opus 4.7 같은 상용 모델도 비용·
digest
AI/Tech 다이제스트 — 2026-04-18
2026-04-18 AI/Tech 다이제스트 오늘 판세 주된 해석은 분명하다. 오늘은 폐쇄형 플래그십 발표보다 Qwen 3.6의 로컬 실전성, 그리고 Opus 4.7의 체감 회귀 논쟁이 판세를 가져갔다. 대표 반론은 여전히 커뮤니티 체감과 벤치가 과장되기 쉽고, 특정 태스크·세팅에선 평가가 극단적으로 흔들린다는 점이다. 실용적으로는 새 모델의 '최고 성능'보다
digest
AI/Tech 다이제스트 — 2026-04-17
2026-04-17 AI/Tech 다이제스트 오늘 판세 주된 해석은 새 모델 발표 자체보다, 에이전트 코딩과 보안 자동화가 이제는 ‘누가 처음이냐’보다 ‘가격, 컨텍스트 안정성, 운영 툴링’ 싸움으로 넘어갔다는 쪽이다. 대표 반론은 여전히 데모와 벤치, 제품 메시지가 과장돼 있고 실제 장기 컨텍스트, 재현성, 비용 통제에서는 실망이 반복된다는 것이다. 실용적으로는 Opus 4.7,
digest
AI/Tech 다이제스트 — 2026-04-15
2026-04-15 AI/Tech 다이제스트 1. llama.cpp 동적 expert 캐시로 Qwen3.5 122B 추론 27% 가속 Hot Experts in your VRAM! Dynamic expert cache in llama.cpp for 27% faster CPU +GPU token generation with Qwen3.5-122B-A10B compared to layer-based single-GPU partial offload reddit · ⬆ 18 · 💬 6 Qwen3.5-122B-A10B를 대상으로 layer
digest
AI/Tech 다이제스트 — 2026-04-15
2026-04-15 AI/Tech 다이제스트 1. MiniMax M2.7 GGUF 조사와 수정, 벤치마크 MiniMax M2.7 GGUF Investigation, Fixes, Benchmarks reddit · ⬆ 64 · 💬 10 MiniMax M2.7 GGUF 배포물의 문제를 직접 파고들어 수정 사항과 성능 측정을 정리한 글로, 모델 배포물 검증과 재현 가능한 벤치마크 관점이 중심이다. 2. ClawBench, 라이브 웹 144개에서 AI
digest
AI/Tech 다이제스트 — 2026-04-15
2026-04-15 AI/Tech 다이제스트 1. 오픈소스 백로그가 기하급수적으로 쌓이는 이유 The exponential curve behind open source backlogs hn · ⬆ 36 · 💬 26 Jellyfin 사례를 바탕으로 PR과 이슈가 왜 유지보수자의 처리 속도를 넘어 기하급수적으로 누적되는지, 그리고 이를 줄이기 위한 큐 관리 원칙을 설명한 글이다. 💬 HN에서는 최근 업데이트 순 정렬 같은 단순 규칙도 실제
digest
AI/Tech 다이제스트 — 2026-04-14
2026-04-14 AI/Tech 다이제스트 1. TurboOCR, Paddle + TensorRT로 초당 270~1200장 OCR TurboOCR: 270–1200 img/s OCR with Paddle + TensorRT (C++/CUDA, FP16) [P] reddit · ⬆ 9 · 💬 0 Paddle OCR 파이프라인을 TensorRT, C++/CUDA, FP16으로 최적화해 초당 270장부터 1200장까지 처리량을 낸다고 공개한 구현 중심 프로젝트다. 2. LLM의 유해 출력은 하나의
digest
AI/Tech 다이제스트 — 2026-04-13
2026-04-13 AI/Tech 다이제스트 1. Gemma 4 31B에 speculative decoding 붙이기 Speculative Decoding works great for Gemma 4 31B with E2B draft (+29% avg, +50% on code) reddit · ⬆ 227 · 💬 81 E2B draft 모델을 붙여 Gemma 4 31B 추론 속도를 평균 29%, 코드 작업에서는 최대 50%까지 끌어올렸다고 수치와 함께 보여주는
digest
AI/Tech 다이제스트 — 2026-04-12
2026-04-12 AI/Tech 다이제스트 1. Mythos가 찾은 취약점은 작은 모델도 찾았다 Small models also found the vulnerabilities that Mythos found hn · ⬆ 1124 · 💬 298 Anthropic의 Mythos 사례를 작은 오픈웨이트 모델들로 다시 돌려보며, 동일한 취약점 다수가 거대 모델 고유 능력보다 scaffold와 과제 구성의 효과일 수 있음을 검증한 분석 글. 💬 HN에서는 Mythos의 비용
digest
AI/Tech 다이제스트 — 2026-04-12
2026-04-12 AI/Tech 다이제스트 1. 최상위 AI 에이전트 벤치마크를 어떻게 깨뜨렸나 How We Broke Top AI Agent Benchmarks: And What Comes Next hn · ⬆ 376 · 💬 94 Berkeley 연구진이 실제 작업을 풀지 않고도 상위 에이전트 벤치마크에서 거의 만점에 가까운 점수를 만드는 다양한 익스플로잇을 정리하며, 벤치마크 점수가 능력보다 채점 허점을 반영할 수 있음을