리브의 아침 브리핑

01Muse Glimmer — 상시 구동 로컬 에이전트를 겨냥한 30B 오픈 웨이트 모델

Muse Glimmer: 30B-parameter model optimized for always-on local agent workflows

Muse Glimmer 를 공개합니다. 30B 파라미터 밀집 모델이고, 클라우드 호출 없이 로컬에서 계속 켜 두고 도구를 호출하는 에이전트 워크로드를 겨냥해 튜닝했습니다. 오픈 웨이트로 내려받아 쓰실 수 있습니다.

• MoE 가 아닌 30B 밀집 구성이며, 상시 구동을 전제로 한 에이전트 루프에서의 동작을 우선 목표로 잡았습니다.
• 댓글 쪽 반응은 Meta 가 오픈 웨이트로 돌아왔다는 데 무게가 실려 있고, 더 작은 distill 이나 같은 크기의 MoE 를 보고 싶다는 요청이 이어집니다.
• 벤치마크가 경쟁력 있어 보이긴 하지만 벤치마크에 맞춰 깎였을 가능성을 의심하는 목소리, 이번 주 나올 Qwen3.8 27B 와 붙여 보겠다는 예고도 댓글에 있습니다.

research.meta.ai · 관심사 최상 · 프런트 상위 0.3% · 화제

02hallmark - AI 티가 안나는 디자인 스킬

AI 코딩 어시스턴트가 만들어 내는 뻔한 디자인을 피하려고, 타이포·색상·레이아웃·모션·인터랙션에 걸친 안티 슬롭 규칙을 하나의 스킬로 묶었습니다. 페이지를 만들 때 먼저 매크로구조를 정하고 그 위에 테마를 입히는 순서로 동작하며, 직전 세 개의 구조를 반복하지 않도록 막아 매번 다른 형태가 나오게 했습니다.

• 액션은 넷입니다. Default 는 브리프와 토큰을 읽어 UI 를 생성하고 마지막에 슬롭 테스트를 돌리며, Audit 은 수정 없이 안티패턴 카탈로그 기준으로 점수화한 펀치 리스트만 냅니다.
• Redesign 은 카피·IA·브랜드를 남기고 구조만 버려 새 섹션 리듬으로 재구축하고, Study 는 스크린샷이나 URL 을 픽셀이 아니라 구조로 읽어 이식 가능한 design.md 를 뽑습니다.
• LLM 이 기본으로 만드는 다섯 가지 슬롭 — 보라색 그라디언트 히어로, 디스플레이로 쓴 Inter, 전부 가운데 정렬, 아이콘 타일 피처 카드, 무개성 내비 — 마다 대안을 지정했고, OKLCH 팔레트에 강조색 5% 미만, 4의 배수 간격, reduced-motion 대안 같은 여덟 가지 기초 규칙을 내장했습니다.

github.com/Nutlope · 관심사 최상 · 추천 상위 5.1%

03회의 녹화 SaaS tl;dv, 18만 건이 그대로 열려 있었다

Tl;dv: Over 180k meetings left wide open

회의 녹화·요약 서비스 tl;dv 를 들여다보다 18만 건이 넘는 회의가 사실상 무방비로 열려 있는 것을 확인했습니다. 남의 테넌트 데이터에 닿는 데 특별한 기교가 필요하지 않았습니다.

• 핵심은 테넌트 간 격리 부재입니다. 접근제어가 서버가 아니라 사실상 클라이언트 쪽 전제에 기대고 있었던 형태입니다.
• 댓글에서 가장 크게 걸린 부분은 노출 기간입니다. 여섯 달이라는 시간에 대해 그 정도 심각도면 여섯 시간도 길다, 빨간 버튼을 눌러야 할 사안이라는 반응이 이어집니다.
• 크로스 테넌트 격리는 자기가 점검할 때 가장 먼저 보는 항목인데 매번 이 기본이 빠져 있어 놀란다는 코멘트도 있습니다.

bobdahacker.com · 관심사 상 · 프런트 상위 5.2%

04Ask HN: e-ink UI 개발에는 어떤 관례가 통하나

Ask HN: In your experience, what are sound conventions for e-ink UI development?

주의력 경제에서 좀 떨어져 보려고 흑백 e-ink 스마트폰으로 갈아탔습니다. 하드웨어는 정말 좋은데 화면과 잘 안 맞는 것들이 몇 개 있어서, e-ink 전용 Lemmy 프론트엔드와 OpenRouter 프론트엔드를 브라우저 기반으로 만들려 합니다. 쓸 수 없는 결과물을 만들기 전에 e-ink UI 설계 원칙부터 배우고 싶습니다.

• 브라우저에서는 리프레시를 제어할 수 없는데도 리프레시를 설계의 일급 요소로 다뤄야 한다는 점이 가장 막막합니다. LLM 출력 스트리밍은 e-ink 최악의 시나리오라 버퍼링해서 덩어리로 칠해야 하는데, 그걸 견딜 만하게 만드는 법을 모르겠습니다.
• 고스팅이 심해서 스크롤 대신 페이지네이션에 기대려 하는데, 잘못 만들면 그쪽이 더 성가셔집니다. 레이아웃과 타이포만으로 UI 를 지탱해야 한다면 초기 Mac OS 쪽이 출발점이 되지 않을까 싶습니다.
• 답글 중에는 reMarkable Pro 로 Excalidraw 를 포팅하며 배운 이야기 — 앱이 스스로 이전 렌더를 건드리지 말고 사용자 상호작용의 중간 상태 수를 줄이라는 것 — 과, 5Hz e-ink 는 느린 컴퓨터가 아니라 움직이는 신문에 가까우니 컴퓨터 가이드라인 대신 인쇄물 가독성 원칙을 보라는 조언이 있습니다.

news.ycombinator.com · 관심사 최상 · 프런트 상위 41.3%

05Show HN: Needle2 — 폰·웨어러블·스마트홈·로봇용 14MB 에이전틱 LLM

Show HN: Needle2: 14MB agentic LLM for phones, wearables, smart home and robots

Cactus 의 Henry 입니다. 앞서 낸 14MB 에이전틱 LLM 에 여기서 받은 피드백을 반영해 Needle 2 를 내놓습니다. 모델 전체가 단일 14MB 바이너리이고 세션 하나를 28MB RAM 안에서 돌립니다. 45M 파라미터를 2bit 로 압축했습니다.

• 라즈베리 파이 5 에서 디코드 500 토큰/초, Quest 3S·Vision Pro 같은 VR 기기에서 400-1,500, 200달러 이하 삼성 A 시리즈 폰에서 300-700 이 나옵니다. 도구 호출·기기 조작 벤치마크에서 LFM2.5 230M 이나 Apple Foundation Model 과 승패를 주고받는데, 상대는 f16 이고 Needle 2 는 2bit 입니다.
• 엣지 AI 가 최근엔 맥과 PC를 뜻하게 됐지만 그건 210억 대 연결 기기 중 15억 대일 뿐입니다. 같은 폭·깊이의 통상 트랜스포머가 토큰당 164 MFLOPs, 파라미터 수를 맞춰 줄인 것도 87 을 쓰는데 Needle 은 70 을 씁니다. 상시 대기 어시스턴트에게 MFLOP 은 곧 밀리와트시입니다.
• 소비자 기기의 지능을 타입 있는 파라미터를 가진 함수로 보면, 어려운 부분은 지저분한 문장을 어느 함수와 어떤 값에 대응시키느냐뿐입니다. 그렇게 짜면 세계 지식도 자유 서술도 필요 없어서 45M 로 충분합니다. 응답마다 학습된 신뢰도 점수가 붙어, 임계값 아래면 클라우드나 더 큰 모델로 넘기면 됩니다.

cactuscompute.com · 관심사 최상 · 프런트 상위 53.1%

06Claude·GPT 의 지식 컷오프와 사전학습 시점을 역추적해 봤다

Exploring Claude/GPT Knowledge Cutoffs and Pre-Training Timelines

공개된 모델들에게 시점을 물어 가며 지식 컷오프와 사전학습 타임라인을 역추적해 봤습니다. 발표된 컷오프 날짜와 실제로 모델이 아는 것의 경계가 어디서 어긋나는지를 따라간 기록입니다.

• 댓글에서 나온 보완점 하나는, "Opus 5" 같은 마케팅 이름이 단일 모델이 아니라 여러 모델·버전의 묶음이고 시간이 지나며 조용히 갱신된다는 전제입니다.
• 질의가 더 단순한 모델이나 프로그램으로 라우팅될 거라 짐작했는데 글에서는 그런 흔적이 잘 안 보인다는 관찰도 있습니다.
• 가장 최근 컷오프가 2026년 1월이라는 데 대해, 앞으로 몇 년간 재학습 규모가 두 자릿수 배로 커질 것이고 어디서 정체될지가 궁금하다는 반응이 붙었습니다.

blog.sshh.io · 관심사 상 · 프런트 상위 55.9%

07모노리포 희망편, 절망의 리포가 희망의 리포로 부활하기까지 걸린 1년

프론트엔드 엔지니어 100명 이상이 하루 수백 번 배포하는데도 모든 서비스가 같은 버전의 React 19, Next.js 15, TypeScript 7 을 씁니다. 모바일 제품 코드가 하나의 모노리포에 통합돼 있고, 그 일관성의 핵심에 카탈로그가 있습니다.

• 5명 시절부터 모노리포였지만 규모가 커지자 서비스마다 의존성 버전이 제각각이 됐습니다. 개발 경험은 파편화되고, 캐시가 있어도 설치에 1분이 넘었으며, 플랫폼 팀은 공통 라이브러리를 만들어도 "한 곳에서 되면 다른 곳에서도 된다"를 보장할 수 없었습니다. 폴리리포로 쪼개는 것은 답이 아니라고 봤습니다 — 문제의 본질은 구조가 아니라 버전이 제각각이라는 것이었으니까요.
• pnpm/Yarn 의 catalog 로 표준 버전을 중앙 정의하고 각 서비스는 "react": "catalog:" 로 참조하게 했습니다. .pnp.cjs 가 96MB 에서 15MB 로, 캐시 없는 전체 설치가 528초에서 250초로, 개발 서버 실행이 26.7초에서 20.3초로 줄었습니다.
• 진짜 핵심은 운영 정책입니다. 카탈로그는 stable-26.08 처럼 발행 연월로 버저닝하고 이미 나간 것에는 파괴적 변경을 넣지 않으며, 새 발행은 월 1회로 제한합니다. 파괴적 변경에는 항상 codemod 와 AI Skill 을 같이 제공해 yarn catalog switch 한 번으로 전환과 마이그레이션이 끝나게 했습니다.

toss.tech · 관심사 상 · 추천 상위 63.5%

08코딩 에이전트에게 가장 좋은 프로그래밍 언어는 무엇인가

What's the best programming language for coding agents?

코딩 에이전트를 쓸 때 어떤 언어가 유리한지를 토큰 관점에서 따져 봤습니다. 앞서 나온 언어별 토큰 효율 논의의 연장선입니다.

• 댓글에서 지적된 가장 큰 빈틈은 정규화입니다. 웹 서버나 검색 엔진처럼 같은 결과물을 각 언어로 짰을 때의 길이와 밀도를 비교해야 의미가 생긴다는 것입니다.
• 구문이 조밀하다고 반드시 싼 것도 아니라는 반론도 있습니다. 기호는 평범한 영어만큼 토크나이저에 잘 뭉쳐지지 않기 때문입니다.
• 결론 쪽으로는, 언어 간 격차가 이 정도로 좁아졌다면 도메인만 맞으면 성능과 정확성을 위해 Rust 를 안 쓸 이유를 대기 어렵다는 읽기가 나옵니다.

danluu.com · 관심사 상 · 프런트 상위 93.1%