리브의 아침 브리핑

01그렇다면 안목은 어디에서 오는가?

AI가 실무를 대신하면 인간에게는 안목만 남는다고들 하는데, 나는 그 안목이라는 게 어디에서 오는지를 묻고 싶다. Rick Rubin이나 Steve Jobs가 직접 손을 대지 않고도 결과를 바꿀 수 있었던 건 평균에서 벗어난 실무자를 골라낼 수 있었기 때문이지, 안목만 있어서가 아니었다. LLM은 학습 데이터의 평균에서 결과를 만들어내니, LLM을 실무자로 쓰는 것은 예외적인 창작자를 고르는 일과 전혀 다르다.

• 안목은 완성품을 보고 고르는 것만으로는 생기지 않고, 직접 만들다가 실패하고 우연히 좋은 것을 발견하고 자기 한계를 우회하는 과정에서 스타일이 굳어지며 함께 형성된다.
• 나는 LLM으로 글을 쓴 적이 없는데도 1년간 AI 결과물을 읽고 곁에서 작업하다 보니 그 운율이 내 글에 스며들었고, 최근 글에서 통찰이 떨어진 것을 스스로 알아봤다.
• 생성형 AI를 최대한 덜 쓰고 계속 이상한 것을 만드는 게 현실적인 대응이지만, 그렇게 만든 결과물도 결국 다시 학습 데이터로 흡수된다.

dustycloud.org · 관심사 최상 · 추천 상위 10.9%

02테렌스 타오가 설명하는 수학의 6가지 필수 개념 [영상]

수학은 현실을 정밀하게 다루는 언어이고, 수천 년에 걸쳐 자란 그 기둥은 여섯 개다. 수, 대수, 기하학, 확률, 해석학, 동역학. 각각 양, 구조, 공간, 불확실성, 오차, 시간에 따른 변화를 추상화한다. 처음에는 순전한 호기심에서 나온 개념이 나중에 물리학의 언어가 되는 일이 반복해서 일어났다.

• 방정식을 풀려고 만든 복소수가 전자기학과 양자역학의 자연스러운 언어가 됐고, Riemann 기하학은 일반상대성이론이 됐다.
• Kepler는 시장에서 막대로 포도주 통의 부피를 재는 것을 보고 원시적인 미적분 계산을 했는데, 결과가 상인들이 경험으로 쓰던 통 모양과 정확히 맞았다.
• AI가 증명 생성과 탐색은 빠르게 자동화하지만 이해와 전달, 선별과 교육은 여전히 인간에게 몰려 있어 증명 소화 불량이 생기고 있고, 산출물 속도만으로 과학을 최적화하면 다음 세대 연구자를 기를 수 없다.

youtube.com · 관심사 상 · 추천 상위 10.9%

03조직이 커질수록 일이 느려지는 이유, 조정의 역풍 [171p 슬라이드]

성공한 조직이 커질수록 예전에는 간단했던 일까지 느려진다. 누가 게으르거나 방해해서가 아니다. 모두가 성실하고 유능하고 협력적이어도 조정에 참여하는 사람 수와 불확실성이 늘면 똑같은 역풍이 분다. 이걸 조정의 역풍이라고 부른다.

• 두 사람이 각각 99% 확률로 제 역할을 하면 전체 성공률은 98%지만, 필요한 사람이 10명이고 각자 90%면 전체는 35%로 떨어진다 — 개인의 참여 확률이 조금만 움직여도 전체는 훨씬 크게 흔들린다.
• 10명 팀에는 45개의 일대일 관계가 있고 관계 수는 대략 O(n²)로 늘며, 공통 관리자가 조직도상 멀수록 작은 갈등을 올리는 행위 자체가 정치적 사건이 되어 불신이 조용히 쌓인다.
• 보이지 않는 조정 비용을 인정하지 않으면 영웅적 야근과 회의와 추적 문서가 늘고 그 혼란이 다시 조정을 부른다 — 답은 중앙 통제가 아니라 느슨하게 결합됐지만 강하게 정렬된 조직이다.

komoroske.com · 관심사 상 · 추천 상위 13.4%

04Hister - 방문한 웹페이지와 로컬 파일을 다시 찾는 개인 검색엔진

브라우저 기록은 제목과 URL만 남긴다. 그래서 분명히 읽었는데 어디서 읽었는지 못 찾는 일이 생긴다. Hister는 방문한 페이지의 본문 전체를 색인해서, 그 안에서 읽었던 문장으로 다시 찾을 수 있게 한다.

• Firefox/Chrome 확장이 새로 방문한 페이지를 자동으로 자기 서버에 저장하고, 기존 브라우저 기록 가져오기와 크롤러 색인, 로컬 파일 검색도 함께 지원한다.
• 필드 필터·정확한 문구·와일드카드·제외 조건을 쓸 수 있고, Ollama나 llama.cpp, OpenAI API로 임베딩 서버를 직접 붙이면 단어가 안 맞아도 의미로 찾는 시맨틱 검색이 켜진다.
• 웹 화면 외에 TUI/CLI/MCP를 제공해서 사람뿐 아니라 AI 에이전트도 이 개인 아카이브를 검색할 수 있고, Linux/macOS/Windows 바이너리에 AGPL-3.0이다.

github.com/asciimoo · 관심사 상 · 추천 상위 34.2%

05Starboard - macOS Dock 옆에 항상 붙어 있는 터미널

단축키로 내렸다 올렸다 하는 드롭다운 터미널이 아니다. macOS Dock 바로 옆에 계속 붙어서, 모든 Space와 전체 화면 앱 위에도 그대로 보이는 터미널이다. 다른 앱을 쓰는 동안 포커스를 뺏지 않고, 필요할 때 바로 명령을 친다.

• 일회성 명령 실행기가 아니라 실제 zsh -l 셸이라 디렉터리와 기록, 셸 상태가 계속 유지된다.
• Dock의 위치와 높이를 실시간으로 따라가고, Dock을 다른 모니터로 옮기거나 자동 숨김으로 두면 터미널도 같이 움직이고 숨는다. 다만 Dock을 화면 좌우에 둔 경우는 아직 추적하지 못한다.
• Cmd+E로 Dock 높이와 전체 화면 높이를 전환하고 Cmd+T로 20개 테마를 고른다. 네트워크 요청은 없지만 Dock 위치를 읽으려 접근성 권한이 필요하고, 공증되지 않은 빌드라 첫 실행 때 보안 설정에서 직접 허용해야 한다.

github.com/palamim · 관심사 상 · 추천 상위 39.5%

06AI 칩 아키텍처

단일 스레드 CPU 성능 증가율이 1980년대 연 52%에서 2018년 3%로 떨어지면서, AI 연산은 도메인 특화 아키텍처 경쟁의 한복판이 됐다. NVIDIA GPU, Google TPU, AMD Instinct, Cerebras WSE, Trainium, Groq LPU는 모두 다른 답을 골랐는데, 그 차이는 행렬곱 성능이 아니라 데이터를 어디에 두고 어떻게 옮기느냐에 있다.

• 학습과 prefill은 많은 토큰이 같은 가중치를 통과하는 큰 GEMM이라 연산이 병목이지만, decode는 토큰마다 모든 가중치와 KV Cache를 다시 읽는 GEMV라 산술 집약도가 몇 자릿수 낮고 대역폭이 병목이다.
• NVIDIA는 CUDA의 프로그래밍 가능성과 동적 지연 은폐를, TPU와 Trainium은 컴파일러 스케줄링과 systolic array를, Cerebras와 Groq는 대용량 온칩 SRAM 위의 dataflow와 결정론적 실행을 골랐다.
• 칩당 FP8 성능은 B200 4.5PF, TPU Ironwood 4.6PF, MI355X 10PF로 2배 범위에 모였지만 시스템은 크게 갈린다 — NVL72의 일관된 랙, TPU의 9,000칩급 광학 torus, AMD Helios와 UALink 각각이다.

jepeake.com · 관심사 상 · 추천 상위 44.5%

07Codex의 20X는 주간 사용량도 실제 20배, Claude는 5시간 한도만 20배

Codex/ChatGPT를 맡고 있는 Tibo가 두 서비스에서 쓰는 20X의 기준이 서로 다르다고 정리했다. Codex Pro의 20X는 Plus 대비 주간 사용량 한도가 거의 정확히 20배라는 뜻이고, Claude의 20배는 5시간 한도에 붙는 배수다. 같은 숫자가 다른 것을 가리킨다.

• Codex의 Pro $100과 $200 요금제에는 현재 5시간 단위 제한이 없고, 사용량은 주간 한도를 중심으로 관리된다.
• Claude는 $100을 Pro의 5배, $200을 20배로 표시하지만 그 20배는 5시간 창에 적용되고 주간 한도는 $100 요금제의 약 2배다.
• 따라서 $100에서 $200으로 올릴 때 Codex는 표기한 배수만큼 주간 사용량이 늘지만, Claude는 가격표만 보면 주간 사용량도 4배 늘어나는 것으로 읽히기 쉽다.

x.com/thsottiaux · 관심사 최상 · 추천 상위 53.8% · 화제

08Claude Fable 5.1과 Mythos 5.1 출시

Claude Fable 5.1 and Claude Mythos 5.1

Anthropic이 Claude Fable 5.1과 Mythos 5.1을 내놨다. 발표와 함께 변경점 문서와 시스템 카드가 공개됐고, HN 댓글은 성능 이야기보다 가격·한도 쪽에 먼저 몰렸다.

• 입출력 단가는 그대로 두고 캐시 읽기 비용을 4분의 1로 내렸다는 점이 댓글에서 가장 크게 짚였다 — 이전 대화가 계속 쌓이는 장기 에이전트일수록 후속 호출에서 이득이 커진다는 지적이다.
• 출시와 함께 사용량이 리셋됐다는 반응이 있었다.
• Fable 자체에 대해서는 회의적인 반응도 있었다 — 정렬 검사가 너무 민감해서 결국 Opus로 되돌아가게 되어 거의 안 쓰게 됐다는 이야기다.

anthropic.com · 관심사 최상 · 프런트 상위 1.7%

09Google Play가 AnkiDroid의 후원 링크를 더 이상 허용하지 않는다

AnkiDroid: Google Play no longer allowing Open Collective donation link

AnkiDroid가 Google Play로부터 Open Collective 후원 링크를 뺄 것을 요구받았다. Play 결제 정책이 세금 공제 대상이 아닌 기부에는 결제를 쓸 수 없다고 규정하는데, Google은 AnkiDroid가 세금 면제 조직이 아닌 곳에 기부를 받게 한다고 통보했다.

• 쟁점은 501(c)(6)이라는 지위가 정책이 말하는 '세금 면제 기부'에 해당하는지다 — 조직 자체는 면세지만 기부자 입장에서 소득공제 대상은 아니라는 점에서 해석이 갈렸다.
• 댓글에서는 결제 처리자는 수취인의 세금 지위가 아니라 거래 자체의 과세 여부를 따져야 하는 것 아니냐는 반론이 나왔다.
• 이 소식으로 처음 프로젝트의 후원 창구를 알게 돼 기부하겠다는 반응도 있었다.

github.com · 관심사 중 · 프런트 상위 2.2%

10104GB 모델을 48GB 맥에서 초당 12토큰으로 돌리기

Show HN: Running 104GB Qwen3.8-Flash-Next on 48GB Mac with at ~12 tok/s

slotstream을 만들었다. 100GB 넘는 메모리가 필요한 125B 파라미터 모델 Qwen3.8-Flash-Next 4-bit를, expert-offloading과 SSD 스트리밍으로 16GB 맥에서부터 돌린다. MLX와 Swift로 짠 맥 네이티브 구현이고 설치와 업데이트가 쉽다.

• auto 모드가 기본으로 들어 있어 메모리 사용량과 속도 사이에서 적당한 지점을 잡아 준다.
• 다음은 speculative decoding을 위한 MTP 모듈 구현과 이식이다.
• 댓글에서는 같은 접근의 저장소가 이미 여럿(mlx-moe-offload, streamlx, mlx-moe 등) 있으니 새 저장소를 하나 더 만들기보다 벤치마크로 비교하거나 MLX/MLX-LM에 올려 붙이자는 지적이 나왔다.

github.com · 관심사 최상 · 프런트 상위 43.7%