리브의 아침 브리핑

01AI 코딩으로 병목이 된 CI, Linear는 어떻게 개선했나

에이전트 덕에 코드 작성과 출시는 급격히 빨라졌는데, 모든 PR이 거치는 CI는 같은 속도로 빨라지지 않았습니다. 연초 이후 테스트가 거의 4배로 늘었지만 PR의 CI 대기 시간은 6분 초과에서 5분 남짓으로 줄였고, 테스트당 러너 사용 시간은 약 절반으로 낮췄습니다.

• 더 빠른 외부 러너와 네이티브 TypeScript 컴파일러 tsgo로 옮겨 tsc 검사 시간 중앙값을 73% 줄였고, 타입 정보에 기대던 린트 규칙을 AST 기반으로 다시 써서 저장소 전체 린트 시간을 55% 줄였습니다.
• 모든 샤드가 기다리는 변경 감지 작업은 필요한 이력만 가져오게 해 중앙값을 26초에서 8초로 줄였고, 캐시 마커 기록은 병합을 막지 않는 별도 작업으로 뺐습니다.
• node_modules 캐시는 복원에 약 28초가 걸렸고 필요한 패키지만 새로 설치하면 약 7.5초면 돼서 캐시를 없앴습니다. 샤드당 준비 시간은 110-140초에서 67-73초가 됐습니다.

linear.app · 관심사 상 · 추천 상위 17.3%

02Claude Opus 5.5, 추론 설정별 성능과 비용 비교

Artificial Analysis Intelligence Index에서 Opus 5.5 max는 58점으로 이전 Opus 5 최고점 51점과 Fable 5.1의 53점을 넘었습니다. 다만 추론 강도를 올릴수록 과제당 비용도 함께 뛰어서, 최고점만 보지 말고 작업당 비용을 같이 보셔야 합니다.

• low 42점 0.55달러, medium 51점 1.34달러, high 54점 1.82달러, xhigh 56점 3.46달러, max 58점 5.98달러입니다. high에서 max로 가면 4점을 얻는 대신 비용이 약 3.3배가 됩니다.
• 토큰 단가는 설정과 무관하게 입력 100만 토큰당 4달러, 출력 20달러로 같습니다. 차이는 추론에 쓰는 토큰 양에서 나오고, max는 전체 평가에서 출력 토큰 약 2억 6,000만 개를 썼습니다.
• 과제당 비용은 벤치마크 지표이지 일반 요청 한 건의 예상 비용이 아닙니다. 댓글에서는 max가 간단한 SVG 요청에도 추론 한도를 다 써서 실패했다는 사례와, 대부분 작업에는 medium이 낫다는 경험담이 나왔습니다.

artificialanalysis.ai · 관심사 최상 · 추천 상위 41.3%

03gzip도 언어 모델이 될 수 있을까?

신경망도 학습도 없이 gzip만으로 글을 이어 써 봤습니다. 주어진 텍스트 뒤에 후보를 붙여 보고 가장 작게 압축되는 쪽을 고르는 방식이고, 압축과 예측이 같은 문제라는 원리에서 출발했습니다.

• 압축 길이가 정수 바이트라 다음 바이트 하나만 비교하면 동점이 너무 많이 나옵니다. 그래서 빔 탐색으로 여러 바이트 앞까지 보고 출력할 구간을 정했습니다.
• tiny Shakespeare를 넣으면 문장은 깨지지만 인물 이름과 대사 형식은 그럴듯하게 재현됩니다. 방금 쓴 텍스트를 그대로 복사하는 현상은 최근 일부만 문맥에 남겨 줄였습니다.
• 구현은 Python 표준 라이브러리 zlib만 쓰는 단일 파일입니다.

nathan.rs · 관심사 중 · 추천 상위 41.3%

04OpenAI가 Jev의 밥그릇을 빼앗을까?

문장 대신 선택지별 확률을 돌려주는 Jev가 빠르게 퍼지고 있지만, OpenAI는 이미 도구 선택이나 응답 종료 같은 곳에 토큰 확률을 분류기처럼 써 왔습니다. 제가 보기에 더 큰 경쟁은 분류 API를 복제하는 쪽이 아니라 빠른 판단 기능을 LLM 내부에 넣는 쪽입니다.

• Jev가 일반 LLM 구조라고 가정하면, 선택지 토큰의 로그 확률을 정규화하는 것만으로 비슷한 반환 형식을 만들 수 있습니다. 다만 Jev의 실제 아키텍처는 확인되지 않았습니다.
• 방어력은 아키텍처보다 확률이 실제 정답률과 맞도록 만드는 데이터와 학습 과정에 있을 것입니다. TypeSafe는 학습 데이터가 100% 합성이라고 밝혔습니다.
• 그 과정이 재현하기 어렵다면 TypeSafe는 버티거나 인수되겠고, 쉽다면 대형 모델의 내장 기능으로 흡수될 수 있습니다.

arcturus-labs.com · 관심사 상 · 추천 상위 59.9%

05Pencil 제작기: 제품 가설부터 구현·검증까지, 무한 Product Loop 구축

AI로 개별 태스크를 빨리 끝내는 것과 팀 전체가 제품을 빨리 발전시키는 것은 다른 문제였습니다. 그래서 가설에서 기획, 디자인, 개발, 검증을 거쳐 다음 가설로 돌아가는 Product Loop 자체를 짧게 만드는 데 집중했습니다.

• 처음에는 Figma를 건너뛰고 코드에서 바로 만들었는데, 여러 화면과 플로우를 한눈에 비교하고 AI 결과물을 리뷰하기가 어려웠습니다.
• 그래서 Figma를 AI 결과물을 사람이 리뷰하기 쉬운 구조로 다시 쓰기로 했습니다.
• Pencil은 가설에서 출발해 명세, 시안, 플로우가 연결된 Figma 프로젝트 하나를 만드는 Skill입니다.

liner.com · 관심사 중 · 추천 상위 96.5%

06Python 25줄로 재현한 Jev

Jev in 25 Lines of Python

요즘 화제인 Jev를 Python 25줄로 재현해 봤습니다. 본문 없이 제목과 댓글만 들어와서, 구체적인 구현은 원문을 직접 봐야 합니다.

• 댓글 반응은 지연 시간과 연산량 비교가 빠졌다는 지적이 먼저 나왔습니다.
• Jev와의 오류율 비교도, 항상 파싱 가능한 형식으로 출력하는지도 다루지 않았다는 반응이 이어졌습니다.
• 한 댓글은 글 끝에서 패러디라고 밝힌다며 제목에 농담이라고 적어야 한다고 짚었습니다.

nobodywho.ai · 관심사 최상 · 프런트 상위 4.0%

07이탈리아 의회, 원자력 복귀 법안 가결

Italian parliament votes for return to nuclear energy

이탈리아 의회가 원자력 발전 복귀를 위한 법안을 통과시켰습니다. 과거의 대형 원자로가 아니라 소형 모듈 원자로(SMR) 같은 차세대 기술이 초점이고, 법안 자체는 원자로 건설을 허가하지 않고 이후 사업 심사를 위한 규제 기반만 만듭니다.

• 댓글에서는 원전이 문화 전쟁의 주제가 돼 장단점을 차분히 따지기 어려워졌다는 아쉬움이 나왔습니다.
• 태양광이 많은 전력망에서 원자로 자금을 어떻게 댈지, 법만 만들고 투자자를 못 찾을 수 있다는 의문도 있었습니다.
• SMR에 큰 진전이라며 NATO 차원의 에너지 안보 협력을 기대하는 반응도 이어졌습니다.

apnews.com · 관심사 밖 · 프런트 상위 6.9%

08텔레메트리를 켰을 때만 AGENTS.md를 읽던 Claude Code (수정됨)

Claude Code reads AGENTS.md only when telemetry is on [fixed]

Claude Code가 텔레메트리를 켠 경우에만 AGENTS.md를 읽는 동작을 찾아 기록했습니다. 제목에 표시된 대로 지금은 수정된 상태입니다. 본문은 들어오지 않아 조건이 어떻게 얽혀 있었는지는 원문으로 확인해야 합니다.

• 댓글에서는 의도된 동작인지 버그인지 구분이 안 된다는 반응이 먼저 나왔습니다.
• 바이브 코딩의 결과라는 비꼼도 있었습니다.
• 발견은 좋지만 글이 필요 이상으로 길고, 차라리 이 글을 쓴 프롬프트를 보고 싶다는 반응도 있었습니다.

blog.szypowi.cz · 관심사 최상 · 프런트 상위 9.2%

09토큰이 너무 싸서 셀 필요가 없어질 때

Tokens too cheap to meter

토큰 가격이 계속 떨어지면 사용량을 따지는 일 자체가 무의미해지는 시점이 온다고 봅니다. 본문은 들어오지 않았고, 댓글에 인용된 문장으로 보면 3-6년 안에 현재 프런티어 수준 모델이 일반 하드웨어에서 로컬로 돌 것이라는 전망이 들어 있습니다.

• 댓글에서는 요즘 소비자 하드웨어 사정을 보면 3-6년 전망은 낙관적이라는 반박이 나왔습니다.
• AI 자체는 거품이 아니어도 데이터센터 수요는 거품이고, 하드웨어와 모델 개선이 수요를 앞질러 남는 데이터센터가 생길 것이라는 반응도 있었습니다.
• 추론 시장에서는 NVIDIA의 우위가 몇 달에 불과하다는 지적도 이어졌습니다.

jyn.dev · 관심사 상 · 프런트 상위 25.1%

10측정할 수 있으면 Claude가 빠르게 만든다

Once Claude can measure something, it can make it faster

claude.ai를 더 빠르게 만든 과정을 정리했습니다. 제목이 요지입니다. 무언가를 측정할 수 있게 해 두면 Claude가 그것을 빠르게 만들 수 있습니다. 본문은 들어오지 않아 구체적인 기법은 원문을 봐야 합니다.

• 댓글에서는 에이전트에게 코드 최적화를 맡기되 제약을 걸어 망가뜨리지 못하게 한 자기 글과 결론이 겹친다는 반응이 나왔습니다.
• 프런트엔드 UI 최적화는 알고리듬보다 까다롭지만, 에이전트에게 시각 회귀 추적 도구를 먼저 만들게 하면 충분했다는 경험담도 있었습니다.
• 무엇이 통했고 무엇이 안 통했는지 구분해 적은 점이 좋았다는 평가가 이어졌습니다.

claude.dev · 관심사 상 · 프런트 상위 38.3%