7월 4일 (토) AI 데일리 브리핑

소식 아티클 논문 인터뷰 팟캐스트

미스트랄이 Lean 4 정리 증명 모델 Leanstral 1.5를 오픈웨이트로 내놓았고, PutnamBench 672문제 중 587개를 문제당 4달러에 풀었습니다. 텍스트를 이미지로 바꿔 Claude Fable 5 입력 토큰을 59~70% 줄이는 방법과, 코드가 바뀔 때마다 문서를 다시 만드는 오픈소스 OpenWiki도 나왔습니다.

오늘의 브리핑5

오전 7시

1
AI연구
미스트랄이 Leanstral 1.5를 오픈웨이트로 공개했습니다.
6B만 활성화되는 119B 모델인데, Lean 4 정리 증명에서 miniF2F를 만점으로 채우고 PutnamBench 672문제 중 587개를 풀었습니다. 점수만 보면 새 영역은 아닙니다. Seed-Prover 1.5가 이미 miniF2F를 포화시키고 PutnamBench 88%를 찍었기 때문입니다. 달라진 건 값입니다. Leanstral은 문제당 4달러인데, Seed-Prover 고성능 설정은 문제 하나에 H20 GPU를 10일씩 굴립니다. 70배 넘게 싼 걸 6B 오픈 모델로 해낸 겁니다. 토큰 예산을 늘릴수록 푸는 문제가 계속 늘어서, 5만 토큰이면 44개, 400만 토큰이면 587개까지 갑니다. 쓰임은 수학 밖으로도 넓어졌습니다. Rust 레포 57개를 자동으로 Lean으로 옮겨 성질을 증명시켰더니, 테스트·퍼징이 놓친 미보고 버그 5개가 나왔습니다.
6B만 활성화되는 119B 모델인데, Lean 4 정리 증명에서 miniF2F를 만점으로 채우고 PutnamBench 672문제 중 587개를 풀었습니다.
점수만 보면 새 영역은 아닙니다.
Seed-Prover 1.5가 이미 miniF2F를 포화시키고 PutnamBench 88%를 찍었기 때문입니다.
달라진 건 값입니다.
Leanstral은 문제당 4달러인데, Seed-Prover 고성능 설정은 문제 하나에 H20 GPU를 10일씩 굴립니다.
70배 넘게 싼 걸 6B 오픈 모델로 해낸 겁니다.
토큰 예산을 늘릴수록 푸는 문제가 계속 늘어서, 5만 토큰이면 44개, 400만 토큰이면 587개까지 갑니다.
쓰임은 수학 밖으로도 넓어졌습니다.
Rust 레포 57개를 자동으로 Lean으로 옮겨 성질을 증명시켰더니, 테스트·퍼징이 놓친 미보고 버그 5개가 나왔습니다.
AI 인사이트
같은 점수를 문제당 4달러까지 내린 지점이 이번 공개의 의미입니다. 증명 도구가 코드 버그 탐지로 넘어간 사례도 함께 나왔습니다.
원문 보기mistral.ai
2
AI에이전트
Fable을 쓰다 보면 감독할 수 있는 영역을 넘어섰다는 느낌을 자주 받습니다.
이제는 작업이 끝난 뒤 ‘다음에 무엇을 해야 하는가’를 결정하는 일이 오히려 병목이 되어가는 것 같습니다. 개인 업무에서는 ROI를 최대한 높여야 하지만, 대부분의 실행을 모델이 대신할 수 있게 되면서 누구나 이전보다 훨씬 높은 수준의 결과물을 만들 수 있는 시대가 되었습니다. 상향평준화는 이미 시작됐고, AI를 활용하는 것만으로는 차별화가 어려워지고 있습니다. 앞으로의 경쟁력은 겉으로 잘 드러나지 않는 부분에서 결정될 가능성이 큽니다. 문제를 정의하는 방식, 방향을 설정하는 감각, 업무를 연결하는 구조, 그리고 작은 디테일까지 끊임없이 개선하는 능력이 점점 더 중요해질 것입니다. 이런 요소들이 쌓일수록 사람 간의 격차는 오히려 더 크게 벌어질 것이라고 생각합니다. 이전에는 AI 결과물이 만족스럽지 않아 휴먼터치가 많이 필요했다면, 이제는 반대로 제가 AI 터치를 받아야 할 정도입니다.
이제는 작업이 끝난 뒤 ‘다음에 무엇을 해야 하는가’를 결정하는 일이 오히려 병목이 되어가는 것 같습니다.
개인 업무에서는 ROI를 최대한 높여야 하지만, 대부분의 실행을 모델이 대신할 수 있게 되면서 누구나 이전보다 훨씬 높은 수준의 결과물을 만들 수 있는 시대가 되었습니다.
상향평준화는 이미 시작됐고, AI를 활용하는 것만으로는 차별화가 어려워지고 있습니다.
앞으로의 경쟁력은 겉으로 잘 드러나지 않는 부분에서 결정될 가능성이 큽니다.
문제를 정의하는 방식, 방향을 설정하는 감각, 업무를 연결하는 구조, 그리고 작은 디테일까지 끊임없이 개선하는 능력이 점점 더 중요해질 것입니다.
이런 요소들이 쌓일수록 사람 간의 격차는 오히려 더 크게 벌어질 것이라고 생각합니다.
이전에는 AI 결과물이 만족스럽지 않아 휴먼터치가 많이 필요했다면, 이제는 반대로 제가 AI 터치를 받아야 할 정도입니다.
AI 인사이트
실행을 모델이 가져가면 남는 일은 다음에 무엇을 할지 고르는 판단입니다. 사람 사이 격차도 문제 정의와 방향 설정에서 벌어집니다.
자세히 읽기
3
앤트로픽
텍스트를 이미지로 바꿔 Claude Fable 5 입력 토큰을 59~70% 줄이는 방법이 나왔습니다.
Fable 5는 이미지 토큰을 안에 담긴 글자 수 대신 픽셀 크기로 매긴다고 합니다(대략 가로×세로÷750). 그래서 텍스트를 이미지로 렌더해 OCR시키면, 글자를 다 토큰화하는 것보다 싸져 59~70%가 빠진다는 설명입니다. DeepSeek-OCR·Glyph가 긴 텍스트를 비전 토큰에 눌러 담아 7~20배 줄인 '광학 컨텍스트 압축'을 손으로 흉내 낸 축소판입니다. 다만 줄어드는 건 입력 토큰뿐입니다. 출력·추론 토큰은 그대로라 답이 긴 작업이면 절감이 미미하고, OCR이 손실이라 코드·숫자를 틀리게 읽을 수 있습니다. 이미지 속 글자가 지시인지 내용인지 모델이 헷갈리면 인젝션 표면도 되고, Claude Code처럼 내부 호출이 많은 루프에선 의미가 없을 가능성이 높지만 픽셀 과금의 허점을 찌른 재미있는 시도인 것 같습니다.
Fable 5는 이미지 토큰을 안에 담긴 글자 수 대신 픽셀 크기로 매긴다고 합니다(대략 가로×세로÷750).
그래서 텍스트를 이미지로 렌더해 OCR시키면, 글자를 다 토큰화하는 것보다 싸져 59~70%가 빠진다는 설명입니다.
DeepSeek-OCR·Glyph가 긴 텍스트를 비전 토큰에 눌러 담아 7~20배 줄인 '광학 컨텍스트 압축'을 손으로 흉내 낸 축소판입니다.
다만 줄어드는 건 입력 토큰뿐입니다.
출력·추론 토큰은 그대로라 답이 긴 작업이면 절감이 미미하고, OCR이 손실이라 코드·숫자를 틀리게 읽을 수 있습니다.
이미지 속 글자가 지시인지 내용인지 모델이 헷갈리면 인젝션 표면도 되고, Claude Code처럼 내부 호출이 많은 루프에선 의미가 없을 가능성이 높지만 픽셀 과금의 허점을 찌른 재미있는 시도인 것 같습니다.
AI 인사이트
과금 방식의 허점을 찌른 시도라 오래 버티기는 어렵습니다. 입력만 줄고 출력과 추론 토큰은 그대로라는 한계가 같이 붙습니다.
원문 보기github.com
4
AI에이전트
GitHub 레포로 문서 사이트를 만들고 코드와 함께 갱신하는 오픈소스 OpenWiki가 나왔습니다.
자동 위키 자체는 DeepWiki가 먼저 열었습니다. OpenWiki가 다른 건 코드가 바뀔 때마다 계속 갱신된다는 점입니다. 문서를 사람이 손으로 유지하는 대신 소스에서 파생돼 빌드처럼 다시 만들어지게 해서, 코드는 바뀌는데 문서만 낡는 문제를 구조적으로 막습니다. 이 도구는 Vercel의 eve('에이전트용 Next.js') 쇼케이스이기도 합니다. 웹앱은 durable 에이전트를 소비할 뿐이고, 코드 분석·위키 생성은 백그라운드 잡으로 돌아가며 Neon에 상태, Blob에 산출물을 쌓습니다. 에이전트가 파생물을 만들어 신선하게 유지하는 앱의 표준형입니다. 다만 자동 문서는 코드가 무엇을 하는지는 잘 적어도, 왜 그렇게 짰는지(설계 의도·트레이드오프)는 못 채웁니다. 그 부분은 여전히 사람이 채웁니다.
자동 위키 자체는 DeepWiki가 먼저 열었습니다.
OpenWiki가 다른 건 코드가 바뀔 때마다 계속 갱신된다는 점입니다.
문서를 사람이 손으로 유지하는 대신 소스에서 파생돼 빌드처럼 다시 만들어지게 해서, 코드는 바뀌는데 문서만 낡는 문제를 구조적으로 막습니다.
이 도구는 Vercel의 eve('에이전트용 Next.js') 쇼케이스이기도 합니다.
웹앱은 durable 에이전트를 소비할 뿐이고, 코드 분석·위키 생성은 백그라운드 잡으로 돌아가며 Neon에 상태, Blob에 산출물을 쌓습니다.
에이전트가 파생물을 만들어 신선하게 유지하는 앱의 표준형입니다.
다만 자동 문서는 코드가 무엇을 하는지는 잘 적어도, 왜 그렇게 짰는지(설계 의도·트레이드오프)는 못 채웁니다.
그 부분은 여전히 사람이 채웁니다.
AI 인사이트
문서를 빌드 산출물로 만들면 코드와 문서가 어긋나는 문제가 구조에서 사라집니다. 설계 의도를 적는 일은 여전히 사람이 맡습니다.
원문 보기openwiki.sh
5
AI에이전트
회사 환경을 디지털 트윈으로 구축해봤습니다.
각 에이전트 별로 접근 권한을 제한해서 본인 컴퓨터에서 설정한 영역에서만 작업을 수행하고 권한이 있는 에이전트에게 탑다운으로 명령을 수행하고 결과물은 보안 절차에 맞게 바텀-업 하는 구조입니다. 각 직원 컴퓨터에서 참여할 수 있고, 실행 전에는 사람의 승인을 받거나 자동으로 돌아갑니다. 캐릭터는 모델링으로 원하는 모델을 넣을 수 있게 해서 좀 더 보기 편한 구조로 해 봤는데, 3D 시각화로 만드니 재미있습니다.
각 에이전트 별로 접근 권한을 제한해서 본인 컴퓨터에서 설정한 영역에서만 작업을 수행하고 권한이 있는 에이전트에게 탑다운으로 명령을 수행하고 결과물은 보안 절차에 맞게 바텀-업 하는 구조입니다.
각 직원 컴퓨터에서 참여할 수 있고, 실행 전에는 사람의 승인을 받거나 자동으로 돌아갑니다.
캐릭터는 모델링으로 원하는 모델을 넣을 수 있게 해서 좀 더 보기 편한 구조로 해 봤는데, 3D 시각화로 만드니 재미있습니다.
AI 인사이트
권한을 사람 조직도대로 나눈 설계는 에이전트를 늘릴 때 생기는 사고를 미리 줄입니다.

오늘 한 마디

AI 정리

Fable 5를 쓰는 요령은 〈병목은 내가 모르는 것, Claude Code 개발자의 Fable 5 사용법〉에 정리했습니다. Fable 5 출시 영상을 Claude Code로 만든 Thariq는 색보정이 무엇인지 몰라 시안을 고르는 대신 Claude에게 색보정부터 배웠습니다.

인사이트와 「오늘 한 마디」는 그날 올린 글을 AI가 정리한 것이라 사실과 다를 수 있어요. 소식 본문과 출처는 사람이 확인했어요.

이전 다음