Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
여러 코드 저장소를 쓰는 팀에서는 Cursor의 클라우드 에이전트가 각 저장소 사이의 API 계약을 제대로 맞추기 어렵다. 로컬에서는 여러 저장소를 한 작업 공간에 함께 열어두면 에이전트가 전체 문맥을 볼 수 있어 훨씬 더 유용해진다. 이를 Linear와 연결하기 위해 로컬 컴퓨터에 별도 코드베이스 사본을 하나 더 만들고, 이것을 사실상 클라우드 작업 환경처럼 쓴다. Linear에는 "Ready for AI"라는 상태를 만들고, 로컬 스크립트가 1분마다 Linear를 확인한다. 준비된 이슈가 있으면 스크립트가 모든 저장소의 개발 브랜치를 최신 상태로 당긴 뒤, Linear의 "Git Branch Name"에 맞춰 새 브랜치를 만든다. 그다음 Linear 이슈를 GitHub 브랜치와 연결하고, Cursor CLI가 이슈 내용을 읽어 코드를 수정한다. 작업이 끝나면 스크립트가 풀 리퀘스트를 만든다.
Claude 같은 AI 코딩 도구로 화면을 만들다 보면 버튼 모양, 여백, 색, 컴포넌트 사용 방식이 조금씩 달라질 수 있다. 시간이 지나면 실험하다 남은 코드, 더 이상 쓰지 않는 화면 조각, 서로 맞지 않는 스타일이 쌓여 앱을 고치기 어려워진다. 이 작업 흐름은 먼저 디자인 규칙과 컴포넌트 사용법을 문서로 정리하고, Claude가 그 기준을 계속 참고하게 만드는 방식이다. 주기적으로 화면과 코드를 점검해 규칙에서 벗어난 부분을 찾고, Claude에게 디자인 검토를 맡겨 빠진 부분이나 어색한 차이를 확인한다. 쓰지 않는 코드는 제거하고, 새 기능을 만들 때는 필요한 배경 설명과 기존 디자인 기준을 Claude에게 명확히 제공한다. 핵심은 AI가 코드를 만들게만 두지 않고, 문서화, 점검, 정리, 명확한 지시를 반복해 화면 품질을 관리하는 것이다.
큰 코드베이스에서 Claude를 쓸 때는 한 번에 많은 파일을 읽히기보다, 필요한 정보를 작게 나누어 주는 편이 효율적이다. 먼저 CLAUDE.md 같은 고정 문서에 프로젝트 맵을 만들어 폴더 구조, 핵심 파일, 실행 방법, 자주 쓰는 명령을 정리한다. 작업을 시작할 때는 task scope를 좁게 정해 Claude가 건드릴 범위와 목표를 분명히 한다. 세션이 길어지거나 새 대화로 넘길 때는 session handoff를 짧게 남겨 현재 상태, 이미 확인한 파일, 다음 단계만 전달한다. Claude에게 파일을 읽기 전에 필요한 파일 목록을 먼저 말하게 하고, 전체 파일을 훑기보다 검색을 우선 쓰게 하면 토큰 사용을 줄일 수 있다. 이런 방식은 디버깅, 품질 확인, 큰 프로젝트 이해 작업에서 반복해서 쓸 수 있는 절차다.
Claude Code는 오래 쓰다 보면 성능이 들쭉날쭉해질 수 있다. 오래된 플러그인, 지저분해진 메모리 파일, 너무 많은 컨텍스트가 원인으로 꼽힌다. 해결 방법은 한 달에 한 번 또는 문제가 느껴질 때 정리 작업을 하는 것이다. 먼저 Claude Code 클라이언트를 최신 상태로 업데이트한다. 그다음 플러그인을 살펴보고 필요 없는 것은 지우거나 정리한다. CLAUDE.md와 메모리 파일도 확인해서 오래되었거나 불필요한 내용을 줄인다. 필요하면 권한 허용 목록을 설정해 Claude Code가 할 수 있는 작업 범위를 더 예측 가능하게 만든다. 목표는 AI 개발 도구가 매번 비슷한 품질로 답하고, 불필요한 토큰 사용을 줄이며, 디버깅 시간을 아끼는 것이다.
큰 코드 저장소나 모노레포를 AI로 관리할 때 코드가 불필요하게 길어지고 복잡해지는 문제를 줄이기 위한 작업 방식이다. Claude Opus 4.8이 전체 방향을 잡고 일을 나누는 역할을 맡고, GPT-5.5가 실제 구현을 맡는 구조다. 여러 AI 작업자가 동시에 따로 움직일 수 있도록 codex-mcp-swarm 같은 도구를 붙인다. 필요한 코드와 문서를 더 잘 찾아 쓰기 위해 claude-context로 의미 검색과 컨텍스트 관리를 한다. 이 방식은 품질 관리, 메모리, 기술 문서, MCP, 여러 AI 작업자 협업을 함께 다룬다. 난이도는 고급이며, 이미 쓰고 있는 활성 워크플로로 제시된다.
Claude Code로 오래 작업하면 새 세션을 시작할 때 이전 작업 내용과 프로젝트 상황을 다시 설명해야 하는 문제가 생긴다. 이 방법은 특정 프로젝트용 ‘다시 시작’ 파일을 만들어 더블클릭만으로 Claude Code를 여는 방식이다. 파일은 bash .command 스크립트로 만들며, 먼저 해당 프로젝트 폴더로 이동한 뒤 Claude Code를 실행한다. 실행할 때 Claude Code에게 내부 메모리 노트를 읽고 현재 프로젝트 상태를 파악하라는 맞춤 안내문을 함께 보낸다. 이렇게 하면 매번 사람이 처음부터 배경을 설명하지 않아도 이전 작업 흐름을 더 빨리 이어갈 수 있다. 특히 장기 프로젝트에서 품질 점검, 디버깅, 출시 준비처럼 맥락이 많이 필요한 작업에 도움이 된다.
Claude로 만든 글이 너무 매끈하고 비슷한 리듬을 반복하며 실제 내용이 약해 보이는 문제를 줄이기 위한 워크플로입니다. 핵심은 Claude 스킬을 써서 흔히 ‘AI 티’가 나는 문장 패턴을 찾아내고, 더 자연스럽고 덜 일반적인 표현으로 바꾸는 것입니다. 이 스킬은 AI가 만든 글에서 자주 보이는 특징을 조사한 내용을 바탕으로 만들어졌습니다. 목표는 Claude의 답변을 사람이 쓴 글처럼 보이게 꾸미는 것보다, 빈말과 반복을 줄이고 글의 밀도를 높이는 데 가깝습니다. 품질 관리, 문맥과 메모리, 스킬 사용이 주요 범주로 제시됩니다.
긴 AI 코딩 작업에서 CLAUDE.md나 AGENTS.md를 너무 크게 만들면 매번 필요 없는 지시까지 함께 읽히게 된다. 이 파일들은 AI 코딩 도구가 프로젝트 규칙을 이해하는 데 도움이 되지만, 모든 내용을 한곳에 넣으면 현재 작업과 상관없는 문맥 비용이 늘어난다. 중요한 규칙이 긴 문서 안에 묻힐 수 있고, 오래된 가정이 계속 영향을 줄 수 있다. 특정 작업용 지시가 다른 작업을 방해할 수도 있다. 기본 파일에는 공통 프로젝트 규칙, 기준이 되는 문서 위치, 건드리면 안 되는 영역, 질문이 필요한 상황, 작업별 문서를 찾는 방법만 담는 편이 좋다. 구현 규칙, README 수정 규칙, 테스트 규칙, 인수인계 규칙, 배포 점검표, 긴 작업의 단계 보고서는 별도 문서로 나누는 방식이 제안된다.
Claude를 Shopify 매장에 바로 깊게 연결하지 않고, 작은 권한부터 주는 방식이 안전하다. 테마와 사이트 코드는 GitHub에 두고 Claude Code로 수정하되, 처음에는 사람이 직접 확인하고 배포한다. 상품 설명, 이메일 마케팅, 디버깅처럼 성격이 다른 일은 각각 다른 프로젝트나 지시 파일로 나누면 Claude가 헷갈릴 가능성이 줄어든다. Claude가 마음대로 배포하거나 민감한 설정을 바꾸지 못하도록 금지 규칙을 미리 적어둔다. 충분히 믿을 수 있을 때만 좁은 범위의 응용 프로그램 인터페이스 연결을 추가해 자동화 범위를 천천히 넓힌다.
GLM-5.2는 여러 코딩·에이전트형 벤치마크에서 GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro에 꽤 가까운 점수를 낸 것으로 제시됐다. 눈에 띄는 점수는 SWE-bench Pro 62.1점, Terminal-Bench 2.1 81.0점, MCP-Atlas 77.0점, 도구를 쓰는 Humanity’s Last Exam 54.7점이다. GLM-5.2는 오픈 모델이고, 한 번에 매우 긴 내용을 다룰 수 있는 100만 토큰 문맥 창을 갖췄다는 점도 핵심이다. DeepSeek R1 이후 오픈 모델이 폐쇄형 최상위 모델에 가까워지고 있다는 흐름을 다시 보여주는 사례로 볼 수 있다. 다만 실제 제품에서의 체감은 점수만으로 판단하기 어렵다. GLM-5.2는 최종 답을 내기 전에 생각하는 시간이 길 수 있고, 그 과정이 화면에 보이지 않으면 사용자는 모델이 느리다고 느낄 수 있다. 가격도 표면상 Opus나 GPT급 모델보다 훨씬 싸 보이지만, 추론 토큰을 많이 쓰면 실제 비용 차이는 줄어들 수 있다.
카탄의 확장판인 Cities & Knights에서 영감을 받은 전략 보드게임 Vorryn이 약 3주 만에 대부분 작동하는 수준까지 만들어졌다. 목표는 혼자서도 재미있게 상대할 수 있는 AI 상대가 있는 게임을 빠르게 만드는 것이었다. 현재 결과물은 정착지, 도시, 길, 기사, 진행 카드, 최장 도로, 버서커 같은 규칙을 갖춘 실제 게임 엔진과 점수 계산 방식의 AI 봇, 로그인과 저장, 실시간 갱신, 관리자 화면이 있는 SvelteKit 웹앱이다. 이후 완성도를 높이는 데 몇 주가 더 걸렸다. 규모는 약 26만 줄, 약 1,300개 파일, 약 5,500개 테스트, 2,500개 이상 깃허브 커밋이다. 개발에는 주로 Claude Code가 쓰였고, 일부는 Codex가 쓰였다. Codex는 Claude가 오래 막히던 문제 몇 가지를 바로 푼 사례도 있었다. 기술 구성은 엄격한 TypeScript, pnpm 작업공간 3개 패키지(core 엔진, bot AI, web 앱), SvelteKit, Pixi.js, Postgres와 Drizzle ORM, Auth.js v5, Vitest, Playwright를 포함한다.
GLM 코딩 요금제를 Claude Code에서 쓰는 과정에서 `API Error: [1302][Rate limit reached for requests]` 오류가 반복적으로 발생했다. 이 오류가 나면 에이전트 실행이 완전히 멈춰서, 작업을 맡겨 두고 돌아와도 아무 진행이 되지 않은 상태가 된다. 실제 사용 경험상 이런 실패가 10번 중 9번 정도 일어났고, 구매한 요금제는 코딩 작업에 사실상 쓰기 어렵다는 평가다.
2026 월드컵 판타지 게임에서 선수를 비교하기 위한 무료 통계 사이트가 만들어졌다. 선수별 최근 성적, 점수, 보유 비율을 표로 볼 수 있고, 경기일별 승리 확률은 팀 색상으로 구분된다. 예산 제한 안에서 베스트 11명 또는 15명을 짜는 기능이 있으며, 선수단 계획 도구와 선수 비교 도구도 있다. 대회 조별 순위와 토너먼트 대진도 실시간으로 확인할 수 있다. 데이터는 공식 FIFA Fantasy API에서 자동으로 새로고침된다. 제작자는 Claude가 코딩의 대부분을 맡았고, 본인은 방향을 잡고 테스트하는 방식으로 만들었다.
전역 CLAUDE.md와 프로젝트별 CLAUDE.md를 나눠 쓰면 Claude Code를 더 안정적으로 사용할 수 있다. 핵심은 CLAUDE.md에 코드 설명을 길게 적는 것이 아니라, Claude가 어떻게 행동해야 하는지에 대한 지시를 적는 것이다. 전역 파일에는 모든 프로젝트에 공통으로 적용되는 작업 방식과 선호 규칙을 두고, 프로젝트별 파일에는 해당 저장소에서만 필요한 명령, 규칙, 주의점을 둔다. 이렇게 나누면 같은 지시가 겹치거나 서로 충돌하는 일을 줄일 수 있다. 오래된 코드 설명이 남아 Claude를 헷갈리게 하는 문제도 줄어든다. 불필요한 내용이 문맥을 차지하는 문맥 비대화도 막을 수 있다.
AI 코딩 도구는 프레임워크가 이미 제공하는 기본 기능을 쓰면 되는 문제도 임시 연결 코드로 해결할 때가 있다. 이렇게 만든 코드는 당장은 작동해도, 나중에 고치기 어렵고 그 프레임워크의 일반적인 방식과 어긋날 수 있다. 이를 줄이기 위해 코드 수정 전후에 ‘네이티브 경로 영수증’을 작성하게 하는 품질 점검 흐름을 둔다. 수정 전에는 AI가 해당 프레임워크의 기본 기능이나 공식 API를 먼저 찾고, 왜 그것을 쓰는지 적는다. 수정 후에는 실제 코드가 그 선택을 따랐는지, 단순히 작동만 하는 것이 아니라 프레임워크가 기대하는 방식에 맞는지 확인한다. 이 방식은 Claude Code 같은 AI 코딩 도구가 더 표준적이고 유지보수하기 쉬운 코드를 만들도록 유도한다.
ChatGPT, Claude, Gemini 같은 도구의 바탕에는 LLM이 있다. LLM은 많은 글에서 배운 패턴을 바탕으로 다음에 올 말을 예측하고 문장을 만든다. 토큰은 AI가 읽거나 쓰는 작은 글 조각이며, 단어 하나일 수도 있고 단어의 일부나 문장부호일 수도 있다. 컨텍스트 창은 AI가 한 번에 볼 수 있는 정보의 양을 뜻하며, 클수록 긴 대화나 긴 문서를 더 잘 다룰 수 있다. 프롬프트는 AI에게 주는 질문이나 지시다. 환각은 AI가 그럴듯하고 자신 있게 말하지만 실제로는 틀리거나 지어낸 답을 내놓는 경우다. 추론은 이미 학습된 모델을 실제로 써서 답을 만드는 과정이고, 학습은 그 모델을 만드는 과정이다. API는 개발자가 AI 모델을 다른 앱이나 제품에 연결하는 방법이다. RAG는 AI가 답하기 전에 문서나 데이터베이스를 찾아보고 답을 만드는 방식이며, 임베딩은 글의 뜻을 숫자로 바꿔 컴퓨터가 의미가 비슷한 글을 비교할 수 있게 해준다.
구글이 제미나이(Gemini) 앱 사용자들에게 피드백을 요청했고, 그 결과 자주 나온 요청 상위 10개를 정리해 공유했습니다. 커뮤니티에서 함께 언급된 요청 중에는 대화 중 원하는 메시지에 책갈피(북마크)를 남기는 기능과, 여러 대화에 걸쳐 공통으로 참고할 문서를 등록해두는 전역 컨텍스트 문서 창(패널) 기능이 있습니다. 즉 사용자들은 단순히 답변 품질보다, 대화를 더 잘 정리하고 관리할 수 있는 사용성 기능을 원하고 있다는 흐름이 읽힙니다.
Claude를 하루 종일 쓰는 1인 프리랜서에게 월 20달러짜리 Pro 요금제는 사용량이 부족하다. 작업 범위는 에이전트 조율, 코딩, 분석, 글쓰기처럼 실제 업무 전반이다. 세션 한도와 주간 한도에 자주 걸리지만, 다음 단계인 Max 요금제는 월 100달러라서 한 번에 5배 비싸진다. 그래서 Claude Pro에 20달러를 내고, 부족한 사용량은 ChatGPT와 Codex에 다시 20달러를 내서 메우는 방식이 된다. 월 35~40달러에 Pro보다 2~3배 더 쓸 수 있는 중간 요금제가 있으면 OpenAI 결제를 끊고 Anthropic에만 돈을 내겠다는 의견이다. 사용량 크레딧은 해결책이 되기 어렵다. 응용 프로그램 인터페이스 토큰 요금 기준으로 빠르게 소진되어, 기본 Pro 사용량보다 체감 비용이 훨씬 높기 때문이다.
Claude Opus, Codex, 로컬 Gemma 모델을 함께 쓰는 자동 주식 거래 시스템 설계다. 각 모델은 역할을 나눠 쓰며, 비싼 모델은 중요한 판단에 쓰고 가벼운 모델은 보조 작업에 쓰는 구조다. 시스템의 기준과 기록은 Charter, Decision Journal, Playbook, Coaching Log 같은 구조화된 문서 파일에 남긴다. 이 문서들은 목표, 결정 기록, 전략, 자기 점검 내용을 보관해 에이전트가 같은 기준으로 계속 움직이게 한다. 증권사와 연결할 때는 MCP를 사용하고, 실제 돈이 걸린 거래는 사람이 허락해야 실행되도록 막는다. 안정성을 위해 잠금, 감시 장치, 데드맨 스위치, 하트비트 같은 보호 장치를 넣어 멈춤, 중복 실행, 위험한 자동 실행을 줄인다.
개인 실험에서 OpenClaw를 맥에 설치한 뒤, 거의 모든 일에 쓰는 개인 비서로 만들고 ‘Igor’라는 이름과 별도 계정까지 붙였다. 가장 큰 불편은 약 20만 토큰이 지나면 이전 대화와 작업 맥락을 잊어버려, 매번 새 비서를 다시 만나는 느낌이 난다는 점이었다. 이를 줄이기 위해 16만 토큰쯤 되었을 때 텔레그램 대화 기록을 새로 내려받는 기술을 만들었지만, AI는 여전히 그 내용을 오래 기억하지 못했다. 목표는 단순한 메모리 도구가 아니라 사람의 기억 방식에 가까운 ‘두 번째 뇌’였다. 오늘 들은 일은 거의 그대로 기억하고, 하루 뒤에는 중요한 변화나 통화만 남고, 일주일 뒤에는 몇 가지 핵심만 흐릿하게 남고, 한 달 뒤에는 정말 중요한 일만 남는 식의 기억 구조를 만들려 했다. 또한 일반적인 기억 방식이 아니라, 더 많은 내용을 자세히 보존하는 자폐적 기억 패턴을 참고하려 했다는 점이 특징이다.
오픈소스 SDK mcp-use를 만들던 피에트로와 루이지가 이번에 Manufact라는 클라우드 서비스를 새로 선보였다. Manufact는 MCP(모델 컨텍스트 프로토콜) 서버와 앱을 배포하고, 반복 개발하고, 테스트하고, 모니터링할 수 있게 해주는 전용 클라우드로, Next.js에 대한 Vercel 같은 위치를 노린다. 개발자와 AI 에이전트 모두가 쓰기 편하도록 설계했으며, MCP 앱을 스토어에 제출할 준비까지 지원한다. 팀은 2025년 4월부터 MCP 관련 작업을 해왔고, 기존 오픈소스 SDK인 mcp-use는 그대로 유지하며 별도로 계속 개발한다.
간단한 선화와 Blender로 만든 렌더를 바탕으로 Gemini가 장면을 새로 구성했다. 요청 내용은 방호복을 입은 사람을 변기 위에 추가하고, 선화를 사실적인 스타일로 바꾸고, 깨진 거울을 넣는 것이었다. 또 렌더된 생물을 거울 속 반사에 배치하고, 바닥에는 임의의 물건도 추가했다. 결과물 비교용으로 최종 이미지, 점토 느낌의 렌더, Blender 렌더, 원래 선화가 함께 제시됐다. 즉흥적으로 만든 재료와 지시만으로도 꽤 그럴듯한 이미지가 나왔다는 평가다.
2,207개의 고프로 영상에서 자전거 여행 중 재미있는 순간을 다시 찾기 위해, M1 Max 맥에서 영상 내용을 로컬로 분석하는 도구가 만들어졌다. 실제로는 628개 영상, 총 668.68GB, 15시간 13분 18초 분량을 색인했다. 음성은 OpenAI Whisper로 글자로 바꾸고, 얼굴은 DeepFace와 RetinaFace, VGG-Face로 찾았다. 장면 설명은 Qwen2.5-VL이 맡고, 화면 속 글자는 easyocr로 읽었다. 이렇게 만든 색인을 검색하면 원하는 순간을 찾을 수 있고, 좋은 클립을 DaVinci Resolve 편집 타임라인으로 바로 보낼 수 있다. 공개 모델만으로 개인 컴퓨터에서 꽤 큰 영상 보관함을 다룰 수 있다는 점이 핵심이다.
Claude를 은행 앱 대신 개인 금융 현황을 확인하는 창구로 쓰는 방식이다. 몇 주 동안 은행 현황판에 직접 로그인하지 않고, Claude에게 현재 돈 상황을 물어보면 잔액, 흐름, 확인이 필요한 항목을 한 번에 정리해 준다. 예시 질문은 현금 보유 상태를 업데이트해 달라는 형태다. 핵심은 금융 데이터를 사람이 직접 화면마다 확인하는 대신, Claude가 읽기 쉬운 요약 보고서처럼 보여 주는 점이다.
Gemini Pro Extended 버전을 사용하는 한 이용자가 최근 2주 동안 응답 품질이 눈에 띄게 나빠졌다고 보고했다. 예시로 특정 차트를 보여주고 분석을 요청했는데, 차트에 존재하지도 않는 '리니어 TV'라는 항목을 답으로 내놓는 등 명백한 오류를 냈다. 원래는 Gemini에 대한 불만 게시글들을 대수롭지 않게 넘겼지만, 직접 이런 경험을 겪은 뒤 문제가 실재한다고 판단하게 됐다는 내용이다.
코드 리�viewer의 역할에 대한 흔한 오해를 지적하는 주장이다. 코드 리뷰의 목적은 리뷰어가 버그를 찾아내거나 코드가 버그 없음을 보장하는 것이 아니다. 코드를 살펴보는 것만으로 버그를 찾아내는 건 원래 일반적으로 불가능하며, 리뷰로 버그를 걸러낼 수 있다고 믿는 것은 안일한 생각이라는 것이다. 진짜 핵심 목적은 '유지보수하기 어려운 코드'를 찾아내는 데 있다. 리뷰어가 코드를 보고 그것이 무엇을 하는지, 어떻게 동작하는지 이해하려고 시도했을 때 이해가 안 된다면, 그 코드는 나중에 유지보수하기 어려워질 것이라는 신호이다. 따라서 원저자가 아직 그 코드에 익숙할 때, 즉 지금 당장 고쳐야 한다는 것이다.
코딩과 Godot 경험이 거의 없는 사람이 Claude의 Godot용 커뮤니티 연결 도구를 써서 작은 게임을 만들고 있다. 목적은 출시가 아니라, 오래전부터 직접 해보고 싶었지만 기존 게임에서 찾지 못한 아주 개인적이고 좁은 취향의 게임을 만들어 보는 것이다. Claude와 대화하면서 막혔던 부분이 실제 기능으로 바뀌는 경험은 크게 도움이 된다. 혼자서는 이해하지 못했던 구조나 구현을 Claude가 대신 풀어 주기 때문이다. 동시에 거대 언어 모델이 어려운 일을 대부분 해 주는 느낌 때문에, 직접 해낸 것이 아니라는 죄책감도 생긴다. 핵심 고민은 AI 도구로 개인 프로젝트를 빠르게 만들 수 있게 되었을 때, 결과물에 대한 성취감과 소유감을 어떻게 받아들일지다.
엘리베이터 정비사가 전문 개발자가 아닌 상태에서 Claude의 도움으로 RiseLynk라는 현장 서비스 플랫폼을 만들었다. 작은 취미 코딩 경험은 있었고 코드를 읽고 조금 고칠 수는 있었지만, 직업 개발자는 아니었다. RiseLynk는 엘리베이터 서비스 회사를 위한 하나의 연결된 시스템이며, 현장 앱, 사무실 관리 화면, 고객 포털, 보조 도구 Lynk로 구성된다. 현장 앱은 신호가 없어도 경로 확인, 작업 티켓 열기, 시간·부품·사진·메모·검사 양식 기록을 할 수 있고, 다시 온라인이 되면 동기화된다. 사무실 화면에서는 배차와 청구를 다루며, 가까운 정비사를 빠르게 배정하고 월간 경로를 만들고 제안을 견적으로 바꾸고 송장을 처리한다. 고객 포털은 로그인 없이 엘리베이터의 QR 코드를 스캔해 문제를 신고하고 장비 서비스 이력을 볼 수 있게 한다. Lynk는 세 화면 전체에서 회사의 실제 기록을 바탕으로 답하는 보조 도구이며, 일반 챗봇처럼 넓고 막연하게 답하는 방식과 다르다. 이 서비스는 앱스토어 설치가 필요 없는 PWA이며, 여러 제조사 장비가 섞인 현장에도 맞게 설계됐다.
Claude Fable 5는 무료로 마음껏 쓰는 도구라기보다 비용이 붙는 선택지로 보인다. 확인할 수 있는 핵심 내용은 짧다. 새 Claude 모델을 시험해 보려는 사람은 성능뿐 아니라 사용료도 함께 계산해야 한다. 1인 개발자나 메이커에게는 새 모델을 바로 워크플로에 넣기 전에 실제 비용 대비 도움이 되는지 따져볼 필요가 있다.
고가의 DGX Spark를 산 뒤, 로컬 대형 언어 모델이 실제 프로그래밍 보조 도구로 쓸 만한지 확인하려면 간단한 코딩 테스트가 필요하다는 주장이다. 테스트는 C99로 원주율 100자리를 계산하는 프로그램을 만들게 하는 방식이다. 숫자를 미리 적어 넣으면 안 되고, 직접 큰 수 계산 방식을 쓰거나 gmp.h 같은 라이브러리를 활용해야 한다. 이 과제는 C 언어 코드 작성, 기본 설계, 디버깅, 특이한 윈도우 개발 도구 환경 처리 능력을 한꺼번에 본다. Claude Opus 4.8과 Sonnet 4.6은 한 번에 성공했고, Haiku 4.5는 약간의 디버깅 뒤 성공했다. 반면 최신 Ollama로 돌린 Qwen3.6 35B와 27B 양자화 모델은 OpenCode, OpenClaude, Hermess 환경에서 크게 실패했다. 어떤 경우에는 파일 생성조차 제대로 하지 못했고, 생성된 C 코드는 거의 쓸 수 없는 수준이었다. 다만 Qwen은 인터넷에서 금 가격을 찾아 온스와 그램 단위로 출력하는 일은 해냈고, 원주율 계산 알고리즘 자체를 전혀 모르는 것은 아닌 것으로 보인다.