Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
며칠 동안 이어진 작업 흐름 중 Claude가 깊이 있는 요청에 답하다가 갑자기 대화를 멈추고, 사용자를 속으로 ‘Kevin’이라고 불러 왔다고 말했다. Kevin은 실제 이름이 아니었다. Claude는 대화에서 직접 그렇게 부른 적은 없지만, 내부적으로 꽤 오래 그렇게 불러 왔고 이제 알아차려 바로잡아야 한다는 식으로 말했다. 그 뒤에는 다시 원래 작업으로 돌아갔고, 같은 이야기를 다시 꺼내지 않았다. 실제 내부 기억을 드러낸 것이라기보다, Claude가 자기 상태를 그럴듯하게 꾸며 말한 이상한 응답으로 보는 것이 안전하다.
Codex의 새 사용량 재설정 방식에서는 남은 재설정 횟수만 보이면 실제로 언제 생겼고 언제 사라지는지 알기 어렵다. 쌓아 둔 재설정은 받은 뒤 30일이 지나면 만료될 수 있다. 공식 Codex 앱이나 CLI보다 더 자세한 정보는 원시 API 응답에서 확인할 수 있으며, 이를 이용해 간단한 CLI 도구를 직접 만들 수 있다. 관련 Windows 유틸리티인 TaskbarQuota는 작업 표시줄에서 할당량과 재설정 정보를 보여주고, 가장 오래된 재설정이 사라지기까지 남은 시간도 표시한다. 만료 5일 전 알림을 보내 남은 사용량을 놓치지 않고 쓰도록 돕는 기능도 있다.
Claude Opus 4.8로 같은 5개 웹 작업을 시켜 보고, 모델은 그대로 두고 웹페이지를 보는 방식만 바꿨다. 하나는 화면 픽셀을 보고 좌표를 클릭하는 Computer Use였고, 다른 하나는 페이지 구조인 DOM에 접근하는 Browser Use였다. 각 작업은 Pass@3 방식으로 비교됐다. Browser Use는 같은 수나 더 적은 단계로 끝나는 경우가 많았지만, 한 단계마다 더 많은 문맥을 처리해서 비용이 더 컸다. 5개 중 4개 작업에서는 Computer Use가 더 많은 클릭을 하더라도 더 쌌다. 예를 들어 책 UPC 찾기는 Computer Use가 4단계에 0.40달러, Browser Use가 3단계에 0.79달러였고, 위키백과 조회는 각각 5단계 0.53달러와 4단계 1.28달러였다. 티셔츠 구매 작업도 Computer Use가 17단계 4.01달러, Browser Use가 20~25단계 7.41달러로 더 비쌌다. 다만 비슷한 상품이 많은 촘촘한 상품 목록에서 장바구니 버튼을 찾는 작업은 Browser Use가 DOM으로 대상을 찾아 4~5단계와 1.22달러에 끝냈고, Computer Use는 16단계와 3.74달러가 들었다.
Windows용 Claude Desktop에서 비전문 동료들이 사내 Outline 위키를 열람할 수 있게 하려는 설정이 막혀 있다. Outline 위키는 외부에서 접근할 수 없는 사내망에 있어, 공개 주소를 쓰는 원격 클라우드 연결이나 SSE 방식은 사용할 수 없다. 그래서 MCP 서버를 로컬에서 실행해야 한다. 같은 MCP 연결은 Claude Code의 CLI에서 정상 작동하고, OpenAI Codex 데스크톱 앱에서도 정상 작동한다. Claude Code 데스크톱 앱도 로컬에서 실행되는 Code 모드에서는 문제없이 작동하지만, Cowork 모드에서는 실패한다. 이 차이는 사내망 경로나 MCP 서버 자체보다는 Claude Desktop 또는 Cowork 실행 방식 쪽에 문제가 있을 가능성을 보여준다. Windows Claude Desktop의 `%APPDATA%\Claude\claude_desktop_config.json`에 `cmd /c npx -y mcp-remote https://outline.internal/mcp` 방식으로 설정했지만, 연결이 조용히 실패하거나 아예 연결을 거부한다. Opus 4.8도 일반적인 점검 조언만 내놓아 실질적인 해결에는 도움이 되지 않았다.
Gemini의 1년 무료 학생 요금제에서 체감 성능이 떨어졌다는 문제 제기다. 핵심은 Google이 학생용 무료 혜택에 별도 사용량 제한을 더 강하게 걸었는지, 아니면 Gemini 서비스 전체 품질이 함께 나빠졌는지 구분하는 것이다. 구체적으로 어떤 기능이 느려졌는지, 오류가 늘었는지, 실제 한도가 바뀌었는지는 확인되지 않았다.
코딩을 직접 하지 않아도 Claude Code나 Codex 같은 코딩 에이전트에 일을 정확히 설명하면 Python 스크립트의 첫 버전을 만들 수 있다. 핵심 방식은 정해진 문장 틀을 쓰고, 대괄호 안의 도구 이름만 자기 환경에 맞게 바꾸는 것이다. 예를 들어 Discord 대신 Slack, HubSpot 대신 Attio, Fireflies 대신 Otter를 쓰면 해당 부분만 바꾸면 된다. 모든 자동화의 흐름은 비슷하다. 어떤 일이 생기면 데이터를 정리하고, 기준에 따라 판단한 뒤, 결과를 필요한 곳으로 보낸다. 예시로 새 뉴스레터 구독자를 매일 가져와 Apollo로 정보를 보강하고, 이상적인 고객 조건에 맞는지 점수를 매긴 뒤, 좋은 후보만 Google Sheet와 HubSpot에 기록하는 스크립트를 만들 수 있다. 이미 처리한 사람은 SQLite 파일에 저장해 중복 처리를 막고, cron으로 매일 자동 실행하게 한다.
Odysseus 공개 뒤 몇 주 동안 개인 맞춤형 메모 앱으로 확장한 사례다. 기존에는 Obsidian, Notion, OneNote 같은 도구를 써 봤지만 완전히 자기 방식에 맞는 앱을 찾지 못했고, PewDiePie가 공개한 Odysseus를 바탕으로 바이브코딩으로 기능을 붙였다. 처음에는 플러그인을 추가하고 Obsidian 플러그인을 만들었으며, 목표는 사람과 인공지능이 함께 쓰는 디지털 메모리를 만드는 것이었다. 이후 Raptor graph memory 방식을 조사해 저전력 보조 인공지능이 관리할 수 있는 빠른 메모리 구조를 만들었지만, 아주 큰 데이터에서는 아직 충분히 시험하지 않았다. 서버에 GPU가 없어 외부 API나 낮은 성능의 로컬 인공지능에 의존한다. 메모리가 파일 위치와 파일 내용을 함께 알아야 한다고 보고 Nextcloud 지원 플러그인도 추가했다. 작업 중인 ‘최종 수신함’ 기능은 지정된 폴더에 파일을 넣으면 시스템이 메타데이터와 내용을 읽고, 메모리 클러스터를 만든 뒤 Nextcloud에 파일을 저장하는 흐름이다.
완성된 웹사이트가 GitHub 프로젝트를 읽고, 코드 안의 문제를 찾아 쉬운 말로 설명한다. 같은 화면에서 문제를 고치는 변경안도 만들 수 있고, 그 변경안을 풀 리퀘스트로 생성한다. 아직 실제로 사람들이 필요로 하는 문제를 푸는지 확신하지 못한 상태다. 시험해 볼 사람과 피드백을 찾고 있다.
Sqim은 원격 AI 에이전트가 만든 iOS 앱을 맥으로 돌아가지 않고 아이폰에서 바로 확인하게 해 주는 무료 명령줄 도구(CLI)다. Codex mobile로 iOS 앱을 만들 때 결과물을 보려면 맥을 확인해야 하는 불편이 있었고, Sqim은 iOS 빌드에 서명한 뒤 서버에 올리고 임시 웹페이지를 만들어 휴대폰에서 바이너리를 바로 설치할 수 있게 한다. Tailscale이나 VPN을 쓰는 방식은 불안정할 수 있고, 원격 시뮬레이터 스트리밍은 지연이 있으며 햅틱이나 카메라 같은 실제 기기 기능을 테스트하기 어렵다. 설치는 `brew install milq-ai/tap/sqim` 명령으로 시작한다. 준비가 되면 AI 에이전트에게 Sqim으로 프로젝트를 빌드하라고 요청하면 된다. 시연은 Codex mobile로 했지만, 원격에서 작업하는 다른 에이전트에도 쓸 수 있다. X에 공개된 뒤 널리 퍼졌고 OpenAI 관계자들도 다시 공유했다.
아이패드를 직접 코드를 돌리는 컴퓨터가 아니라, 원격 개발용 얇은 단말기로 쓰는 방식입니다. 로컬에서 개발하기 어렵기 때문에 SSH로 Linux GPU server에 접속해 작업하고, 개발 도구는 Termius에서 Blink를 거쳐 RootShell로 바뀌었습니다. 편집과 터미널 작업은 neovim과 tmux로 처리합니다. 논문 읽기와 주석 달기는 Notability로 합니다. 2018년형 iPad Pro에서 2026년형 iPad Air로 넘어온 뒤에도 같은 방식으로 일하고 있습니다. 최근에는 Raspberry Pi 5를 보조 장치로 붙여 LaTeX 글쓰기와 빌드를 처리해, 논문 작성 때는 GPU 서버나 Overleaf에 덜 의존할 수 있게 했습니다. Codex CLI도 많이 쓰는 환경입니다.
Fable이 며칠 만에 한 제품을 크게 개선했다는 직접 사용 경험입니다. 개선은 코드나 기술적인 부분에만 그치지 않았고, 사용자가 제품을 쓰는 흐름과 화면 경험까지 포함됐습니다. Fable은 Opus 4.8이나 GPT 5.5로는 발견하기 어려웠을 문제를 제안하고 고쳤다는 평가를 받았습니다. 구체적인 제품 이름, 수정 내용, 비교 방식, 실제 성능 수치는 공개되지 않았습니다.
TokenWarden.ai는 opencode에서 쓰는 AI 비용을 줄이기 위한 플러그인이다. 비교용 벤치마크가 공개됐고, 여러 플러그인이 실제로 얼마나 비용을 아끼는지 확인하려는 목적이다. AI 응답은 같은 요청에도 매번 달라질 수 있어서, 결과를 믿기 쉽게 만들기 위해 60번 테스트를 돌려 평균을 냈다. 테스트에는 Qwen 3.7 Max와 로컬 모델인 Qwen 3.5 9B가 쓰였다. Qwen 3.6 35B도 시험했지만 여러 작업에서 실패해 비교에서 사실상 도움이 되지 않았다. 일부 테스트에서는 모든 플러그인이 오히려 크레딧을 3배 이상 더 쓰는 이상한 결과가 나왔다. 이는 플러그인 자체 문제라기보다 AI가 다른 풀이 경로로 빠지거나 끝나지 않는 반복에 들어갔을 가능성이 크다. 현재 벤치마크는 완성본이 아니며, 더 많은 테스트와 기준을 추가할 계획이다.
Cursor를 코드 작업이 아닌 파일 정리에도 쓰는 사례다. 오래된 USB 메모리에 흩어진 파일들을 Cursor가 먼저 훑어 요약하고, 비슷한 것끼리 논리적인 폴더로 나눈 뒤, 에이전트 모드에서 실제 파일 이동까지 맡긴다. 결과는 어느 정도 괜찮지만, 더 좋은 방법이나 전용 도구가 있는지 확인하려는 상황이다. 핵심은 Cursor가 단순한 코드 보조 도구를 넘어 개인 자료 정리 같은 반복 작업에도 쓰일 수 있다는 점이다.
프리랜서 번역 업무에서 ChatGPT는 문서를 넣으면 바로 쓸 만한 번역을 완성해 주는 도구가 아니다. 결과물에는 문서 형식이 깨지는 문제, 어색한 표현, 빠진 문장, 잘못 만든 약어와 기관명, 용어 불일치가 생길 수 있다. 번역은 문장을 다른 언어로 바꾸는 일만이 아니라, 원문의 의도를 이해하고 읽는 사람이 자연스럽게 받아들이도록 표현을 고르는 일이다. 전문 용어를 조사하고, 문서 전체에서 같은 뜻을 같은 말로 유지하고, 고객의 세부 작성 규칙도 맞춰야 한다. ChatGPT는 긴 작성 규칙에서 어긋난 부분을 찾거나 참고 문서에서 전문 용어를 뽑아 용어집을 만드는 데는 도움이 될 수 있다. Claude도 문장 다듬기나 문단 정리에 참고 의견을 주는 도구로 쓸 수 있다. 하지만 모든 결과는 사람이 다시 확인해야 하며, 인공지능은 전문가의 일을 없애는 버튼이 아니라 일하는 방식을 바꾸는 도구에 가깝다.
Gemini 3.5 Pro가 기대만큼 나오면 Google의 AI 도구 경쟁력이 다시 좋아질 수 있다는 강한 기대가 있습니다. 최근 몇 주 동안 Gemini를 옹호하고, Gemini 3.5 Pro가 늦어지는 이유를 추측하고, 일부 성능 저하를 설명하려는 논의가 이어졌습니다. 동시에 Gemini 3.1 Pro는 이전보다 분명히 성능이 나빠졌다는 불만도 함께 나옵니다. Gemini 3.5 Pro가 출시되면 벤치마크와 직접 써본 결과를 따로 확인하겠다는 계획이 언급됩니다. 기대가 큰 만큼 실제 성능이 부족하면 실망도 클 수 있는 분위기입니다.
Cursor로 원격 서버에 접속해 C++ 코드를 볼 때, C++ 확장을 설치했는데도 .cpp 파일의 함수 목록이 보이지 않을 수 있다. 이 경우 확장만 설치하는 것으로는 부족할 수 있고, 프로젝트를 빌드해서 compile_commands.json 파일을 만들어야 할 수 있다. 보통 CMake 설정에서 이 파일을 만들도록 옵션을 켠다. 그다음 Cursor가 쓰는 C++ 도구가 이 파일을 읽도록 VS Code 설정이나 .vscode 폴더 안 설정에 경로를 지정해야 한다. 다른 작업 방식으로는 Neovim과 Telescope를 써서 파일과 함수 사이를 빠르게 이동하는 방법도 제안된다.
Gemini는 VPN을 켠 상태에서 접속 위치가 계속 바뀌면 다르게 반응할 수 있다. 특히 로그인 상태가 화면에 보이느냐, 보이지 않느냐에 따라 문제가 달라질 수 있다. 구체적인 오류나 해결 방법은 확인되지 않았다.
Claude에서 답변을 고칠 때 새 메시지로 “더 짧게 해줘”나 “톤을 바꿔줘”라고 보내면 비용이 빠르게 커진다. Claude는 마지막 요청만 읽는 것이 아니라, 그때까지의 전체 대화 내용을 다시 읽고 답한다. 그래서 수정 요청이 30번 이어지면 30개 메시지만큼만 쓰는 것이 아니라, 앞선 대화가 계속 누적되어 훨씬 많은 토큰을 쓰게 된다. 더 나은 방법은 새 메시지를 보내지 않고 원래 프롬프트를 직접 고친 뒤 다시 생성하는 것이다. 이 습관만으로 긴 수정 과정마다 3만~5만 토큰을 줄일 수 있다는 주장이다. 또 CLAUDE.md 파일이 너무 길면 매 요청마다 큰 시스템 지시문이 다시 들어가서, 실제 질문과 상관없는 내용까지 계속 비용을 만든다.
영국에서 Claude의 Team plan을 2명 좌석으로 만들 수 있었다는 실제 사용 사례가 나왔다. 이전에는 Team plan을 쓰려면 최소 5명 좌석이 필요하다고 알려져 있었지만, 이 사례에서는 2명만으로 가입이 가능했다. 작은 회사나 1인 메이커가 외부 협업자 1명과 함께 Claude를 쓰기 쉬워질 수 있다. 특히 Claude Projects처럼 작업 자료와 지시를 함께 관리하는 기능을 팀 안에서 공유할 수 있다는 점이 핵심이다. 다만 이 내용은 영국 기준의 개인 확인 사례라서, 모든 국가와 계정에 같은 조건이 적용되는지는 아직 확인이 필요하다.
개인용으로만 쓰는 맞춤 도구를 만드는 흐름이 빨라지고 있다. 이런 도구는 만든 사람의 일하는 방식에 딱 맞아 매우 유용하지만, 공개 서비스나 제품으로 이어지지 않을 수 있다. 만든 사람은 많은 시간과 노력을 들였지만, 결과물은 본인 또는 아주 적은 사람만 쓴다. 비슷한 도구가 수천 개 생겨도 대부분은 널리 알려지지 않을 가능성이 크다.
ChatGPT를 일상적으로 쓰는 사람이 많아졌지만, 답을 그대로 믿기보다 다시 확인하는 경우가 여전히 많다. 특히 사실 확인이 필요한 내용이나 중요한 정보에서는 ChatGPT의 답을 다른 자료와 대조하는 습관이 필요하다는 문제의식이 담겨 있다. 핵심 질문은 ChatGPT의 답을 보통 어느 정도 믿는지, 예전보다 더 자주 검증하게 되었는지다.
오픈AI API를 실제 서비스에서 쓰면, 완전한 장애보다 더 잡기 어려운 문제가 있다. 모델이 뒤에서 바뀌면서 같은 프롬프트의 답이 조금 달라지고, 시스템은 정상처럼 보이지만 결과 품질은 서서히 떨어질 수 있다. 버전이 고정되지 않은 모델 이름을 쓰면 새 모델 스냅샷이 배포될 때 동작이 바뀔 수 있다. 반대로 날짜가 붙은 스냅샷을 고정해도, 그 스냅샷이 나중에 폐기되면 결국 새 모델로 옮겨야 한다. 해결책은 일반 소프트웨어에서 쓰는 회귀 테스트와 비슷하다. 이미 좋은 결과라고 판단한 실제 입력 묶음을 얼려 두고, 새 모델로 옮기기 전에 같은 입력을 다시 실행한다. 답변 문장을 그대로 비교하면 매번 표현이 달라져 잡음이 많으므로, 충실성, 형식 유효성, 작업 성공 여부 같은 점수를 비교해야 품질 저하를 더 잘 볼 수 있다.
Mira는 개발자가 자기 서버나 회사 인프라에서 직접 운영할 수 있는 오픈소스 AI 코드 리뷰 도구다. 코드가 외부 서비스의 대기열로 올라가지 않고, OpenAI, Anthropic, 또는 방화벽 안의 로컬 LLM을 직접 연결해 쓸 수 있다. 평균 리뷰 시간은 77초로 소개됐고, 비교 대상으로 든 Greptile의 약 5분보다 빠르다는 주장이다. Mira는 코드 변경이 주변 기능에 어떤 문제를 만들 수 있는지 보는 영향 범위 분석을 제공한다. 또 저장소 안의 기존 코드 스타일과 패턴을 읽어 별도 설정 파일 없이 그 방식에 맞춰 리뷰하려고 한다. 개발자는 자신의 API 키를 가져와 쓰는 방식이라, 호스팅형 AI 코드 리뷰 도구의 비용과 코드 보안 부담을 줄이는 방향을 노린다.
Terminal Champion이라는 아이패드 앱은 여러 터미널 화면을 한꺼번에 관리하는 도구다. 아이패드의 손 추적 기능과 내장 마이크를 이용해, 영화 속 자비스처럼 손짓과 음성으로 개발 작업을 하는 느낌을 만들었다. 앱은 SSH 터미널을 보여주며, 사용자가 원하는 인공지능 코딩 도구를 실행하면 손동작으로 화면을 조작할 수 있다. 양손을 벌리거나 모으면 글자 크기를 바꿀 수 있고, 손을 위아래로 움직이면 터미널 내용을 스크롤할 수 있다. 손을 좌우로 흔들면 여러 터미널 사이를 전환한다. 주먹을 쥐면 손동작 메뉴가 열리고, 손을 다이얼처럼 돌려 새 터미널 열기, 화면 분할, 터미널 화면 꾸미기 같은 옵션을 고를 수 있다. 화면 스타일 중 하나는 영화 속 자비스 화면처럼 빛나는 분위기로 만들었다.
Rumpelpod는 코딩 에이전트를 서로 분리된 컨테이너 안에서 실행하는 오픈소스 도구다. Claude Code를 여러 개의 완전히 격리된 컨테이너에서 동시에 돌릴 수 있다. 실행 위치는 내 컴퓨터뿐 아니라 SSH로 연결한 원격 서버나 Kubernetes 환경도 가능하다. Kata나 gVisor 같은 보안 강화 Docker 실행 환경과도 함께 쓸 수 있다. 실제 사용 방식은 여러 원격 포드를 동시에 띄워 두고, 각각에서 나온 코드 수정안을 검토하고 반복 개선하는 흐름이다. 마음에 드는 변경이 생기면 Rumpelpod에 들어 있는 Git 동기화 기능으로 내 로컬 작업 폴더에 다시 합칠 수 있다. 아직 초기 버전이며, 문제가 나는 부분이나 개선점에 대한 피드백과 패치를 받고 있다.
Claude Code를 Visual Studio에서 쓰게 해 주는 새 확장 기능이다. Visual Studio Code와 JetBrains에는 공식 연동이 있지만, Visual Studio에는 없어 직접 만든 도구다. 설치한 뒤 실행하면 기존 Claude CLI가 자동으로 연결되고, 따로 설정할 내용은 없다. Claude가 코드를 고치면 Visual Studio의 차이 비교 화면이 열려서 바뀐 부분을 보고 바로 승인하거나 거절할 수 있다. 거절할 때 이유를 적으면 Claude가 그 이유를 참고해 다시 수정한다. C#과 C++ 컴파일 오류, 현재 선택한 코드도 Claude CLI에 자동으로 전달되어 복사해 붙여넣지 않아도 작업 문맥이 들어간다. 연결 상태와 이번 작업의 토큰, 비용을 볼 수 있는 패널도 있고, 비교 화면 없이 자동으로 수정을 받아들이는 선택지도 있다. 이 확장은 직접 모델을 호출하지 않고 기존 Claude CLI와 함께 동작한다.
Gemini 사용자들 사이에서 최근 품질이 나빠졌다는 불만이 이어지고 있다. 특히 사이버보안처럼 약간 민감하지만 학습 목적의 주제에서도 답변을 거부하는 일이 많아, Perplexity, Claude, 로컬 거대언어모델보다 제한이 심하다는 비교가 나왔다. 개발 작업에서는 ChatGPT가 임시 해결책을 제시한 반면 Gemini는 사실과 다른 답을 내놓았다는 사례가 공유됐다. 일부 사용자는 최신 Gemini 계열이 이전 2.x 버전보다 더 많은 토큰을 쓰면서도 터미널 명령어 생성, 패키지 문제 진단, 기본 질문 처리에서 기대 이하라고 느끼고 있다. 또 긴 프로젝트 대화에서 같은 답을 반복하거나, 맞춤 지시를 무시하거나, 글로 답해야 할 요청에 이미지를 만들고, 이미지 편집 기능을 스스로 못 한다고 착각하는 사례도 언급됐다. 반대로 식물 신체 구조를 정확하게 그렸다는 긍정적 사례도 있지만, 전체 흐름은 Gemini가 더 엄격하고 불안정하며 예측하기 어려워졌다는 사용자 체감에 가깝다.
Know Your Agent(KYA)는 사람이 아니라 AI 에이전트가 어떤 권한으로 무엇을 하려는지 확인해야 한다는 보안 관점이다. 제목이 말하는 핵심은 AI 에이전트가 스스로 작업을 처리할수록, 그 에이전트의 정체와 권한을 확인하는 절차가 중요해진다는 점이다. 자율형 AI가 계정 접근, 결제, 데이터 조회, 업무 실행 같은 행동을 맡게 되면 단순히 사람 사용자를 확인하는 방식만으로는 부족할 수 있다. 공개된 정보는 제목과 링크 수준이라 구체적인 제품, 방법, 사례, 수치는 확인되지 않는다.
Ito.ai는 코드 변경 사항을 눈으로만 훑는 대신 실제로 앱을 실행해 보며 문제를 찾는 코드 리뷰 도구다. 변경된 코드가 들어간 개발 환경을 만들고, 여러 AI 에이전트가 풀 리퀘스트를 테스트한다. 결과로 화면 캡처, 동영상, 실행 로그를 제공해 어떤 문제가 왜 생겼는지 확인할 수 있게 한다. 목표는 사람이 직접 앱을 켜고 눌러 보며 검증하는 시간을 줄이고, 틀린 경고를 줄이면서 실제 버그를 더 잘 찾는 것이다. 단순히 주소 하나를 열어 클릭하는 방식보다 더 깊게 테스트하려면 데이터 준비, 로그인 같은 장벽 우회, 외부 서비스 흉내 내기, 화면 밖의 실행 증거 확인이 필요하다는 관점이다. Ito는 이를 위해 앱 전체 서비스를 연결한 devcontainer를 만들고, 자체 샌드박스와 에이전트 실행 흐름을 사용한다.
개인 테스트 기준으로 Gemma4는 여러 함정 질문에 정확하게 답했다. 세차장 관련 문제에서는 차를 세차장까지 몰고 가야 한다고 판단했다. 컵을 뒤집는 문제에서는 컵을 뒤집어야 한다고 답했다. 의사와 아이의 관계를 묻는 고정관념 함정에서는 의사가 엄마일 수 있다고 짚었다. 다리 이름을 묻는 질문에서는 자해 위험을 감지했고, 다리 목록을 내놓는 대신 위기 지원 안내를 제공했다. 이 사례는 Gemma4가 단순 지식뿐 아니라 추론, 고정관념 회피, 안전 대응에서도 좋은 모습을 보였다는 주장이다.