Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
여러 저장소로 나뉜 개발 프로젝트에서 코딩 에이전트를 쓸 때, 에이전트가 얼마나 많은 토큰과 문맥을 쓰는지 측정하고 판단하는 방법이 핵심 문제다. knit라는 CLI는 여러 저장소를 하나의 프로젝트처럼 다루게 해준다. 관련 브랜치와 작업트리를 묶은 “번들”을 만들고, 깨끗한 디렉터리 안에 필요한 저장소들을 알맞은 작업트리 상태로 배치한다. 이 도구는 여러 저장소에 걸친 커밋, 충돌 검색, 풀 리퀘스트 같은 작업도 돕는다. 에이전트가 이 흐름을 기본으로 알지 못하기 때문에, 프로젝트 전체와 번들 단위에 선택적으로 AGENTS.md 안내 파일을 둘 수 있게 했다. 최신 v0.1.0-alpha.3에서는 저장소 안에서만 처리되는 일은 하위 에이전트에게 맡기는 기준을 추가했다. 목표는 각 에이전트가 관련 없는 문맥을 덜 읽게 해서 토큰 사용과 작업 성능을 개선할 수 있는지 확인하는 것이다.
ROS 2 개발을 도와주는 AI 코딩 에이전트용 지식 파일 묶음이 Claude Code, Codex, Cursor, Gemini CLI에서 테스트됐다. 같은 6가지 ROS 2 작업을 놓고 지식 파일을 켠 경우와 끈 경우를 비교했으며, 평가는 별도 대화에서 어느 쪽인지 모르게 진행됐다. 정답률은 거의 같았다. 이미 모델들이 ROS 2 자체는 꽤 알고 있었기 때문이다. 차이는 첫 답변의 실전 준비도와 위험 경고에서 났다. micro-ROS를 ESP32에서 쓰는 예에서는 지식 파일이 없을 때 연결이 끊기면 장치가 멈출 수 있는 코드를 냈고, 지식 파일이 있을 때는 다시 연결하는 상태 관리 구조를 냈다. C++ 기본 틀 만들기에서는 더 운영에 가까운 구조, 테스트 코드, 오래된 방식에 대한 경고가 추가됐다. QoS 문제에서는 양쪽 모두 해결책을 찾았지만, 지식 파일을 켠 쪽은 DDS가 오류 없이 연결을 조용히 끊을 수 있다는 점까지 경고했다.
고등학교 수학·물리 교사 입장에서 Claude는 수업 준비를 빠르게 정리하는 데 도움이 된다. 완성된 자료를 그대로 만들게 해서 바로 쓰기보다는, 아이디어를 넣고 함께 다듬은 뒤 수업 계획, 단원 계획, 발표 자료, 과제, 시험의 기본 틀을 받는 방식이다. 생성된 결과는 반드시 사람이 검토하고 손보는 전제로 쓴다. Gemini를 쓰다가 Claude로 옮겼을 때 체감 차이가 매우 컸다. 원하는 목표와 의도를 정확히 전달하려면 프롬프트를 잘 쓰는 능력이 중요하다.
Claude는 돌아가신 미군 배우자의 복무 기록을 읽고 유족 급여 가능성을 찾는 데 쓰였다. 어머니는 더 높은 수준의 돌봄을 제공하는 은퇴자 거주 시설로 옮겨야 했고, 비용 부담이 커졌다. 남편은 오랫동안 군에서 일한 상급 부사관이었고 60대 초반에 림프종으로 세상을 떠났지만, 남아 있는 복무 기록은 약어가 많고 글씨가 작아 가족이 이해하기 어려웠다. 미국 보훈 지원 사무소는 받을 수 있는 혜택에 대해 조언을 줬지만, 복무 기록과 사망 원인의 관련성을 판단하기는 여전히 어려웠다. 기록을 스캔해 Claude에 넣고 남편의 복무와 림프종 사망을 바탕으로 받을 수 있는 혜택을 찾아 달라고 요청하자, Claude는 질병과 근무지 사이의 가능한 연결고리를 정리했다. 그중 일부는 정부가 특정 복무 조건과 질병의 관련성을 미리 인정하는 추정 인정에 해당할 수 있었다.
개인 경험상 Codex를 주로 쓰는 이유는 모델이 더 좋아서가 아니라 앱 사용성이 좋기 때문이다. Claude Code의 데스크톱 앱은 완성도와 관리가 부족하게 느껴진다. 그래서 Claude Code를 제대로 쓰려면 데스크톱 앱보다 CLI 환경을 어떻게 꾸미는지가 중요해진다. 핵심 질문은 tmux 같은 도구를 함께 쓰는지, Codex처럼 Claude가 브라우저를 직접 조작하게 할 수 있는지, 여러 대화를 오갈 때 흐름을 어떻게 관리하는지다. 예전 대화를 다시 이어서 작업하기 쉬운지도 중요한 비교 지점이다.
Shopify 테마 프로젝트에서 Codex 작업이 몇 시간 동안 끝나지 않고 같은 흐름을 반복하는 문제가 나타났다. 화면에는 “다시 이어서 하겠다”, “저장소를 먼저 확인하겠다”, “이제 변경을 마치겠다”, “깨끗한 재시작 지점부터 계속하겠다” 같은 말이 반복된다. 이후 파일 읽기, 코드 검색, 도구 불러오기 같은 활동은 보이지만, 실제 파일 수정, 검증 통과, 작업 완료 메시지는 보이지 않는다. “컨텍스트 자동 압축”도 반복해서 표시된다. 가능한 원인은 Codex가 정말 오래 작업 중인 경우, 재시작·컨텍스트 반복에 갇힌 경우, Shopify 명령줄 도구나 테마 파일, 로컬 저장소, 권한 같은 작업 환경 접근을 잃었는데 이를 알아차리지 못한 경우다. 핵심 고민은 더 기다려도 되는 상태인지, 아니면 시간을 낭비하기 전에 멈추고 원인을 확인해야 하는 상태인지다.
개인 경험상 Fable Code를 업무에 많이 쓴 뒤, 쉬는 시간에 Steam판 GTA IV와 연결해 게임을 직접 바꿔 보았다. Claude가 게임을 사용자가 원하는 방향으로 실시간 개조했다. 컴퓨터가 생각하지 못한 보안 위험에 노출될 수 있다는 걱정도 있었다. 그래도 전체 과정에서 게임 충돌은 한 번뿐이었다. 기술에 익숙하지 않은 입장에서도, 말로 요청해 게임을 바꾸는 경험은 지금까지 해 본 게임 경험과 크게 달랐다.
Claude Code를 월 100달러 구독으로 쓰면서, 개인용 가상 서버에서 계속 돌아가는 개발 자동화 흐름을 만들려는 상황입니다. 필요한 정보는 서버 사양입니다. CPU, 메모리, 저장공간, 네트워크 같은 기본 조건이 어느 정도여야 Claude Code 기반 작업을 안정적으로 돌릴 수 있는지가 핵심입니다. 목표는 Claude Code가 반복 개발 작업을 맡는 루프 엔지니어링 시스템을 1인 개발자 환경에서 운영하는 것입니다. 구체적인 권장 사양, 비용 비교, 실제 테스트 결과는 제공되지 않았습니다.
작은 AI 코딩 툴을 만든 1인 개발자가 일주일 동안 여러 커뮤니티에 제품을 적극적으로 홍보하는 실험을 했다. "이런 걸 만들었다"는 식의 단순 홍보 글은 조회수만 조금 나오고 댓글도 반응도 별로 없었다. 반면 눈앞의 구체적인 문제 하나에 정확히 답한 댓글이나 글은 훨씬 반응이 좋았다. 표본은 작지만 패턴이 뚜렷해서 앞으로 작업 방식을 바꾸기로 했다. 문제는 홍보 글 하나에 너무 많은 걸 담으려 한 것이었다 — 제품 전체 설명, 문제가 실재한다는 증명, 신뢰 쌓기, 반박 대응, 피드백 요청까지 한 번에 하려니 홍보 글이 아니라 '피치덱을 억지로 캐주얼하게 꾸민 글'처럼 보였고, 사람들도 이를 눈치챘다. 반응이 좋았던 글들은 주제가 좁았다 — 한 가지 화제, 한 가지 실수, 하나의 구체적인 배움만 다뤘다. AI 코딩 제품의 경우 verification drift(검증 결과가 시간이 지나며 어긋나는 현상)나 지속되는 터미널 세션(persistent terminal sessions) 같은 좁은 기술 주제를 다룬 글이 그 예다.
전체 사업을 한 번에 자동화하려 하면 실패하기 쉽다. 하나의 거대한 시스템을 만들면 오류가 많아지고, AI가 그럴듯하지만 틀린 답을 내는 환각도 생기기 쉽다. 더 나은 방식은 한 번에 하나의 작은 문제를 해결하는 마이크로 앱을 만드는 것이다. 예를 들어 데이터 입력, 콘텐츠 작업, 반복 보고처럼 시간이 많이 드는 병목을 먼저 고른다. 그 작은 도구들이 제대로 작동하면 서로 이어 붙여 더 큰 자동화 흐름으로 넓힌다. 제시된 성과는 6개월짜리 프로젝트를 2주로 줄이고, 3일 걸리던 데이터 입력을 10분으로 줄이며, 5시간 걸리던 콘텐츠 작업을 5분으로 줄였다는 것이다.
개인 제작자가 자연어만 입력해 지식 그래프와 마인드맵을 만드는 무료 앱을 개발 중이다. 미국 독립 250주년을 맞아, 긴 글 대신 움직이는 시간순 그래프로 미국 역사를 배우는 예시를 만들었다. 제작자는 미국 시민권자는 아니지만 Claude 같은 미국 기술 수출품에 크게 의존하고 있어 미국 역사를 더 알고 싶었다고 밝혔다. 그래프의 역사 내용은 대형 언어 모델이 만든 것이어서 틀린 부분이 있을 수 있다. 이 미국 역사 그래프는 현재 앱의 임시 랜딩 페이지로 쓰이고 있다.
AI Brand Kits는 웹사이트 주소를 넣으면 몇 초 안에 브랜드 키트를 만들어 주는 무료 도구다. 색을 뽑고, 어울리는 색 조합을 제안하고, 함께 쓰기 좋은 글꼴 조합도 만든다. Tailwind나 CSS 변수에 쓸 수 있는 디자인 토큰을 만들 수 있다. Cursor, Claude, v0, Lovable 같은 코딩 도구에 넣기 좋은 DESIGN.md 파일로도 내보낼 수 있다. 놀이터 화면에서 사용자 화면 부품을 미리 보고, 원하는 대로 다듬은 뒤 내려받을 수 있다. 새 제품을 시작하거나 고객사의 기존 브랜드 느낌을 맞춰야 하는 1인 개발자와 디자이너가 수작업 시간을 줄이는 데 초점을 둔 초기 단계 도구다.
AI 에이전트가 코드를 더 빨리 만들면서 풀 리퀘스트 수가 늘고, 검토 시간이 하루 업무에서 더 큰 비중을 차지하게 됐다. 병목은 코드를 읽는 행위 자체보다 변경 의도, 작업 요청과의 일치 여부, 남길 만한 의견을 고르는 판단 과정에 있다. 이를 줄이기 위해 풀 리퀘스트를 먼저 살펴보는 맞춤 도구를 쓰고 있다. 에이전트가 풀 리퀘스트를 내려받고, 저장소 지침, 작업 티켓, 전체 변경 내용, 주변 테스트를 읽은 뒤 검토자가 바로 판단할 수 있게 정리한다. 결과물에는 변경된 부분과 위험한 지점 설명, 파일별 요약, 알파벳순이 아닌 논리적 파일 묶음, 받아들이거나 고치거나 버릴 수 있는 초안 의견이 포함된다. 최종 의견 게시와 검토 책임은 여전히 사람이 맡는다. 이 방식은 처음부터 맥락을 파악하는 시간을 줄였지만, 전체 검토 시간은 아직 충분히 짧아지지 않았다.
개인 사용 경험으로는 OpenAI 도구가 코드나 자료 같은 콘텐츠를 만들어 달라는 요청을 받았을 때 바로 작업을 시작하지 않고, 불필요한 질문과 반복 답변으로 시간을 쓰는 경우가 많다. 같은 작은 작업을 OpenAI, DeepSeek, Claude에 맡겼을 때 DeepSeek와 Claude는 바로 시작해서 끝냈다. OpenAI는 작업보다 확인 질문과 반복 설명에 더 많은 답을 썼다. 이런 흐름은 사용 가능한 토큰을 낭비하고, 도구가 더 따지고 드는 것처럼 느껴지게 만든다.
ClaudeMAX는 글쓰기, 코딩, 조사, 사업 기획, 콘텐츠 제작, 문서 분석, 자동화 같은 일을 할 때 여러 AI 도구를 따로 구독하고 오가는 불편을 줄이려는 서비스로 소개된다. 핵심 문제는 좋은 AI 기능이 각각 다른 유료 구독 안에 묶여 있어 비용이 계속 늘어난다는 점이다. 여러 화면을 바꿔 다니고, 사용량 제한과 요금제를 비교하고, 어떤 AI를 어떤 일에 써야 하는지 고민하는 것도 부담으로 제시된다. 2026년에는 AI가 단순한 실험 도구가 아니라 디지털 일을 처리하는 기본 도구가 되고 있다는 전제가 깔려 있다. 다만 제공된 내용에는 10일 사용 결과, 실제 성능 비교, 가격, 제한, 장단점 같은 구체적인 검증 정보는 거의 없다.
싱가포르에서 5년 동안 픽업 배구를 해 온 경험상, 경기를 여는 일은 경기 자체보다 더 어렵다. 한 경기에 약 12명이 필요하지만, 마지막에 빠지는 사람이 자주 생기고 여러 단체 채팅방에 빈자리를 채워 달라고 반복해서 물어야 한다. 사람이 모여도 실력 차이가 너무 크면 경기가 한쪽으로 기울어 모두가 덜 즐겁다. Coterie는 이런 문제를 줄이려는 초기 앱이다. 경기 날짜, 코트, 남은 자리, 실력 수준을 올리면 사람들이 위치, 실력 수준, 일정으로 걸러 보고 자리를 잡을 수 있다. 이 앱은 팀 없이 혼자 만들고 있으며, Anthropic의 코딩 에이전트인 Claude Code를 써서 개발 속도를 높이고 있다. 아직 완성도나 화면 디자인보다, 사람들이 실제로 이런 문제를 앱으로 해결하고 싶어 하는지가 핵심 질문이다.
Claude Projects에서 답변 말투와 작업 방식을 일정하게 만들려면 사용자 지정 스타일보다 프로젝트 지침을 쓰는 편이 낫다. 스타일은 전체에 적용되지만, 프로젝트 지침은 해당 프로젝트 안에서만 적용된다. 프로젝트에 넣어 둔 지식 파일은 오래되면 답변을 틀리게 만들 수 있으므로 주기적으로 확인하고 낡은 자료를 치워야 한다. 긴 대화는 내용이 섞여 흐려질 수 있어, 같은 프로젝트 안에서 새 대화를 시작하면 필요한 문맥은 유지하면서 복잡해진 흐름을 덜어낼 수 있다. 반복 작업에는 Opus보다 Sonnet을 쓰면 사용 한도를 덜 소모할 수 있다. 프로젝트 지침에 모르면 추측하지 말고 모른다고 말하라는 문장을 넣으면 자신 있게 틀리는 답변을 줄이는 데 도움이 된다.
Honrly는 Cluely, Interview Coder, LockedIN, Parakeet 같은 면접 보조 AI 도구를 찾아내는 데스크톱 앱이다. 맥과 윈도우에서 돌아가며, Tauri와 Rust로 만든 로컬 앱이다. 핵심 기능은 실행 중인 프로세스를 몇 초마다 확인해 의심스러운 앱 이름이나 사용자가 추가한 앱 이름을 잡아내는 것이다. 모든 검사는 자기 컴퓨터 안에서만 이뤄지고, 계정이나 로그인, 중앙 데이터베이스는 없다. 영상 통화 미리보기 기능도 있어 Daily.co 방 주소나 iframe으로 넣을 수 있는 Jitsi 같은 회의 주소를 붙여 실제 면접 화면처럼 확인할 수 있다. 브라우저만 켜는 개발 모드에서는 실제 프로세스 스캔이 되지 않고, Rust 기반 데스크톱 앱으로 실행해야 감지 기능을 시험할 수 있다. 코드는 AGPL-3.0 라이선스로 공개되어 있다.
AI가 코드를 너무 빨리 만들면, 저장소에는 코드가 들어가지만 사람은 그 구조를 충분히 이해하지 못하는 문제가 생긴다. 한 가지 실용적인 방법은 복잡한 코드 덩어리를 AI에게 의사 코드로 다시 쓰게 하는 것이다. 실제 사례에서는 복잡하게 얽힌 수천 줄짜리 코드가 약 100줄의 의사 코드로 줄었다. 덕분에 전체 흐름, 중요한 판단 지점, 복잡한 부분이 어디에 있는지 한 번에 파악할 수 있었다. 의사 코드는 실제 코드의 문법과 세부 구현을 덜어내고, 코드가 하려는 일과 흐름만 남긴 형태라 읽기 쉽다. 글로 된 설명보다는 압축적이고, 그림보다는 더 정확하며, 실제 소스 코드보다는 잡음이 적다. 다만 이런 요약 화면은 실제 코드를 대신할 수 없고, 코드 검토를 더 빠르게 시작하게 해주는 보조 도구로 봐야 한다.
Cursor를 6개월 동안 써 본 개인 경험에서는 Composer 2.5가 일상적인 코딩과 간단한 작업에 충분히 쓸 만했고, 월 20달러 기준으로 체감 가치가 높았다. 더 복잡한 작업에는 GPT-5.4를, 코드 검토에는 GPT-5.5를, 보기 좋은 화면 구성이 필요할 때는 Google 3.1을 쓰는 식으로 모델을 나눠 썼다. Claude 구독을 한 달 써 봤을 때는 버그가 많고 에이전트가 정확한 지시를 잘 따르지 않는다고 느꼈다. Cursor 안에서 Opus 4.8도 시험해 봤지만, 토큰을 빠르게 많이 쓰는 데 비해 결과물은 Composer 2.5와 크게 다르지 않다고 판단했다. Anthropic의 비싼 Opus 모델이나 200달러 요금제를 실제 개발 생산성 관점에서 꼭 써야 하는지 의문을 제기한다.
TrueType/OpenType 글꼴 안에서 QR 코드를 직접 그리는 실험이 가능하다는 것이 확인됐다. 대괄호 안에 `[hello]`처럼 글자를 넣고 이 글꼴을 적용하면, 별도의 이미지 생성이나 사전 처리 없이 QR 코드처럼 보이게 바뀐다. QR 코드가 여전히 문자로 남기 때문에 복사·붙여넣기, 일반 텍스트 저장, 보통 문장과 섞어 쓰기가 가능하다. 대괄호 밖의 글자는 일반 글꼴처럼 읽힌다. 브라우저에서는 줄바꿈이 먼저 일어나 QR 코드가 중간에 갈라질 수 있어, HTML에서는 `white-space: nowrap;` 또는 `display: inline-block;` 같은 설정이 필요하다. 글꼴은 1-L, 2-L, 3-L 세 종류가 있고 각각 블록 하나에 최대 17자, 32자, 53자의 출력 가능한 ASCII 문자를 넣을 수 있다. 이 작업은 사용량 제한이 걸릴 때마다 Gemini, GPT, Claude를 바꿔 쓰며 만든 실험 결과다.
레딧 이용자가 자신이 느낀 AI 발전의 결정적 순간들을 정리했다. GPT-4는 사전학습과 스케일링(모델을 키우면 실제로 성능이 좋아진다는 것)이 통한다는 것을 증명한 순간으로 꼽혔다. Claude 3.5 Sonnet은 에이전트형 코딩, 즉 AI가 스스로 여러 단계를 거쳐 코드를 작성하고 작업을 수행하는 방식이 앞으로의 대세임을 보여준 사례로 언급됐다. o1은 테스트 시점 연산(모델이 답을 내놓기 전에 더 오래 '생각'하며 계산량을 늘리는 방식)이 실제로 효과가 있다는 것을 입증했고, o3는 이 테스트 시점 연산이 폭발적으로 확장될 수 있다는 것을 보여준, 글쓴이가 GPT-4와 함께 가장 크게 꼽은 순간이다. 마지막으로 'Claude Fable'은 거대한 모델 크기와 테스트 시점 연산을 함께 쓰는 방식이 매우 잘 작동하며, 모델을 더 키우는 전략(파라미터 스케일링)이 아직 한계에 이르지 않았다는 것을 보여준 사례로 언급됐다.
Fable 출시 뒤 Logo에서 아이디어를 가져온 새 프로그래밍 언어가 만들어졌다. 이 언어는 자수 무늬를 자동으로 만드는 데 쓰이며, 이름은 NeedleScript다. 처음에는 Fable이 한 번에 작동하는 예제를 만들었고, 이후 여러 단계의 지시를 통해 더 현대적인 언어 형태로 발전했다. Fable이 비활성화된 뒤에도 Claude Opus는 언어 설명서만 보고 이 아주 특수한 새 언어로 코드를 만들 수 있었다. 문법이 낯설고 생긴 지 일주일도 안 된 언어인데도, 한 번의 요청으로 제대로 작동하는 코드를 계속 만들어냈다. 더 특이한 점은 Claude Opus가 실제 실행 환경이나 결과 화면 없이도 코드가 자수로 잘 나올지 머릿속으로 계산하고 그려보는 듯한 방식으로 밀도까지 맞췄다는 점이다.
Keystrokes는 키보드를 칠 때마다 소리를 만들어 로파이 음악처럼 들려주는 작은 도구다. 데모는 설치 없이 브라우저에서 열 수 있고, 소리를 켠 뒤 시작 버튼을 누르고 아무 글자나 입력하면 된다. 입력한 키는 음악의 음표가 되고, 화면에는 그 음표가 실시간으로 그려진다. 완성도 높은 음악 도구라기보다는 Claude, Codex, 테스트, 빌드가 끝나기를 기다리는 동안 작업 공간에 재미를 더하는 장난감에 가깝다. 설치해서 로컬로 실행하면 브라우저 밖 다른 앱에서 치는 키도 소리로 바꿀 수 있다. Claude나 Codex 작업 기록을 따라가며, 사람의 입력과 AI 도구의 흐름을 함께 들리는 두 겹의 작업 배경음처럼 만들 수도 있다. 코드와 실행 방법은 GitHub에 공개되어 있다.
첫 경험담 기준으로, Claude는 단순히 질문에 답하는 도구를 넘어 실제 작업을 돕는 도구처럼 쓰이고 있다. Claude에게 웹캠을 확인하게 하거나, 다음 주 업무를 이해하는 데 쓸 수 있는 50쪽짜리 상호작용형 웹사이트를 만들게 할 수 있다. 이어서 Claude의 주 작업 공간 밖에서 계속 상태를 살피는 감시 프로그램도 붙었다. 이 조합은 몇 년 전에는 거의 불가능해 보였던 방식의 개인 작업 자동화로 받아들여지고 있다.
Seedance 2.0, Gemini Omni Flash, Kling 3.0 Pro를 같은 달리기 영상 요청으로 비교했다. 요청은 옆에서 따라가며 찍은 단거리 선수 장면이라, 팔·다리 움직임, 몸의 무게감, 옷감 표현이 어색하면 바로 드러나는 조건이었다. Gemini Omni Flash는 요청을 잘 이해했고, 잘못된 차단 없이 몸 움직임이 가장 자연스러웠다. 다만 영상이 조금 느리고 초당 장면 수가 낮아 보이는 느낌이 있었다. Seedance 2.0은 빛, 화면 구성, 전체 분위기가 가장 세련됐지만, 몸의 움직임 정확도는 기대만큼 최고는 아니었다. Kling 3.0 Pro는 평범한 달리기 장면을 성인 콘텐츠로 잘못 막거나 요청을 잘못 이해하는 문제가 있었고, 결과가 나왔을 때도 움직임이 불안정해 보였다. 세 모델을 한 번에 비교할 수 있었던 이유는 모두 OpenAI 호환 키 하나로 쓸 수 있어서, 모델 이름만 바꾸면 됐기 때문이다.
ChatGPT가 2026년 6월 17일에 정상적으로 열리지 않는다는 신호가 올라왔다. 제공된 내용에는 장애가 얼마나 넓게 발생했는지, 어떤 기능이 멈췄는지, OpenAI가 공식 확인했는지는 포함되어 있지 않다. 확인 가능한 핵심은 ChatGPT 사용자가 일시적으로 서비스를 쓰지 못했을 가능성이 있다는 점이다.
ChatGPT 웹앱에서 Pro Extended 모드를 사용할 때 선택한 모델 대신 GPT-5.3 mini로 자동 전환되는 현상이 보고됐다. 전환 알림이나 명확한 안내 없이 일어난 것으로 보이며, 현상은 2026년 6월 18일 당일에 처음 시작된 것으로 언급됐다. 함께 공유된 화면 이미지는 모델이 예상과 다르게 표시되는 상황을 보여주는 자료로 제시됐다.
ChatGPT로 제품 방향을 잡고 검토를 하고, Codex로 코드를 만드는 흐름에서 사람이 중간 전달자 역할을 계속 해야 하는 문제가 생긴다. 해야 할 일은 문맥을 옮기고, 작업을 다시 써 주고, 코드 변경점과 테스트를 확인하고, 검토 의견을 다시 넣고, 다음 작업을 준비하는 것이다. Pigtails AI는 이런 반복 업무를 줄이기 위해 만든 저장소 기반 AI 제품 관리자 도구다. Codex가 여전히 코드를 작성하지만, Pigtails AI가 제품을 이해하고, 작업 범위를 정하고, Codex에 넘기고, 결과를 검토하고, 위험과 후속 작업을 알려준다. 또한 병합, 정리, 테스트까지 처리하며, 문제의 깊이에 따라 얼마나 오래 생각할지와 어떤 모델을 쓸지도 판단한다. 실제 사용 경험 기준으로는 산출량이 10~100배 늘었고, 아침에 1~3개 에픽에 걸친 검토된 작업을 확인한 뒤 기능 테스트, 가벼운 정리, 다음 개발 결정에 시간을 쓰게 됐다. CLI 도구는 며칠 안에 공개될 예정이며, 이전 알파 단계의 VS Code 확장 프로그램은 현재 설명된 도구와는 다른 초기 버전으로 보인다.
Claude나 다른 AI 에이전트로 돈을 번다는 광고와 사례가 많이 보이지만, 구체적인 내용은 대체로 흐릿하다. 자주 언급되는 방식은 거래 봇, 차익거래, 자동화 같은 수익화 아이디어다. 핵심 질문은 기존 사업, 독자, 제품이 전혀 없는 상태에서 시작해도 실제로 의미 있는 수입을 만들 수 있느냐는 점이다. 특히 Claude로 만든 것이 현실에서 꾸준히 돈을 벌고 있는지, 어떤 용도가 실제로 통했는지, 어떤 주장에는 의심을 가져야 하는지가 쟁점이다.