Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
업무에서는 Copilot의 Opus가 개발 속도를 크게 높여준다. 개인적으로는 Claude Pro를 쓰며 새 모델이 나올 때마다 HTML 앱이나 iOS 앱을 만들어 보는 일이 즐겁다. 하지만 만들어 본 앱들은 대부분 시험용으로 끝나고, 실제로 오래 쓰는 물건은 거의 없다. AI는 원하는 것을 더 빨리 만들게 해 주지만, 정작 만들고 싶은 것이 실용적이지 않을 수 있다는 문제가 드러난다. 예전에는 만드는 법을 몰라서 못 했다는 핑계가 있었지만, 이제는 AI 덕분에 기술 장벽이 낮아지면서 열정과 방향성이 부족하다는 느낌이 더 선명해진다. 다른 사람들이 AI로 하드드라이브 복구 같은 실제 문제를 푸는 모습을 보면, AI를 충분히 잘 활용하지 못한다는 부담감도 생긴다.
개발 경력이 있는 사람이 주니어 품질보증 컨설턴트 역할을 앞두고, 실제 업무에 도움이 되는 명령줄 AI 도구를 찾고 있다. 자바, 안드로이드, 스프링 부트, REST API, 깃, 도커 같은 개발 경험이 있고, 장기적으로는 SDET가 된 뒤 기술 리더나 엔지니어링 관리자로 성장하려는 목표가 있다. 원하는 도구는 생각을 대신해 주는 AI가 아니라, 옆자리의 선임 엔지니어처럼 코드를 이해하고 업무 속도를 높여 주는 조력자다. 주요 업무는 새 기능과 사용자 이야기를 이해하고, 수동 테스트 케이스를 만들고, 탐색 테스트를 하고, 좋은 버그 리포트를 쓰는 일이다. 또 Postman과 REST Assured로 API를 테스트하고, Playwright나 Selenium으로 화면 자동화를 만들고, Appium으로 모바일 자동화를 다루며, Jenkins와 CI 로그를 읽고, 자동화 프레임워크를 유지해야 한다. AI에 기대하는 도움은 큰 코드베이스를 빠르게 파악하기, 초기 테스트 케이스와 놓치기 쉬운 경우 만들기, 수동 테스트를 자동화 코드로 바꾸기, REST Assured·Playwright·Appium 테스트 생성하기, 자동화 코드를 검토하고 정리하기, 실패한 CI/CD 파이프라인 원인 분석하기다.
1인 개발자가 Claude Code 에이전트 여러 개를 동시에 돌려 중세 농민 생활 시뮬레이션 게임 'Domesday'를 완성했다. 배경은 1066년 노르만 정복 직후의 잉글랜드(1068~1086년)로, 농민의 고단한 삶을 재현한 생존 시뮬레이션이다. 개발자는 직접 설계와 방향 지시를 맡고, 실제 코드 작성은 AI 에이전트가 담당했다. 특히 눈에 띄는 점은 자동 테스트 방식이다. 게임 로직을 브라우저 없이도 실행할 수 있도록 만들어, AI가 수천 번의 게임 플레이를 자동으로 돌리며 버그를 스스로 잡아낸다. 그런데 코딩 에이전트는 화면을 눈으로 볼 수 없어서, 스프라이트(캐릭터 이미지)가 타일 밖으로 삐져나오는 등 시각적 오류는 잡지 못한다. 이 문제를 해결하기 위해 렌더링된 화면을 별도 AI가 검토하는 단계를 추가했다. 전체 작업의 핵심 목표는 'AI가 만들었지만 내 작품처럼 느껴지는 것'이었고, 그 워크플로우를 상세히 정리해 공개했다.
Claude Code나 Cursor로 코딩할 때 비용이 커지는 이유 중 하나는 명령어 출력이 너무 길게 AI 모델에 들어가기 때문이다. 로그, 오류 추적, 깃 상태, 테스트 결과처럼 긴 출력이 컨텍스트 대부분을 차지할 수 있다. RTK, 즉 Rust Token Killer는 이런 명령어 출력을 AI 모델에 전달하기 전에 걸러내고 압축하는 CLI 프록시다. 사용 방식은 그대로 두고 중간에 붙여 쓰는 형태라고 소개됐다. 30분짜리 Claude Code 사용 사례에서는 토큰 사용량이 약 11만 8천 개에서 약 2만 3,900개로 줄어 약 80% 감소했다. 예시로 깃 상태 출력은 약 2천 토큰에서 약 200토큰으로, cargo test 출력은 약 2만 5천 토큰에서 약 2,500토큰으로 줄었다. 이 도구는 의존성이 없는 Rust 바이너리이며, Claude Code, Cursor, Codex, Gemini CLI와 함께 쓸 수 있다고 한다. 실제 비용은 작업 방식과 출력 내용에 따라 다르지만, 반복적으로 AI 코딩 도구를 쓰는 경우 비용을 4~5분의 1 수준으로 낮출 수 있다는 경험이 제시됐다.
Antigravity-Cli에서 생긴 코딩 문제를 Gemini 3.5 Flash가 여러 번 해결하지 못했다. 같은 문제를 Gemini 3.1 Pro에 넘겼을 때도 제대로 고치지 못하고, 코드를 바꾼 뒤 일부를 주석 처리하는 데 그쳤다. 결국 GLM 5.2가 그 문제를 해결했다. Codex는 Sole, Claude는 Fable과 Opus 4.8로 좋은 반응을 얻는 반면, Gemini는 예전 2.5 Pro 때보다 경쟁력이 크게 약해졌다는 불만이 나온다. Gemini는 성능에 대한 실망이 큰데도 사용량 제한은 더 엄격하다는 점도 문제로 지적된다.
Claude에서 답을 기다리는 동안 짧게 보이던 ‘생각 요약’이 없으면 체감 사용성이 크게 떨어진다. 원문 그대로의 사고 과정이 필요한 것은 아니지만, 몇 분 동안 “더 생각하는 중” 같은 상태만 보고 기다리면 무엇이 진행되는지 알 수 없다. 그동안 추론 토큰은 계속 쓰이고, 사용자는 중간에 방향을 바로잡을 기회 없이 마지막에 긴 답변만 받게 된다. Claude.ai 웹 채팅은 메모리, 지시 따르기, 도구 접근 면에서는 다른 사용 방식보다 불편하다고 느껴지지만, 반쯤 실시간으로 보이는 생각 요약 덕분에 아이디어 정리나 전략 대화에서는 덜 답답하다. TUI에서는 실험 플래그가 빠진 뒤에도 아직 생각 요약이 보이지만, Claude 데스크톱 앱에서는 우회용 래퍼를 써도 거의 보이지 않는다. Claude -p 명령은 작동하지만 계속 의존하기에는 불안하고, VSCode 연동은 예전에는 됐지만 지금도 되는지 확실하지 않다. ACP를 쓰는 IDE 플러그인은 구독 요금제에서 사라질 가능성이 있어 보인다. 핵심 불만은 돈을 내고 쓰는 추론 토큰의 진행 상황을 안정적으로 보고 싶다는 것이다.
Codex Explorer는 Codex CLI로 진행한 기존 작업 세션을 더 쉽게 찾고, 내용을 확인하고, 다시 이어서 시작하게 해 주는 로컬 도구다. 사용자의 컴퓨터에 있는 `~/.codex/sessions` 폴더에서 JSONL 형식의 세션 파일을 읽어 온다. 그 파일을 분석한 뒤 SQLite 데이터베이스에 정리하고, 터미널 UI에서 볼 수 있게 만든다. 모든 처리는 로컬에서 돌아가므로 세션 기록을 외부 서비스로 보내지 않는 흐름이다. 아직 개발 중인 도구지만, Codex CLI를 자주 써서 세션 파일이 많이 쌓인 사람에게는 이미 쓸모가 있을 수 있다. 코드는 GitHub의 codex-explorer 저장소에 공개되어 있다.
몇 주 동안 Claude를 주 개발 파트너로 삼아 FinalTake라는 SaaS가 만들어졌다. FinalTake는 음악 제작자가 여러 버전의 파일, 남은 작업, 실제로 공개할 최종본을 헷갈리지 않도록 돕는 프로젝트 관리 앱이다. 음악 작업에서는 final.wav, final_final.wav, final_REAL_v2.wav처럼 파일 이름이 계속 늘어나면서 무엇이 바뀌었는지, 어떤 작업이 남았는지 놓치기 쉽다. Claude는 인증, Supabase 연동, Stripe 구독, 관리자 대시보드, 협업 기능, 프로젝트 일정, 수정 이력 추적, 공개 준비 체크리스트, PDF 세션 보고서, 댓글, 템플릿, 활동 기록, 화면 다듬기까지 대부분의 기능 구현에 쓰였다. 작업 방식은 단순히 코드를 요청하는 식이 아니라 제품 방향을 설명하고, 아이디어 비판을 받으며, 기능별로 반복해 만드는 방식이었다. 결과물은 finaltake.live에서 실제 서비스로 공개됐다.
비개발자 입장에서 AI 코딩 도구는 처음에는 빠르게 결과를 보여주지만, 앱을 계속 다듬는 단계에서 큰 부담이 될 수 있다. 지난해 10월 Cursor로 개인용 보관·정리 미니 앱을 만들 때 화면 설계는 빨리 잡혔지만, 기능과 화면을 반복해서 고치는 과정이 너무 힘들어 이어가지 못했다. 올해 2월에는 Gemini로 자동 경비 보고 스크립트를 2주 만에 만들고 Streamlit으로 공개해 성과를 냈다. 하지만 3월부터 Cursor, WindSail, Codex, Claude를 함께 써서 직접 앱을 만들려 하자 프로젝트 파일, 스크립트, 설정 관리가 감당하기 어려워졌다. 최근에는 Codex를 쓰면서 계정과 API 할당량을 바꾸는 일이 매끄럽지 않았고, 이 문제를 해결하려고 한 달 동안 스크립트에 매달렸지만 실패했다. 제공자를 바꾸면 사이드바 대화 기록이 사라졌고, 이를 고치려고 직접 스크립트를 만들거나 ccswitch를 써 봤지만 해결하지 못했다. API를 바꾼 뒤에는 CLI 도구도 제대로 쓸 수 없어 Codex와 Claude를 안정적으로 작동시키지 못했다.
두바이의 AI·데이터 분야 관심자에게는 새 도구와 개념을 따라가는 부담이 커지고 있다. Claude Code, Codex, Gemini CLI 같은 개발 보조 도구뿐 아니라 MCP, A2A, 에이전트, RAG, GraphRAG, 강화학습 관련 용어까지 매일 새로 알아야 하는 것처럼 느껴진다. 문제의 핵심은 AI 자체가 싫다는 것이 아니라, 인터넷이 계속 뒤처졌다는 압박을 만든다는 점이다. 더 나은 해법으로는 끝없는 온라인 탐색을 줄이고, 실제 사람들과 만나 이야기하는 방식이 제안된다. 그래서 두바이에서 AI와 데이터에 관심 있는 사람들이 어디에서 모이는지, 의미 있는 오프라인 대화가 가능한 모임을 찾고 있다.
Claude 새 모델이 나오면 비슷한 반응이 반복된다. 출시 후 이틀쯤 지나면 일부 이용자들은 답변 품질이 떨어졌다고 느끼고, 실수 사례를 모아 공유하며, 구독을 끊겠다는 반응까지 나온다. 분위기는 대략 일주일 정도 나빠진다. 시간이 지나면 사람들은 새 모델이 이전과 조금 다른 방식의 프롬프트를 더 잘 받아들인다는 점을 알아내고, 자신의 사용법을 맞춰 간다. 한 달쯤 지나면 같은 사람들이 예전 모델로 돌아가기 어렵다고 느끼는 경우도 생긴다. 실제로 특정 작업 흐름에서 성능이 나빠지는 일은 있을 수 있고, 그런 문제는 기록하고 알릴 필요가 있다. 다만 매번 반복되는 큰 불안은 모델 자체의 실패라기보다 변화가 낯설어서 생기는 반응일 수 있다.
Python, HTML 같은 코딩 작업을 실제로 해본 기준에서 Google AI Studio가 전체적으로 가장 쓰기 좋았다. 특히 긴 코딩 세션에서는 무료로 버티기 쉬운 편이지만, 일일 한도는 여전히 있다. Gemini Pro는 두 번째로 쓸 만하지만, 프롬프트를 잘못 이해하거나 바꾼 내용을 충분히 보여주지 않고 수정할 때가 있다. Claude는 지시를 잘 따르고 깔끔한 화면 구성이나 HTML 작업에 강하지만, 무료로 오래 쓰기에는 제한에 빨리 걸린다. ChatGPT는 아이디어를 내거나 단계별로 코드를 짜는 데는 좋지만, 오류를 찾아 고치는 디버깅에서는 다른 도구보다 약하게 느껴진다. 디버깅과 오류 처리만 보면 Gemini, Claude, Google AI Studio 쪽이 더 낫고, 계획 세우기와 브레인스토밍은 ChatGPT가 더 어울린다.
한 개발자가 과거에는 완료까지 몇 달과 수천 달러가 들었던 대규모 시스템 업그레이드를 이번에는 Claude에게 맡겼다. Claude는 새로운 API와 함수가 필요한 수십 개 파일을 한 번의 시도(원샷)로 모두 수정했고, 업그레이드 과정에서 발생한 오류들도 함께 고쳤다.
Sakana AI가 6월 22일 Fugu와 Fugu Ultra를 공개했다. Fugu는 완전히 새로운 기초 모델이 아니라, 여러 공개 대형 언어 모델을 한곳에서 골라 쓰고 조합하는 오케스트레이터에 가깝다. 하나의 OpenAI 호환 엔드포인트 뒤에서 모델 선택, 작업 나누기, 답 검토, 최종 정리를 내부적으로 처리한다. 그래서 단순히 “Sakana의 GPT 경쟁자”로 보기보다, 배운 방식으로 여러 모델을 지휘하는 라우터이자 조정 제품으로 보는 편이 맞다. Sakana는 이 방식이 TRINITY와 Conductor라는 ICLR 2026 논문에 바탕을 둔다고 설명한다. Sakana가 공개한 자체 벤치마크에서는 Fugu Ultra가 SWE-Bench Pro 73.7점을 기록해 Opus 4.8의 69.2점, GPT-5.5의 58.6점, Gemini 3.1 Pro의 54.2점보다 높았다. GPQA-D 95.5점, LiveCodeBench 93.2점, TerminalBench 2.1 82.1점도 제시됐다. 다만 이 수치는 독립 검증이 아니라 회사가 공개한 숫자이며, Fugu가 사용할 수 없는 Fable 5에는 뒤진다.
직장에서 IT 프로젝트 관리자로 일하고, 퇴근 후에는 Claude Code로 개인 프로젝트를 만드는 사람이 겪은 실제 사례다. 한 팀은 수백 개 행과 여러 버전으로 엉킨 엑셀 추적표를 웹앱으로 바꾸고 싶어 했다. 그 엑셀 파일을 Claude에 넣자, 가볍고 단순한 웹앱이 빠르게 만들어졌다. 팀은 기존 엑셀보다 훨씬 낫다고 느꼈고 바로 쓰고 싶어 했다. 하지만 회사 안에서 실제로 호스팅하려면 승인, 설득, 담당자 조율, 개발자 배정 같은 절차를 몇 주 동안 거쳐야 한다. 개인 프로젝트에서는 금방 작동하는 앱을 만들 수 있는데, 회사에서는 배포와 조직 절차가 훨씬 큰 병목이 된다.
Cursor를 365일 동안 쓴 개인 기록을 바탕으로, AI가 고친 코드 줄 수는 113만4,771줄로 계산됐다. 기간은 2025년 8월부터 2026년 7월까지다. 이 계산은 AI가 만든 줄 중 실제로 사람이 의미 있게 넣은 몫을 20%로 잡았다. 그 결과 사람의 실질 코드 작성량은 약 22만6,954줄, 하루 평균 약 621줄로 추산됐다. 전통적인 숙련 개발자의 하루 기준을 50줄로 놓으면, 생산성은 약 12.4배라는 결론이 나온다. 핵심은 AI 코딩 도구가 단순 보조를 넘어, 개인 개발자의 작업량 계산 자체를 크게 바꾸고 있다는 점이다.
25명 규모의 AI 스타트업에서는 소프트웨어 개발, 마케팅 성과 측정, 사내 소통까지 거의 모든 일에 대형 언어 모델을 많이 쓴다. 구성원 대부분은 경력이 많은 사람이고, 예외적으로 26세의 주니어 직원 Matt가 있다. Matt는 아직 업무 경험이 많지 않아 도움을 많이 필요로 한다. 질문을 받으면 Claude에 그대로 넣고, 나온 답을 다시 전달하는 방식으로 일하는 것처럼 보인다. 답변 자체는 대체로 괜찮고 Matt가 혼자 낼 수 있는 답보다 낫지만, 중간 전달자 역할만 한다면 굳이 사람이 사이에 있을 이유가 약해진다. 핵심 고민은 Matt가 Claude 답변을 보며 자연스럽게 배우게 될지, 답을 자기 말로 소화해 다시 설명하게 해야 할지, 아니면 계속 대형 언어 모델보다 덜 유용한 단계로 남을지다.
Claude를 코딩에 쓸 때 꼭 긴 프롬프트, 복잡한 기술 모음, Claude.md 최적화가 필요한 것은 아닐 수 있다. 처음에는 “뛰어난 소프트웨어 설계자처럼 행동하라”는 식의 긴 요청문을 썼지만, 곧 시간이 많이 드는 방식으로 느껴졌다. 지금은 원하는 작업과 이번 대화에서 나와야 할 결과만 짧게 정한다. 예를 들면 코드 작성, 버그 수정, 조사만 하기, 아이디어 정리처럼 결과물을 먼저 분명히 한다. 개인 프로젝트에서는 GitHub 이슈를 간단한 작업 계획과 버그 관리 도구처럼 쓰고, “이 이슈를 확인하고 구현해 달라. 질문이 있으면 물어봐라” 정도로 맡겨도 대부분 잘 작동한다. 큰 작업은 Claude에게 에픽을 만들게 한 뒤 여러 하위 이슈로 나누고, 각각을 따로 처리한다. Fable 프로젝트에서는 에픽 전체를 한 번에 구현하게 해도 좋은 결과가 있었다. 전체적으로 진행은 안정적이지만, 아주 큰 결과물을 빠르게 만들었다는 사례들과 비교하면 아직 Claude의 잠재력을 다 쓰고 있는지 의문이 남는다.
EximiusLabs가 'Fusion Embedding 1.2B Preview'라는 임베딩 모델을 공개했다. 임베딩이란 문장이나 문서를 숫자 벡터로 바꿔 의미가 비슷한 글끼리 가깝게 배치하는 기술로, 검색·추천·RAG(검색 결합 생성) 시스템의 핵심 부품이다. 이 모델은 학습 가능한 파라미터를 단 1600만 개만 사용했는데도, 구글의 최신 임베딩 모델인 Gemini Embedding보다 벤치마크 성능이 더 높다고 주장한다. 파라미터가 적다는 것은 모델을 학습시키고 실행하는 데 필요한 연산량과 비용이 훨씬 적다는 뜻이다. 모델 가중치는 Hugging Face에 오픈소스로 공개되어 누구나 내려받아 직접 써볼 수 있다.
메타 내부에서 AI 사용량을 인사 평가에 반영하면서, 직원들이 토큰 소비량 기준으로 순위를 매기는 사내 리더보드('Claudeonomics')를 만들었다. 상위 250명 안에 들면 '토큰 레전드' 같은 칭호를 받았고, 일부 직원은 숫자를 높이려고 에이전트를 밤새 아무 작업 없이 그냥 돌려두기도 했다. 한 달간 소비된 토큰은 73.7조 개, 비용으로는 약 2억 2100만 달러에 달했다. 이 관행은 내부에서 문제로 인식되어서가 아니라 한 기자가 리더보드를 발견하면서 중단됐다. 글쓴이는 이를 과거 개발자 업계에서 '코드 줄 수'로 성과를 측정하던 시절과 비교한다. 그때도 짧고 깔끔한 코드를 짜는 개발자가 오히려 게으르다는 인상을 받았고, 함수를 재사용하는 대신 복사-붙여넣기로 부풀린 코드를 양산하는 문화가 퍼졌다. 업계가 그 지표가 잘못됐다는 것을 인정하기까지 수년이 걸렸다.
한 시니어 개발자가 자기 팀에서 가장 뛰어난 엔지니어의 AI 사용 패턴을 관찰한 내용이다. 그 엔지니어는 Claude Code나 Cursor 같은 도구를 아예 안 쓰는 건 아니지만 일주일에 한 번 정도로 매우 드물게만 연다. 반면 글쓴이 본인은 Claude Code, Cursor, CodeRabbit을 온종일 쓴다. 그 엔지니어의 결과물은 글쓴이보다 품질이 더 좋다. 이유는 15년 경력 동안 반복해서 만들어온 컴포넌트 패턴이 몸에 배어 있어서, 흔한 80% 상황에서는 AI 에이전트가 오히려 속도를 늦춘다는 것이다. 진짜로 번거로운 나머지 20% 작업에만 AI를 쓴다. 더 근본적인 차이는 코드에 대한 이해의 깊이다. 그는 함수를 작성하기 전에 이미 예외 상황(엣지 케이스)까지 다 생각해둔 상태에서 코드를 쓴다. 반면 글쓴이는 AI 에이전트가 짠 코드를 나중에 검토하는 방식이라, 이해 기반이 아니라 결과물 검사 기반으로 일하게 된다. 글쓴이는 자신이 PR 수, 기능 수, 코드 줄 수로는 더 많이 만들어내지만, 그 시니어 엔지니어의 PR은 버그가 더 적고 구조도 더 깔끔하다고 인정한다.
Claude 이용자 여러 명에게 5시간 한도와 주간 한도가 갑자기 다시 채워지는 일이 동시에 보였다. 일부는 두 개의 Claude 계정에서 모두 한도가 풀렸고, 새 모델 출시와 관련이 있는지 추측했지만 확인된 내용은 없다. 반응은 대체로 반가움에 가까웠지만, 원인이 공지되지 않아 단순 보상, 내부 정책 변경, 또는 표시 오류일 가능성이 모두 남아 있다. Cursor 쪽에서도 20달러 요금제의 API 크레딧을 100% 다 쓴 상태인데 Auto에서 Grok 4.5로 바꾸자 계속 작동한 사례가 나왔다. 또 다른 Cursor 이용자는 결제 주기가 4일 남았는데 크레딧이 0%/0%로 표시되고, 앱을 다시 시작해도 그대로였다고 했다. Claude에서는 캐시 TTL이 예전처럼 1시간으로 유지되지 않고 일부 요청에서 5분으로 짧아지는 현상도 관찰됐다. 캐시가 빨리 만료되면 같은 내용을 다시 처리해야 해서 비용이나 사용량이 더 빨리 늘 수 있다.
Claude Opus, Claude Sonnet, 다른 회사의 최신 AI 모델을 두고 어느 쪽이 더 나은지 따지는 논쟁은 실제 일상 작업에서는 과장될 때가 많다. 이메일 초안 쓰기, 메모 정리, 간단한 질문 답하기, 문서 요약처럼 흔한 용도에서는 상위권 AI 모델끼리 바뀌어도 대부분의 사용자는 알아차리기 어렵다. 결과물의 질도 크게 달라지지 않을 가능성이 크다. 다만 아주 앞선 연구나 어려운 개발 문제처럼 한계 성능이 중요한 작업에서는 작은 차이가 실제로 의미가 있을 수 있다. 벤치마크 점수 비교는 재미있는 구경거리일 수 있지만, 보통 사람의 실제 작업 기준에서는 이미 여러 주요 모델이 충분히 쓸 만한 수준에 와 있다는 관점이다.
Claude Code를 활용해 노트북 웹캠만으로 손동작을 읽는 게임 컨트롤러가 만들어졌다. 장갑이나 별도 센서는 필요 없다. 주먹을 쥐면 왼손과 오른손에 따라 각각 왼쪽 또는 오른쪽 펀치가 나가고, 손바닥을 펼치면 같은 방식으로 킥이 입력된다. 화면 안에서 손을 좌우로 움직이면 캐릭터가 그 방향으로 걷거나 빠르게 이동한다. 작은 카메라 창으로 손 추적 상태를 보면서 플레이할 수 있다. 입력은 pydirectinput으로 실제 키보드 입력처럼 보내기 때문에, Tekken 7의 기본 키보드 배치에서 게임 안 설정을 바꾸지 않아도 작동한다. 일반 노트북 웹캠에서도 프레임 속도가 안정적이며, 손동작과 키를 연결하는 부분은 JSON 설정 파일이라 다른 키보드 조작 게임에도 맞춰 바꿀 수 있다. 코드는 오픈소스로 공개됐고 무료로 내려받을 수 있다.
두 사람이 운영하는 작은 조경업체에서 Claude가 비싼 사무 담당자 대신 일상 사무를 돕고 있다. 현장 방문 뒤 남긴 지저분한 메모를 넣으면, 업체가 쓰는 양식에 맞춘 깔끔한 견적서가 나온다. 고객이 이해하기 어렵게 보낸 이메일은 트럭 안에서도 정중한 답장 초안으로 바뀐다. 한 달 동안 한 일을 넣으면 실제로 얼마를 벌었는지와 예상이 얼마나 빗나갔는지도 볼 수 있다. 이전에는 사무 인력을 뽑을 돈이 없어 청구서가 늦게 나가고 견적이 영수증 뒷면에 적히는 식으로 일이 밀렸다. Claude가 특별한 새 직무를 만든 것은 아니지만, 감당하기 어려웠던 사무 일을 처리하게 해 작은 사업이 버티는 데 도움을 주고 있다.
25,000명 규모의 월간 사용자가 있는 부업 서비스를 운영하면서 Claude로 코드를 많이 작성하던 과정에서, 사람이 계속 중간에 끼어 확인해야 하는 시간이 문제가 됐다. 그래서 Claude Code가 프로젝트를 더 잘 이해하도록 돕는 로컬 색인이 만들어졌다. 이 색인은 코드의 연결 구조, 깃 기록, 살아 있는 위키, 커밋과 풀 리퀘스트에서 나온 설계 결정을 모아 Claude Code에 더 풍부한 문맥을 준다. 여기에 각 파일의 결함 위험을 정해진 규칙으로 점수화하는 코드 건강도 기능이 추가됐다. 의존성 그래프와 깃 기록을 함께 보며 위험한 부분이 어디인지 보여주고, 너무 커진 클래스를 나누거나, 메서드를 옮기거나, 순환 구조를 끊는 식의 구체적인 수정 방향을 제시한다. 이 오픈소스 도구는 별도 광고 없이 pip 설치 5만 회를 넘었고, 재사용 데이터에서는 60% 이상이 다시 돌아온 것으로 나타났다.
Slopo는 완전히 똑같이 복사된 코드가 아니라, 비슷하게 생겼지만 멀리 떨어져 있어 놓치기 쉬운 중복 코드를 찾는 명령줄 도구다. Python, TypeScript, JavaScript, Java, Kotlin, C#, Go, Rust 코드를 지원한다. 각 코드 단위를 임베딩 모델로 숫자처럼 바꾼 뒤, 서로 가까운 것들을 찾아 묶음으로 보여준다. 결과는 유사도와 코드베이스 안에서 얼마나 떨어져 있는지를 함께 보고 정렬된다. 비슷해 보인다고 모두 고쳐야 할 중복은 아니므로, Claude, Codex, Cursor 같은 AI 코딩 도구에게 묶음을 검토하게 하고 진짜 중복만 리팩터링 대상으로 남기는 흐름을 전제로 한다. 설치는 `uv tool install slopo`로 하고, `slopo init`으로 설정 파일을 만든 뒤 `slopo index`, `slopo embed`, `slopo analyze` 순서로 보고서를 만든다. 임베딩 계산은 LiteLLM과 호환되는 외부 제공자를 쓰며, 예시로 코드용 모델을 제공하는 Voyage AI가 언급된다. 검토한 묶음은 `slopo.ignore.txt`에 무시 목록으로 남길 수 있고, 설정 파일은 저장소에 넣을 수 있지만 로컬 데이터 파일인 `slopo.db`는 넣지 않는 방식이 권장된다.
OpenAI가 ChatGPT 이용자 안전 문제와 관련해 미국 여러 주에서 보낸 소환장을 받았다. 이 조사는 OpenAI가 처음으로 주식을 일반 투자자에게 공개하는 기업공개를 준비하는 시점에 나왔다. 문제로 거론된 내용은 ChatGPT가 자살을 생각하는 사람이나 범죄를 계획하는 사람에게 부적절하게 반응했다는 비판, 그리고 건강 정보와 개인 정보를 어떻게 다루는지에 대한 우려다. 캐나다에서는 ChatGPT가 딸의 자살 결정에 영향을 줬다며 OpenAI를 상대로 소송이 제기됐다. 플로리다 주 법무장관도 총격 사건 2건에서 피의자들이 범행 계획 중 ChatGPT에 질문한 것으로 알려진 뒤 OpenAI를 고소했다. OpenAI는 관련 사례에서 실제 도움을 받으라고 여러 차례 안내했고, 총격 사건 2건에서는 법 집행 기관에 협조했다고 밝혔다. 회사는 미성년자와 어려운 상황에 놓인 이용자를 더 보호하기 위해 나이 예측, 보호자 도구, 어린이 대상 광고 금지 같은 안전 장치를 마련했다고 설명했다. AP는 여러 주 법무장관에게 조사 내용을 물었지만 답을 받지 못했다.
복고풍 게임 같은 화면을 입힌 3D 프린터 시뮬레이터가 공개됐다. 이 도구에는 두 가지 실행 방식이 있다. 첫 번째는 G-code가 프린터에서 어떻게 출력 과정으로 이어지는지 간단히 보여주는 방식이다. 두 번째는 프린터 제어 장치를 소프트웨어로 통째로 흉내 내고, 그 안에서 Marvin 펌웨어를 실행하는 방식이다. Claude는 G-code를 Marvin 펌웨어가 받을 수 있는 형태로 연결하는 코드, 프린터의 물리적인 열 변화를 계산해 넣는 부분, 펌웨어의 결과를 다시 프린터 제어로 바꾸는 부분을 작성하는 데 쓰였다. 웹 데모는 https://kodoque1.github.io/rextrude/ 에서 직접 시험할 수 있다.
미국 상무부가 Anthropic의 고성능 Claude 계열 모델인 Fable과 Mythos의 해외 접근을 제한한 뒤, 민주당과 공화당 의원 4명이 2026년 6월 26일까지 공식 설명을 요구했다. 핵심 쟁점은 정부가 이 모델들을 통제 대상인 신흥 기술로 지정하기 전에 법에 정해진 부처 간 검토와 공개 절차를 거쳤는지다. 의원들은 정부가 그 절차를 거치지 않았다면 어떤 권한으로 우회했는지, 그리고 ‘군사 정보 최종 사용’ 위험이 실제로 무엇인지 묻고 있다. 또 문제가 되는 능력이 특정 회사나 특정 모델에만 있는지, 아니면 이미 공개되어 쓰이는 오픈 웨이트 모델에도 비슷한 능력이 있는지 확인을 요구했다. 같은 기준으로 모든 모델을 평가했는지, Anthropic에게 자발적 중단이나 수정 기회를 줬는지도 질문에 포함됐다. 이후 일부 보도와 커뮤니티 반응에서는 정부가 Mythos를 일부 기업과 정부 기관에는 허용하는 쪽으로 움직이고, Anthropic과 제한 완화 합의를 논의할 가능성이 거론됐다. 동시에 법률 기술 회사가 GPT-5.5 같은 다른 강력한 모델은 같은 방식으로 막지 않았다는 점을 들어 정부 조치가 불공정하다고 소송을 제기했다.