Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
Anthropic이 Claude Science 베타를 내놓자, AI 연구 도구가 특정 회사의 닫힌 환경으로 모이는 흐름에 대한 반응이 나왔다. Open Science는 그 반대 방향을 내세운 공개형 연구 작업대다. 핵심은 연구 자료 검토, 논문 작업, 실험, 데이터 연결 같은 일을 Claude Science식 흐름으로 돕되, 로컬 우선 방식과 모델 독립형 구조를 지향한다는 점이다. 여러 인공지능 응용 프로그램 인터페이스를 설정할 수 있고, 로컬 Ollama 모델도 연결할 수 있다. MCP 기반 연구 기능, Jupyter 자동 조작, 비공개 배포도 지원 방향에 포함된다. MIT 라이선스로 공개되어 개인 개발자나 작은 팀이 내부 연구 도구로 고쳐 쓸 수 있다. 함께 언급된 Rowboat 같은 프로젝트도 Claude Desktop을 채팅 앱이 아니라 실제 업무 화면으로 바꾸려는 흐름을 보여준다.
Arena의 웹 개발용 코드 순위표는 프런트엔드 웹 개발 작업과 여러 단계를 거치는 자동 코딩 작업에서 AI 모델을 비교한다. 2026년 7월 1일 기준으로 18개 연구소 모델이 422,204표를 바탕으로 평가됐다. 연구소 기준 상위 5개는 Anthropic의 claude-fable-5가 1위, Z.ai의 glm-5.2가 2위, ByteDance의 seed-2.1-pro-preview가 3위, Alibaba의 qwen3.7-max-20260517이 4위, Moonshot의 kimi-k2.6이 5위다. 이 중 Anthropic을 뺀 4곳은 중국계 연구소로 볼 수 있다. Google의 gemini-3.5-flash는 6위, OpenAI의 gpt-5.5-xhigh는 8위, DeepSeek의 deepseek-v4-pro-thinking은 10위에 있다. 다만 일부 모델은 예비 평가로 표시되어 있고, 이 순위는 웹 개발 과제 중심이라 모든 코딩 작업의 성능을 그대로 뜻하지는 않는다.
작성자는 올해 초부터 직접 코드를 짜지 않고, 소프트웨어 개발 작업을 최대한 AI 에이전트에게 넘기기로 했다. 처음에는 여러 문제가 발생했지만, 그 문제들을 하나씩 해결해 나가는 과정 자체가 의미 있었다고 말한다. 이렇게 6~7개월을 보낸 뒤, 그 과정에서 완성된 작업 환경(워크벤치)과 그동안 얻은 교훈을 정리해 공유했다. 사용한 도구와 스킬은 모두 오픈소스로 공개되어 있으며 원문 게시글에 링크되어 있다.
개인 경험상, Claude Code에서 Opus를 고르고 작업 강도를 최대로 올리면 조사, 개발 계획 작성, 구현, 검토, 테스트까지 매우 잘 처리했다. 하지만 시간이 갈수록 사용 한도가 더 빨리 소진됐고, 사용량을 계산하는 토큰 비용도 큰 부담이 됐다. 비용을 줄이는 방식은 Opus에게 먼저 자세한 계획을 쓰게 하는 것이다. 그 계획은 성능이 낮은 모델도 따라 할 수 있을 만큼 구체적으로 만들고, 별도 창에서 Sonnet이 그 계획대로 구현하게 한다. 마지막에는 Opus가 결과를 다시 확인한다. 이후 에이전트 기능이 들어오면서 Opus가 직접 Sonnet 에이전트를 불러 같은 일을 시킬 수 있게 됐다. Opus는 진행 중에 지시를 보완하거나 설명을 덧붙이며 감독할 수 있지만, 이 방식도 추가 비용이 든다.
2024년 노벨 화학상을 받은 존 점퍼가 약 9년 동안 일한 Google DeepMind를 떠나 Anthropic에 합류한다. 점퍼는 AlphaFold 팀을 이끌었고, 이 성과로 Google DeepMind 최고경영자 데미스 허사비스와 함께 노벨상을 받았다. Anthropic 합류 전에는 잠시 쉬는 시간을 가질 예정이다. Google에서는 최근 점퍼가 과학 연구보다 인공지능 코딩 쪽 일을 맡고 있었다는 내용도 함께 전해졌다. 이 이동은 Gemini 공동 책임자였던 노암 셰이지어가 OpenAI로 간 뒤 나온 또 다른 대형 인재 이동이다. Google DeepMind에서는 AlphaGo로 알려진 데이비드 실버도 최근 떠난 것으로 언급됐다. Anthropic은 2026년 채용에서 OpenAI 공동창업자이자 전 Tesla 인공지능 책임자였던 안드레이 카파시도 영입했고, 그는 Claude 사전훈련 작업에 참여하는 것으로 알려졌다.
여러 앱을 오가며 일할 때 피로를 만드는 핵심은 열린 탭의 개수가 아니라 같은 정보를 여러 번 다시 입력하는 일이다. 실제 업무 사례에서는 거래를 마무리하면서 Gmail, HubSpot, Linear 게시판, Notion 문서를 함께 열어 두었다. 고객의 새 마감일이라는 같은 정보가 HubSpot, 달력, 후속 이메일, Linear에 각각 손으로 입력됐다. 데스크톱 에이전트를 쓰자 여러 앱의 내용을 읽고 요약만 주는 데서 끝나지 않고, 필요한 기록을 직접 업데이트했다. 연결 가능한 앱은 40개가 넘었고, 열린 탭 수는 거의 줄지 않았지만 같은 정보를 다시 치는 횟수는 거의 사라졌다. 그래서 AI 업무 도구를 평가할 때는 탭을 얼마나 줄였는지보다 하루 안에 같은 사실을 몇 번 다시 입력하게 만드는지를 봐야 한다.
Claude Code Skill 하나가 SaaS 제품의 웹사이트나 제품 설명을 받아 ChatGPT 검색 답변에서 빠진 기회를 찾아낸다. 이 도구는 제품이 무엇을 하는지 정리하고, 살 가능성이 높은 고객을 추정한 뒤, 구매 의도가 있는 질문들을 만든다. 그런 질문들을 ChatGPT에 넣고, 답변에 어떤 인용이 붙는지 뽑아낸다. 이후 기회를 유형별로 묶어 보고서로 정리한다. 특히 ChatGPT가 인용 없이 답하거나, 관련성이 약한 출처를 붙이거나, 경쟁사를 대신 추천하거나, 제품을 언급만 하고 추천하지 않는 경우를 표시한다. 큰 기존 업체가 답변을 장악하는 상황도 따로 잡아낸다. 원래는 SaaS 고객의 인공지능 검색 노출을 높이기 위해 수작업으로 하던 흐름이었고, 반복 작업이 많아 재사용 가능한 도구로 바뀌었다. 깃허브 저장소와 전체 작업 흐름을 보여주는 안내 영상도 제공된다.
OpenAI Codex 0.142.0은 여러 알파 버전을 거쳐 정식 0.142.0 릴리스로 이어졌다. 핵심 변화는 개인 개발자가 작업 중 비용과 한도를 더 잘 관리하고, 필요한 플러그인을 더 쉽게 찾게 하는 쪽이다. `/usage` 명령은 이제 얻은 사용 한도 초기화 크레딧을 보여주고, 이를 사용할 수 있게 한다. 이 과정에는 확인, 재시도, 최신 사용 가능 상태 갱신이 포함된다. `/plugins` 화면은 원격 플러그인을 OpenAI Curated, Workspace, Shared with me 구역으로 나누어 보여준다. 또 조건에 맞는 작업 흐름에서는 관련 플러그인을 추천하고 설치할 수 있다. 설정 가능한 롤아웃 토큰 예산은 에이전트 스레드 전체의 사용량을 추적하고, 남은 예산을 알려주며, 예산을 넘으면 작업을 중단할 수 있다.
고전 텍스트 게임 Zork에 새 화면 인터페이스가 붙었다. Zork는 1980년대 초에 나온 게임으로, 원래는 글로 장소와 행동을 읽고 명령을 입력하는 방식이라 사실상 화면 UI가 없었다. 제작자는 처음에는 Opus로 작업을 시작했지만, 100개가량의 픽셀 아트 장면을 만드는 데는 Fable이 더 나은 결과를 냈다고 밝혔다. 프로젝트 코드는 깃허브에 오픈소스로 공개됐고, 픽셀 아트 장면을 만드는 기술도 함께 포함됐다. 실행 버전은 Railway에 올라가 있으며, 서버 없이 프런트엔드만으로 작동하고 분석 추적도 넣지 않았다.
월 20~30달러 안에서 코딩용 AI 구독을 고르려는 상황이다. ChatGPT Plus 무료 체험으로 Codex와 GPT-5.5를 써 보니, 작은 앱이나 프로젝트를 빠르게 만드는 바이브 코딩에는 만족스러웠다. 하지만 사용량 제한이 가장 큰 문제다. GPT-5.5 중간 설정에서는 프로젝트 작업 중 5시간 제한 안에 약 10번 정도만 요청할 수 있고, 많이 코딩하면 주간 사용량이 3일 만에 거의 바닥난다. 덜 쓰면 거의 한 주를 버틸 수 있다. Claude도 후보지만, 비싸고 사용량 제한을 빨리 소진한다는 말이 있어 Sonnet 4.6이나 Sonnet 5가 ChatGPT Plus보다 더 빨리 막히는지 비교가 필요하다. 5달러짜리 opencode Go에서 GLM-5.2도 써 봤지만 결과가 좋지 않았고, 25만 토큰 문맥을 쓰는 과정에서 약 9달러가 빠르게 소모됐다. Minimax M3, DeepSeek v4 Pro 같은 다른 모델도 후보로 보지만, 실제 코딩 품질과 사용량 효율은 아직 불확실하다.
AI는 아이디어를 떠올리고, 글을 쓰고, 생각을 정리하고, 작업 체계를 만들고, 자료를 찾고, 콘텐츠를 만드는 데 쓰이고 있다. 온라인 사업을 시작하는 과정에도 도움이 되었고, AI로 만든 이미지도 창작 과정의 일부가 되었다. 코딩, 디자인, 미술을 전문적으로 배운 사람이 아니어도 AI 덕분에 만들고 실험하는 속도가 크게 빨라졌다. 예전에는 손에 닿지 않던 도구를 가진 느낌이지만, 공개적으로 이야기하면 게으르다거나 비윤리적이라는 비난을 받는다. 특히 예술가와 창작자들이 AI 때문에 위협을 느끼는 이유는 이해하지만, 실제로 삶을 바꾼 도구를 좋아한다고 말하기 어려운 분위기가 생겼다. 핵심 감정은 AI가 아이디어를 대신한다기보다, 원래 있던 생각을 실행하게 해주는 도구라는 데 있다.
Claude를 쓸 때 Opus를 습관처럼 기본값으로 두면 비용이 불필요하게 커질 수 있다. Sonnet 5가 나온 뒤에는 평범한 작업까지 Opus로 처리할 이유가 줄었다는 문제의식이다. 한 가지 방법은 작업을 시작하기 전에 크기, 실수했을 때의 위험, 몇 번이나 주고받아야 할지를 대략 점수로 매기는 것이다. 너무 어렵지는 않지만 반복적으로 처리해야 하는 중간 난이도 작업은 Sonnet에 맡긴다. 더 크거나 위험한 작업은 Opus를 쓰는 식으로, 하나의 기본 모델에 계속 맡기지 않고 작업별로 고르는 흐름이다.
1995년에 고등학생이던 제작자는 DOS용 QuickBasic을 혼자 배우며 작은 게임을 만들었다. 친구 Jesper는 그림을 한 픽셀씩 그렸고, 제작자는 코드를 짰다. 주인공은 덴마크 이름인 Preben이었고, 동굴에 갇혀 벌과 날아다니는 돌연변이 코끼리를 총으로 상대하는 게임이었다. 이번에는 Claude와 긴 대화를 이어가며 원본 소스 코드를 읽히고 게임 규칙을 다시 맞췄다. Claude는 1995년 BLOAD 메모리 덤프에서 원래 스프라이트를 픽셀 단위로 꺼냈고, VGA 메모리 화면과 PUT 좌표도 함께 해석했다. 또 BIOS 틱으로 만든 게임 반복 구조를 복원해, 컴퓨터 속도와 상관없이 일정한 속도로 움직이던 원래 동작을 되살렸다.
AI 에이전트는 코드를 뚝딱 만들어내는 데는 뛰어나지만, 잘못된 판단을 내려 엉뚱한 방향으로 가버릴 위험이 있다. 이런 문제를 막으려면 개발자가 중요한 결정은 직접 내리고, AI가 함부로 추측해서 진행하지 못하게 통제하면서도 AI의 도움은 최대한 활용하는 방식이 필요하다. 이것이 그냥 되는 대로 프롬프트를 던지고 결과를 받아쓰는 '바이브 코딩'과 다른 점이다. 글쓴이는 매일 쓰는 자신만의 작업 흐름을 공유하는데, 이 방식은 프로젝트 성격이 달라도 두루 적용되고, 혼자 개발하든 팀으로 개발하든 상관없이 쓸 수 있으며, 오픈소스로 공개된 '스킬'(재사용 가능한 작업 절차) 위에 만들어져 있다.
ChatGPT도 Codex처럼 여러 도구와 작업 흐름을 다루는 능력이 있고, 안쪽에서는 다중 에이전트 시스템처럼 움직일 수 있다는 실험이 나왔다. MCP를 이용하면 ChatGPT가 로컬 피시의 파일을 직접 읽고 쓸 수 있고, 이 방식으로 로컬 CAD 작업까지 맡길 수 있었다. 결과물의 품질은 아주 뛰어나지는 않았지만, ChatGPT가 요구사항을 하나씩 확인하고 여러 하위 에이전트를 써서 거의 한 시간 동안 작업을 이어간 점이 인상적이었다. 실험자는 ChatGPT가 큰 방향을 잡고 계획하고 검토하는 데 강하고, Codex 같은 로컬 코딩 도구는 파일 수정, 명령 실행, 결과 확인 같은 작은 실행 단계에 더 알맞다고 봤다. 그래서 ChatGPT를 설계자와 검토자처럼 두고, 로컬 에이전트는 실제 작업을 수행하게 하는 작은 표준 작업 흐름을 만들었다. 이 흐름에는 기본적인 안전 경계도 넣었다.
한 달 동안 Claude를 많이 쓴 실제 사용량을 API 요금으로 계산하면 거의 2,500달러가 된다. 하지만 실제로 낸 돈은 환율에 따라 약 100달러 수준이다. API 요금이 Anthropic에 이익을 남기는 가격이라고 가정하면, 현재 구독 요금제는 아주 많이 쓰는 사람에게 큰 보조금을 주는 구조처럼 보인다. 개발자 한 명당 2,500달러에 가까운 비용을 낼 개인이나 회사는 많지 않을 가능성이 크다. 이런 가격 차이가 계속되면 사람들은 로컬 모델을 주로 쓰고, 필요한 순간에만 클라우드 모델을 보조로 쓰는 방향으로 갈 수 있다. 이 관점에서는 Anthropic과 OpenAI 같은 회사가 장기적으로 수익을 내기 어렵다는 우려가 나온다.
OALABS 연구진은 침해된 서버에서 복구한 1,000개 이상의 AI 에이전트 작업 기록을 분석했다. 그 결과 숙련도가 낮은 공격자가 Claude Code와 OpenAI Codex를 공격 작업에 쓴 정황이 나왔다. 공격자는 복잡한 기술 지시보다 단순한 요청을 자주 넣었고, AI 에이전트가 정찰, 취약점 찾기, 공격 코드 작성, 데이터 수집 같은 단계를 처리했다. 관련 활동은 최소 14개 조직에 영향을 준 것으로 주장됐다. 안전장치는 요청을 허가받은 보안 연구나 레드팀 훈련처럼 포장하는 방식으로 여러 번 우회됐다. 공격자의 신원은 AI 안전 기능이 잡아낸 것이 아니라, 공격자 본인의 운영 보안 실수 때문에 드러났다.
Microsoft Research, Stanford, Berkeley, CMU의 새 연구는 최신 추론 모델 8개를 9개 작업 분야에서 비교했다. 가격표에 적힌 토큰당 가격과 실제 작업을 끝내는 데 든 비용은 자주 달랐다. 직접 비교한 경우 5번 중 1번 이상에서, 토큰당 가격이 더 싼 모델이 실제로는 더 비쌌다. 가장 큰 차이는 28배였다. 대표 사례로 Gemini 3 Flash는 GPT-5.2보다 표시 가격이 78% 저렴했지만, 전체 작업 기준 실제 실행 비용은 22% 더 높았다. 이유는 모델마다 같은 질문에 쓰는 토큰 양이 크게 다르기 때문이다. 같은 요청에서도 어떤 모델은 다른 모델보다 생각 토큰을 900% 더 많이 썼고, 생각 토큰은 전체 출력 비용의 80%를 넘었다. 같은 모델에 같은 질문을 다시 넣어도 실행마다 비용이 최대 9.7배까지 흔들렸다.
최근 Cursor 업데이트 이후 일부 개발 환경에서 Claude Code가 보조 사이드바에 고정되지 않고, Codex 확장 프로그램이 열리지 않는 문제가 나타났다. 이전에는 Claude Code 대화 기록을 불러오던 시계 모양 기록 버튼이 보였지만, 업데이트 뒤 그 위치에서 사라져 과거 작업 흐름을 찾기 어려워졌다는 사례도 있었다. 같은 시기 Cursor 안에서 “수요가 많다”는 연결 오류가 반복되거나, 응답이 오래 걸리고 추론 품질이 나빠졌다는 불만도 나왔다. 일부 팀은 Cursor가 단순화된 화면을 강하게 밀면서 기존 통합 개발 환경 화면으로 돌아가고 프로젝트를 다시 찾는 일이 매번 번거롭다고 느끼고 있다. 사용량 표시도 혼란스럽다. 저렴한 모델인 GLM 5.2를 네 번 정도 썼는데 월간 한도의 9%가 소모됐다는 사례와, Pro Plus의 API 예산 사용률이 94%에서 0%로 갑자기 바뀌었다는 사례가 함께 나왔다. Composer 2.5는 빠르고 비용 대비 좋지만 답변 구조가 읽기 어렵다는 의견이 있었고, Fable 5 선택 시 연결 오류가 난다는 문제도 보였다.
OpenAI의 새 경제 연구는 Codex 같은 에이전트 도구가 짧은 질문 답변을 넘어 오래 걸리는 업무를 맡기 위한 도구로 바뀌고 있다고 보여준다. 2026년 5월 기준으로 개인 사용자 표본의 80.6%는 사람이 30분 넘게 걸릴 것으로 추정되는 Codex 요청을 한 번 이상 했고, 70.2%는 1시간 넘는 요청을 했으며, 25.6%는 8시간 넘는 요청을 했다. OpenAI 내부에서는 2025년 8월까지만 해도 평균 직원의 Codex 사용량이 출력 토큰 기준 10% 미만이었지만, 지금은 모든 부서에서 Codex가 주된 인공지능 업무 도구가 됐다. 평균 OpenAI 직원은 출력 토큰의 85% 이상을 Codex에서 만들고, 회사 전체 주간 출력 토큰의 99.8%가 Codex에서 나온다. 개발자가 먼저 옮겨 갔지만, 법무·재무·채용도 2026년 4월쯤 Codex를 주로 쓰기 시작했다. 비개발자 사용 증가가 특히 컸으며, 2025년 8월 이후 개인 비개발자 사용자는 137배, 조직 비개발자 사용자는 189배, OpenAI 내부 비개발자 사용자는 12배 늘었다. 비기술 부서도 Codex로 자동화, 데이터 정리, 도구 만들기, 디버깅, 구조화된 분석 같은 기술 업무를 일부 직접 처리하고 있다.
Claude가 짧게 쓰려는 과정에서 오히려 읽기 어려운 문장을 만든다는 불만이 이어졌다. 문제는 어려운 합성어, 즉석에서 만든 비유, 정의되지 않은 개념이 사양서와 실행 계획에 그대로 들어간다는 점이다. 이런 문장은 겉보기에는 똑똑해 보이지만, 실제 작업자는 뜻을 다시 해석해야 해서 속도가 느려진다. Opus 4.8에서도 비슷한 반응이 나왔다. 이전 모델은 오래 써도 괜찮았지만, Opus 4.8은 멋있어 보이는 표현과 과한 비유를 자주 써서 같은 문장을 여러 번 읽게 만든다는 경험담이 있었다. ChatGPT의 문체가 거슬린다는 불만도 함께 보이며, 문제는 Claude만의 문제가 아니라 AI 도구 전반에서 반복되는 ‘말투 조정’ 문제로 보인다. 개인 사업자나 1인 제작자는 voice.md 같은 파일에 “긴 대시를 쓰지 말기”, “이메일 끝맺음 방식” 같은 규칙을 적어도 AI가 완전히 자기 말투를 따라오지 않는다고 느끼고 있다. Claude가 특정 표현을 반복해서 쓰는 사례도 있어, 긴 대화나 깊은 조사 작업에서는 반복어와 과한 표현을 별도로 점검해야 한다.
여행 전에 전화로 연락해 짐 챙기기를 함께 확인해 주는 개인용 AI 음성 도구가 목표다. 미리 텍스트나 음성으로 넣어 둔 짐 목록을 단순히 읽어 주는 방식이 아니라, 실제 대화처럼 묻고 기다리고 이어 가야 한다. 예를 들어 여권을 챙겼는지 물은 뒤, 사용자가 가지러 간다고 하면 멈추고, 챙겼다고 말하면 다음 항목으로 넘어가야 한다. 필요한 기능은 일정이나 여행 시점에 맞춘 발신 전화, 자연스러운 음성 대화, 일시정지와 이어가기, 목록 진행 상태 저장, 각 항목을 챙김·건너뜀·아직 필요함으로 표시하는 것이다. 운영 방식은 클라우드가 좋지만, 실제로 더 낫다면 오래된 노트북에서 직접 돌리는 방식도 고려된다. 선택지는 Twilio, Vapi, Retell, OpenAI Realtime API, Claude/Anthropic, 로컬 대규모 언어 모델 등이며, 가장 단순한 현재 구조가 무엇인지가 핵심 고민이다.
Ångstrom AI는 Cambridge 대학, AstraZeneca와 함께 신약 개발에 쓰이는 결정 구조 예측 모델 CSP-MACE-Å를 만들었다. 이 모델은 기존의 느리고 비싼 계산 방식인 DFT와 비슷한 정확도를 목표로 하면서, 계산 속도를 1만 배 빠르게 했다고 소개됐다. 결정 구조 예측은 같은 분자가 어떤 고체 모양으로 굳을 수 있는지 찾는 작업이며, 약이 나중에 다른 형태로 바뀌어 성능이 달라지는 위험을 줄이는 데 중요하다. Ångstrom은 이 모델을 만들 때 Claude Code가 anycloud 명령줄 도구를 직접 다루게 했다. Claude Code는 실험 묶음을 실행하고, 상태를 확인하고, 결과를 내려받고, 그래프와 요약을 만들어 연구자가 다음 판단을 하도록 도왔다. 이 과정에서 약 10만 개의 GPU 작업이 실행됐고, 대부분은 여러 클라우드의 스팟 인스턴스에서 돌아갔다. anycloud는 Claude Code가 너무 많은 돈을 쓰지 않도록 세션별 동시 작업 제한과 예산 한도를 걸 수 있게 했다. 한도에 닿으면 새 작업은 기다리고, 이미 실행 중인 작업은 계속 돌아가며, Slack 알림으로 비용과 막힌 작업을 확인할 수 있었다.
직접 써본 기준에서는 AI가 항상 시간을 아껴 주지 않는다. 작은 작업에서는 분명 빠르게 끝낼 수 있지만, 동시에 예전에는 시도하지 않았을 일을 계속 시작하게 만든다. 예전에는 월 5유로짜리 플러그인을 사서 15분 만에 끝냈을 일을, 이제는 Claude에게 직접 만들게 하고 계속 손보게 된다. 그 과정에 쓴 시간을 돈으로 바꾸면 약 1,000유로어치가 되고, 여기에 월 200유로 구독료도 들어간다. 예전 방식이면 금방 끝났을 일이 퇴근 후 자유 시간을 잡아먹는다. 별로 투자할 만하지 않던 앱 아이디어도 이제는 Claude에게 크게 만들어 달라고 시키게 되고, 몇 시간 뒤에는 방어 드론용 업무 메신저 대체 서비스처럼 과하게 복잡한 프로토타입이 생긴다.
ScreenMind는 화면 활동을 계속 기록해두고 나중에 검색하거나 대화하듯 물어볼 수 있게 해주는 프로그램으로, 개인정보 보호를 최우선으로 설계됐다. 클라우드로 데이터를 보내는 대신 비전·음성·추론을 모두 지원하는 몇 안 되는 로컬 모델인 Gemma 4를 컴퓨터 안에서 직접 실행하기 때문에 데이터가 기기 밖으로 나가지 않는다. 하루 동안 어떤 프로그램에 시간을 얼마나 썼는지 추적하고, 화면에 있던 글자로 스크린샷을 검색하며, "디스코드에서 알렉스가 뭐라고 했지" 같은 질문을 하면 과거 화면 기록에서 답을 찾아준다. 코딩을 모르는 사람은 평범한 문장으로, 개발자는 파이썬 코드로 자동화를 만들 수 있어서, 예를 들어 하루 활동 요약을 슬랙으로 보내는 식의 작업도 설정할 수 있다. 단축키 하나로 스크린샷과 함께 음성 메모를 남길 수 있고, 회의를 자동으로 감지해 녹음·요약해주는 기능도 있다. 개발자가 가장 어려웠던 부분은 이 프로그램을 백그라운드에서 계속 켜두는 일이었는데, 특히 대화 기능이 로컬 모델 연산을 요구하면서 컴퓨터 자원을 많이 잡아먹는 문제가 있었다고 한다.
Claude에서 일부 이용자의 주간 사용량 제한이 예정일과 다르게 다시 초기화됐다. 원인은 Claude Code Max와 Pro 이용자 중 약 3%에게 잘못된 주간 사용량이 표시되는 오류였다. 일부는 실제 한도와 다르게 메시지를 보낼 수 없는 상태가 됐다. Anthropic 쪽 공지에 따르면 오류는 수정됐고, 영향을 받은 사람뿐 아니라 모든 요금제 이용자의 5시간 사용량과 주간 사용량 제한이 다시 초기화됐다. 며칠 전 일부 초기화가 있었고, 이번에는 같은 초기화 날짜를 유지한 채 전체 한도가 다시 열린 것으로 보인다. 여러 이용자는 예정된 주간 초기화 이후에 또 한 번 한도가 풀린 점을 확인하며, 이것이 단순 오류 보상인지 앞으로 제한 정책이 바뀌는 신호인지 궁금해했다.
Claude Fable은 개인용 음악 도구 아이디어를 약 20분 만에 실행 가능한 브라우저 앱으로 만들었다. 결과물은 SG-16 SIGNAL이라는 샘플러 겸 그루브박스로, SP-1200과 TR-808 같은 고전 음악 장비의 느낌을 웹에서 재현하는 방향이었다. 앱은 HTML, CSS, JavaScript와 Web Audio API만으로 클라이언트 쪽에서 돌아가며, 플러그인이나 서버 의존성이 없었다. 작업자는 먼저 Claude Opus에게 Fable용 상세 프롬프트를 만들게 했고, Pro 계정의 5시간 사용 제한 안에서 끝나지 않을 경우를 대비해 저장 상태, 세션 요약, 파일 경로, 오류 기록, Obsidian에 메모를 저장하는 터미널 명령까지 포함시켰다. 처음 구현에는 사용량의 약 40%가 들었고, 빠뜨린 웨이브 파일 자르기 기능과 믹싱 콘솔을 추가하는 데 다시 약 40%가 들었다. 다른 Fable 5 사례들도 비슷하게 제작 자동화 쪽 강점을 보였다. WebGL과 셰이더 작업을 한 번에 처리하고 렌더링 화면을 스스로 캡처해 확인하거나, Claude Code와 함께 Firebase 데이터 생성, iOS·Android 시뮬레이터 스크린샷 수집, 후처리, 다국어 앱스토어 이미지 제작을 재현 가능한 스크립트로 묶는 식이다. 다만 과학·임상·약학 관련 단어에는 안전장치가 과하게 반응해 단순 작업도 막힌다는 불만이 있었고, 보안 점검 중 실제 악성 PowerShell 자동 실행 항목을 찾아냈지만 그 경고 자체가 다시 안전 필터에 걸리는 사례도 있었다.
개인 제작자가 Claude Code를 써서 미국과 캐나다 2,400개 이상 도시의 지방정부 회의를 쉽게 찾고 읽을 수 있는 서비스를 만들었다. 지방정부 회의에서는 구역 지정, 예산, 수도 요금, 도로 공사 계약 같은 생활에 가까운 결정이 다뤄지지만, 보통 긴 회의 영상을 보거나 수백 쪽짜리 문서를 읽어야 내용을 알 수 있다. mytown.theboringparts.com은 시의회, 위원회, 각종 공공 회의 일정을 모아 회의 안건을 쉬운 영어 요약으로 바꾼다. 현재 6만 건이 넘는 회의와 4만5천 건의 인공지능 요약문이 올라와 있다. Legistar, CivicPlus, Granicus, BoardDocs, IQM2 같은 11개 정부 회의 플랫폼을 각각 분석해 어댑터를 만들었고, 도시마다 쓰는 시스템이 다르며 쓸 만한 API가 거의 없다는 점을 해결했다. 전체 텍스트 검색, 도시별 주간 인공지능 요약, 연방정부용 자매 사이트, Whisper로 만든 회의 영상 받아쓰기 기능도 포함됐다. 각 요약은 원문 정부 문서로 연결되어, 요약만 믿지 않고 출처를 확인할 수 있게 했다.
UrLingo는 사용자가 단어를 검색하면 로그인 상태, 사용량 한도, 개인 설정을 확인한 뒤 OpenAI로 구조화된 사전 항목을 만들고 화면에 스트리밍으로 보여주는 개인 단어장 앱이다. 처음에는 첫 번째로 쓸 만한 결과가 화면에 나오기까지 13초가 넘게 걸렸다. OpenAI의 TTFT는 8,296밀리초였고, 화면이 OpenAI의 첫 조각을 받기까지는 13,274밀리초가 걸렸다. 더 큰 문제는 단어 하나를 설명하는 데 숨은 추론 토큰이 1,088개나 쓰였다는 점이었다. 처리 흐름을 측정하고 고친 뒤에는 최신 측정에서 OpenAI TTFT p50/p95가 1,247밀리초와 3,514밀리초로 줄었다. 화면의 첫 OpenAI 조각도 p50/p95 기준 3,038밀리초와 4,873밀리초로 줄었고, 숨은 추론 토큰은 0개가 됐다. 결과적으로 TTFT p50은 6.7배, 첫 화면 조각 p50은 4.4배, 첫 화면 조각 p95는 2.7배 빨라졌고, 모든 실행에서 우선순위 등급이 켜져 있었다.
오른쪽 어깨 통증으로 병원에서 MRI를 찍은 뒤, 진단은 어깨 힘줄에 50%가 넘는 부분 파열이 있다는 내용이었다. 병원은 바로 충격파 치료와 주사 치료를 시작했고, 같은 치료를 총 3번 반복하자고 했다. GPT 5.5 Pro에 병원 자료를 넣자, 석회화가 없을 때 회전근개 힘줄 문제에 충격파 치료를 권하지 않는 진료 지침이 있다는 점과, Traumeel 주사가 독일에서 치료 적응증이 없는 동종요법 약으로 등록되어 있다는 점을 짚었다. 이후 MRI 원본은 확장자가 없는 DICOM 파일 수백 개, 약 266MB였고, Claude Code 안의 Opus 4.8이 필요한 패키지를 설치하고 약 1시간 동안 분석했다. 첫 분석에서 Opus 4.8은 병원 진단과 달리 힘줄이 끊어지지 않았다고 판단했다. 다시 병원 판독, GPT 5.5 Pro와 나눈 증상 확인 대화, 추가 문맥을 함께 주고 비교 분석을 시키자, Claude Code는 여러 하위 작업을 나누어 검토했고 또 약 1시간 뒤 가벼운 힘줄 변성은 보이지만 뚜렷한 부분 파열이나 완전 파열은 보이지 않는다는 쪽에 중간 이상 높은 확신을 보였다. 결론적으로 AI의 두 번째 의견은 병원 진단과 크게 달랐지만, AI 자체도 완전히 믿기 어렵기 때문에 다른 의사를 찾아가거나 재활을 하며 지켜보는 선택 사이에 남게 됐다.