요약

OpenAI의 한 팀이 다섯 달 동안 사람이 코드를 한 줄도 쓰지 않고 백만 줄짜리 제품을 출시했다. 엔지니어의 일은 코드를 짜는 것이 아니라 에이전트가 일할 환경·피드백 루프·점검망을 설계하는 것으로 옮겨 갔다 — 이것이 OpenAI가 ‘하네스 엔지니어링’이라 부르는 것이다.

챗봇과 에이전트를 가르는 것은 모델이 아니라 단 하나의 패턴 — 도구를 부르며 도는 while 루프다. Oracle의 Casius Lee가 이 ‘에이전트 루프’를 다섯 단계로 해부하고, 모든 메이저 AI 회사가 같은 구조로 수렴한 이유와 프로덕션에서 부딪히는 비용·관측가능성 문제를 정리한다.

에이전트에게 직접 프롬프트하는 대신 에이전트를 프롬프트하는 루프를 설계하라는 흐름을, 트위터 논쟁부터 루프의 해부학·정지 문제·웹 피드백 계층까지 실무자 관점으로 정리한 Firecrawl의 글.

에이전트에게 일일이 프롬프트를 넣는 시대가 저물고, 에이전트를 프롬프트하는 시스템(루프)을 설계하는 일로 레버리지가 옮겨간다. Addy Osmani가 루프를 이루는 다섯 조각과 한 개의 기억, 그리고 루프가 여전히 대신해 주지 못하는 것을 정리한다.

통계에 밝은 종양내과 의사 @5_utr가 AlexNet부터 GPT-4까지의 데이터에 로지스틱 곡선을 적합해 ‘AI 스케일링은 지수가 아니라 포화한다’고 주장했다. 타래의 진짜 칼끝은 거시경제다 — AI 밸류에이션이 지수함수로 가격책정됐는데 데이터는 로지스틱이 훨씬 잘 맞으니 함수형 오설정이자 버블이라는 것. 주장과 그 한계를 함께 정리한다.

게임 캐릭터의 콧구멍은 왜 30년 동안 어색했는가. 西川善司는 라스터라이즈의 구조적 한계로부터 path tracing이 콧구멍 내부의 투과광까지 재현하는 시점까지를 추적하고, 이 칼럼을 가상 밴드 Nostrils의 노래로 만들었다.

Tim Ferriss가 자기 책 5권의 BookScan 판매 데이터를 공개했다. 2022년 대비 2026년 약 80% 감소, ‘how-to’ 비문학은 챗봇으로 대체되는 중이다.

코어위브가 MLPerf Training v6.0에서 8,192개의 NVIDIA Blackwell Ultra GPU로 DeepSeek-V3 671B를 2.02분에 학습 완료하며 역대 최고 기록을 세웠다. 코어위브는 풀스택 소프트웨어 최적화 덕에 GPU를 더 늘리지 않고도 v5.0 대비 2.8배 빠른 결과를 냈다고 주장한다.

Anthropic이 약 40만 건의 Claude Code 세션을 분석해, 에이전틱 코딩의 성공을 가르는 것은 코딩 훈련 여부가 아니라 해당 작업 도메인의 전문성임을 보였다.

GameInfluencer 창립자 Georg Broxtermann 인터뷰 3편. 한국 게임이 서구에서 막히는 다섯 가지 이유, 인플루언서 마케팅 운용 원칙, PC·콘솔로 넘어갈 때 달라지는 것들.