Introducing FrontierCode
Cognition이 공개한 신규 코딩 벤치마크. 정답 여부가 아니라 ‘메인테이너가 실제로 머지하겠는가’를 측정한다. Diamond 50문항에서 최강 모델 Claude Opus 4.8도 13.4%에 그쳤다.
코딩 에이전트
Code as Agent Harness: 실행 가능하고 검증 가능하며 상태를 지닌 에이전트 시스템을 향하여
UIUC·Meta·Stanford 합동 서베이(2026.05). 코드를 LLM이 생성하는 산출물이 아니라, 에이전트가 추론·행동·환경 모델링·검증을 수행하는 운영 매개체로 다시 잡는 통합적 시각을 제시한다. Harness Interface / Mechanisms / Scaling 세 층으로 문헌을 정리하고, PEV(Plan-Execute-Verify) 루프와 다섯 응용 영역(코드 어시스턴트, GUI/OS, 과학, 개인화, 임베디드)을 짚는다.
I Shipped 10 Apps With Claude Code. The UI Was Always the Weak Point.
코딩 에이전트로 앱 10개를 출시한 솔로 빌더가 UI 품질의 일관된 약점을 진단한다. 텍스트는 디자인 의도를 손실 없이 전달하지 못한다는 결론과, 디자인 시스템을 MCP로 직접 노출하는 Moonchild 도입기.
AI 구독은 보조금이었다 — Copilot 토큰 청구 사건과 4인 체인
GitHub Copilot이 토큰 기반 청구로 전환된 첫날 쏟아진 사용자 반발을 시작으로, HedgieMarkets·Patrick O’Shaughnessy·Brian Armstrong·Marc Andreessen이 인용 체인으로 이어간 AI 구독·토큰 이코노미 논쟁의 정리.
쓰는 코드와 출시되는 코드 사이 — AI 생산성 깔때기
John Burn-Murdoch가 FT에서 ‘productivity funnel’이라는 프레임으로 정리한 AI 생산성의 깔때기 효과를, 그 칼럼이 인용한 NBER WP 35275(Demirer et al. 2026)와 함께 정리한다. 코드 줄 수는 17.3배 늘었지만 실제 릴리스는 +30%로 줄어드는 감쇠 패턴이 핵심이다.
Ask HN: What was your "oh shit" moment with GenAI?
GenAI를 ‘장난감’으로 치부하던 단계에서 ‘이거 위험하고 강력하다’고 인식이 뒤집힌 개인적 전환점을 모은 Ask HN 토론. 리버스 엔지니어링·가전 수리·SaaS 데이터 모트 해체의 세 흐름이 반복된다.
Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next
Claude Code 창시자 보리스 체르니가 Sequoia AI Ascent 2026에서 밝힌 자기 워크플로우. 더 이상 클로드에 프롬프트를 던지지 않고, 루프를 짜서 루프가 일하게 한다. 본인 직무는 ‘루프를 쓰는 것’이라고 선언한다.
From Code Foundation Models to Agents and Applications: A Comprehensive Survey and Practical Guide to Code Intelligence
BUAA·알리바바·바이트댄스·텐센트 등 71인 컨소시엄이 정리한 303페이지짜리 코드 LLM 종합 서베이 + 실무 가이드. 데이터 큐레이션부터 사전훈련·SFT·RL·자율 코딩 에이전트까지 전 생애주기를 훑고, 사전훈련·SFT·RL 각각에 대한 데이터 기반 권고안을 직접 실험으로 검증한다.
LLM Oriented Engineering
Reindeer CTO Yair Wein이 LLM 기반 제품·개발 조직을 1년 반 동안 운영하며 굳힌 9가지 원칙. 인간 컨텍스트가 가장 희소한 자원이라는 전제에서 출발해, load-bearing 코드와 padded rooms, 자동 enforcement, PM의 별도 MVP 레포, 보상 함수로서의 테스트, 미래 개발자의 능력까지 펼친다.
Coders are refusing to work without AI — and that could come back to bite them
TechCrunch 2026-05-29 보도. 개발자들은 ‘AI 없이는 일하지 않겠다’고 버티지만, METR·Amazon·Uber·SMU 연구는 AI 코드가 속도는 빠르되 유지보수 부채를 키우고 있음을 동시에 가리킨다.