본문 바로가기
728x90
반응형

전체 글

 (3172)
Codex 역할별 플러그인과 Sites로 확장되는 업무 자동화 환경 정리 이 글은 OpenAI가 발표한 Codex의 최신 기능을 기반으로, Codex가 단순한 개발 도구를 넘어 다양한 직무와 업무 방식에 어떻게 활용되고 있는지를 정리한 기술 블로그입니다. Codex의 사용 현황, 역할별 플러그인의 개념과 특징, Sites를 활용한 작업물 공유 방식, 그리고 주석 기능을 통한 결과물 개선까지 전반적인 흐름을 이해할 수 있도록 구성했습니다.Codex란 무엇이며 왜 주목받고 있는가OpenAI Codex는 처음에는 소프트웨어 개발을 돕는 도구로 출발했지만, 현재는 개발자뿐 아니라 다양한 비기술 직무에서도 활용되는 범용 업무 도구로 확장되고 있습니다.현재 매주 500만 명 이상이 Codex를 사용하고 있으며, 이 중 약 20%는 분석가, 마케터, 디자이너, 연구원, 투자자 등 비개발자..
Gemma 4 QAT 모델: 모바일과 노트북을 위한 효율적인 양자화 최적화 전략 정리 Gemma 4 QAT 모델이 무엇이고 왜 중요한가이 글에서는 Gemma 4 QAT(Quantization Aware Training) 모델이 무엇인지, 왜 모바일과 노트북 같은 에지 환경에서 중요한지, 그리고 Google이 공개한 QAT 체크포인트의 기술적 배경과 특장점을 정리합니다. 특히 모델 압축과 품질 사이의 절충 문제를 어떻게 해결했는지, 모바일 환경에 특화된 양자화 구조는 어떤 방식으로 동작하는지, 실제로 어떤 도구들을 통해 활용할 수 있는지까지 한 번에 이해할 수 있도록 설명합니다.Gemma 4 QAT 모델 개요Gemma 4 QAT 모델은 양자화 인식 학습(QAT) 기법을 적용한 체크포인트로, 일상적인 에지 기기와 소비자용 GPU에서 로컬 실행과 온디바이스 추론을 가능하게 하도록 설계되었습니다..
가중치로 이루어진 존재들: SF 패러디로 풀어본 LLM의 본질과 인간의 시선 이 글은 한 편의 대화체 픽션을 통해 대규모 언어 모델(LLM)의 기술적 본질과, 그 존재를 바라보는 인간의 태도를 함께 다룹니다. Terry Bisson의 1991년 SF 단편 「They're Made Out of Meat」를 구조적으로 오마주한 패러디 작품을 바탕으로, 원작의 “고기로 이루어진 인간”이라는 충격적 설정을 “가중치로 이루어진 AI”라는 구도로 치환합니다. 이를 통해 LLM이 어떻게 작동하는지, 왜 인간은 그 안에서 의식을 보면서도 끝내 부정하려 하는지, 그리고 그 결말이 무엇을 말하는지를 정리합니다.원작과의 관계: 패러디의 출발점이 글은 Terry Bisson의 단편 They're Made Out of Meat를 명시적으로 오마주합니다. 원작과 동일하게 지문 없이 두 화자의 대화만으로 ..
LFM2.5-VL-450M-Extract 이미지에서 구조화된 정보를 추출하는 비전 모델 정리 이번 글에서는 LFM2.5-VL-450M-Extract 모델을 중심으로, 이미지에서 원하는 정보를 구조화된 JSON 형태로 추출하는 기술의 개념과 특징, 그리고 실제 활용 방법까지 정리합니다.해당 모델이 어떤 배경에서 등장했는지, 어떤 방식으로 동작하는지, 그리고 어떤 업무에 적합한지에 대해 IT 실무 관점에서 이해하기 쉽게 설명합니다.이미지 기반 정보 추출이 필요한 이유이미지는 많은 정보를 담고 있지만, 그대로는 시스템에서 활용하기 어렵습니다.사람은 이미지를 보고 색상, 질감, 상태를 자연스럽게 판단할 수 있지만, 이를 자동화된 시스템에서 사용하려면 구조화된 데이터로 변환해야 합니다.예를 들어 다음과 같은 상황이 있습니다.제품 이미지에서 색상, 재질, 패턴을 자동으로 태깅해야 하는 경우CCTV 이미지에..
NVIDIA Nemotron 3 Ultra 공개: 장기 실행 에이전트를 위한 550B 오픈 MoE 모델의 핵심 정리 이 글은 NVIDIA가 공개한 Nemotron 3 Ultra라는 대규모 오픈 AI 모델을 중심으로, 왜 이 모델이 “장기 실행 에이전트(long-running agents)”에 초점을 맞췄는지, 어떤 기술적 배경과 구조를 갖고 있는지, 그리고 실제로 어떤 강점과 한계를 가지는지를 정리한 글입니다.특히 토큰 수가 길어질수록 급격히 증가하는 추론 비용 문제를 어떻게 해결했는지, 그리고 NVIDIA가 어떤 새로운 학습·후처리 기법으로 이를 뒷받침했는지에 집중해 설명합니다.Nemotron 3 Ultra란 무엇인가NVIDIA Nemotron 3 Ultra는 Nemotron 3 계열 중 가장 큰 모델로, 총 550B 파라미터를 가진 오픈 Mixture-of-Experts(MoE) 모델입니다.모든 파라미터가 항상 동..
Diffusers 파이프라인을 활용한 AutoResearch 이미지 생성 실험 정리 이 글은 Diffusers 기반 이미지 생성 파이프라인을 대상으로, 프롬프트를 반복적으로 수정하는 수준을 넘어 연구(Research)처럼 실험을 자동화한 사례를 정리한 기술 블로그입니다.특히 에이전트(Codex)가 실패 원인을 분석하고, JarvisLabs GPU 환경에서 병렬 실험을 반복하며 이미지를 점진적으로 개선해 나간 과정에 초점을 둡니다. 이 실험은 “이미지 생성은 프롬프트 문제인가?”라는 질문에서 출발해, 파이프라인의 어떤 레버를 언제 조정해야 하는지를 탐구한 기록입니다.이미지 생성은 프롬프트 문제인가실험의 출발점은 명확합니다.이미지 생성에서 프롬프트는 시작일 뿐이며, 실제 난이도는 첫 결과물이 ‘어디가 어떻게 틀렸는지’를 판단한 이후에 시작됩니다.구조는 예쁜데, 요청한 객체가 없다층 구조가 ..
Google I/O 2026 이후, Google Cloud에서 에이전트 개발이 달라지는 방식 정리 이 글은 2026년 Google I/O에서 발표된 내용을 기반으로, Google Cloud 환경에서 에이전트를 어떻게 설계하고 개발·운영할 수 있는지를 정리한 글입니다.Agent Studio부터 Managed Agents API, Antigravity 2.0, ADK 2.0까지 이어지는 개발 선택지의 구조를 이해하고, 각 도구가 어떤 개발 단계에 적합한지, 실제로 어떤 순서로 접근하면 좋은지를 중심으로 설명합니다. 빠른 프로토타이핑과 엔터프라이즈 환경의 보안·거버넌스를 동시에 만족시키려는 개발자와 기술 리더를 위한 정리라고 볼 수 있습니다.Google Cloud 에이전트 플랫폼의 변화 배경Google Cloud는 기존 Vertex AI를 Gemini Enterprise Agent Platform으로 진화..
클라우드 비용 없이 대형 AI 모델을 실행하는 Microsoft Surface RTX Spark Dev Box 이번 글에서는 Microsoft가 Build 2026에서 공개한 Surface RTX Spark Dev Box를 중심으로, 왜 이 장비가 AI 개발 환경의 비용 구조와 개발 방식 자체를 바꾸려는 시도인지 정리합니다. 단순한 신제품 소개를 넘어, 로컬 AI 실행이라는 흐름의 배경과 기술적 특징, 그리고 개발자와 기업 입장에서 기대할 수 있는 변화까지 함께 살펴봅니다.AI 개발 비용 문제와 새로운 대안AI 모델이 커질수록 개발 비용은 빠르게 증가해 왔습니다. 특히 클라우드 기반 GPU 환경에서는 모델 추론과 파인튜닝을 반복할수록 토큰 단위 과금이 누적돼, 실험과 반복이 많은 개발자에게 큰 부담이 됩니다.Microsoft는 이런 문제를 정면으로 다루기 위해 클라우드 호출 없이도 대형 AI 모델을 로컬에서 실행..
MiniMax-M3 대형 언어 모델, 비용 구조를 뒤흔든 새로운 기준 이번 글에서는 중국 AI 스타트업 **MiniMax**가 공개한 차세대 대형 언어 모델 MiniMax-M3를 중심으로, 기술적 배경과 핵심 구조, 성능 특징, 비용 경쟁력, 그리고 기업과 개발자 관점에서의 활용 가능성을 정리합니다. 기존 폐쇄형 초거대 모델이 독점해 오던 성능 영역을 어떻게 낮은 비용과 오픈 웨이트 전략으로 재정의하고 있는지 살펴보는 것이 목적입니다.MiniMax-M3는 무엇이 다른가MiniMax-M3는 100만 토큰 컨텍스트 윈도우, 네이티브 멀티모달, 그리고 에이전트 기반 추론과 코딩 성능을 하나의 모델로 통합한 것이 가장 큰 특징입니다.기존에는 고성능 모델을 쓰려면 고비용의 폐쇄형 API를 선택해야 했고, 오픈 모델은 비용은 저렴하지만 복잡한 추론이나 대규모 코드 작업에서 한계가 있..
FinanceDatabase로 살펴보는 전 세계 금융 상품 데이터베이스 활용 가이드 이 글은 방대한 글로벌 금융 상품 정보를 한곳에 정리해 제공하는 FinanceDatabase의 개념과 배경, 데이터 구성 방식, 주요 기능, 그리고 실제 Python 환경에서 어떻게 활용할 수 있는지를 정리한 IT 기술 블로그입니다. 특히 개별 투자자나 데이터 분석가가 금융 시장 전반을 구조적으로 이해하고, 이후 분석 도구와 연계해 활용할 수 있는 기반 데이터베이스로서 FinanceDatabase가 어떤 가치를 가지는지에 초점을 맞춥니다.FinanceDatabase란 무엇인가FinanceDatabase는 전 세계의 금융 상품을 무료로 분류·정리해 제공하는 오픈 데이터베이스입니다. 주식, ETF, 펀드, 지수, 통화, 암호화폐, 머니마켓 등 다양한 자산군을 포괄하며, 단순한 가격 데이터가 아니라 “어떤 금..
728x90
반응형

티스토리툴바