🔥 AI 트윗 트렌드 핵심 요약 (2026.06.09)

데이터: 1,000개 트윗 분석 (AI/테크 약 480개) | 주요 키워드 TOP 6: Siri·WWDC, 신제품 출시, AI 비용·거품, 에이전트 루핑, 오픈소스·로컬, 무료 강의 | 메인 이벤트: 애플 WWDC에서 Siri 실물 공개

어제 "전야"로만 점쳤던 애플 WWDC가 오늘 실제 무대에 올라, 1년 가까이 미뤄온 Siri 재부팅이 데모로 처음 공개됐다. 흥미로운 건 애플이 이걸 "Apple Intelligence"가 아니라 그냥 Siri로 부른다는 점 — AI라는 단어를 의도적으로 뺐다. 그 옆에서는 NotebookLM·ChatGPT·Grok·Kimi·샤오미·구글 TurboVec이 같은 날 줄지어 신기능을 풀었고, 브라이언 암스트롱과 젠슨 황은 "지능 수요는 무한한데 비용은 곧 99% 싸진다"는 프레임을, 와튼 논문은 "그 회수가 빠르지 않으면 거품"이라는 반대 끝을 던졌다. 개발 쪽에서는 "프롬프트 한 번"에서 "루프 설계"로 넘어가는 흐름에 "SSH에선 별로다" 같은 반론이 함께 붙었고, 한쪽에선 3Blue1Brown·MIT 무료 강의가 조용히 흥행을 탔다.

1. 🍎 애플 WWDC — Siri 실물 공개, 그런데 "AI는 빼고 그냥 Siri"

어제 리포트에서 "비밀 회의 1년 만의 공개"로 예고했던 그 Siri가 오늘 실제 데모로 등장했다. 핵심은 개인 맥락(personal context)에 깊게 뿌리내린 동작이다. 사용자가 Siri와 대화하면서 메시지·연락처·지도 기록 같은 실생활 데이터를 끌어오고, 거기서 멈추지 않고 사진을 앨범에 추가하거나 iMessage를 보내는 등 행동까지 수행하는 모습이 시연됐다.

눈에 띄는 건 애플의 작명이다. 무대에서 "Apple Intelligence" 같은 거창한 브랜딩 대신 그냥 Siri로 부르자, "AI는 빼고 그냥 Siri라고 불러"라는 반응이 흥행 1위 AI 트윗 중 하나가 됐다. 한편 마크 거먼은 "지금까지 애플은 많은 고객이 수년간 원해온 걸 정확히 짚고 있다"며 신중한 긍정 평가를 내놨다.

주요 소식들:

• Siri 데모 — 개인 맥락 + 행동 수행 — 검색뿐 아니라 앨범 추가·메시지 전송까지 실제 동작 시연 (@MKBHD, 흥행 7,412 🔥 인기) 🔗
• "AI는 빼고 그냥 Siri" — 애플의 의도적 탈-AI 브랜딩에 대한 반응 (@UltraLinx, 흥행 4,397 🔥 인기) 🔗
• 거먼의 평가 — "수년간 고객이 원해온 성능 개선을 정확히 설명 중" (@markgurman, 흥행 3,875 🗞️ 논평) 🔗
• Apple Maps에 가우시안 스플래팅 — 사진 기반 3D 도시 렌더링을 지도에 도입 발표 (@RadianceFields, 흥행 1,320 🚀 발표) 🔗

무엇이 가능해졌나 — 이전 Siri는 "검색해서 알려주는" 수준이었다면, 오늘 데모는 내 데이터를 읽고 내 앱에서 직접 일을 처리하는 단계로 넘어갔다. 그리고 큰 반전이 하나 있다: 새 Siri의 두뇌가 애플 자체 모델이 아니라 구글 제미나이라는 점이다. 애플이 연 약 10억 달러에 1.2조 파라미터 맞춤형 제미나이 모델을 라이선스했고(외부 매체 다수 확인), 간단한 작업은 기기 내, 중간은 애플 프라이빗 클라우드, 가장 무거운 추론만 구글 클라우드(엔비디아 B200)로 보내는 3단 구조다. 질의는 단계마다 익명화·토큰화돼 구글이 개인과 연결하거나 학습에 쓰지 못하게 막았다. "프라이버시·수직통합"을 브랜드로 키운 회사가 핵심 AI를 외주했다는 점에서 전략적 대반전(@rileywestreel)이라는 평가가 나온다.

시사점: 애플은 "AI 경쟁사 따라잡기"보다 "내 폰 안의 데이터로 실제 행동을 대신해주는 비서"로 포지션을 잡았다. 모델 자체보다 맥락 접근과 실행이 차별점이다.

#애플WWDC #시리재부팅 #온디바이스AI

2. 🆕 오늘의 신기능·신제품 출시 — 하루 새 모델·도구가 줄지어 풀렸다

WWDC에 가려졌을 뿐, 같은 날 출시·업그레이드 발표가 유난히 많았다. 모델·코딩 도구·로컬 에이전트가 한꺼번에 나와서 훑어보기 좋게 모았다.

주요 소식들:

• NotebookLM 대형 업그레이드 — 채팅에 에이전트 기능·고급 추론·새 출력 형식 추가, 다단계 연구 자동화. 현재 Google AI Ultra 구독자에게 배포 중 (@NotebookLM, 흥행 2,863 🚀 발표) 🔗
• ChatGPT — 앱 안에서 바로 차트 생성 — 데이터·비교를 차트로 변환, 모바일·웹 동시 제공 (@ChatGPTapp, 흥행 2,667 🚀 발표) 🔗
• Grok Imagine Video 1.5 Preview — Design Arena 이미지→비디오 부문 1위(1357 Elo), 2위와 49점 차 (@XFreeze, 흥행 2,745 🚀 발표) 🔗
• Kimi Code 주요 업그레이드 — 오픈소스 코딩 에이전트, 한 줄 CLI 설치·제로 설정, 영상→코드 변환 (@KimiDevs, 흥행 2,296 🚀 발표) 🔗
• Kimi Work — 데스크톱 로컬 AI 에이전트, 로컬 머신에서 최대 300개 에이전트 병렬 실행 (@Kimi_Moonshot, 흥행 2,262 🚀 발표) 🔗
• 샤오미 MiMo-V2.5-Pro UltraSpeed — 1조 파라미터 모델에서 초당 1,000+ 토큰 첫 돌파, 일반 GPU 기반 (@XiaomiMiMo, 흥행 2,191 🚀 발표) 🔗
• text-to-lottie — codex/claude로 프로덕션용 Lottie 애니메이션 생성하는 오픈소스 스킬 (@konstipaulus, 흥행 3,088 🚀 발표) 🔗
• FrontierCode — Cognition의 코딩 평가, "이 코드를 실제로 머지하시겠습니까?"를 처음으로 측정 (@cognition, 흥행 1,589 🚀 발표) 🔗
• OpenCode Go — 구독자 10만 돌파, 하루 1.5조 토큰 처리 (@opencode, 흥행 2,601 📈 지표) 🔗
• 구글 TurboVec — 벡터검색 메모리 16배 절감 — 1천만 문서를 31GB→4GB로 담고 FAISS보다 빠른 오픈소스 인덱스. RAG 비용을 정통으로 건드린다 (@precisox, 흥행 831 🚀 발표) 🔗
• Google AI Plus 가격 인하 — 월 7.99→4.99달러, 포함 스토리지 200→400GB로 2배 (@vikaskansalHQ, 흥행 1,581 💲 정책) 🔗
• /teach 스킬 출시 — 루빅스 큐브부터 소프트웨어 기초까지 무엇이든 단계별로 가르치는 스킬 (@mattpocockuk, 흥행 1,954 🚀 발표) 🔗

시사점: 영상 생성(Grok), 연구 자동화(NotebookLM), 추론 속도(샤오미), 검색 메모리(TurboVec)까지 한날에 1위·신기록 주장이 겹쳤다. 벤치마크 1위 주장은 어느 리더보드 기준인지를 같이 봐야 한다.

#신제품출시 #AI영상생성 #코딩에이전트

3. 💸 "지능 수요는 무한, 비용은 99% 붕괴" — 오늘의 AI 경제 프레임

흥행 면에서 모델·도구 출시만큼 강했던 건 비용·수요를 둘러싼 거시 논평이다. 코인베이스 CEO 브라이언 암스트롱은 "지능에 대한 수요는 거의 무한대에 가깝지만, 워크로드의 80%는 12~18개월 안에 99% 더 저렴한 모델에서 돌아갈 것"이라며, 나머지 20%만 최신 세대 모델이 필요할 거라고 정리했다. 이 글은 마크 안드레센이 인용하며 다시 퍼졌다.

같은 날 젠슨 황은 "AI 붐은 막 시작됐다"며 기술주 매도세를 매수 기회로 평가했고, 폴 그레이엄은 "'모델 회사들이 이걸 한다면 어쩌지?'가 새로운 '구글이 이걸 한다면?'"이라며 투자자들의 상투적 질문을 꼬집었다.

주요 소식들:

• 암스트롱의 80/20 비용 전망 — 워크로드 80%는 12~18개월 내 99% 저렴한 모델로 이동 (@brian_armstrong, 흥행 7,817 🗞️ 논평) 🔗
• 젠슨 황 "붐은 막 시작" — 기술주 매도세를 매수 기회로 (@Polymarket, 흥행 3,622 🗞️ 논평) 🔗
• 폴 그레이엄의 투자자 프레임 비판 — "모델 회사가 하면?"은 무의미한 질문 (@paulg, 흥행 2,409 🗞️ 논평) 🔗
• 하사비스 "AI 이해하는 1명이 팀 하나를 능가" — 단, "프롬프트 엔지니어링 배우라는 뜻 아니다"라는 단서 (@spectnfa, 흥행 1,565 🗞️ 논평) 🔗
• 와튼 논문 — "생산성 2.7배 못 올리면 테크기업 파산 위험" — AI 투자 회수에 필요한 생산성 증가율을 역사적 성장기와 비교한 정량 연구 (@Alex_Panetta, 흥행 1,136 🧪 연구) 🔗
• 아셴브레너의 Situational Awareness 펀드, 200억 달러 돌파 — 올해 +270%, 설정 후 +1,000%. 자산의 약 1/5이 Anthropic, 제인 스트리트도 투자자 (@negligible_cap, 흥행 894 💰 자본) 🔗
• "AI 도구 교육이 심각한 병목" — 와이콤비네이터 개럿 탠, 도구는 좋아졌는데 쓰는 법을 아무도 안 가르친다 (@garrytan, 흥행 1,214 🗞️ 논평) 🔗

시사점: "수요 무한 + 단가 급락"은 모순이 아니라 한 짝이다. 비싼 최신 모델은 소수 고난도 작업에, 대부분 업무는 싸진 모델에 맡기는 2-티어 분업이 12~18개월의 베이스 시나리오로 굳어지는 분위기다. 단, 와튼 논문은 그 회수 속도가 안 나오면 거품이 터진다는 반대 끝을 짚는다.

#AI경제전망 #추론비용 #모델단가하락

4. 🧠 Anthropic·에이전트의 다음 수 — "프롬프트 한 번"에서 "루프 설계"로

개발자 쪽 흐름은 작업 단위가 "한 번 프롬프트"에서 "루프"로 옮겨가는 것이다. 에이전트에게 한 작업씩 시키던 방식에서, 발견→계획→작업→확인을 목표 달성까지 스스로 반복하게 만드는 에이전트 루핑이 표준 패턴으로 떠올랐다. Anthropic은 공식 과학 블로그에서 "왜 AI는 생물학보다 코딩에서 더 빨리 발전했나"를 다루며, 에이전트가 쓰기 좋은 인프라를 어떻게 짤지를 화두로 던졌다.

도구를 보는 시선도 바뀌고 있다. SKILL.md 같은 마크다운 스킬 파일을 "훈련 가능한 매개변수"로 다뤄 경사 하강법으로 최적화하는 SkillOpt 논문이 회자됐고, 마이크로소프트가 GitHub에 무료로 공개한 오디오 모델은 한 시간짜리 회의를 화자별로 정리해줘 "회의 요약을 유료로 팔던 사업"을 흔들었다.

주요 소식들:

• 에이전트 루핑이란 무엇인가 — 단발 프롬프트 → 자율 반복 루프로 전환 (@shannholmberg, 흥행 4,041 🔥 인기) 🔗
• Anthropic 과학 블로그 — "코딩이 생물학보다 빠른 이유 = 에이전트가 쓸 인프라" (@AnthropicAI, 흥행 1,666 🚀 발표) 🔗
• SkillOpt — 스킬 파일에 경사 하강법 — 마크다운 스킬을 최적화 대상 파라미터로 (@koylanai, 흥행 2,926 🧪 연구) 🔗
• MS의 무료 오디오 모델 — 1시간 회의를 화자별 타임스탬프로 정리, 요약 SaaS 위협 (@CopyRebeldia, 흥행 1,181 🚀 발표) 🔗
• "AI 시대 프로그래머 = 싫어하던 팀 리더" — 자조 섞인 역할 변화 풍자 (@disksing, 흥행 3,935 🗞️ 논평) 🔗
• prototype.md — UI를 한 번에 만들지 말고 5개 변형 동시 생성 — 단일 HTML에 변형 5개를 나란히 띄우고 승자를 고르는 디자인 해킹 (@BrettFromDJ, 흥행 1,127 🛠 팁) 🔗
• 반론 — "SSH로 쓰는 Claude Code는 형편없다" — 루프·하네스 찬가 속 실사용 불편을 짚은 비판 (@theo, 흥행 1,512 🗞️ 논평) 🔗

시사점: 6/07에 다룬 "하네스 = 루프 설계"가 오늘은 학술화(SkillOpt 논문)와 무료화(MS 모델)로 한 단계 더 나아갔다. 동시에 "SSH에선 별로다"(theo) 같은 실사용 불만도 같이 나와, 찬가 일변도는 아니다. 개발자의 일이 "코드 작성"에서 "에이전트 루프·스킬 파일 관리"로 이동하는 중이다.

#에이전트루핑 #스킬최적화 #앤트로픽

5. 🔓 오픈소스·로컬 AI의 약진 — 내 기계에서 도는 에이전트

클라우드 밖, 내 컴퓨터에서 도는 AI 쪽 신호가 부쩍 늘었다. 잭 도시가 만든 로컬 AI 에이전트 Goose는 리눅스 재단에 기부돼 "누구도 통제할 수 없는" 오픈 프로젝트가 됐고(별 46.4k·기여자 518), 앞서 본 Kimi Work도 로컬에서 에이전트 수백 개를 굴린다. 샤오미·Nex 같은 오픈 모델은 속도와 벤치마크에서 상위 폐쇄 모델을 추격 중이다.

주요 소식들:

• 잭 도시의 Goose, 리눅스 재단 기부 — 로컬 실행 AI 에이전트, 별 46.4k·기여자 518 (@Fluyeporlaweb, 흥행 1,906 🚀 발표) 🔗
• Nex-N2-Pro "오픈소스 LLM 새 왕" — 여러 OS 모델 벤치마크에서 선두 주장 (@TeksEdge, 흥행 976 📈 지표) 🔗
• 로건 킬패트릭 "Gemini 낙관" — 짧은 한마디지만 구글 진영 자신감 (@OfficialLoganK, 흥행 2,565 🗞️ 논평) 🔗

시사점: "로컬에서 도는 에이전트"는 프라이버시·비용·통제권을 동시에 건드린다. 토픽 3의 "단가 99% 하락"과 맞물리면, 가벼운 일은 점점 내 기계의 오픈 모델로 내려올 가능성이 크다.

#오픈소스LLM #로컬에이전트 #잭도시

6. 📚 이번 주 배울 거리 — 흥행 탄 무료 강의·자료

신제품·논쟁 사이에서 조용히 흥행을 탄 건 무료 교육 콘텐츠다. 오늘 미사용 트윗 중 흥행이 가장 컸던 것도 3Blue1Brown의 새 강의였다. 모델을 쓰는 법만큼이나 원리를 이해하는 쪽에 사람들이 시간을 쓰고 있다는 신호다.

주요 소식들:

• 3Blue1Brown LLM 압축 강의 — "예측이 곧 압축" — 섀넌 엔트로피를 통해 "다음 단어를 잘 맞출수록 저장 비트가 준다"를 시각화. 오늘 미사용 트윗 중 흥행 1위 (@DataChaz, 흥행 4,210 🔥 인기) 🔗
• MIT Git 내부구조 85분 강의 — 명령어 암기 대신 그 아래 데이터 모델을 보여주는 정규 세션 (@slash1sol, 흥행 2,587 🔥 인기) 🔗
• Yi Ma 오픈소스 책 『딥 표현 학습의 원리와 실천』 arXiv 공개 — 기억의 수학적 이론을 다룬 대학원용 교재 (@YiMaTweets, 흥행 991 🧪 연구) 🔗

시사점: 도구가 쉬워질수록 차별점은 원리 이해로 옮겨간다. 토픽 3의 하사비스("AI를 이해하는 1명")와 같은 결 — 쓰는 법이 아니라 작동 원리를 아는 쪽이 길게 간다.

#무료강의 #LLM원리 #압축이론

📊 오늘의 감정/온도 분석

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 10가지

1. 에이전트는 "한 번 시키기" 말고 "루프로 설계" (@shannholmberg)

랜딩 페이지를 만들라고 한 뒤 단계마다 직접 챙기지 말고, 발견→계획→작업→확인을 목표 달성까지 스스로 반복하게 루프를 짜라. 사람이 매 단계 개입하는 시간이 줄고, 실패하면 에이전트가 다시 돌게 된다. (@shannholmberg 흥행 4,041).

2. NotebookLM으로 다단계 리서치 자동화 (@NotebookLM)

이제 NotebookLM 채팅이 에이전트처럼 여러 단계를 스스로 밟는다. 자료를 넣고 "이 주제를 단계별로 조사해 비교표로" 식으로 시키면 복잡한 조사도 한 번에 처리된다. 현재 Google AI Ultra 구독자부터 배포 중. (@NotebookLM 흥행 2,863).

3. 데이터는 ChatGPT 안에서 바로 차트로 (@ChatGPTapp)

숫자 표나 비교 데이터를 붙여넣고 "차트로 그려줘"라고 하면 앱 안에서 즉시 그래프가 나온다. 모바일·웹 모두 가능해, 엑셀을 열지 않고도 빠르게 시각화할 수 있다. (@ChatGPTapp 흥행 2,667).

4. 코딩 에이전트는 "한 줄 설치"부터 확인 (@KimiDevs)

Kimi Code처럼 요즘 오픈소스 코딩 에이전트는 제로 설정·한 줄 CLI 설치가 기본이다. 도입 부담이 거의 없으니, 새 도구는 "설치가 한 줄인가"를 먼저 보고 가볍게 시험해보는 게 효율적이다. (@KimiDevs 흥행 2,296).

5. 민감한 작업은 로컬 에이전트로 (@Kimi_Moonshot)

Kimi Work는 내 데스크톱에서 최대 300개 에이전트를 병렬로 돌린다. 외부 클라우드에 데이터를 안 보내도 되는 작업(사내 문서 정리 등)은 이런 로컬 에이전트가 프라이버시·비용 면에서 유리하다. (@Kimi_Moonshot 흥행 2,262).

6. 모델 단가는 12~18개월 뒤를 기준으로 설계 (@brian_armstrong)

업무의 80%는 곧 99% 싼 모델로 충분해진다는 전망이다. 지금 비싼 최신 모델에 워크플로를 고정하기보다, "이 작업이 저렴한 모델로 내려가도 되는지"를 기준으로 2단계(고난도=최신, 일반=저가)로 나눠 설계하면 비용을 크게 아낀다. (@brian_armstrong 흥행 7,817).

7. 벤치마크 "1위"는 어느 리더보드인지 확인 (@XFreeze)

같은 Grok Imagine 1.5도 Design Arena에선 1357, Artificial Analysis에선 1404로 기준마다 숫자가 다르다. 모델 도입 결정 전엔 "어떤 리더보드·어떤 평가 방식의 1위인지"를 같이 보는 습관이 오판을 막는다. (@XFreeze 흥행 2,745).

8. 회의 녹취 정리는 이제 무료 모델로 (@CopyRebeldia)

마이크로소프트가 GitHub에 공개한 무료 오디오 모델은 1시간 녹음을 화자별·타임스탬프별로 정리한다("12분에 A가, 34분에 B가"). 회의록·인터뷰 정리에 유료 SaaS 대신 이런 무료 모델을 먼저 시험해볼 만하다. (@CopyRebeldia 흥행 1,181).

9. RAG 검색 비용은 TurboVec으로 16배 줄이기 (@precisox)

문서를 벡터로 바꿔 검색하는 RAG는 메모리를 많이 먹는데, 구글 TurboVec은 1천만 문서를 31GB→4GB로 담고 FAISS보다 빠르다. 외부 서비스 없이 내 노트북에서 오프라인 RAG를 돌리고 싶을 때 후보로 둘 만하다. (@precisox 흥행 831).

10. UI는 한 번에 만들지 말고 5개 변형 뽑아 고르기 (@BrettFromDJ)

prototype.md 방식: AI에게 UI를 단일 HTML에 5가지 변형으로 나란히 생성하게 한 뒤 승자를 고른다. "하나 만들고 마음에 안 들면 다시"보다 빠르고, 디자인 감을 직접 비교하며 결정할 수 있다. 요약본 대신 원문부터 보라는 잭 클라크의 조언처럼, 판단의 출발점을 내가 쥐는 방식이다. (@BrettFromDJ 흥행 1,127).

본 요약은 2026년 6월 8~9일 수집된 X(트위터) 트윗 1,000건을 분석해 작성했습니다. 흥행 수치는 좋아요·리트윗·댓글을 가중 합산한 값입니다. 애플 Siri–제미나이 라이선스(10억 달러·1.2조 파라미터)는 외부 매체 다수로 교차 확인했고, 일부 벤치마크 "1위"·속도 수치는 발표 주체의 자체·특정 리더보드 기준이라 외부 독립 검증 전입니다.