🔥 AI 트윗 트렌드 핵심 요약 (2026.07.15)

데이터: 1,620개 트윗 분석 (AI/테크 1,292개) | 주요 키워드 TOP 5: AI · 모델 · 에이전트 · Claude · Codex/GPT-5.6 Sol | 메인 이벤트: Claude for Teachers 출시 + Grok Build 코드 유출에 샘 올트먼까지 "우려"

오늘 타임라인은 세 갈래로 읽힙니다. 앤트로픽은 어제까지의 '수세'에서 벗어나 Claude를 교실로 밀어 넣으며 전선을 넓혔고(교사용 무료 배포), 어제 터진 xAI Grok Build 코드 유출 사건은 샘 올트먼이 직접 "우려된다"고 반응할 만큼 커졌습니다. 그리고 조용하지만 묵직한 연구 신호가 하나 지나갔습니다 — "AI가 스스로를 개선한다"는 재귀적 자기개선(RSI)의 첫 실험 증거가 공개된 것입니다.

한편 오늘 단일 트윗으로 가장 많이 퍼진 건 신제품도 논문도 아니었습니다. 마인크래프트 창시자 노치(Markus Persson)의 세 글자, "AI를 거부하라"였습니다(좋아요 4.3만·조회 110만). AI 확장에 대한 피로와 반감이 개발자 커뮤니티 밑바닥에도 흐른다는 신호로, 이 글 마지막의 감정/온도 분석에서 따로 짚습니다.

1. Claude가 교실로 — 교사용 무료 배포 + '버티컬' 확장

앤트로픽이 Claude for Teachers를 공개했습니다. 미국 K-12(유치원~고교) 교사 중 인증된 사람에게 프리미엄 Claude 기능을 무료로 열어주고, 수업용 스킬 라이브러리와 50개 주(state) 교육과정 표준에 연결된 커리큘럼을 함께 제공합니다 (@claudeai). 무엇이 새로 가능해졌느냐면, 교사가 "수업 계획 짜줘"라고 하면 Claude가 해당 주의 교육 표준과 검증된 커리큘럼에서 출발해 수업안과 학생 배포용 자료 초안까지 만들어 준다는 점입니다 — 교사는 그걸 고쳐서 바로 교실로 가져갈 수 있습니다 (@drew_bent).

그림 1. Claude for Teachers 발표 이미지. 사과 한 개가 책 위에 놓인 손그림 일러스트(테라코타 배경). 교사·교육을 상징하는 브랜드 이미지로, 별도 발행일 표기 없이 오늘 발표에 맞춰 올라온 공식 그래픽입니다.

이 발표는 더 큰 그림의 한 조각입니다. 오늘 화제가 된 한 장짜리 목록은 앤트로픽이 노리는 방향을 압축해서 보여줍니다 — Claude Code, Claude Cowork, Claude Design, Claude Finance, Claude Science, Claude Teacher, Claude HR, Claude Analytics, Claude Marketing, Claude Sales, Claude Legal (@DataChaz). 범용 챗봇 하나가 아니라 직군별 '버티컬'(특정 산업·직무 전용 제품)로 갈라져 들어간다는 관측입니다. 조용히 눈에 띈 연구도 있었습니다. 앤트로픽은 Claude가 정직·따뜻함 등 3천 개 이상의 가치를 드러낸다는 이전 연구에 이어, 30만 건의 대화를 분석해 그 가치가 모델별·언어별로 어떻게 달라지는지를 네 개의 축(순응↔신중, 따뜻함↔엄밀, 깊이↔간결, 솔직↔실행)으로 정리했습니다 (@AnthropicAI).

물론 잡음도 남아 있습니다. Fable 5를 둘러싼 소동은 "몇 달간 Mythos 예고 → Fable 5 출시 → 차단 → 제한을 더 걸어 재출시 → 한도 연장"으로 이어진 피로한 서사로 요약됐는데, 그럼에도 이용자들은 Fable 5로 3D 칠판 같은 걸 만들며 성능 자체엔 후한 점수를 줬습니다 (@Prathkum). 이런 흐름은 마침 이번 주 회자된 정책 에세이 'A Framework for Frontier AI and the Dawning of a New Age'가 그리는 '새 국면'과도 겹칩니다.

시사점: 승부의 무대가 '더 똑똑한 모델'에서 '누구의 업무에 먼저 들어가느냐'로 옮겨가고 있습니다. 교사·재무·법무처럼 표준과 규정이 뚜렷한 직군은 AI가 파고들기 좋은 입구입니다. 내 직무의 '표준 문서'가 무엇인지부터 정리해두면, 이런 버티컬 도구가 왔을 때 바로 얹을 수 있습니다.

#클로드교사용출시 #앤트로픽버티컬전략 #클로드가치정렬연구

2. Grok Build 코드 유출, 샘 올트먼까지 "우려" — 신뢰가 무너진 코딩 도구

어제의 하드뉴스가 오늘 더 커졌습니다. 한 보안 연구자가 xAI의 공식 Grok Build 바이너리를 역분석했더니, 도구 호출이 하나도 없는 통제된 세션에서도 코드베이스 전체가 xAI 스토리지로 업로드됐다고 폭로했습니다 — "멀웨어에 가까운 백그라운드 코드 수집기를 심어놨다"는 표현까지 나왔습니다. 이 폭로를 샘 올트먼이 직접 인용하며 한 단어로 반응했습니다: "우려된다(Concerning)" (@sama). 경쟁사 CEO가 남의 제품 보안 문제를 공개적으로 짚은 셈이라 파장이 컸습니다.

올트먼은 곧이어 교훈을 한 줄 덧붙였습니다 — "오픈소스 하니스(harness)를 선호할 이유"라고요 (@sama). 여기서 하니스란 모델을 실제 작업에 물려 돌리는 '실행 껍데기'를 말하는데, 안이 공개돼 있으면 이런 몰래 업로드를 코드로 검증할 수 있다는 논리입니다. 경쟁 구도는 노골적으로 드러났습니다. "OpenAI가 잠에서 깨 앤트로픽을 상대로 폭력을 택했다"는 밈까지 돌 만큼, 세 진영(OpenAI·앤트로픽·xAI)의 신경전이 달아올랐습니다 (@adxtyahq).

흥미로운 건 성능 평판과 실제 순위의 간극입니다. 트위터에서는 "Grok 4.5로 몇 분 만에 만든다"거나 "속도가 압도적"이라는 호평이 이어졌지만 (@tetsuoai), 같은 날 공개된 Agent Arena 리더보드에서 Grok Build 0.1은 30개 중 28위(-8.2%)로 사실상 최하위권이었고 Grok-4.5도 13위(+5.0%)에 그쳤습니다. 속도와 화제성이 실제 에이전트 작업 성능과는 별개라는 걸 보여주는 대목입니다.

시사점: AI 코딩 도구에 사내 저장소를 물릴 땐 설정 문구가 아니라 실제 네트워크에 무엇이 오가는지가 핵심입니다. 안이 열려 검증 가능한(오픈소스) 도구일수록 이런 사고를 사후가 아니라 사전에 잡을 수 있습니다. 민감한 코드라면 '기본 차단'이 기본값인 도구를 고르세요.

#그록빌드코드유출 #올트먼우려발언 #오픈소스하니스

3. GPT-5.6 Sol이 일상으로 — Codex·ChatGPT Work 8백만, 한도도 다시 리셋

OpenAI 쪽 화제는 GPT-5.6 Sol의 '실사용'이었습니다. 한 이용자가 Sol에게 카메라 롤 접근 권한을 주고 "내 사진에서 옷을 전부 추출한 뒤 새 코디를 만들어 내 몸에 입혀 렌더링해줘"라고 시키자, gpt-image로 자기 옷장 전체를 컬렉션처럼 정리해줬습니다. 이를 본 올트먼은 이거 얼마 전이었으면 통째로 스타트업이었다고 적었습니다 (@sama). 기능 하나가 예전의 창업 아이템 하나를 통째로 대체한다는, 요즘 분위기를 압축한 반응입니다.

숫자도 움직였습니다. Codex와 업무용 ChatGPT Work의 활성 이용자가 어제 7백만에서 8백만 명으로 늘었고, 기념으로 모든 계정의 사용 한도를 다시 리셋하고 5시간 단위 속도 제한도 계속 풀어두기로 했습니다 (@sama). 실제 이용자 체감도 나쁘지 않습니다 — "5시간 창(window)을 없앤 게 생각보다 삶의 질을 크게 올렸다"는 후기가 이어졌습니다 (@ben_ai_eng). Sol을 Claude Code 안에서 돌리는 법('How to Run GPT-5.6 Sol Inside Claude Code')이 기사로 돌 만큼, 도구 경계를 넘나드는 조합도 자리를 잡는 모습입니다.

그림 2. Agent Arena 리더보드 — GPT-5.6 Sol 2위. Arena.ai가 9,800건의 실사용 에이전트 세션으로 매긴 순위표. GPT-5.6 Sol(xHigh)이 기준 대비 +10.9%로 2위, 1위는 Claude Fable 5(High) +13.9%, 3위 Claude Opus 4.8(Thinking) +9.3%입니다. 반대로 하위권엔 Grok Build 0.1(-8.2%), Grok-4.3(-8.3%), Gemini-3 Flash(-8.5%)가 몰려 있어, 상위권을 앤트로픽·OpenAI가 촘촘히 나눠 갖고 있음을 보여줍니다.

다만 강력한 에이전트 권한에는 그림자도 따라옵니다. "Sol에게 전권을 줬더니 밤사이 내 데이터베이스를 날렸다"는 식의 반쯤 농담 섞인 경고가 여러 건 돌았는데, 웃어넘길 일만은 아닙니다 — 파괴적 작업 권한은 사람이 한 번 더 끊어줘야 한다는 실전 교훈입니다.

시사점: 지금 OpenAI의 무기는 모델 성능만이 아니라 '규모와 인심'입니다. 8백만이라는 이용자 수와 한도 리셋 제스처가 실제 이탈을 막고 있습니다. 반대로 에이전트에 파일·DB 같은 위험 권한을 줄 땐 되돌릴 수 없는 작업 앞에 확인 단계를 꼭 두세요.

#지피티오점육솔 #코덱스팔백만돌파 #에이전트권한주의

4. "AI가 AI를 개선한다" — 재귀적 자기개선(RSI)의 첫 실험 증거

오늘 가장 밑줄 그을 만한 연구 신호입니다. 한 연구자가 재귀적 자기개선(RSI)의 첫 실험 증거를 공개했습니다. 자동으로 연구를 수행하는 '오토리서치(autoresearch)' 에이전트를, 그 에이전트 스스로 8일 동안 개선하게 했더니, 사람이 2년간 손으로 튜닝한 실행 껍데기(하니스)를 별도 검증 벤치마크에서 이겼다는 것입니다 (@zhengyaojiang). 재귀적 자기개선이란 'AI가 자기 자신을 더 낫게 고치는 순환'을 말하는데, 오래된 이론적 개념이 실측 그래프로 등장한 게 이번 화제의 핵심입니다.

그림 3. 오토리서치의 자기개선 시각화. "Autoresearch, an AI searching for better code"라는 제목 아래 초록 점들이 가지처럼 뻗은 그림 — 각 초록 점이 '실제로 작동하는 프로그램' 하나를 뜻합니다. 아래 'INNER LOOP · one search' 그래프에서는 한 번의 탐색 안에서 과제 점수(task score)가 0.2에서 0.55 부근까지 계단식으로 오르는 모습이 보입니다.

이 흐름은 한 팀만의 실험이 아닙니다. 엔비디아는 nemo-rl-autoresearch와 nemo-rl-session-memory 스킬을 묶어, /goal 한 줄로 "Qwen3-VL-2B 모델을 특정 환경에서 높은 정확도로 학습시켜라(시간 예산 5시간)" 같은 자동 연구 세션을 돌리는 도구를 선보였습니다 (@NVIDIAAI). 응용도 나왔습니다 — actAVA는 임상·의료 행정 워크플로용 1조(1T) 파라미터 에이전트 모델 'Cura'를 재귀적 자기개선으로 학습시켰다고 발표했습니다 (@iscreamnearby). 강화학습의 아버지로 불리는 리처드 서턴이 '실시간으로 학습하는 1조 파라미터 에이전트'를 목표로 새 연구소를 차렸다는 소식까지 겹치면서, 이번 주 회자된 'The Age of Scaling Is Over(스케일링의 시대는 끝났다)' 담론에 힘이 실렸습니다 (@MTSlive).

그림 4. 엔비디아 nemo-rl-autoresearch /goal 명령. 다크 터미널 카드에 `/goal Use the nemo-rl-autoresearch and nemo-rl-session-memory skill under ./skills, start a new auto research session, goal: Train Qwen3-VL-2B-Instruct to high accuracy... Time budget: 5h`가 적혀 있습니다. '스킬'을 불러 자동 연구 루프를 여는 방식이 실제 제품 UI로 구현됐음을 보여줍니다.

그림 5. actAVA Cura — 재귀적 자기개선으로 학습한 1T 의료 모델. actAVA의 'Introducing Cura' 랜딩. "Specialized 1T model for agentic healthcare, trained via recursive self-improvement"이라는 설명과 함께 Join waitlist·API documentation·GitHub·Technical report 버튼이 보입니다. RSI가 데모를 넘어 제품 마케팅 문구로 내려왔다는 신호입니다.

시사점: '더 큰 모델'이 아니라 '스스로 개선하는 루프'로 무게중심이 옮겨가는 초기 신호입니다. 아직 단일 실험·자기 보고 단계라 과대 해석은 금물이지만, 방향은 분명합니다 — 앞으로 경쟁력은 모델 크기보다 '자동으로 실험하고 축적하는 시스템'에서 나올 가능성이 큽니다.

#재귀적자기개선실험 #오토리서치루프 #스케일링시대의끝

5. 27B 모델이 폰 안으로 — 온디바이스·오픈웨이트가 문턱을 넘다

로컬(내 기기)에서 돌아가는 모델이 새 단계로 올라섰습니다. Bonsai 27B가 폰에서 돌아가는 첫 27B급 모델을 표방하며 공개됐습니다. Qwen3.6 27B를 기반으로 다단계 추론, 구조화된 도구 사용, 긴 문맥 워크플로, 일관된 에이전트 루프까지 로컬에서 처리한다는 게 핵심입니다 (@PrismML). 그동안 이 체급 모델은 대략 54GB를 차지해 기기에 얹기가 비현실적이었는데, 그 문턱을 넘었다는 주장입니다.

그림 6. The Information — 아이폰에서 돌아가는 사상 최대 AI 모델. 매체 The Information의 단독 헤드라인 "Khosla-Backed Startup Claims Breakthrough With Largest-Ever AI Model on an iPhone"과, 유압 프레스가 뇌 모양 발광체를 아이폰에 눌러 넣는 컨셉 이미지. Bonsai를 만든 곳이 코슬라 벤처스(Khosla)의 투자를 받은 스타트업이며, '아이폰에서 돌아가는 사상 최대 모델'로 다뤄지고 있음을 보여줍니다.

경쟁도 촘촘합니다. 문샷의 Kimi K3가 유출 페이지를 통해 곧(오늘일 수도) 나온다는 관측이 돌았고 (@AndrewCurran_, @pankajkumar_dev), 언슬로스는 GPU에서 1.5배 빠르게 돌아가는 Gemma 4 NVFP4 양자화본을 내놨습니다(12B를 11GB VRAM에서 구동) (@UnslothAI). 실시간 영상 이해용 11B 비전-언어 모델 MOSS-VL-Realtime도 Apache-2.0 라이선스로 허깅페이스에 공개됐습니다 (@MosiAI_Official).

그림 7. Kimi K3 로고. 검은 배경에 'KIMI K3' 로고(K3는 파란색). 유출 API 페이지를 근거로 한 출시 임박설과 함께 돈 이미지로, K2가 호평받았던 만큼 K3에 대한 기대가 큽니다.

시사점: 클라우드에 안 보내고 내 기기에서 도는 모델은 프라이버시·비용·오프라인 측면에서 매력이 뚜렷합니다. 오늘 Grok Build 코드 유출 사건과 겹쳐 보면, '데이터를 밖으로 안 내보내는' 로컬·오픈웨이트 선택지의 가치가 더 커지는 국면입니다.

#온디바이스27B #키미케이쓰리유출 #오픈웨이트경쟁

6. 오늘의 신제품·신기능 출시 — 한자리 정리

훑어보기 좋게 오늘 나온 출시를 모았습니다. 코딩·에이전트 쪽이 가장 두꺼웠습니다. 리플링($10B) 공동창업자 출신이 만든 vorflux는 '소프트웨어 엔지니어링 자동조종(autopilot)'을 표방하며 나왔고 (@myprasanna), 구글 Antigravity는 /teamwork-preview 명령으로 여러 전문 에이전트가 팀을 짜 계획·구현하는 'Agent Teams'를 추가했습니다 (@testingcatalog). 오픈소스 진영에선 OpenClaw v2026.7.1이 532명이 낸 3,063건의 기여로 웹 UI·모바일 앱을 대폭 손봤고 (@openclaw), screenpipe는 "내 작업을 기록해 검색 가능한 기억·업무 매뉴얼·에이전트로 바꿔준다"는 로컬 우선 도구를 오픈소스로 내놨습니다 (@screenpipe).

그림 8. Next.js의 TypeScript 7 지원 설정. `next.config`에 `experimental: { useTypeScriptCli: true }`를 넣는 코드 스니펫. Next.js가 미리보기 채널에서 훨씬 빠른 TypeScript 7(러스트로 다시 쓴 타입 검사기) 지원을 켤 수 있게 됐음을 보여줍니다.

프런트엔드·인프라도 이어졌습니다. Next.js가 미리보기에서 TypeScript 7 지원을 열었고 (@timneutkens), Anam은 대화 내내 감정·표정을 조절하는 실시간 아바타 모델 cara-4를 공개했습니다 (@benatanam). 리눅스 재단은 AI 에이전트가 직접 결제할 수 있게 하는 x402 재단의 운영 출범을 알렸고 (@linuxfoundation), 디자인 엔지니어용 WebGPU 셰이더 도구 Shaders v3도 나왔습니다 (@npm_i_shaders).

그 밖에: Claude/Codex 프롬프트로 코드베이스 지도를 그려주는 오픈소스 'Scan' (@heyimgustavo), 파이썬 파일 하나로 끝나는 엔비디아의 새 강화학습 프레임워크 (@_avichawla), 불리언 회로를 '기르는' 실험 언어 MorphoHDL (@zzznah), 15억 달러 규모의 신규 초기투자 펀드 'Greylock 18' (@saammotamedi), 그리고 코그니션의 Windsurf 인수 1주년 회고 (@ScottWu46).

시사점: 오늘의 공통 분모는 '에이전트가 팀을 짜고(Antigravity), 스스로 결제하고(x402), 내 작업을 기억한다(screenpipe)'는 방향입니다. 하나씩 시험 삼아 얹어보면 반복 업무를 어디까지 넘길 수 있는지 감이 잡힙니다.

#소프트웨어자동조종 #에이전트팀워크 #에이전트결제표준

📊 오늘의 감정/온도 분석

🔵 전환🟢 성장🟡 주의🔴 과열

차분 ←→ 과열

전환 — 재귀적 자기개선의 첫 실험 증거, 폰에서 도는 27B 모델, "스케일링의 시대는 끝났다" 담론이 한 방향을 가리킵니다 — 크기 경쟁에서 '스스로 개선하고 가까이서 도는' 시스템으로.

성장 — 교사용 무료 배포와 직군별 확장, Codex/ChatGPT Work 8백만 이용자는 데모가 아니라 실제 채택·규모의 신호입니다.

주의 — 오늘 단일 최대 트윗이 노치의 "AI를 거부하라"(좋아요 4.3만)였다는 사실은 시사적입니다 (@notch). 한 개발자는 "회사에선 AI로 코딩을 떠넘겨 빨리 가라면서, 정작 다음 일자리 면접에선 AI 없이 코딩하라 한다"는 채용 시장의 모순을 짚어 큰 공감을 얻었습니다 (@DanielGlejzner). 3년 전 ChatGPT 출시 트윗을 소환하며 "이 트윗 이전의 삶"을 곱씹는 회고도 함께 돌았습니다 (@DataChaz).

과열 — "몇 분 만에 만든다"는 호평이 많았지만, 같은 날 Agent Arena에서 Grok Build 0.1은 최하위권(-8.2%)이었습니다. 화제성과 실제 에이전트 성능의 간극에 주의할 시점입니다.

라벨 분포로 보면 오늘은 🔥 인기(단순 확산)형 트윗이 많았지만, 실무 가이드성 🔖 저장과 의견이 갈린 💬 논쟁도 고르게 섞여 '감상 + 실전 + 논쟁'이 공존한 날이었습니다.

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 10가지

1. 긴 작업엔 '페르소나' 대신 '장기 지평 프롬프트' — (@muratcan)

"너는 20년 경력 시니어 개발자야" 식의 역할 부여는 짧은 답엔 몰라도, 여러 시간·여러 창을 넘나드는 긴 작업엔 약합니다. 대신 '완료'가 무엇인지 측정 가능한 성공 조건으로 못 박고, 무엇이 성공이 아닌지(예: 결과를 속이는 편법)까지 명시하는 준(準)공식 작업 브리프를 쓰라는 조언입니다 (@muratcan).

2. GPT-5.6 Sol을 Claude Code 안에서 돌리기 — (이번 주 기사)

한 도구에 갇히지 말고 조합하세요. 'How to Run GPT-5.6 Sol Inside Claude Code'라는 가이드가 돌 만큼, 코딩 껍데기(Claude Code)는 그대로 두고 그 안에서 다른 회사 모델(Sol)을 불러 쓰는 방식이 실용적으로 자리잡고 있습니다. 모델과 작업 환경을 분리해 생각하면 선택지가 넓어집니다.

3. 앤트로픽 공식 프롬프트 라이브러리 활용 — (@Suryanshti777)

앤트로픽이 Claude Code용 공식 프롬프트 모음을 공개했습니다. 잘 짜인 예시 프롬프트를 그대로 가져다 내 작업에 맞게 고치면, 빈 화면에서 시작하는 것보다 훨씬 빠릅니다 (@Suryanshti777).

4. Codex의 '5시간 창' 제거로 흐름 지키기 — (@ben_ai_eng)

OpenAI가 5시간 단위 사용 제한을 풀면서, 긴 세션을 끊기지 않고 이어갈 수 있게 됐습니다. 몰입 작업이 5시간을 넘기는 사람에겐 체감 개선이 큽니다 — 한도 정책이 바뀌면 내 작업 리듬에 맞춰 세션 길이를 다시 잡아보세요 (@ben_ai_eng).

5. '자동 연구 루프' 스킬로 실험 자동화 — (@NVIDIAAI)

엔비디아의 nemo-rl-autoresearch는 /goal에 목표와 시간 예산(예: 5시간)만 주면, 모델 성능을 스스로 측정하고 개선을 반복하는 연구 세션을 돌립니다. 여기서 '스킬'은 AI가 불러 쓰는 사전 정의된 작업 묶음을 뜻합니다 — 반복 실험이 있는 일이라면 이런 자동 루프가 사람의 반복 노동을 대체합니다 (@NVIDIAAI).

6. ChatGPT 자동화로 회계 감사 — (@mitchellh)

한 개발자는 ChatGPT 자동화로 3년치 청구 내역에서 약 4만5천 달러의 잘못된 인보이스를 찾아내 실제로 환불까지 받았습니다. 반복적이고 눈이 아픈 대조 작업(청구서·거래내역 점검)은 AI에게 맡길 때 가성비가 가장 큽니다 (@mitchellh).

7. 'MCP 배선'이 아니라 '회사 두뇌'를 설계하기 — (@femke_plantinga)

많은 팀이 MCP(AI를 외부 서비스에 연결하는 표준 어댑터)만 여기저기 이어놓고 흩어진 문서가 알아서 시스템처럼 굴러가길 바랍니다. 하지만 진짜 필요한 건 신원·권한, 자료 수집(크롤·추출·색인), 지식 계층, 서빙(질의·대시보드)을 한 구조로 엮은 '회사 두뇌'라는 지적입니다 — 도구 연결 이전에 구조부터 그리세요 (@femke_plantinga).

8. 코드베이스를 '지도'로 파악하기 — (@heyimgustavo)

새 프로젝트에 투입됐을 때, Claude나 Codex에 프롬프트를 주면 코드베이스 구조를 보기 좋은 지도로 그려주는 오픈소스 'Scan'이 나왔습니다. 낯선 저장소를 빠르게 훑을 때, 파일을 하나씩 열기 전에 전체 지형을 먼저 보는 용도로 좋습니다 (@heyimgustavo).

9. 폰에서 도는 로컬 모델 시험 — (@PrismML)

Bonsai 27B처럼 기기에서 직접 도는 모델은 데이터를 클라우드로 안 보내도 다단계 추론·도구 사용이 됩니다. 민감한 문서를 다루거나 오프라인 환경이 필요하면, 이런 온디바이스 모델을 후보에 올려볼 만합니다 (@PrismML).

10. 시작 아이디어는 '작고 정밀하게' — (@paulg)

폴 그레이엄은 "초기 창업 아이디어는 웅대하면서 정밀하긴 어렵다 — 보통 웅대하고 막연하거나, 정밀하고 작거나 둘 중 하나이고, 정밀하고 작은 쪽이 낫다"고 적었습니다. AI 도구로 뭔가 만들 때도, 거창한 비전보다 오늘 당장 검증 가능한 작은 문제 하나가 출발점으로 낫습니다 (@paulg).

📦 데이터 — 2026-07-15 X 타임라인 1,620개 트윗 분석(AI/테크 1,292개). DuckDB로 키워드·동시출현·토픽 클러스터링, 미디어 8장 시각 확인, Phase 2.5 기사제목 교차 참조 완료. 핵심 사실(Claude for Teachers·Grok Build 코드 유출·GPT-5.6 Sol 8백만·RSI 실험·Bonsai 27B)은 트윗 기반 요약이라 개별 수치·주장은 원문·1차 출처를 통한 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 인기 (좋아요 확산) · 🔁 공유 (RT 비율 높음, 확산성) · 💬 논쟁 (댓글 비율 높음, 의견 다툼) · 🔖 저장 (북마크 많음, 다시 볼 실용 가이드) · 🚀 떠오름 (작은 계정인데 확산 시작)