#특집
82개의 포스트
![[특집] 게임의 다음 기원 설화 — 인디 개발자·예언자형 툴메이커·세계를 짓는 스튜디오, AI는 세 원형을 지우는가 키우는가](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fgos-cover.webp&w=3840&q=75)
[특집] 게임의 다음 기원 설화 — 인디 개발자·예언자형 툴메이커·세계를 짓는 스튜디오, AI는 세 원형을 지우는가 키우는가
2026년 11월 12일 a16z가 「게임의 다음 기원 설화」라는 짧은 글을 냈다. 게임 산업이 사랑하는 세 원형 — 골방의 인디 개발자, 남들이 쓸 도구를 먼저 만든 예언자형 툴메이커, 수백 명이 수년 걸려 세계를 짓는 스튜디오 — 를 AI가 지우는 게 아니라 셋 다 가속한다는 주장이다. 원문의 2×2 지도(만들기·발명·복원·확장)를 따라가며, 여덟 살 아이의 마인크래프트 모드부터 에이전트 16대가 석 달 동안 1인칭 슈팅 게임을 바이트 단위로 되살린 디컴파일 실험, 에픽과 Xbox의 조직 재편, 1980년 「로그」에서 2026년까지의 계보, 개발자 52%가 AI를 해롭다고 보는 2026년의 분위기까지 함께 읽는다. 위젯 6개로 사분면 분류, 1인 개발 병목, 바이트 일치 오라클, 시제품 포트폴리오, 롱테일 산수를 직접 만져 본다.
![[특집] 거의 뭐든 만들 수 있게 됐다, 그럼 무엇을 만들 가치가 있나 — '즐거운 오후'와 '계속되는 책임' 사이, 고르는 기술의 역사와 실험](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fwwb-cover.webp&w=3840&q=75)
[특집] 거의 뭐든 만들 수 있게 됐다, 그럼 무엇을 만들 가치가 있나 — '즐거운 오후'와 '계속되는 책임' 사이, 고르는 기술의 역사와 실험
"내가 무언가를 만들 수 있다는 걸 발견하는 즐거움과, 그것이 계속 존재하도록 책임지겠다는 결정은 꽤 다른 약속이다. 하나는 즐거운 오후면 된다. 다른 하나는 언젠가 다른 시간대의 누군가에게 비밀번호 재설정 메일을 설명하는 일이 된다." 영화에서 마케팅으로, 다시 AI로 만드는 사람이 된 잭 크메일의 2026년 11월 에세이는 만드는 값이 무너진 뒤에 남는 질문을 붙잡습니다. 데모는 무엇을 증명했는가, 나는 배움·내 도구·사업 가운데 무엇을 바라는가, 지금 당장 누가 이걸 원하는가, 성공하면 그 일을 하고 싶은가. 이 특집은 원문의 여섯 절을 브룩스의 '아홉 배' 법칙과 프리토타이핑, 폴 그레이엄의 우물, 이케아 효과·소유 효과·계획 오류 실험, 집밥 소프트웨어의 계보, 2025~2026년 앱스토어·Show HN·구독 앱 매출 데이터와 한국의 창업·생존율 통계에 겹쳐 읽습니다. 인터랙티브 위젯 6종(병목 이동 모형, 데모 질문 가려내기, 세 그릇 자가 점검, 인터뷰 질문 판별, 성공 이후 시간 계산기, 한 장 메모 작성기)과 함께.
![[특집] Gemini 4 Hydrogen 해부 — 가장 가벼운 원소에게 '실행'을 맡긴 이유, 그리고 Claude·GPT와의 비교](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fhyd-cover.webp&w=3840&q=75)
[특집] Gemini 4 Hydrogen 해부 — 가장 가벼운 원소에게 '실행'을 맡긴 이유, 그리고 Claude·GPT와의 비교
구글이 11월 12일 Gemini 4 Hydrogen을 내놓으면서 제미나이 4세대가 처음으로 무료 사용자와 구글 검색 전체에 들어갔습니다. Hydrogen은 '가장 똑똑한 모델'이 아니라 '가장 빨리 일을 끝내는 모델'입니다. 이 글은 발표문, 8쪽 모델 카드, 4쪽 평가 방법 문서, 78쪽 안전 보고서, 그리고 Artificial Analysis·Vals·Terminal-Bench 리더보드를 맞춰 읽은 특집입니다. 2006년 '모델 압축'과 2015년 힌턴의 지식 증류에서 시작해 Flash 계보, 친칠라 이후의 '쓰는 값까지 계산하는' 설계, 생각 수준의 역사, 큰 모델과 작은 모델이 일을 나누는 오케스트레이터까지 풀었습니다. 발표문 GIF 차트 다섯 장을 멈춰 놓고 점을 다시 읽으면, 같은 점수를 가장 싸게 낸 모델은 GPT-6.1 Terra였고 Hydrogen의 무기는 값이 아니라 시간이라는 것이 보입니다. 터미널 작업에서는 xhigh가 high와 점수가 같았습니다. Vals 법률 시험의 '공동 1위 55.8%'는 사실 Carbon의 점수였고, 정직성 수치는 하루 만에 96.7%에서 94%로 조용히 바뀌었습니다. Claude Sonnet 5.5·Haiku 5.5, GPT-6.1 Terra·Luna와 가격·성능을 나란히 놓고, 일마다 무엇을 어떤 수준으로 쓸지 정리했습니다. 인터랙티브 6개, 일러스트 12장, 원문 그림 9장.
![[특집] 추론은 무엇을 최적화하나 — 토큰 공간의 길 찾기로 다시 읽는 추론 모델, 강화학습, 그리고 보상 해킹](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Ftsp-cover.webp&w=3840&q=75)
[특집] 추론은 무엇을 최적화하나 — 토큰 공간의 길 찾기로 다시 읽는 추론 모델, 강화학습, 그리고 보상 해킹
추론 모델을 강화학습으로 훈련하면 생각이 길어지고 정확도가 오른다. 그런데 이미 훈련된 모델에게 억지로 더 오래 생각시키면 좋아지다가 멈추고, 때로는 나빠진다. 알렉스 왕(Alex Wang)은 2026년 11월 8일 글 「추론은 어떤 목적함수를 푸는가」에서 이 수수께끼를 '토큰 공간의 길 찾기'라는 그림 하나로 푼다. 생각의 사슬 하나는 프롬프트에서 정답 집합으로 가는 길 하나이고, 강화학습이 올리는 것은 개별 길의 품질이 아니라 길들의 분포가 정답에 닿을 확률 pₓ라는 것이다. 이 글은 원문의 수식을 한 줄씩 풀고, 1956년 논리 이론가에서 AlphaZero, STaR, 「대형 언어 원숭이」, DeepSeek-R1, s1까지 '추론 = 탐색'의 계보를 따라가며, 그 관점이 설명하는 세 가지(생각 길이의 한계, 생각의 사슬이 진짜 이유가 아닌 이유, 보상 해킹)를 논문 그림과 사례로 확인한다. 로컬 모델(qwen3.5 4B)로 같은 답에 이르는 서로 다른 길, k번 뽑기의 힘, 생각 예산을 자르고 늘렸을 때의 정답률을 직접 재고, 위젯 6개로 길 찾기·k번 뽑기·REINFORCE=RFT·상각·불완전한 검증기를 만져 본다.
![[특집] 광장을 처음부터 다시 짓다 — X.com은 왜 서버 세 대를 한 대로 줄이고, 22초를 2.7초로 만들었나](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fxrb-cover.webp&w=3840&q=75)
[특집] 광장을 처음부터 다시 짓다 — X.com은 왜 서버 세 대를 한 대로 줄이고, 22초를 2.7초로 만들었나
2026년 11월 4일 X 엔지니어링 블로그는 x.com 웹 앱을 처음부터 다시 만든 과정을 공개했다. 사람·검색 크롤러·링크 미리보기 봇을 따로 맞던 서버 세 종류가 하나로 합쳐졌고, 느린 4G에서 첫 게시물이 보이기까지 걸리는 시간은 실험실 측정으로 23.9초에서 2.7초가 됐다. 첫 버전은 엔지니어 다섯 명이 AI 코딩 에이전트와 함께 여섯 달이 안 되어 만들었다고 한다. 이 글은 원문과 그림 일곱 장을 끝까지 읽고, 2010년 #NewTwitter에서 2017년 트위터 라이트까지 화면 그리는 자리가 서버와 브라우저를 오간 16년, 속도가 돈과 형평의 문제인 이유, '절대 다시 쓰지 마라'는 금언과 교살자 무화과 패턴, 스트리밍 SSR과 하이드레이션의 원리, 25ms짜리 응답에 1초 타임아웃이 터진 이벤트 루프 사례와 구글봇 2MB 한도를 비롯한 성능 작업 일곱 가지, 그리고 X의 숫자가 말하지 않는 것을 위젯 7개와 삽화로 풀어 설명한다.
![[특집] 스스로 채점하는 기계 — MASS와 GEPA, 자기 개선 고리에서 '좋아졌다'는 말을 어디까지 믿을 것인가](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Frsi-cover.webp&w=3840&q=75)
[특집] 스스로 채점하는 기계 — MASS와 GEPA, 자기 개선 고리에서 '좋아졌다'는 말을 어디까지 믿을 것인가
2026년 10월 8일, 같은 날 arXiv에 올라온 두 논문이 같은 고리를 서로 다른 쪽에서 돌렸다. 버클리·사카나 AI의 MASS(arXiv 2610.12176)는 모델이 자기 복사본으로 팀을 꾸려 일하고, 스스로 채점하고, 잘된 기록으로 자기 가중치를 다시 학습하는 고리를 두 바퀴 돌려 연구형 벤치마크 넷에서 출력 토큰당 점수를 1.2~1.6배로 올렸다. 딥리서치 에이전트의 프롬프트를 GEPA로 고친 논문(arXiv 2610.12601)은 처음 보는 주제 500문항에서 인용 보상을 0.702에서 0.781로 올렸지만, 이긴 프롬프트의 절반이 외운 답안지였고 그 답안지는 점수를 한 푼도 벌지 못했다는 것을 함께 보였다. 이 글은 두 논문을 부록까지 읽고, 1965년 굿의 '지능 폭발'에서 알파고 제로와 다윈 괴델 머신까지 자기 개선의 계보를 따라간 뒤, 워크플로의 네 부품(역할·지시·계약·홉), 두 겹의 고리, 완주율이 올린 점수, 2.6배 부풀림을 만든 승자의 저주, 숫자 하나짜리 채점이 전이를 음수로 만든 실험을 위젯 7개와 삽화로 풀어 설명한다.
![[특집] 하네스도 분업을 배운다 — Adaptive-GEPA, 요청을 나누는 법과 푸는 법을 한 번의 탐색으로 함께 진화시키기](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fagp-cover.webp&w=3840&q=75)
[특집] 하네스도 분업을 배운다 — Adaptive-GEPA, 요청을 나누는 법과 푸는 법을 한 번의 탐색으로 함께 진화시키기
하나의 AI 창구에는 성격이 다른 요청이 섞여 들어온다. 사실을 찾아야 하는 질문, 오래 생각해야 하는 수학 문제, 개인정보를 가려야 하는 부탁, 조건을 지켜 글을 고치는 일. 2026년 9월 30일 공개된 Adaptive-GEPA(arXiv 2609.38762)는 이 창구를 최적화하는 세 번째 길을 제안한다. 프로그램 하나를 통째로 다듬지도, 과제별로 미리 나눠 따로 다듬지도 않고, 요청을 나누는 라우터와 전문가 프로그램 묶음을 한 번의 탐색에서 함께 진화시킨다. 라우터의 지시문, 전문가마다 붙는 한 줄 설명, 프로그램 코드가 모두 사람이 읽는 글이고 실패 기록을 읽은 반성 모델이 그중 하나를 골라 고친다. 서로 다른 갈래를 합칠 때는 슬롯 번호가 아니라 ‘실제로 처리한 요청’의 겹침으로 전문가를 짝짓는다. Qwen3-8B 실험에서 네 과제 평균은 52.6에서 70.6으로 올랐고(프로그램 하나 진화 62.5, GRPO 54.0), 과제 이름을 한 번도 받지 않은 라우터가 시험 요청 651건을 과제 구분과 똑같이 나눴다. 이 글은 논문을 부록까지 읽고, 1991년 전문가 혼합에서 2025년 GEPA까지의 계보, 후보 하나의 구조, 다섯 가지 편집, 발자국 정렬 병합, 결과 표와 탐색 기록을 차례로 푼다. 시드 하나, 같은 프로그램을 다시 채점해도 2점씩 흔들리는 검증 점수, 세지 않은 계산량 같은 한계도 숫자로 짚었다. 한국어 요청 64건으로 논문의 ‘설명·라우터 편집’ 현상을 로컬 모델에서 다시 확인한 실측을 덧붙였다. 인터랙티브 6개, 일러스트 14장, 논문 그림 9장.
![[특집] 설계도를 찾는 기계 — Archon과 AFlow, LLM을 '어떻게 엮을지'를 사람 대신 탐색이 정하기 시작했을 때](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Faas-cover.webp&w=3840&q=75)
[특집] 설계도를 찾는 기계 — Archon과 AFlow, LLM을 '어떻게 엮을지'를 사람 대신 탐색이 정하기 시작했을 때
2024년 가을, 3주 간격으로 두 논문이 같은 질문에 서로 다른 답을 냈다. LLM을 여러 번, 여러 개 불러 엮으면 성능이 오른다는 건 다들 안다. 그런데 무엇을 몇 번 부르고 어떤 순서로 엮을지는 누가 정하는가. 스탠퍼드의 Archon(arXiv 2409.15254, ICML 2025)은 구조를 '여섯 개의 다이얼'로 줄이고 신경망 구조 탐색에서 쓰던 베이즈 최적화로 9,576가지 조합을 뒤졌다. DeepWisdom·홍콩과기대(광저우)의 AFlow(arXiv 2410.10762, ICLR 2025 구두 발표)는 구조를 '파이썬 코드'로 두고 LLM이 한 번에 한 군데씩 고치게 하면서 그 시도들을 나무로 기억했다. 이 글은 두 논문을 부록까지 읽고, 왜 한 번만 묻지 않게 됐는지(1785년 콩도르세, 1907년 골턴의 소, 2022년 자기 일관성)에서 시작해 여섯 부품과 깔때기 구조, 9,576가지 공간과 기대 향상, 노드·오퍼레이터·엣지, 선택·확장·평가·역전파 네 단계를 차례로 푼다. 본문과 부록, 공개 코드 사이에 엇갈리는 숫자(비평가 11.5점 대 3.1점, 선택 확률의 α·λ 세 벌)도 짚었다. 그리고 2년이 지난 2026년 11월의 눈으로 다시 본다. 단순 다수결이 자동 설계를 이긴다는 반론, 같은 모델을 여러 번 부르는 편이 섞는 것보다 낫다는 Self-MoA, 모델 안으로 들어간 병렬 추론, 그럼에도 남은 것. 인터랙티브 6개, 일러스트 14장, 논문 그림 15장.
![[특집] '얼마나'가 아니라 '어디에' — 생각·구조·시간, 추론 예산을 나눠 쓰는 세 논문 (Gambit·MaAS·LAWA)](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fwtc-cover.webp&w=3840&q=75)
[특집] '얼마나'가 아니라 '어디에' — 생각·구조·시간, 추론 예산을 나눠 쓰는 세 논문 (Gambit·MaAS·LAWA)
같은 문제를 512번 풀게 하고 다수결을 냈는데 오답이 나왔다. 2026년 여름 프린스턴의 Gambit 논문은 이 장면에서 출발해 질문을 바꾼다. 계산을 얼마나 더 쓸지가 아니라 어디에 쓸지다. 이 글은 같은 질문에 서로 다른 단위로 답한 세 논문을 함께 읽는다. Gambit(arXiv 2608.08020)은 한 문제 안에서 GPU 메모리 칸을 유망한 풀이에 몰아주고, MaAS(arXiv 2502.04180, ICML 2025 구두 발표)는 질문마다 에이전트 팀의 크기를 다르게 뽑고, LAWA(arXiv 2610.14481, NeurIPS 2026)는 되풀이되는 질의의 가장 긴 줄을 깎는다. 1976년 음성 인식에서 태어난 빔 탐색이 왜 번역에서 밀려났다가 '생각 단위'로 돌아왔는지, 신경망 구조 탐색의 슈퍼넷이 에이전트로 건너오며 무엇이 바뀌었는지를 따라간 뒤, 세 논문을 부록과 표까지 검산한다. 헤드라인의 +3.3%는 30문항 중 한 문제이고, '엄격히 우세'는 15칸 중 11칸이며, MaAS 표의 토큰 수와 달러는 서로 맞지 않는다. 모의실험과 계산기 다섯 개, 논문 그림 열두 장을 함께 싣는다.
![[특집] 종이를 빼앗기면 생각이 작아진다 — 무랏 데미르바스의 「생각의 도구로서의 글쓰기」, 유한 오토마톤에서 사고의 사슬까지](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fwtk-cover.webp&w=3840&q=75)
[특집] 종이를 빼앗기면 생각이 작아진다 — 무랏 데미르바스의 「생각의 도구로서의 글쓰기」, 유한 오토마톤에서 사고의 사슬까지
2026년 11월 7일, 분산 시스템 연구자 무랏 데미르바스가 「생각의 도구로서의 글쓰기」를 올렸다. 핵심은 마누엘 블럼의 일곱 줄이다. 유한 오토마톤과 튜링 기계의 차이는 종이와 연필 하나뿐이고, 종이를 빼앗기면 사람은 복잡도 클래스 하나를 통째로 내려간다. 이 글은 그 주장을 기계 위에서 직접 돌려 본다. 튜링이 1936년에 기계를 만든 재료가 '종이 위에서 계산하는 사람'이었다는 사실에서 출발해, 외부 메모리 알고리즘, 작업기억 4덩어리, 플라워와 헤이스의 글쓰기 인지 모형, 베라이터와 스카다말리아의 '지식 변형'까지 글쓰기의 아키텍처를 뜯어보고, 같은 정리가 2024년 사고의 사슬(CoT) 이론에서 다시 증명된 과정을 따라간다. 로컬 모델에게 종이를 주고 빼앗는 곱셈 실측(종이를 빼앗자 4자리부터 무너졌지만, 길게 쓰게 해도 나아지지 않았고 짧게 쪼개 쓰게 하자 7자리에서도 8문제 중 7문제를 맞혔다), 6쪽 메모가 더는 생각의 증거가 아니게 된 2026년의 사정, 인지 부채 연구, 그리고 데미르바스의 다섯 규칙과 맥피·엘보·보이스·스트렁크의 글쓰기 노하우까지 — 일곱 개의 인터랙티브 도구와 함께 정리했다.
![[특집] 엠바고는 누구의 것인가 — 조율된 공개 30년의 논쟁, 그리고 PHP2Shell의 일곱 시간](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Femb-cover.webp&w=3840&q=75)
[특집] 엠바고는 누구의 것인가 — 조율된 공개 30년의 논쟁, 그리고 PHP2Shell의 일곱 시간
취약점을 고치기 전에 알리지 않는다는 약속, 엠바고는 누구를 위한 것일까요? PHP2Shell은 공개 이틀 전에 번호가 새고, 여섯 시간 전에 수정이 든 빌드 이미지가 공개되면서 이 질문을 다시 던졌습니다. 이 글은 자물쇠 논쟁에서 RFPolicy, Project Zero의 90일, Heartbleed·Spectre·Log4Shell, 그리고 AI 시대를 겨냥한 OpenAI의 5단계 제안까지 30년의 공개 논쟁을 연표와 논문으로 따라가며, 엠바고가 흔들리는 네 가지 신호를 정리합니다.
![[특집] 수학을 하기에 지금보다 좋은 때는 없었다 — 3Blue1Brown이 AI 시대의 박사과정생에게 보낸 40분짜리 답장](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fnbm-hero.webp&w=3840&q=75)
[특집] 수학을 하기에 지금보다 좋은 때는 없었다 — 3Blue1Brown이 AI 시대의 박사과정생에게 보낸 40분짜리 답장
2026년 10월 16일, 수학 유튜브 채널 3Blue1Brown의 그랜트 샌더슨이 40분짜리 영상 「수학을 하기에 지금보다 좋은 때는 없었다」를 올렸다. 출발점은 한 박사과정생의 댓글 — '그냥 내일 뭘 해야 하는지 알려 주세요.' 샌더슨은 수학을 세 겹(수학자가 하는 일, 수학이 주는 가치, 돈이 오는 길)으로 나누고, 기계가 증명→질문→이론→응용을 차례로 더 잘하게 될 때 각 칸이 어떻게 되는지 끝까지 따라간다. 결론은 뜻밖에 담담하다. 가치와 돈은 거의 그대로이고, 크게 바뀌는 것은 '공로를 어디에 주느냐'는 문화다. 증명은 원주율 자릿수 같은 원자료가 되고, 이론 구축과 설명과 말로 하는 발표가 무거워진다. 이 특집은 영상을 장면별로 읽으며 3차 방정식에서 양자역학까지 '순수수학이 쓸모를 찾기까지'의 역사, 서스턴의 1994년 질문, 2022~2026년 AI 수학의 궤적, 코글러가 겪은 두 번의 '아주 진지한 성공'의 정체, 해커뉴스 810개 댓글의 반론, 2026년 한국의 숫자까지 함께 살펴본다. 인터랙티브 7개와 일러스트 12장으로.