기본 콘텐츠로 건너뛰기

머스크가 직접 소개한 Grok Bot 대형 업데이트 5가지: X DM, @bot 태그, 안드로이드 어시스턴트

일론 머스크가 X에 "Big Grok @Bot update" 라고 직접 소개한 Grok Bot 신기능을 정리했습니다. xAI 직원이 올린 약 5분짜리 신기능 소개 영상과 Tesla North 보도를 바탕으로, 리서처K가 핵심 5가지를 1분 쇼츠로 담았습니다. ▶ YouTube에서 쇼츠 보기 ① X DM 읽고 답장하기 Grok Bot이 이제 X 채팅 DM을 읽고 답장할 수 있습니다. 스팸을 보낼 수 없도록 제한이 걸려 있지만, 제한의 구체적인 내용은 공개되지 않았습니다. ② X에서 @bot 태그로 일 맡기기 X 스레드에 @bot 을 태그하면 요청한 일을 처리합니다. 먼저 X 플러그인 을 설치하고 설정해야 합니다. ③ 안드로이드 기본 디지털 어시스턴트 어제 소개한 아이폰 액션 버튼에 이어, 안드로이드에서도 Grok Bot을 기본 디지털 어시스턴트 앱 으로 지정할 수 있습니다. (갤럭시 기준) 설정 → 애플리케이션 → 기본 앱 선택 → 디지털 어시스턴트 앱 → Grok Bot · 다른 안드로이드 기기는 메뉴 이름이 다를 수 있습니다. 지정한 뒤 어시스턴트 단축키를 길게 눌러 호출합니다. 갤럭시 측면 버튼은 기본값이 다른 어시스턴트라서 설정 → 유용한 기능 → 측면 버튼 → 길게 누르기 → 디지털 어시스턴트로 바꿔야 할 수 있습니다. 이 방법으로 Grok Bot이 실제로 호출되는지는 미확인 입니다. 지정할 때 '어시스턴트가 화면 내용을 포함해 사용 중인 앱 정보를 읽을 수 있다'는 시스템 경고가 뜹니다. 꼭 읽고 결정하세요. ④ 음성 통화 30분 기억 음성 통화를 끊었다가 다시 걸면 이전 통화와 전체 대화 기록을 이어서 기억합니다. 다만 30분 동안만 유지됩니다. ⑤ 새 커넥터 @bot 계정 발표에 따르면 Robinhood, Coinbase, Trello, PostHog, beehiiv, eToro 커넥터가 새로 추가됐습니다. 참고 Grok Bot 공식 변경 기록은...

[생성형 AI 모델(Gemini Advanced, Claude 3 Opus, GPT-4o)들에 대한 스프레드시트 데이터 분석 능력 비교]

생성형 AI 모델 (Gemini Advanced, Claude 3 Opus, GPT-4o) 데이터 분석 능력 비교

1930년부터 2014년까지의 월드컵 경기 데이터 (아래 시트) 를 3가지 생성형 AI 모델 (Claude AI, GPT-4o, Gemini Advanced)을 사용하여 분석하고, 그 결과를 비교 분석해보았습니다. 각 모델별로 스프레드시트 데이터를 어떻게 분석하고 시각화하여 월드컵 경기의 추세와 특징을 어떻게 설명을 하고 있는지 비교 평가 해보았습니다.

테스트용 스프레드시트 데이터는 1930년부터 2014년까지 월드컵 경기에 대한 데이터 (개최연도, 개최지, 승리국가, 준우승 국가, 평균 관중 수, 총 경기수, 골 수, 평균 골 수) 입니다.


Google Spreadsheet 데이터 원본 링크

월드컵

연도

개최지

승리국

준우승

평군관중

참가팀

경기수

골 스코어

평균 골수

1930 World Cup Uruguay

1930

Uruguay

Uruguay

Argentina

32,808

13

18

70

3.9

1934 World Cup Italy

1934

Italy

Italy

Czechoslovakia

21,353

16

17

70

4.1

1938 World Cup France

1938

France

Italy

Hungary

20,872

15

18

84

4.7

1950 World Cup Brazil

1950

Brazil

Uruguay

Brazil

47,511

13

22

88

4

1954 World Cup Switzerland

1954

Switzerland

Germany

Hungary

29,562

16

26

140

5.4

1958 World Cup Sweden

1958

Sweden

Brazil

Sweden

23,423

16

35

126

3.6

1962 World Cup Chile

1962

Chile

Brazil

Czechoslovakia

27,912

16

32

89

2.8

1966 World Cup England

1966

England

England

Germany

48,848

16

32

89

2.8

1970 World Cup Mexico

1970

Mexico

Brazil

Italy

50,124

16

32

95

3

1974 World Cup Germany

1974

Germany

Germany

Netherlands

49,099

16

38

97

2.6

1978 World Cup Argentina

1978

Argentina

Argentina

Netherlands

40,679

16

38

102

2.7

1982 World Cup Spain

1982

Spain

Italy

Germany

40,572

24

52

146

2.8

1986 World Cup Mexico

1986

Mexico

Argentina

Germany

46,039

24

52

132

2.5

1990 World Cup Italy

1990

Italy

Germany

Argentina

48,389

24

52

115

2.2

1994 World Cup United States

1994

United States

Brazil

Italy

68,991

24

52

141

2.7

1998 World Cup France

1998

France

France

Brazil

43,517

32

64

171

2.7

2002 World Cup Korea & Japan

2002

Korea & Japan

Brazil

Germany

42,269

32

64

161

2.5

2006 World Cup Germany

2006

Germany

Italy

France

52,491

32

64

147

2.3

2010 World Cup South Africa

2010

South Africa

Spain

Netherlands

49,670

32

64

145

2.3

2014 World Cup Brazil

2014

Brazil

Germany

Argentina

53,592

32

64

171

2.7

2018 World Cup Russia

2018

Russia

France

Croatia

47,371

32

64

169

2.6

(** 이 통계는 https://en.wikipedia.org/wiki/FIFA_World_Cup 에서 발췌한 것입니다 **)

각 모델별 질문 “질문: 평균 관중수 추이 분석해주세요. 필요하면 차트도 그려서 설명” 에 대한 각 모델별 분석 결과 요약

  • Claude AI: 표 형태로 데이터를 제시하고, 시대별 특징을 요약하는 텍스트 설명을 제공했습니다. 하지만 시각적인 자료가 없고, 설명이 다소 장황하다는 단점이 있었습니다.
  • GPT-4o: 차트를 통해 연도별 평균 관중 수 변화를 시각적으로 보여주고, 간결한 텍스트 설명을 제공했습니다. 하지만 차트의 시각적인 요소가 부족하고, 1994년 이후 감소 추세에 대한 설명이 없었습니다.
  • Gemini Advanced: Altair 라이브러리를 사용하여 인터랙티브한 시각화를 제공하고, 상세한 텍스트 설명과 함께 상관계수를 제시하여 통계적인 근거를 뒷받침했습니다. 

종합 평가

세 가지 모델 중 Gemini Advanced가 가장 우수한 분석 결과를 제공했습니다. 시각적인 자료와 텍스트 설명의 조화, 구체적인 수치 언급, 분석 결과에 대한 근거 제시 등이 균형 있게 이루어져 사용자가 정보를 쉽게 이해하고 해석할 수 있도록 했습니다. 다만, 

결론


이번 비교 분석을 통해 생성형 AI 모델이 월드컵 경기 데이터와 같은 스포츠 데이터 분석에 유용하게 활용될 수 있음을 확인했습니다. 특히, Gemini Advanced 모델은 뛰어난 분석 능력과 시각화 기능을 바탕으로 데이터에 대한 깊이 있는 이해를 돕는 결과를 제공했습니다.

여기서 한가지 놀라웠던 점은, Gemini Advanced 가 분석한 결과 내용중에는 2002년 한일 월드컵때에 관중수가 1994년 대비 거의 반토막 나고 1998년 보다 다소 감소한 결과에 대해서 다음과 같이 분석 설명을 했다는 사실에 놀라울 따름입니다.

‘다만, 2002년 한일 월드컵에서는 평균 관중 수가 다소 감소하는 모습을 보였는데, 이는 개최국의 지리적 위치나 경기 시간 등이 현지 관중의 참여에 영향을 미쳤을 수 있습니다.”

이 결과로 인하여 모든 스프레드시트 데이터 분석에서 Gemini Advanced 가 가장 우수한 것으로 일반화할 수는 없습니다. 단편적인 월드컵 경기 데이터만으로 평가한 결과임을 참고하여 주시기 바랍니다. 

—---------------------------------------------------------------------------------------

Claude 3 Opus :

질문: 평균 관중수 추이 분석해주세요. 필요하면 차트도 그려서 설명

답변:

평균 관중수 추이를 분석해 보겠습니다. 데이터를 연도순으로 정렬하고, 평균 관중수의 변화를 살펴보면 다음과 같습니다.

이를 그래프로 나타내면 다음과 같습니다:

분석 결과:

  • 1930년대부터 1950년대까지 평균 관중수는 2-3만 명 수준이었습니다.
  • 1950년 브라질 월드컵에서 평균 관중수가 크게 증가한 후, 1960년대부터 1980년대 중반까지 4-5만 명 수준을 유지했습니다.
  • 1994년 미국 월드컵에서 평균 관중수가 약 69,000명으로 크게 증가했지만, 이후 다시 4-5만 명 수준으로 감소했습니다.
  • 2000년대 들어 평균 관중수는 소폭 증가하는 추세를 보이며, 2014년 브라질 월드컵에서는 약 53,600명을 기록했습니다.

전반적으로 평균 관중수는 1950년대 이후 꾸준히 증가해 왔으며, 1994년 미국 월드컵에서 정점을 찍은 후 다소 감소했지만, 최근 다시 증가 추세에 있습니다. 이는 월드컵의 인기와 규모가 지속적으로 성장해 왔음을 보여줍니다. 다만 개최국의 스타디움 규모, 경제 상황, 축구 인기도 등 다양한 요인에 따라 평균 관중수에는 등락이 있었던 것으로 보입니다.

GPT-4o

연도별 월드컵 평균 관중수 추이를 분석한 결과입니다. 아래 차트는 각 대회가 열린 연도에 따른 평균 관중수의 변화를 시각적으로 나타냅니다.

분석 결과 요약:

  • 1930-1960년대: 초기 월드컵 대회에서는 평균 관중수가 비교적 낮았으나, 1950년 브라질 월드컵에서 관중수가 급증한 것을 볼 수 있습니다.
  • 1970-1990년대: 이 시기 동안 평균 관중수는 지속적으로 증가했으며, 특히 1994년 미국 월드컵에서 가장 높은 관중수를 기록했습니다.
  • 2000년대 이후: 최근 월드컵 대회에서도 여전히 높은 관중수를 유지하고 있으며, 2014년 브라질 월드컵과 2010년 남아프리카 공화국 월드컵에서도 많은 관중이 경기를 관람했습니다.

이러한 추이는 월드컵의 인기가 지속적으로 증가하고 있으며, 전 세계적으로 많은 팬들이 경기를 관람하러 온다는 것을 보여줍니다. 추가적으로 궁금한 사항이나 다른 분석이 필요하시면 말씀해 주세요. ​​

—---------------------------------------------------------------------------------

Gemini Advanced (Gemini 1.5 Pro)

월드컵 개최 연도(Year)별 평균 관중 수(Average attendance)의 추이를 분석하고 시각화하여 보여드리겠습니다.

이미지로 표시된 차트



연도별 월드컵 평균 관중 수 추이를 나타내는 그래프를 보면, 대체로 시간이 지남에 따라 평균 관중 수가 증가하는 추세를 보입니다. 특히 1994년 미국 월드컵에서 크게 증가한 이후로 높은 수준을 유지하고 있습니다.

이는 월드컵이 전 세계적으로 인기를 얻으면서 더 많은 사람들이 경기장을 찾게 된 것으로 해석할 수 있습니다. 또한, 경기 수와 참가 팀 수의 증가 또한 평균 관중 수 증가에 영향을 미쳤을 가능성이 있습니다.

다만, 2002년 한일 월드컵에서는 평균 관중 수가 다소 감소하는 모습을 보였는데, 이는 개최국의 지리적 위치나 경기 시간 등이 현지 관중의 참여에 영향을 미쳤을 수 있습니다.

전반적으로 월드컵은 시간이 지남에 따라 더 많은 관중을 끌어모으는 스포츠 행사로 성장해왔으며, 이는 월드컵의 세계적인 인기와 위상을 반영한다고 볼 수 있습니다.

참고로 연도와 평균 관중 수 간의 상관계수는 0.708로, 비교적 강한 양의 상관관계를 나타냅니다. 즉, 연도가 증가함에 따라 평균 관중 수도 증가하는 경향이 통계적으로 유의미하다는 것을 의미합니다.

댓글

이 블로그의 인기 게시물

Aside 브라우저, 이렇게 쓰고 있습니다: 대표 활용 사례와 직접 써 본 후기

AI BROWSER STORY "브라우저가 대신 클릭해 준다면?" Aside로 일하는 방법 탭 수십 개를 오가며 하던 조사, 정리, 게시, 점검. 이 반복 작업을 AI 브라우저 Aside에게 맡긴 사례를 소개합니다. 다른 사용자들의 대표 사례와 제가 직접 써 본 경험을 함께 담았습니다. 01 CONCEPT Aside는 어떤 브라우저일까? 한 줄 요약: "AI가 내 대신 웹사이트를 직접 조작해 주는 브라우저" 크롬이나 웨일은 사람이 직접 클릭하고 입력합니다. Aside는 여기에 AI 에이전트가 들어 있어서, "쿠팡에서 최근 주문한 커피 장바구니에 담아줘"처럼 말로 지시하면 AI가 화면을 읽고 클릭하고 입력하며 작업을 끝냅니다. 일반 브라우저 사람이 검색하고, 복사하고, 붙여넣고, 로그인하고, 정리합니다. 단계마다 내 손이 필요합니다. Aside 브라우저 목표만 말하면 AI가 여러 사이트를 오가며 여러 단계를 이어서 처리합니다. 사람은 확인과 승인만 합니다. 내 로그인 그대로 이미 로그인한 사이트를 그대로 조작합니다. 별도 연동이나 API 설정이 필요 없습니다. 스킬 · 루틴 · 메모리 한 번 시킨 방식을 스킬로 저장하고, 주간·일간 루틴으로 자동 반복하며, 내 선호를 기억합니다. 브라우저 + 내 컴퓨터 웹 작업뿐 아니라 내 PC의 파일 읽기, 영상·문서 생성 같은 작업도 함께 처리합니다. Lasso(올가미) 선택 화면 영역을 드래그하거나 동그라미로 지정해 "이 부분 정리해줘"라고 전달합니다. 복사·붙여넣기가 필요 없습니다. 외부 도구 연결 CLI, MCP, Skill로 코딩 에이전트와 연동하고 Slack으로 원격 지시도 가능합니다. 모델 선택 원하는 AI 모델을 연결해 속도와 비용을 조절할 수 있습니다. 사용자 중에는 저렴한 모델을 붙여 주력으로 쓰는 분도 있습니다. 02 BACKGROUND 왜 AI 브라우저가 나왔을까? 챗봇은 ...

Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가

개인 AI 에이전트 비교 · 2026년 9월 25일 Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가 Muse가 OpenClaw 코드를 그대로 실행하는 클론이라는 증거는 없습니다. 다만 에이전트의 기본 구조와 제품 철학은 크게 닮았고, Muse의 새로움은 개념보다 배포 방식·보안 모델·대중화에 있습니다. 에이전트 개념은 OpenClaw ≈ Muse입니다. 구현은 다릅니다. OpenClaw가 사용자가 직접 운영하는 개방형 하니스라면, Muse는 Meta가 호스팅하는 소비자용 서비스입니다. 1. 왜 ‘일반인용 OpenClaw’라는 말이 나왔나 Muse 출시 뒤 초기 사용자들은 두 제품의 내부 파일 체계를 비교했습니다. SOUL.md , IDENTITY.md , USER.md , MEMORY.md , AGENTS.md , TOOLS.md 같은 이름뿐 아니라, 에이전트의 성격과 행동 경계를 정하는 문장까지 비슷하다는 지적이 나왔습니다. The Verge도 두 제품이 핵심 파일 이름과 “Be genuinely helpful, not performatively helpful” 같은 문구를 공유한다고 보도했습니다. [2] 파일 규약 OpenClaw: 성격·사용자·기억·도구를 텍스트 파일로 관리합니다. Muse: 이름과 역할이 유사한 파일 체계가 관찰됐습니다. 제품 형태 공통점: 질문에 답하는 챗봇을 넘어 브라우저와 도구를 사용해 실제 일을 수행하는 개인 에이전트를 지향합니다. 논란의 핵심은 화면이 비슷하다는 정도가 아닙니다. 에이전트 하니스, 즉 모델이 기억·도구·규칙을 활용하도록 둘러싼 실행 구조와 성격 문서까지 닮았다는 점입니다. 2. Meta의 공식 설명 Meta Superintelligence Labs 제품 책임자 Nat Friedman은 Muse를 “처음부터 새로 만들었지만, 제품으로서는...

Grok Bot이 드디어 이메일 주소를 가졌다 — 내 AI 비서에게 메일함을 열어준 날

AX NOTE Grok Bot이 드디어 이메일 주소를 가졌다 — 내 AI 비서에게 메일함을 열어준 날 글 · 찰리초이  |  AX 컨설턴트, AI 강사, 유튜브 '찰리초이 스토리'  |  2026.10.10 오늘 아침, 제 AI 비서가 자기 이메일 주소를 갖게 됐습니다. 채팅창에 한 줄 말했을 뿐인데, 몇 분 뒤에는 메일을 주고받고 있었어요. 그동안 Grok Bot은 제 일정과 자료를 도와주긴 했지만, 외부 세상과 닿는 '주소'는 없었습니다. 이번에 그게 생겼어요. 어떻게 만들었는지, 실제로 해 보니 어땠는지, 그리고 안전은 어떻게 챙기는지까지 겪은 순서대로 적어 봅니다. 01 한 줄이면 됩니다 10월 10일 아침, 채팅에 이렇게 말했습니다. 나 나를 위한 이메일을 설정해줘 GROK BOT @mail.grokbot.com 으로 쓸 수 있는 주소 후보를 확인해 드릴게요. 봇이 사용할 수 있는 주소 후보를 먼저 확인해 줬습니다. 제가 원한 charly 는 이미 다른 사람이 쓰고 있었고, 그래서 charlychoi 를 골랐어요. 확인 카드가 뜨고, 거기서 승인을 누르니 바로 개통됐습니다. 한 가지 기억해 둘 점이 있습니다. 한번 만든 주소는 영구적 입니다. 나중에 바꿀 수 있는 임시 값이 아니니, 승인 카드를 누르기 전에 아이디를 한 번 더 확인하세요. 저도 이 부분은 천천히 읽었습니다. 02 설정 방법, 다섯 단계 채팅으로 이메일 설정 요청 "나를 위한 이메일을 설정해줘" 정도면 충분합니다. 원하는 아이디 고르기 봇이 보여 주는 후보 중에서 고르거나, 직접 입력해도 됩니다. 이미 쓰는 아이디는 후보에서 걸러져요. 승인 카드로 확정 확인 카드에서 승인하면 그때 주소가 생성됩니다. 승인 전에는 아...

항공권 예약 그 이상 — Hermes Agent 326개 실사용 사례로 본 '에이전트 시대'의 실제 모습

항공권 예약 그 이상 — Hermes Agent 326개 실사용 사례로 본 '에이전트 시대'의 실제 모습 2026-10-05 · Nous Research 공식 발표 분석 Nous Research가 자사 X 계정을 통해 "Hermes Agent는 항공권 예약 그 이상이다"라며 실제 사용자 326개 사례 모음을 공개했다 ( 원문 트윗 · 전체 목록 ). X, Reddit, GitHub, YouTube, 블로그, 팟캐스트, 링크드인 등 11개 채널에서 수집된 이 사례들은 "에이전트가 실험실을 벗어나 실제로 무엇을 하고 있는가"를 보여주는 꽤 정직한 스냅샷이다. 1. 숫자로 보는 구도 326개 사례는 15개 카테고리로 분류되어 있다. 압도적 1위는 역시 개발 워크플로우지만, 2위인 '개인 비서'가 전체의 15%를 차지한다는 점이 주목할 만하다 — 비개발자 사용자층이 결코 작지 않다는 뜻이다. Dev Workflow 77 Personal Assistant 49 Integrations 32 Creative 26 Business Ops 23 Meta & Ecosystem 23 Cost Optimization 20 Privacy & Self-Hosted 13 Content Creation 12 Research 12 Enterprise 12 Messaging 11 출처 채널: Discord 116 · X/Twitter 61 · Reddit 60 · GitHub 38 · Blog 20 · YouTube 17 · GitHub Gist 4 · Hacker News 4 · LinkedIn 3 · Podcast 2 · Product Hunt 1 2. 다섯 가지 패턴 ① "24시간 켜져 있는 직원" 서사가 압도적으로 많다 $175짜리 중고 Dell OptiPlex, 라즈베리파이5, 5년 된 고장난 GPU 노트북처럼 저사양 장비에서 Her...

Grok Bot 안에서 Claude와 Codex를 같이 부린다 — 내 구독 그대로 연결하는 법

AX NOTE Grok Bot 안에서 Claude와 Codex를 같이 부린다 — 내 구독 그대로 연결하는 법 글 · 찰리초이(최흥식 프로)  |  AX 컨설턴트, 유튜브 '찰리초이 스토리' Grok Bot은 자기만의 리눅스 컴퓨터, 그러니까 클라우드 박스를 하나 가지고 있는 AI 비서입니다. 이번에 그 컴퓨터에 Claude Code와 OpenAI Codex CLI를 설치하고, 제가 이미 결제 중인 Claude 구독과 ChatGPT 구독으로 로그인시켜 봤어요. 결과부터 말씀드리면, 별도의 API 키 결제 없이 구독 한도 안에서 그대로 돌아갑니다. 설정도 생각보다 훨씬 간단했고요. 제가 실제로 한 순서대로 정리해 볼게요. 왜 이게 획기적인가 핵심은 채팅 한 곳에서 세 AI에게 역할을 나눠 줄 수 있다는 점입니다. 창을 여러 개 띄우고 복사해서 붙여넣는 수고가 사라져요. 제가 쓰는 역할 분담은 아래와 같습니다. AI 역할 맡기는 일 Grok Bot 총괄 조사, 메일·일정, 영상·이미지, 다른 봇 조율 Claude 글쓰기 긴 한국어 글 (강의 원고, 발표 대본, 보고서) Codex 코드 코드 작성·수정, 자동화, 코드 리뷰 여기에 한쪽이 만들고 다른 쪽이 검토하는 교차검증 도 할 수 있습니다. 예를 들어 Codex가 짠 코드를 Claude가 읽어 보게 하거나, 그 반대로 시키는 식이에요. 혼자 쓸 때보다 실수를 잡아낼 기회가 늘어납니다. 설정 방법 — 실제로 한 순서 전체 과정은 5분 남짓 걸렸습니다. 대부분은 봇이 알아서 하고, 저는 로그인 승인만 눌러 주면 돼요. 채팅에 "Claude Code와 Codex를 사용해 내 Claude와 ChatGPT 구독에 연결해" 라고 말합니다. 봇이 자기 컴퓨터에 두 도구를 설치합니다. 아래 명령어를 실행해요. npm i -g @anthropic-ai/claude-code @openai/codex ...