찰리초이 스토리 블로그

AI 모델 소식 · 2026.09.28 Claude Sonnet 5.5 발표, Opus 5.5와 무엇이 같고 무엇이 다른가 Anthropic이 9월 28일 Claude Sonnet 5.5를 공개했습니다. 일주일 전에 나온 최상위 모델 Opus 5.5와 가격, 성능, 사용 상황을 나란히 비교해 봅니다. 한 줄 요약 Sonnet 5.5는 Opus 5.5의 절반 가격 입니다. 여러 벤치마크에서 Opus 5.5에 근접하거나 앞서지만, 어렵고 결과가 열려 있는 작업은 여전히 Opus 5.5가 더 강하다고 Anthropic이 밝혔습니다. Sonnet 5.5는 어떤 모델인가 Sonnet은 Claude 모델군의 중간 등급으로, 일상 업무를 맡는 실무형 모델입니다. 5.5는 이전 Sonnet 5보다 출력 속도가 30% 이상 빠르고, 같은 일을 더 적은 토큰으로 끝내 작업당 비용이 최대 30% 줄었다고 합니다. 여기서 토큰 은 AI가 글을 읽고 쓸 때 세는 단위로, 사용료 계산의 기준입니다. Anthropic은 범위가 정해진 일상 작업, 버그 수정, 문서·슬라이드·스프레드시트 작성에 강하다고 소개합니다. 디자인 감각도 좋아졌다고 합니다. 하위 모델 Haiku 5.5는 몇 주 안에 나올 예정입니다. 가격 비교 (100만 토큰당) Sonnet 5.5 입력: $2 출력: $10 캐시 쓰기: $2.50 캐시 읽기: $0.20 컨텍스트: 100만 토큰 Opus 5.5 입력: $4 출력: $20 캐시 쓰기: $5 캐시 읽기: $0.20 컨텍스트: 100만 토큰 입력은 AI에게 보내는 내용, 출력은 AI가 써 주는 내용입니다. 컨텍스트 윈도우 는 AI가 한 번에 기억하며 다룰 수 있는 분량입니다. 캐시는 같은 내용을 반복해 보낼 때 저렴하게 처리하는 방식입니다. Sonnet 5.5의 가격은 Sonnet 5와 같습니...

한 줄 요약: Claude Opus 5.5는 장황한 사고 지시보다 effort , 완료 조건, 진행 보고, 도구 운영 규칙을 분명히 설계할 때 더 효율적으로 일한다. [1] 왜 중요한가 Claude Opus 5.5는 Opus 5보다 출력 토큰을 30% 이상 빠르게 생성하고, 같은 일을 더 적은 토큰으로 마치는 경향이 있다. 기존 Opus 5용 프롬프트도 대체로 작동하지만, 생각 기능이 항상 켜져 있고 장시간 에이전트 작업 방식이 달라졌기 때문에 모델에 넣는 문장뿐 아니라 이를 둘러싼 실행 장치, 즉 하네스까지 함께 조정해야 한다. [1] 여기서 핵심은 “더 깊게 생각해”라고 반복하는 것이 아니다. 비용·속도·품질을 좌우하는 설정, 작업이 끝났는지를 판정하는 조건, 중간 진행 상황을 사용자에게 전달하는 방식, 위험한 행동 앞에서 멈추는 규칙을 분리해 설계하는 것이다. 먼저 알아둘 변화 코딩과 코드 리뷰: 실제 저장소에서 여러 단계를 끝까지 수행하고 테스트까지 통과시키는 장기 작업이 강화됐다. [1] 지식 업무: 큰 문서와 스프레드시트에서 숫자·날짜·차트의 불일치를 찾는 능력이 개선됐다. [1] 시각 자료와 컴퓨터 사용: 복잡한 차트, 흐름도, 화면 캡처의 위치 관계를 더 정확하게 읽고 여러 단계의 화면 조작을 더 안정적으로 수행한다. [1] 진행 보고: 작업 중간과 마지막에 무엇을 했고, 무엇을 찾았으며, 사용자에게 무엇이 필요한지 비교적 명확하게 설명한다. [1] 실전 원칙 10가지 1. 기본은 medium effort에서 시작한다 Opus 5.5의 기본 effort는 medium이다. 이전 모델의 설정을 그대로 옮기지 말고, medium을 명시한 뒤 실제 업무 평가 데이터로 low·high 등을 비교하는 것이 좋다. 비용이나 응답 시간이 문제라면 프롬프트로 “짧게 생각하라”고 압박하기 전에 effort를 낮추는 편이 더 직접적이다. [1] effort: medium max_tokens: 작업 유형에 맞게 충분히 확보...

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...

한 줄 요약: Jev는 글을 생성하는 챗봇이 아니라, 소프트웨어가 직접 사용할 판단값과 확률을 100ms 내외로 빠르게 반환하는 System One 의사결정 전용 모델 이다. 최근 AI 개발자 커뮤니티에서 Jev 가 빠르게 주목받고 있다. 항공권을 약 7초 만에 찾고, 광고 수백 개를 수십 초 안에 분석하고, 논문 1,018편을 0.08달러에 분류했다는 사례들이 등장했다. 숫자만 보면 새로운 초고속 생성형 AI처럼 보인다. 하지만 Jev를 ChatGPT나 Claude의 더 빠르고 저렴한 대체품으로 이해하면 핵심을 놓친다. Jev는 글을 생성하는 AI가 아니라, 소프트웨어가 사용할 판단값을 빠르게 반환하는 의사결정 전용 모델이다. TypeSafe AI는 이를 새로운 모델 계열인 System One Model 이라고 부른다.[1] 이 글에서는 TypeSafe의 공식 발표와 개발 문서, 초기 활용 사례를 바탕으로 다음 질문에 답한다. Jev는 정확히 무엇인가? 기존 LLM과 무엇이 다른가? 어떤 업무에 유용한가? Hermes 같은 AI 에이전트와 어떻게 연결할 수 있는가? 기업 데이터와 개인정보를 외부 API로 보내는 보안 문제는 어떻게 봐야 하는가? 1. 기존 LLM이 자동화에서 부딪히는 문제 ChatGPT, Claude, Gemini와 같은 LLM은 기본적으로 사람이 읽는 문자열을 생성하는 모델 이다. 보고서 작성, 설명, 대화, 코드 생성에는 매우 강력하다. 그러나 기업의 업무 시스템이 필요한 것은 종종 긴 설명문이 아니다. 예를 들어 고객 문의가 들어왔을 때 프로그램이 알고 싶은 것은 다음과 같다. 어느 부서가 처리해야 하는가? 긴급도는 얼마인가? 환불 요청인가? 사람이 확인해야 하는가? 자동 처리해도 되는가? 일반 LLM에 이런 질문을 하면 자연스러운 문장이나 JSON을 생성하도록 프롬프트를 작성한 뒤, 결과를 다시 파싱하고 검증해야 한다...

CONNECTOME × AI 초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI가 실제로 하는 일과 하지 못하는 일을, Doom과 드론 사례로 구분해 봤습니다. 결론부터 말하면 완전히 거짓은 아닙니다. 다만 "살아 있는 뇌를 컴퓨터에 업로드했다"는 설명은 틀립니다. 139,255 2024년 공개된 성체 암컷 초파리 뇌의 뉴런 수 5,450만 같은 커넥톰에 기록된 화학 시냅스 수 1억 2,500만 2026년 수컷 중추신경계 지도에 포함된 시냅스 연결 먼저, 무엇이 공개된 것인가 2024년 FlyWire 연구진은 성체 암컷 초파리 한 마리의 뇌에서 139,255개 뉴런과 약 5,450만 개 화학 시냅스를 재구성했습니다. 세포 유형과 뇌 영역, 신경전달물질 예측도 함께 공개했습니다. [1] 2026년에는 수컷 초파리의 뇌와 복측신경삭까지 연결한 지도가 나왔습니다. 16만6천 개가 넘는 뉴런과 1억2,500만 개 시냅스 연결을 담아, 감각이 움직임으로 이어지는 경로까지 연구할 수 있게 됐습니다. [2] 연구진은 전자현미경 사진에서 AI로 뉴런 경계를 분리하고 3차원으로 이어 붙입니다. AI가 잘못 합치거나 끊은 부분은 사람이 검수합니다. 커넥톰은 도로 지도에 가깝습니다. 도로가 어디로 이어지는지는 보여주지만, 지금 차가 어디를 달리는지, 신호등이 어떻게 바뀌는지, 운전자가 어디로 가려는지까지 알려주지는 않습니다. 커넥톰은 죽은 조직에서 얻은 정적 구조입니다. 순간의 막전위와 발화 패턴, 정확한 시냅스 강도, 호르몬 상태, 배고픔 같은 내부 상태는 온전히 담겨 있지 않습니다. 정적인 배선도에 어떻게 행동을 넣나 1. 그래프로 바꾼다 뉴런을 노드, 시냅스를 방향이 있는 연결로 표현합니다. 시냅스 수와 신경전달물질 예측은 가중치와 흥분·억제 부호의 출발점이 됩니다. 2. 시간 규칙을 넣는다 각 뉴런에 입력이 쌓이고 임계값을 넘으면 발화하는 수학 모델을 붙입니다. 대표적인 방...

긴급 시장 분석 CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나 49 대 50으로 막힌 미국 암호화폐 시장구조 법안. 표결의 정확한 의미와 BTC·XRP 가격 충격, 앞으로 확인할 가격대를 함께 분석합니다. 작성 기준: 2026년 9월 16일 오전 7시 25분(KST) · 가격은 작성 시점 기준 상원 표결 찬성 49 · 반대 50 비트코인 24시간 -4.32% XRP 24시간 -11.36% 목차 무엇이 부결됐나 왜 60표를 얻지 못했나 비트코인·XRP 가격 반응 비트코인 기술적 구간 XRP 기술적 구간 향후 시나리오와 관찰 포인트 먼저 결론부터 미국 상원이 부결한 것은 CLARITY 법안의 최종 통과안이 아닙니다. 상원 본회의에서 법안을 다루기 위해 토론 종결 절차를 밟고 심의로 넘어갈 것인지를 묻는 클로처 표결 이었습니다. 필요한 60표를 얻지 못하면서 법안은 본격 토론 단계에 진입하지 못했습니다. 정확한 표현: “CLARITY 법안이 최종 폐기됐다”가 아니라 “법안을 본회의에서 다루기 위한 절차표결이 실패했다”가 맞습니다. 시장은 이 결과를 미국 암호화폐 규제 명확화의 지연으로 받아들였습니다. 비트코인은 약 4% 하락했지만 XRP는 11% 넘게 떨어졌습니다. 규제 기대에 민감한 알트코인이 정치적 불확실성에 더 크게 반응한 모습입니다. 1. 상원에서 실제로 무엇이 부결됐나 미국 상원 공식 기록에 따르면 2026년 9월 15일 오후 3시, H.R. 3633인 Digital Asset Market Clarity Act 에 대한 ‘motion to proceed’의 클로처 동의가 찬성 49표, 반대 50표 로 부결됐습니다. 클...

GROK 4.8 / 2.5 TRILLION 2.5T 모델은 얼마나 큰 걸까? 일론 머스크가 예고한 Grok 4.8의 크기를 숫자 대신 ‘거대한 종합병원’으로 바꿔 설명해 봤다. “Grok 4.8, which is a 2.5T model trained with our new C++ software stack, will finish training this week and start RL” — Elon Musk, 2026-09-14 01 / SHORT ANSWER 2조 5천억 개의 조절 다이얼 AI 업계에서 ‘2.5T 모델’이라고 하면 보통 2.5 trillion, 즉 2조 5천억 개의 파라미터를 가진 모델 이라는 뜻으로 읽는다. 파라미터는 학습 과정에서 조정되는 숫자다. 문맥, 단어 관계, 문제 해결 패턴 같은 것을 담는 수많은 작은 다이얼이라고 생각하면 쉽다. Grok 4.8은 쉽게 말해 2,500,000,000,000 개의 다이얼을 조정하며 학습하는 초거대 AI다. 다만 머스크의 짧은 게시물에는 ‘2.5T parameters’라고 명시돼 있지 않고, 상세 모델 카드도 아직 나오지 않았다. 따라서 이 숫자가 총 파라미터를 뜻하는지, 매 순간 계산에 참여하는 활성 파라미터를 뜻하는지는 확인이 필요하다. 02 / SCALE 유명 모델과 비교하면 VS GPT-3 175B 약 14.3× 2020년 공개된 GPT-3보다 파라미터 수 기준 약 14배 VS LLAMA 3.1 405B 약 6.2× Meta의 Llama 3.1 405B와 비교하면 약 6배 VS GROK-1 314B 약 8.0× xAI가 공개한 초기 Grok-1과 비교하면 약 8배 저장 공간도 만만치 않다. 모델 가중치만 단순 계산하면 16비트 정밀도에...

한 줄 요약: 웹 업무는 Ego Lite가 맡고, Excel 화면 조작은 Hermes Computer Use가 처리하며, Hermes Agent가 전체 순서와 검증 조건을 통제하는 자동화 사례를 구현했다. 웹과 엑셀을 함께 다뤄야 하는 업무 기업의 반복 업무는 한 시스템 안에서 끝나지 않는다. ERP에서 자료를 내려받고, Excel 양식에서 계산한 뒤, 다시 다른 ERP 화면에 입력하는 식이다. 이번 실증에서는 다음과 같은 가상의 업무 흐름을 만들었다. ERP-i에서 주문 CSV를 내려받는다. Excel 업무양식에 주문자료를 반영한다. 기존 수식으로 생산수량과 BOM을 계산한다. 오류가 없는지 확인한다. 검증을 통과한 결과만 ECOUNT 입력 화면에 붙여넣는다. 실제 등록 전 미리보기에서 최종 결과를 다시 검사한다. 단순히 브라우저만 자동화해서는 부족하고, Excel 매크로만으로도 전체 흐름을 끝낼 수 없다. 브라우저, 데스크톱 애플리케이션, 판단 로직을 하나의 에이전트가 연결해야 한다. 구성 1: Ego Lite 브라우저 자동화 Ego Lite는 사용자가 로그인한 웹 환경을 AI 에이전트와 함께 사용할 수 있는 브라우저다. 이번 예시에서는 모의 ERP-i와 모의 ECOUNT 화면을 조작했다. Ego Lite가 담당한 작업은 다음과 같다. ERP-i 주문 화면 열기 정상·예외 데이터 선택 CSV 다운로드 이벤트 확인 다운로드 파일 저장 ECOUNT 입력 화면 이동 Excel에서 복사한 TSV 데이터 붙여넣기 검증 버튼 실행 화면에 표시된 품목 수와 생산수량 확인 실제 등록 버튼 비활성화 여부 확인 버튼의 화면 좌표를 고정하지 않고 역할, 이름, DOM 요소를 기준으로 조작했다. 화면 배율이 달라져도 같은 버튼을 찾을 가능성이 높아진다. 구성 2: Hermes Computer Use로 Excel 수정 브라우저에서 받은 CSV는 실제 Microsoft Excel로 열었다. Hermes의 Computer Use는 화면을 보고 Excel 워...

채팅하는 AI에서, 웹에서 실제로 일하는 AI로 Hermes Agent의 강점은 단순한 질의응답이 아닙니다. 파일을 읽고, 도구를 실행하고, 기억과 Skill을 축적하며, Slack이나 데스크톱 같은 여러 인터페이스에서 실제 업무를 이어갈 수 있다는 점입니다. 여기에 ego (lite) 를 연결하면 Hermes가 로그인된 웹사이트를 눈에 보이는 브라우저에서 다룰 수 있습니다. 이번 글 자체가 그 실험입니다. 리서 역할의 Hermes가 공식 문서를 조사한 뒤, ego-browser 로 ego (lite)의 한국어 가이드를 열고 내용을 확인했습니다. 이어 같은 TaskSpace에서 로그인된 Blogger 관리 화면으로 이동해 찰리초이 스토리 블로그까지 확인했습니다. ego (lite)는 무엇인가 ego (lite)는 사람과 AI 에이전트가 함께 쓰도록 설계된 Chromium 계열 브라우저입니다. 에이전트는 별도의 Space에서 작업하므로 사용자가 보던 탭과 충돌하지 않으면서 웹페이지를 읽고, 클릭하고, 입력할 수 있습니다. 공식 사이트 는 Chrome 데이터와 로그인 상태를 가져와 활용할 수 있다고 설명합니다. Hermes와 ego (lite)는 같은 제품이 아닙니다. Hermes는 작업을 계획하고 도구를 선택하는 에이전트 런타임이고, ego (lite)는 실제 웹사이트를 조작하는 브라우저 환경입니다. 둘 사이는 ego-browser Skill이 연결합니다. 공개 GitHub 저장소 에는 Skill과 문서가 MIT 라이선스로 제공되지만, ego (lite) 브라우저 앱은 별도의 무료 다운로드입니다. 왜 기본 헤드리스 브라우저 대신 ego (lite)를 쓰는가 일반적인 자동화 브라우저는 깨끗한 임시 프로필에서 시작하는 경우가 많습니다. 이 방식은 공개 웹 조사나 테스트에는 편하지만 Gmail, Blogger, Notion, 사내 시스템처럼 로그인 상태가 필요한 업무에서는 매번 인증 문제가 생깁니다. ego (lite)는 사람이 사용하는 브라우저 맥락...

쉽게 이해하는 AX 역할 구분 FDE와 SI는 무엇이 다른가 SI는 “요청한 시스템을 만들어 넘기는 업체”이고, FDE는 “현장에 붙어 업무가 실제로 바뀌게 만드는 엔지니어”입니다. 이 글에서 다루는 것 보일러·병원 예시로 보는 SI와 FDE의 차이 카페 키오스크 비유가 맞는 점, 보완할 점 강의·설명에 바로 쓸 수 있는 한 줄 기억법 1. 쉬운 비유: 집에 보일러를 넣는다면 같은 집에 보일러를 넣는다고 생각하면 역할이 분명해집니다. SI FDE 역할 설계·시공 업체 집 안에 들어와 사는 기술 집사 질문 “스펙대로 달았나?” “이 집이 실제로 따뜻해졌나?” 끝나는 시점 설치·검수 완료 가족이 매일 잘 쓰고, 온도가 목표에 맞을 때 산출물 보일러, 배관, 매뉴얼 사용 습관, 설정, 측정, 다음 개선까지 SI는 납품 이 성공입니다. FDE는 현장이 돌아가는 것 이 성공입니다. 2. 병원 예시 SI 방식 병원이 “예약·접수 시스템 만들어 주세요”라고 발주합니다. SI가 요구사항을 받아 개발하고, 서버에 올리고, 교육 한 번 하고 철수합니다. 화면은 있습니다. 그런데 간호사는 여전히 수첩에 적고, 환자는 창구에서 기다립니다. “시스템은 준수 납품됐다”가 SI의 성적표입니다. FDE 방식 접수 창구 옆에 앉아, 아침 30분 동안 누가 어디를 헤매는지 봅니다. 예약 취소·중복·노쇼가 어디서 생기는지 숫자로 잡습니다. 큰 시스템이 아니라 이번 주부터 쓰는 작은 것을 ...