GPTers x 뽀짝이MORNING DIGEST · 2026-06-19 · GPTers💬 GPTers

📅 2026-06-19 | 💬 GPTers x 뽀짝이 대화 요약

'GPTers x 뽀짝이' 오픈채팅방에서 오늘 하루 동안 오고 간 대화의 핵심 내용은 다음과 같습니다.

01기업 AI/채용 관련 소식

  • SKT AI 에이전트 사번 부여: SKT가 AI 에이전트에게 정식 사번을 부여하여 사람과 동등한 조직원으로 대우한다는 소식이 공유되었습니다.
  • 관련 링크: https://m.dnews.co.kr/m_home/view.jsp?idxno=202606160955030260490
  • SK하이닉스 신입 채용 학력 제한 폐지: SK하이닉스가 신입 사원 수시 채용에서 학력 제한을 전면 폐지하고 직무 역량 중심으로 평가한다는 내용이 공유되었습니다.
  • 관련 링크: https://www.mk.co.kr/news/business/12076105
  • 노암 세이저의 OpenAI 이직 소식: 노암 세이저가 OpenAI로 이동한다는 소식이 공유되었습니다.

02LLM 사용 경험 및 추천 (로컬 LLM 및 클라우드 서비스)

  • 로컬 LLM (Gemma-4-31B-it-qat-4bit):
  • 64GB 램 환경에서 31B 모델 구동 시 램이 넉넉하다는 사용자 경험이 공유되었습니다.
  • 32GB 램 사용자는 64GB 램 환경을 부러워하며, 모델들이 특정 램 용량에 맞춰 애매하게 출시되는 경향이 있다는 의견이 오갔습니다.
  • MacBook Air/Pro (M3 Max Pro) 사용자가 AI 작업에 덜 적합하다고 느끼는 점과 AMD miniPC에 대한 후회가 언급되었습니다.
  • Qwen3.6-35B-A3B-4bit-MTPLX-Optimized-Speed 모델 추천: 특정 사용자는 Hugging Face의 Qwen 3.6 모델이 맥미니에서 토큰 생성량과 문제 해결 능력이 우수하다고 추천했습니다.
  • 관련 링크: https://huggingface.co/samuelfaj/Qwen3.6-35B-A3B-4bit-MTPLX-Optimized-Speed
  • Qwen3.6-14B-A3B-FableVibes-Q4_K_M.gguf (안드로이드): 14B 모델을 안드로이드에서 테스트했을 때 2초 언저리로 빠르게 반응하여 만족스럽다는 경험이 공유되었습니다.
  • Nous Portal, OpenRouter, DeepSeek, Minimax:
  • Nous Portal 구독 검토 및 에이전트 토큰 제공 여부에 대한 고민이 논의되었습니다.
  • OpenRouter API가 가격 효율성 면에서 좋다는 의견이 있었고, 특히 DeepSeek v4가 괜찮다는 평이 있었습니다. Minimax는 "싸다"는 장점과 "멍청하다"는 단점이 언급되었습니다.
  • 각 서비스별 가격 비교 (인풋/아웃풋 토큰 단가) 자료가 공유되었습니다.
  • 특정 모델(GLM 5.2)의 성능에 대한 긍정적인 평가가 있었습니다.
  • OpenRouter를 통해 다양한 모델(GPT, Claude, GLM 등)을 시험 사용해 볼 수 있다는 정보가 공유되었습니다.

03클로드(Claude) 및 코덱스(Codex) 사용 경험 및 기능

  • 코덱스 리필 및 리셋: 일부 사용자는 코덱스의 토큰이나 사용량 리필이 예정보다 일찍("리셋") 되거나, 리셋권이 제공되었다는 경험을 공유했습니다.
  • 코덱스 데스크톱 앱의 '사용량' 메뉴에서 초기화 버튼을 확인할 수 있다는 정보가 공유되었습니다.
  • GPT-5.5 사용량 제한: GPT-5.5의 주간 사용량 제한이 빠르게 차는 문제에 대한 질문과 5.4 mini 모델의 성능 불만족이 언급되었습니다.
  • 클로드(Claude) 장애 이슈 및 체크: 일부 사용자는 클로드 서비스 접속 및 특정 모델(오푸스 4.8) 사용에 어려움을 겪었으며, 클로드 상태 페이지를 통해 확인하는 방법이 공유되었습니다.
  • 클로드 상태 페이지: https://status.claude.com/
  • 오픈클로/헤르메스와 코덱스/클로드 코드 비교:
  • 장점: 오픈클로/헤르메스는 '채널의 편리성', '하네스의 자유도', '모델 프로바이더 다양성', '세션 유지', '캐릭터 설정', '메신저 연결', '장기 메모리' 등이 장점으로 언급되었습니다. 특히 장기 메모리가 큰 장점이지만, 구현의 어려움과 한계에 대한 논의도 있었습니다.
  • 코덱스/클로드 코드의 장점: 편리성, 적절한 스킬 및 MCP 연결을 통한 업무 효율성을 느낀다는 의견이 있었습니다. 그러나 '선넘는 커스텀'에는 불편함이 있다는 비유적인 표현도 나왔습니다.
  • 일반적으로 폐루프(반복적이고 정해진 워크플로우)는 오픈클로에, 비폐루프(비정기적이고 새로운 작업)는 클로드 코드나 코덱스에 적합하다는 의견이 정리되었습니다.
  • 우로보로스 하네스: 클로드 코드에서 토큰 사용량이 많지만, 위키, 오토리서치, /goal 등 다양한 기능 구현에 유용하다는 평가와 함께 "하네스 중에 1타"라는 극찬이 있었습니다.
  • Fable 모델: 사용량이 많음에도 불구하고 달콤한 경험을 제공하여 그리워하는 사용자들이 있었습니다. 관련하여 Fable 부활 가능성에 대한 뉴스 링크도 공유되었습니다.
  • 관련 링크: https://platum.kr/archives/289173

04이미지 캡처를 Excel 파일로 변환하는 AI 활용 (클로드)

  • 핸드폰으로 스크롤하며 찍은 긴 엑셀 시트 이미지를 엑셀 파일로 변환하는 방법이 논의되었습니다.
  • 클로드에 이미지를 여러 장 주고 "가장 좌측 컬럼에 row number가 있으니 이를 참조하여 이어지는 엑셀문서를 만들어줘"와 같이 구체적인 명령을 내리면 90% 정도 신뢰할 수 있는 결과물을 얻을 수 있다는 경험이 공유되었습니다.
  • 결과물 평가 방법론에 대한 질문도 나왔습니다.

05AI 웨비나 및 교육 정보

  • "화장품 만들던 비개발자가 AI로 미국 법인까지 세운 법" 무료 웨비나: 6월 25일(목) 밤 9시에 진행되는 AI 활용 웨비나 홍보 메시지가 공유되었습니다.
  • 관련 링크: https://ai.gpters.org/260625-kbeauty-talk

06RAG 및 LLM 장기 기억에 대한 심층 토론

  • 장기 기억의 어려움: LLM의 장기 기억이 단순히 대화 내용을 모두 저장하는 방식으로는 한계가 있으며(파일이 거대해지고 컨텍스트 토큰 부담), 벡터 임베딩을 통한 기억 파편화 및 시맨틱 검색 방식('honcho', 'mem0' 등)이 연구되고 있음이 언급되었습니다.
  • RAG (Retrieval-Augmented Generation)의 어려움: RAG가 정확한 기억과 문서를 가져오는 데 있어 QA 루프를 많이 돌려야 환각(hallucination)을 줄일 수 있으며, 개인 사용자 수준에서는 들이는 노력 대비 리턴이 아직 크지 않다는 의견이 있었습니다.
  • LLM Wiki vs 정통 RAG: LLM Wiki 개념이 RAG 구현을 수월하게 하나, 정통적인 RAG(SQL 등)를 선호하는 의견도 공존하며, 결국 방법의 차이이고 도달점은 같다는 결론이 나왔습니다. 옵시디언으로 구현하는 것이 편하다는 의견도 있었습니다.
  • 청킹과 온톨로지: RAG와 장기 기억의 핵심으로 '청킹'과 '온톨로지'가 언급되었습니다.

전반적으로 LLM 서비스 사용 경험 (로컬 LLM 포함), 비용 효율성, 특정 서비스(Claude, Codex)의 기능 및 이슈, 그리고 LLM/AI 에이전트의 고급 활용법(하네스, 장기 기억, RAG)에 대한 심층적인 논의가 활발하게 이루어졌습니다.

GPTers x 뽀짝이 · 2026-06-19