#ai-coding

M1 Max에서 Gemma 4와 llama.cpp를 조합한 로컬 코딩 에이전트 실험은 클라우드 모델 경쟁의 반대편에서 비용, 프라이버시, 장애 대응을 다시 묻는다.

Endor Labs의 Fable 5 테스트는 프런티어 모델도 보안 수정 과제에서 기능 성공률과 보안 성공률이 크게 갈릴 수 있음을 보여준다.

Apple의 Core AI 문서는 Apple silicon에서 앱 안 AI 모델 실행을 전면에 세운다. 개발자 경쟁은 API 호출에서 로컬 런타임 설계로 이동한다.

10년차 개발자의 에세이는 LLM이 도메인 지식, 디버깅, 아키텍처 감각의 시장 가치를 어떻게 재평가하는지 보여준다. 개인의 불안이 아니라 조직 설계 문제다.

Silurus OOXML은 브라우저에서 DOCX·XLSX·PPTX를 캔버스로 렌더링한다. 전부 AI로 작성됐다는 점보다 검증 가능한 구조가 더 중요하다.

SaturnCI의 TDD agent skill 글은 코딩 에이전트가 테스트를 잘 쓰려면 절차와 리뷰 스킬이 함께 필요하다는 점을 보여준다.

ICLR 2026 논문은 transformer가 LTL, RNN, finite automata보다 훨씬 간결하게 언어를 표현할 수 있음을 보이며 검증 난이도를 설명한다.

Anthropic은 Claude가 AI 개발 자체를 가속하고 있다며 recursive self-improvement 가능성을 제기했다. 병목은 코드 작성에서 검토와 거버넌스로 옮겨간다.

Ashby Engineering은 2025년 8월 이후 신규 production code의 절반 이상이 AI 생성이라고 밝히며 코드 작성보다 검증과 판단이 중요해졌다고 분석했다.

Uber의 월 1500달러 AI 코딩 도구 한도는 기업용 에이전트가 실험 예산을 넘어 인건비 대비 ROI와 사용량 통제의 대상이 됐다는 신호다.

스탠퍼드 CS336의 AI 에이전트 지침은 코딩 조교와 과제 대행의 경계를 분명히 하며, 교육 현장의 AI 사용 규칙이 운영 문서로 이동하고 있음을 보여준다.

GitHub Copilot의 토큰 기반 과금 논란은 코딩 에이전트가 무료에 가까운 보조도구가 아니라 측정해야 할 클라우드 비용이 됐다는 신호다.

에이전트가 코드를 빨리 만들수록 희소해지는 것은 구현력이 아니라 정답을 판별하는 도메인 지식이다. 개발자와 기업의 역량 재배치를 분석한다.

tiny-vLLM은 C++와 CUDA로 작은 vLLM식 추론 엔진을 구현하는 학습 프로젝트다. 에이전트 시대 개발자가 알아야 할 추론 병목을 짚는다.

Zot은 Go로 만든 코딩 에이전트 하네스다. 세션, 서브에이전트, 도구 게이트, 모델 폴백이 왜 모델만큼 중요한지 분석한다.

Anthropic의 Claude Opus 4.8은 성능 개선보다 동적 워크플로, 노력 제어, 토큰 비용 관리가 엔터프라이즈 AI 도입의 핵심으로 옮겨갔음을 보여준다.

Coalton은 Common Lisp 안에 정적 타입 함수형 언어를 넣는 프로젝트다. AI 코딩 에이전트 시대에는 언어의 지루한 제약과 REPL 생산성이 다시 중요해진다.

Various LLM Smells 글은 AI 보조 글쓰기와 웹 디자인이 특정 문장 구조, 카드, 버튼, 배지 패턴으로 수렴하는 현상을 제품 품질 문제로 읽게 만든다.

Jacob Young의 글은 Go와 Rails처럼 규약이 강한 생태계가 LLM 코딩 에이전트에게 더 안정적인 작업 공간을 제공한다는 점을 짚는다.

Uber가 2026년 AI 예산을 네 달 만에 소진했다는 보도는 코딩 에이전트가 생산성 도구에서 사용량 기반 인프라 비용으로 이동했음을 보여준다.