AI 모델 (LLM·GPT·Claude·Gemini)
GPT, Claude, Gemini, Llama 등 AI 모델(LLM) 출시·벤치마크·API 변경사항을 모읍니다.
최신 업데이트
AI 모델 관련 글 — 326 페이지
- 0
AI 혁신: Rio의 모듈 방식 LLM 통합 접근법이 재정립하는 산업 표준
LLM 개발 패러다임이 막대한 자본이 투입되는 '처음부터 학습(train-from-scratch)' 방식에서 기존 오픈 소스 모델을 재조합하는 모듈형 방식으로 변화하고 있습니다. 모델 병합 기술을 활용하면 적은 비용으로도 특정 언어와 문화적 맥락에 최적화된 고성능 AI를 효율적으로 구축할 수 있습니다.
Revolutionizing AI: How Rio's Modular Approach to LLM Integration Is Redefining Industry Standards↗dev.to
- 3
숨겨진 보석 같은 비용 절감 방법: 중국 LLM으로 라우팅하여 AI API 요금을 80% 감축하는 방법 (그리고 여러분도 할 수 있는 방법)
MiniMax, Kimi 등 중국산 LLM이 서구권 프론티어 모델에 근접한 성능을 내면서도 압도적인 가격 경쟁력을 바탕으로 시장 점유율을 높이고 있습니다. 이에 PandasRouter는 복잡한 결제와 인증 절차 없이 다양한 중국 모델을 하나의 API로 사용할 수 있는 통합 프록시 서비스를 출시했습니다.
The "Hidden Gem" Cost-Cut: How we are routing to Chinese LLMs to slash our AI API bill by 80% (and how you can too)↗indiehackers.com
- 12
스카라브 다이애그노스틱 현장 테스트 #029 — 일렉트론 CSP / 아이솔레이티드 프리로드 바운더리
Electron 프레임워크 내에서 문서 상태에 따라 CSP(콘텐츠 보안 정책)가 다르게 적용되는 실행 불일치 현상이 발견되었습니다. 이를 해결하기 위한 패치가 제안되었으나, 보안 경계를 약화시적 수 있다는 유지보수자의 우려로 인해 현재는 정책 소유권에 대한 설계적 논의 단계에 머물러 있습니다.
Scarab Diagnostic Field Test #029 — Electron CSP / Isolated Preload Boundary↗dev.to
- 14
Claude 자동화 사용량 측정 시작 (6월 15일). 예상치 못한 요금을 피하기 위한 빠른 점검 목록
Anthropic이 Claude의 사용량 산정 방식을 변경하여, 사람이 직접 참여하는 대화형 사용은 기존 구독 플연을 유지하되 SDK나 스크립트를 통한 자동화 사용은 별도의 크레딧 및 종량제 방식으로 분리합니다. 이는 무분별한 토큰 소비를 막고 비용 구조를 현실화하기 위한 조치입니다.
Your Claude automation starts metering today (June 15). A quick checklist to avoid surprise charges↗dev.to
- 16
M1 맥스로 GoPro 영상 669GB 인덱싱하기: 로컬 ML 모델 활용
한 개발자가 M1 Max 컴퓨터를 사용하여 669GB 분량의 GoPro 영상 데이터를 로컬 ML 모델로 인덱싱하여 원하는 장면을 검색하고 편집 소프트웨어로 바로 연결하는 시스템을 구축했습니다. 이 프로젝트는 클라우드 의존 없이 고성능 로컬 하드웨어만으로 방대한 멀티미디어 데이터를 처리할 수 있음을 입증했습니다.
I indexed 669 GB of my GoPro videos using my M1 Max computer and local ML models↗news.ycombinator.com
- 18
리오데자네이로의 자체 개발 LLM, 기존 모델과 병합된 것으로 보임
Nex-AGI는 리오데자네이루 시의 Rio-3.5-Open-397B 모델이 IplanRIO의 독자 학습 모델이 아니라, Nex 모델 60%와 Qwen 모델 40%를 가중치 병합(Merge)한 것이라고 주장했습니다. 해당 모델은 시스템 프롬프트 제거 시 스스로를 Nex 모델로 인식하며, 가중치 분석 결과 단순 보간법에 의한 병합 흔적이 발견되었습니다.
Rio de Janeiro's "homegrown" LLM appears to be a merge of an existing model↗github.com
- 21
자율 에이전트 스튜디오 운영에 1억 3천 6백만 토큰 소모, 비용 90% 가까이 절감 방법
무한 루프와 거대 컨텍스트 누적으로 인한 AI 토큰 비용 폭증 문제를 해결하기 위해, 에이전트의 역할을 저비용 모델과 고성능 모델로 분리하는 라우팅 전략을 제안합니다. 단순 반복 작업은 경량 모델에 맡기고 결과물을 검증 시스템으로 확인하는 아키텍처를 통해 운영 비용을 획기적으로 낮출 수 있습니다.
We burned 136 million tokens running an autonomous agent studio. Here's how we cut the bill ~90%.↗dev.to
















