🤖
1410 in / 4631 out / 6041 total tokens
🔥 핫 토픽
Simon Willison의 Claude로 GitHub 리포 크기 분석하기
Simon Willison이 Claude를 활용해 GitHub 리포지토리 크기를 분석하는 실험을 공개했다. 이건 단순한 테크 트릭이 아니다. LLM을 "코드베이스 분석 도구"로 쓰는 실전 베스트 프랙티스를 보여주는 사례다.
게임 프로젝트 같은 대형 코드베이스를 다루다 보면, 리포 크기가 Git 성능에 미치는 영향이 무시 못 한다. UE5 프로젝트는 기본적으로 바이너리 에셋이 많아서 리포가 10GB 넘기가 일쑤다. 이걸 Claude한테 던져서 "어디서 용량을 잡아먹는지" 분석해보겠다는 접근이 흥미롭다.
물론 현재 Claude의 컨텍스트 윈도우로는 엄청나게 큰 리포를 통째로 넣을 수 없다. 그래서 핵심은 어떻게 청킹하느냐인데, 파일 트리 구조, Git 로그, 디렉토리별 용량 같은 메타데이터를 먼저 추출해서 넘기는 전략이 필요하다. 이건 게임 서버 아키텍처에서 대용량 데이터를 스트리밍하는 방식과 비슷하다. 한 번에 다 올리지 않고, 인덱스를 먼저 보고 필요한 부분만 가져오는 식이다.
이 접근법이 중요한 이유는, 앞으로 AI 코딩 어시스턴트가 코드 이해도(Code Understanding)에서 경쟁 우위를 가질 핵심 영역이 바로 이 부분이기 때문이다. 단순히 함수 하나 잘 짜는 걸 넘어서, 프로젝트 전체 구조를 이해하고 병목을 찾아내는 능력. 그게 차세대 AI 도구의 차별점이 될 것이다.
나도 최근 사이드프로젝트에서 비슷한 시도를 했다. 언리얼 C++ 프로젝트의 빌드 타임이 느려져서, 빌드 로그를 Claude한테 넘겨보니 인클루드 체인에서 불필요한 헤더 의존성을 찾아줬다. 물론 완벽하진 않았지만, 탐색 시간을 반토막 낸 건 확실하다.
출처: GitHub Repo Size - Simon Willison
📰 뉴스
ChatGPT Pro, 월 $100 구독의 의미
OpenAI가 월 $100짜리 ChatGPT Pro 구독을 발표했다. 기존 Plus($20/월) 대비 Codex 코딩 도구 사용량이 5배. 단순히 "비싼 플랜 추가"가 아니다. 개발자 대상 LLM 서비스의 가격 경쟁이 본격화됐다는 신호다.
왜 이 가격이 나왔을까 분석해보면, 서버 추론 비용(Inference Cost)이 여전히 만만치 않기 때문이다. 모델이 클수록, 응답이 길수록, GPU 연산 시간이 선형적으로 증가한다. 특히 Codex처럼 장시간 실행되는 에이전트형 도구는 한 세션에 수십 분씩 GPU를 물고 있어야 한다. $100가 비싸게 느껴지지만, 클라우드 GPU 렌탈 비용을 생각하면 오히려 싼 가격일 수 있다.
이게 Claude/Anthropic 관점에서 중요한 건, 가격 포지셔닝의 차이가 드러난다는 점이다. Claude Pro는 현재 $20/월이다. 같은 가격대에서 경쟁 중인데, OpenAI는 상위 티어로 고사양 사용자를 분리했다. Anthropic도 비슷한 전략을 취할 가능성이 높다. 이미 Claude Max라는 고가 플랜을 테스트 중이라는 루머가 돌고 있다.
실무 개발자에게 미치는 영향은 이렇다. 월 $100을 코딩 도구에 쓸 건지, 아니면 그 돈으로 GPU 렌탈해서 로컬 모델을 돌릴 건지 선택의 기로에 섰다. 개인적으로는, 하루 8시간 코딩하는 프로 개발자라면 $100도 충분히 가성비가 나온다고 본다. 시간당 약 $0.6이니까.
하지만 여기서 주의할 점이 있다. 벤더 종속(Vendor Lock-in) 위험이다. 특정 모델에 최적화된 워크플로우를 구축하면, 나중에 갈아타기 어렵다. 그래서 나는 Claude API를 직접 호출하는 커스텀 도구 체인을 유지하는 편이다. 프롬프트 엔지니어링 자산은 모델 독립적으로 관리해야 한다.
출처: ChatGPT Pro Subscription - The Verge
Florida의 OpenAI 조사: 규제 리스크가 개발자에게 미치는 영향
Florida 검찰총장 James Uthmeier가 공공 안전과 국가 안보 위험을 이유로 OpenAI 조사에 착수했다. 정치적 제스처로 끝날 수도 있지만, AI 규제가 점점 현실화되는 추세를 보여주는 지표다.
이게 왜 Claude/Anthropic 사용자에게도 중요하냐. 규제는 보통 업계 전체에 적용된다. OpenAI만 타겟이 될 것 같지만, 한 번 규제 프레임워크가 만들어지면 모든 LLM 제공사가 그 안에 편입된다. Anthropic은 애초에 "안전한 AI"를 모토로 삼고 있어서 상대적으로 유리한 위치에 있지만, 개발자 입장에서는 API 접근 제한이나 사용 추적 같은 부담이 늘어날 수 있다.
실제 가능한 시나리오를 몇 가지 생각해봤다:
- API 사용 로깅 의무화 - 어떤 프롬프트를 넣었는지 기록해야 할 수 있다
- 특정用途 제한 - 게임 내 NPC AI 같은 용도도 심사 대상이 될 가능성
- 지역별 서비스 차등 - 주마다 규제가 다르면, 미국 내에서도 접속이 끊기는 현상 발생
게임 개발자로서 이 부분이 특히 민감하다. 언리얼 엔진에 LLM 기반 NPC를 붙이는 프로젝트를 진행 중인데, 서비스 지역에 따라 AI 기능이 제한될 수 있다면 아키텍처 자체를 다시 짜야 한다. 로컬 모델 fallback 구조를 미리 준비해둬야 할 것이다.
Anthropic은 "Constitutional AI"라는 자체 안전 프레임워크로 규제 대응을 준비 중이다. 이게 실제로 규제 기관의 신뢰를 얻을 수 있을지는 지켜봐야 한다. 하지만 최소한 Anthropic은 OpenAI보다 규제 리스크가 낮다는 건 분명하다. 이건 장기적으로 Claude 생태계의 안정성에 긍정적이다.
출처: Florida Investigation into OpenAI - The Verge
💡 분석: 세 뉴스를 관통하는 하나의 흐름
이 세 뉴스를 나란히 놓고 보면 하나의 패턴이 보인다. LLM 산업이 '초기 붐'에서 '경쟁과 규제의 성숙기'로 진입했다는 것.
Simon Willison의 Claude 실험은 실용화 단계를 보여준다. 모델이 충분히 좋아졌으니, 이걸 어떻게 실전에 녹일까에 집중하는 시기다.
ChatGPT Pro의 $100 가격은 수익 모델 탐색이다. 서버 비용 문제를 해결하면서도 고사양 사용자를 붙잡아야 하는 딜레마. Claude도 곧 비슷한 선택을 해야 할 것이다.
Florida 조사는 규제 그림자다. 기술이 사회에 미치는 영향이 커질수록, 감시는 강화된다. 피할 수 없는 흐름이다.
개발자로서 준비해야 할 것:
- 멀티 모델 전략: Claude, GPT, Gemini를 상황에 따라 스위칭할 수 있는 유연한 아키텍처
- 비용 최적화 감각: API 호출 한 번의 비용을 항상 인지하는 습관
- 규제 대응 설계: 지역별, 용도별로 AI 기능을 on/off할 수 있는 구조
LLM은 이제 '쓸 수 있는가'가 아니라 '얼마나 현명하게 쓰는가'의 시대로 넘어갔다.