오 귀엽다

Minara에서 제공하는 기능이 생각보다 꽤 다양합니다.

대부분 기존에 클로드 코드로 직접 봇 구현해서 사용하던 기능들인데, 만약 자주 클로드 토큰 리밋에 걸리는 상황에서는 충분히 대체제로 활용할 수 있어 보입니다.

[한국경제] 국민의힘, 가상자산 과세 폐지로 당론 결정

* 국민의힘은 내년 시행 예정인 가상자산 소득세 과세를 폐지하는 당론을 결정했습니다.
* 이는 금투세 폐지에 따른 주식과의 과세 형평성을 맞추고 청년 세대의 자산 형성 기회를 보장하기 위함입니다.
* 박수영 의원은 소득세법 개정안을 발의하며 국세청의 준비 부족을 지적했습니다.

🔗자세히 보기 🧾스톡허브 뉴스 채널

공감 가는 내용이 많습니다.

클로드 코드의 미리보기 창 성능도 생각보다 괜찮은 편입니다. (안티 그라비티로 볼지, html로 크롬으로 웹페이지 스타일로 볼지 취향에 맞게 선택 가능)

아직도 클로드 코드 세션을 하나만 열고 작업하고 계신다면, 작업 효율이 많이 떨어질 수 있습니다. 메인 작업은 클로드 코워크에서 진행하고, 터미널은 여러 개를 동시에 열어 병렬로 작업하는 방식이 훨씬 효율적입니다.

어차피 대부분의 작업은 대기 시간이 약 80%를 차지하기 때문에, 한 번에 2~3개 작업을 동시에 돌리는걸 추천합니다.

요즘 시장에 대한 생각과 근황

1. 코인의 하방이 존나 단단하다고 느끼고 있음
(오일 120불 쇼크 때 미장이랑 같이 ㅈ될 줄 알고 코인 숏 쳤다가 쳐맞고 도망쳤기 때문)

2. 코인은 실체가 없어서 꿈을 팔며 살아가야 하는데 지금 타오가 그러고 있다고 생각하는 중

3. 그래서 요즘은 타오쪽 많이 팔로업 하고 있음 나머지 애들은 형편없는 민낯만 까발려 지고 있는거 같음

4. 내부자들이 하이퍼리퀴드로 다 해쳐먹는 거 보니까 권력자들이 하이퍼리퀴드는 절대 죽이지 않을 것 같다는 생각이 들었음(팬티남 보고 있나)

5. 코인 딱히 할 게 없어서 수면패턴도 정상화시키고 날씨 좋아서 러닝 자주 나감 요즘 삶에 대한 만족도가 꽤 높음

6. 할 거 있으면 추천 좀

그레이 스케일 크립토 섹터 분기 보고서: 지정학적 불안 속에서도 AI와 토큰화가 두각을 나타냄

이더리움 L1 vs L2, 2026년 이후 구조

과거 인식
→ L2 = 이더리움 속도/수수료 개선용 (스케일링 용도)

현재 관점 (2026)
→ L2 = 차별화 레이어

L2 역할 변화
→ 커스텀 룰
→ UX 개선
→ 특정 앱 특화
→ 프라이버시 / 초고속 처리
→ 기업용 기능 / 커뮤니티 체인

L1 역할
→ 글로벌 정산 레이어
→ DeFi 유동성 허브
→ 가장 높은 보안 + 탈중앙성

구조 정리
→ L1 = 보안 + 정산 (기반)
→ L2 = 실사용 + 기능 확장 (실행 레이어)

핵심 포인트
→ L1은 보안/탈중앙 절대 포기 안함
→ 확장은 L2에서 담당

결론
→ 스케일링 구조가 아니라
→ 역할 분리된 모듈형 생태계로 이해해야 함

TAO를 꽤 오래 전부터 관심 있게 봐온 입장에서, 현재 내러티브에 대해 가장 공감되는 얘기

"이렇게 많은 비 크립토인들이 특정 토큰을 쉴링했던 마지막 사례는 ZEC"
"당시 XMR 대신 ZEC를 샀던 논리도 결국 빅가이들이 그걸 쉴링했기 때문, 그게 전부"

사실 ai어쩌고 저쩌고 이런것들보단 관심도 측면에서 보는게 적합해보이고,
저 사람들이 쉴링에 비용을 받았든 아니든, 지금 가장 많은 관심을 받는 토큰인 건 맞는 듯

삼천당제약은 주주들 천당을 3번 보내주는 중

NVIDIA CEO 젠슨 황 인터뷰 중 - Lex Fridman

“저는 여전히 스케일링 법칙을 믿습니다. 그리고 이제는 스케일링 법칙이 더 많아졌습니다.

우선, 사람들이 무엇이 병목이 될 것이라고 생각했는지 되돌아볼 수 있습니다.

처음에는 프리트레이닝 스케일링 법칙이 있었습니다. 사람들은, 그리고 그것도 충분히 그럴 만하게, 우리가 가진 고품질 데이터의 양이 우리가 도달할 수 있는 지능을 제한할 것이라고 생각했습니다. 그 스케일링 법칙은 매우 중요한 법칙이었습니다. 모델이 커질수록, 그리고 그에 상응해 더 많은 데이터를 사용할수록, 더 나은 AI, 더 똑똑한 AI가 만들어졌습니다.

그것이 프리트레이닝이었습니다. 일리야 수츠케버는 ‘우리는 데이터가 고갈됐다’거나, ‘프리트레이닝은 끝났다’는 식으로 말했습니다. 업계는 패닉에 빠졌죠. AI의 끝이라고 생각했습니다.

물론, 그건 분명 사실이 아닙니다. 우리는 앞으로도 계속 학습에 사용할 데이터의 양을 늘려갈 것입니다. 그 데이터의 많은 부분은 아마 합성 데이터가 될 텐데, 이것도 사람들을 혼란스럽게 했습니다. 하지만 사람들이 잘 이해하지 못하는 것은, 그리고 어쩌면 잊어버린 것은, 우리가 서로를 가르치고 서로에게 정보를 주기 위해 사용하는 데이터 대부분도 사실 합성 데이터라는 점입니다.

왜냐하면 그것은 자연에서 그냥 나온 것이 아니기 때문입니다. 누군가가 만들었고, 내가 그것을 소비합니다. 나는 그것을 수정하고, 증강하고, 다시 생성하고, 또 다른 누군가가 그것을 소비합니다.

그래서 이제 우리는 AI가 기초 사실(ground truth)을 받아서 그것을 증강하고, 향상시키고, 방대한 양의 데이터를 합성적으로 생성할 수 있는 수준에 도달했습니다. 그리고 포스트트레이닝의 그 부분은 계속 스케일링되고 있습니다. 따라서 인간이 직접 만든 데이터가 차지하는 비중은 점점 더 작아질 것이고, 모델을 훈련하는 데 사용하는 전체 데이터 양은 계속 늘어날 것입니다. 결국 우리는 더 이상 데이터에 의해 제한되지 않게 됩니다.

이제 훈련은 더 이상 데이터가 병목이 아닙니다. 컴퓨팅이 병목입니다. 왜냐하면 데이터의 대부분이 합성 데이터가 될 것이기 때문입니다.


그 다음 단계는 테스트타임입니다. 저는 여전히 사람들이 ‘추론? 아, 그건 쉽죠. 어려운 건 프리트레이닝이죠’라고 말하던 것을 기억합니다. 사람들은 프리트레이닝 시스템이 거대한 시스템이라고 말하면서, 추론은 쉬울 거라고 생각했습니다. 그래서 추론 칩은 작고 단순할 것이고, 엔비디아의 칩처럼 복잡하고 비싼 것이 아니라 누구나 자기만의 칩을 만들 수 있고, 미래의 가장 큰 시장은 추론이지만 그건 쉽게 상품화될 것이라고들 말했습니다.

하지만 그건 제게는 늘 비논리적으로 보였습니다. 왜냐하면 추론은 곧 생각하기이기 때문입니다. 그리고 저는 생각하기가 어렵다고 생각합니다. 생각하는 일은 읽는 일보다 훨씬 더 어렵습니다.

프리트레이닝은 그냥 기억하고 일반화하는 것에 가깝습니다. 읽고 또 읽고, 패턴과 관계를 찾는 것입니다. 반면 생각하기는, 추론하고, 문제를 풀고, 새로운 경험과 미탐색된 경험을 받아들여서 그것을 풀 수 있는 조각들로 분해하는 일입니다. 그리고 그렇게 나뉜 조각들을 1차 원리 추론으로 풀든, 이전 사례와 경험을 활용해서 풀든, 아니면 탐색과 검색, 여러 시도를 통해 풀든, 그 전체 과정이 바로 테스트타임 스케일링입니다.

즉 추론은 생각하기입니다. 추론은 reasoning이고, planning이고, search입니다. 그런데 그런 것이 어떻게 계산이 가벼울 수 있겠습니까? 그럴 수 없습니다. 그리고 우리는 이 부분에서 완전히 옳았습니다. 테스트타임 스케일링은 극도로 계산 집약적입니다.


그렇다면 이제 질문은 이것입니다. 훈련과 추론, 테스트타임 스케일링까지 왔다면, 그 다음은 무엇인가?

당연히 이제 우리는 하나의 에이전틱 인물을 만들었습니다. 하나의 에이전틱 시스템, 하나의 거대 언어 모델을 만들었습니다. 그런데 테스트타임 동안 그 에이전틱 시스템은 스스로 연구를 하고, 데이터베이스를 두드리고, 도구를 사용합니다. 그리고 무엇보다 중요한 것 중 하나는 수많은 하위 에이전트를 만들어낸다는 점입니다.

즉 우리는 이제 큰 팀을 만들고 있는 것입니다. 엔비디아를 확장하는 것이 저 자신을 확장하는 것보다 훨씬 쉬운 이유는 더 많은 직원을 채용할 수 있기 때문입니다. 마찬가지로 다음 스케일링 법칙은 에이전틱 스케일링 법칙입니다.

이건 AI를 곱하는 것과 비슷합니다. 에이전트는 원하는 만큼 빠르게 새 에이전트를 만들어낼 수 있습니다.

그리고 우리가 이런 에이전틱 시스템을 사용할수록, 그 시스템들은 더 많은 데이터와 더 많은 경험을 만들어낼 것입니다. 그중 일부는 우리가 ‘이건 정말 좋다. 이건 기억해 둘 만하다’고 말하게 될 것입니다. 그러면 그 데이터셋은 다시 프리트레이닝으로 돌아갑니다. 우리는 그것을 기억하고 일반화합니다. 그리고 다시 포스트트레이닝에서 정제하고 파인튜닝합니다. 그다음 테스트타임에서 더 강화하고, 에이전틱 시스템을 통해 산업 전반으로 퍼뜨립니다.

그래서 이 루프, 이 사이클은 계속 반복될 것입니다.

결국 핵심은 이것입니다. 지능은 단 하나의 것에 의해 계속 스케일링될 것이고, 그것은 바로 컴퓨팅입니다.”

https://x.com/DrNHJ/status/2036662480689340451?s=20

https://youtu.be/vif8NQcjVf0?si=tYy6kxlyJckxjF2E

1월 출산율 0.99명, 30대 출산 대폭 상승