Maple TeamFight 만들어봤습니다.

직접 메이플을 플레이하는 유저로서 최대한 요소를 담아서 만들어봤습니다.

44명의 캐릭터, 19개의 시너지, 476개의 장비 아이템으로 나만의 조합을 만들고 스테이지를 돌파하는 메이플+롤토체스 게임입니다. 최종 웨이브까지 도전해보세요

(영상,게임 소리 ON 추천)

플레이하러가기

와우 ㄷ ㄷ

미국 정부가 GPT-5.6 사용자를 결정할 예정

- 트럼프 행정부가 최신 AI 기술에 접근하려는 기업을 정부가 직접 심사하는 정책을 확대하며, OpenAI와 Anthropic 양사 모두에 규제를 적용 중
- OpenAI는 최신 모델 Sol 출시와 함께 미국 정부 승인을 받은 기업만 접근할 수 있도록 했으며, 개인 사용자 접근 절차는 존재하지 않음
- 상무부는 Anthropic에 서한을 보내 Mythos 5 모델을 미국 기반 기업의 제한된 목록에만 제공하도록 허용
- 취임 초기 자유방임 기조를 표방했던 트럼프 행정부가, AI의 소프트웨어 보안 취약점 발견 능력에 대한 우려 이후 입장을 급선회
…

https://news.hada.io/topic?id=30867

이번 주 Chainlink는 Project Pangea에 합류했습니다. — 47개의 은행, $10T+ AUM, 12개월 내에 T+0 외환 결제를 목표로 하며 — 링크

Chainlink Labs는 37개의 유럽 은행과 10개 이상의 한국 은행이 유럽-한국 무역 회랑에서 실시간 스테이블코인을 기반으로 한 외환 결제를 목표로 하는 Project Pangea에 합류했습니다. 이 프로젝트는 규제된 유로와 원화 페그ged 스테이블코인을 사용하여 T+2에서 T+0 원자 PvP 결제로 전환하는 것을 목표로 하고 있습니다.

이유는: 이것은 Chainlink의 오라클 및 크로스 체인 인프라에 대한 의미 있는 기관 채택 신호입니다.

개인적인 추측으론 월드모델 관련 프로젝트가 아닐까 하는 생각도 드네요.

LLM 학습의 천장이 와간다는 시각이 있고, 얀 르쿤도 기존 LLM의 근본적인 한계 때문에 월드모델이 다음 단계라며 떠났죠.

코인이랑 무슨 상관이냐? 할 수 있는데, 월드모델 특징상 영상, 시뮬레이션 데이터가 들어가고, 여기서 분산 컴퓨팅과 검증 레이어에 코인이 낄 자리가 생기지 않을까 싶습니다.

Toly는 AI 3진영 분류(LLM 캠프 / 월드모델 캠프 / 자기학습 캠프)중 월드모델 캠프를 LeCun의 AMI Labs와 Fei-Fei Li의 World Labs로 묶으면서도 여전히 사전학습 패러다임 안에 있다고 하기도 했습니다

트럼프 행정부, Anthropic의 고급 모델 'Fable 5' 접근 재개 허가 임박 - Axios

0xBlockLayer 라는 곳 조심하세요 교모하게 해킹 사기수법 쓰는 애들인 것 같은데 저한테도 연락왔네요.

0xBlockLayer 팟캐스트 얘내들이 잘못된 건지 아니면 Kieran Solborg 얘가 해커 집단 애들쪽인지는 모르겠습니다. 둘다 겉으로만 봤을땐 리짓하게 보이긴 해요 ㄷㄷ

진짜 그럴싸하게 잘 해놨네, 사실 지금도 좀 헷갈리네요 진짜인가 아닌가 분간이 안감

좋은 취지로 인터뷰 좀 하고 싶다고 연락 왔길래 한번 해볼까? 했는데 뭔가 어디서 미심쩍게 들어본 적이 있어가지고 알아보니 해커쪽이라네요.

미팅 링크 같은 걸로 장난치고 뭐 다운로드 받게하고 그런거 다 사기입니다. (다운 받으면 컴터 해킹당함)

좋은 제안이 들어오거나 해서 인터뷰나 미팅을 한다해도 그런 것들은 무조건 구글밋이나 줌 공식링크에서! 하는 걸로

유사품도 많네요 뜬금없이 팟캐스트니 줌미팅이니 하자고 하는 디엠들 주의하세요

앞으로의 AI 사용 계획 및 생각

- 아마 기존 내 시스템 유지 보수 및 돈이 딱히 될만한거 위주가 아닌 취미 생활로 계속 진행할거 같음.

- 기존에 내가 투자하면서 필요했던 툴이나 계속 살펴봤던 거를 내 사이트에서 내가 쓰기 위해 만드는게 목적.

- 개발을 그래도 계속 하기에 이를 편하게 하기 위한 시스템 구축에 힘을 씀.

- AI 모델은 지금 이 수준으로도 내 기준은 충분한 성능을 발휘. 아주 리스키한 버그를 수정하는게 아닌 이상은 지금 모델로 충분한 상태.

- 이 정도 만족감에 어차피 앞으로 미국인 외에는 프론티어를 쓰기 힘든 시대라면 이 분야에 과감한 투자가 어렵다고 느껴짐.

- 지수 추종이 여전히 제일 무난하다고 생각하고 있고, 그나마 괜찮다고 보는건 역시 온디바이스 AI 임.

- 현재 AI 기술로도 충분히 가능하며, 일부 CPU 특화로도 실제로 구축된 아이템들이 많음.

- 관련 아이템은 실제 사용자들에게 충분한 만족감과 클로드 만큼의 느껴지는 기술 발전을 체감할 수 있을 것.

- 꽤 걸릴지도 모르지만, 내가 체감되는 분야에 투자하는게 내 원칙이다보니, 이 분야를 계속 파보면서 길게 볼거같음.

- 양자도 그런 부분에서 보고 있긴한데, 어려웠던 양자 기술이 AI 발전으로 인해 가속화될 수도 있지 않을까? 라는 생각에 아주 길게보고, 소규모의 베팅.

- AI 개발로 돈을 버는건 쉽지 않음. 진짜 바이럴이 필수이고, 강의 팔이나 노하우 판매가 아닌이상은 쉽지 않은 비지니스가 될 것.

현재 시스템들을 만들면서 토큰을 쓸 수 있는 구조를 만드는중.

일단은 기본 내 시스템 구축을 하는데, 강제로 토큰을 써버릴 수 있는 구조 형태로 가고 있음.

이전에 AI 를 계속 활용하기 어려웠던 이유는 토큰을 다 써야한다는 압박감에 계속 뭔가를 만들어야한다는 압박감이 있었음.

뭔가 만들지 않으면 안된다는 압박감이 다 있을텐데, 이거를 토큰을 써서 해결이 가능한 자동화 요소에 써버리면 어떨까라는 생각으로 전환했음.

즉 AI 를 통해서 뭔가 효율적인 일을 하는 스크립트를 짜는게 기존 방식이었다면, 그냥 AI 가 다 작업하게 해서 일을 수행하는 Task 들을 만드는 방식으로 전환.

이렇게 하게되면 일을 하기 싫고 이번주는 뭐 바쁠 예정인 경우에는 토큰을 쓰면서 생산적인 일에 AI 를 활용할 수 있는 것.

토큰을 남기긴 아까워서 강제로 뭐 필요도 없는거 만드는거보다는 일단 이러한 게 가능한 프레임워크를 만들면 토큰을 의미없게 쓰거나 남는 일이 없어지는것.

예를 들면 숏츠 팩토리, 이미지 팩토리, 블로그 팩토리 등등 이 예라고 볼 수 있음.

이렇게 생산된 애들을 활용하는건 나중의 몫이지만 언제든 쓸 수 있는 요소임.

지금 AI 가 아닌걸 찾기가 더 어려운 시대에 바이럴 도구로써 이런 곳에 안쓰는 토큰을 쓸 수 있게 하는 자기만의 시스템을 만드는게 중요해보임.

최근 몇가지 AI 쪽 펀딩 뉴스를 보면 재미있는 공통점이 보이네요.

Patronus AI는 $50M Series B를 받은 AI 에이전트를 스트레스 테스트하기 위한 디지털 월드를 만드는 회사. General Intuition은 $320M Series A, $2.3B valuation 투자를 받은 게임플레이 기반 world model/action foundation model을 만드는 회사.

둘은 AI가 행동을 학습하고 검증할 수 있는 환경을 만들겠다는 곳에 배팅한다는 점에서 같은 맥락을 하고 있음.

지금까지 LLM의 스케일링은 꽤 단순한 구조. 인터넷에 이미 쌓여 있던 텍스트와 이미지를 긁어오고, 더 큰 모델에 더 많은 데이터를 먹이고, 더 많은 컴퓨트로 학습시키면 성능이 올라가는 구조. 물론 여전히 scaling law는 유효하지만, 점점 명확해지는 한계가 있음. 데이터 갯수의 한게 등도 있고.

텍스트 모델은 컵을 책 위에 올려라라는 문장을 이해할 수는 있지만, 실제로 컵이 미끄러지는지, 책이 휘는지, 손이 어느 정도 압력을 줘야 하는지, 그 행동이 다음 상태를 어떻게 바꾸는지는 직접 경험하는 부분은 어려움. 그래서 AI가 단순 질의응답을 넘어 agent가 되는 순간, 문제 정의를 새로 하게됨.

이제 중요하게 여겨지는 부분은 다음과 같고, 여기서 필요한 게 world / simulation / environment.
- 행동을 선택할 수 있느냐
- 그 행동의 결과를 예측할 수 있느냐
- 긴 시간 동안 실패 없이 task를 수행할 수 있느냐
- 실제 시스템에 넣기 전에 충분히 망가뜨려볼 수 있느냐

=> 실제 환경에 휴머노이드나 동료와 같은 방식으로 에이전트 도입되기 때문

Patronus AI가 하는 일은 이 방향에서 꽤 직관적임.

AI 에이전트가 실제 웹사이트, 기업 내부 시스템, 금융 워크플로우, 소프트웨어 환경에 들어가기 전에, 그와 비슷한 디지털 세계를 만들어놓고 그 안에서 에이전트를 굴려보는 것.

Waymo가 자율주행차를 실제 도로에 바로 풀기 전에 시뮬레이션에서 악천후, 돌발 상황, 아이가 공을 따라 뛰어나오는 상황을 계속 테스트하듯이, Patronus는 AI 에이전트에게도 이런 테스트용 세계를 만들어주는 것.

어떤 모델이 SWE bench에서 몇 점을 받았는지, 어떤 에이전트 benchmark에서 몇 %를 찍었는지는 참고가 될 수 있지만, 그게 곧바로 우리 회사 내부 시스템에서 10시간 동안 사고 안 치고 일을 끝낼 수 있다는 의미는 아님. 실제로는 우리 환경과 비슷한 세계에서 우리 업무와 비슷한 테스크들을 수천/수만 번 시행하면서 발생하는 오류 등이 중요해질수 있음. 그런것들이 예외상황을 방지하는 데이터가 되는것.

Patronus가 digital world models를 만들겠다는 건 결국 AI 에이전트 시대의 QA / eval / RL environment layer의 파이를 가져가겠다는 의미.

General Intuition은 반대쪽에서 같은 문제를 보고 있습니다.

Patronus가 에이전트를 어떻게 테스트할 것인가라면, General Intuition은 에이전트를 어떻게 학습시킬 것인가에 가까움.

이 팀이 흥미로운 이유는 데이터 소스인데, General Intuition은 Medal이라는 게임 클립 플랫폼에서 나오는 수많은 게임플레이 데이터를 기반으로 world model과 large action foundation model을 만드는것임.

게임에는 행동 라벨이 있어서 플레이어가 어느 시점에 어떤 키를 눌렀는지, 어떤 화면 상태에서 어떤 행동을 선택했는지, 그 행동 이후에 환경이 어떻게 바뀌었는지, 성공/실패가 어떻게 결정됐는지 등의 정보들이 맥락을 가지고 기록됨.

즉 게임은 단순 영상 데이터가 아니라, state → action → outcome이 붙어 있는 거대한 행동 데이터셋. AI가 현실에서 움직이고, 조작하고, 탐색하고, 계획하려면 공간과 시간 속에서 행동의 결과를 예측해야 하고 그러한 방향성에서 게임은 그걸 대규모로 학습시키기 위한 중간 지대가 될 수 있음.

이 흐름은 예전에 로보틱스 데이터 병목 관련해서 인용했던 글이랑도 이어지는데, 계속해서 이야기하는건 AI가 말하는 모델에서 행동하는 시스템으로 넘어가려면, 텍스트 데이터를 넘어서는 환경 데이터가 필요함. 그에따라 다음과 같은 질문들이 계속 나오게 될 것임.

- 누가 더 좋은 시뮬레이션 환경를 갖고 있는가?
- 누가 더 많은 액션 라벨 데이터를 갖고 있는가?
- 누가 실제 실패 데이터를 축적하는가?
- 누가 agent를 안전하게 망가뜨려볼 수 있는 테스트베드를 갖고 있는가?
- 누가 실제와 테스트 환경의 갭을 줄이는 루프를 갖고 있는가?
- 누가 인간 개입을 학습 데이터로 전환하는 파이프라인을 갖고 있는가?

이를 통해 프로덕션 레벨의 불안성을 계속해서 줄여나가는 것.

AI가 텍스트의 시대에서 행동의 시대로 넘어가고 있다면, 모델을 넘어서서 액션 데이터로 연결시킬수 있는 세계까지 확장해서 생각해봐야 할듯. 그래서 요즘 펀딩 소식이 이런 방향으로 나오는듯.

Patronus AI $50M / digital worlds for agent testing
https://techcrunch.com/2026/06/25/patronus-ai-lands-50m-to-build-digital-worlds-that-stress-test-ai-agents/

General Intuition TechCrunch
https://techcrunch.com/2026/06/25/general-intuitions-2-3b-bet-that-video-games-can-train-ai-agents-for-the-real-world/

OpenAI CFO 세라 프라이어 인터뷰 (All-In) — 메모리/인프라 핵심

1. 컴퓨팅 부족은 구조적
"2026년에도 컴퓨팅 부족. 2027년도 제한적." CFO 본인이 가장 부족하다고 느끼는 건 2030~2032년 물량. 단발성 아닌 수년에 걸친 구조적 부족.

2. 메모리 가격 상승 직접 인정
"기가와트당 컴퓨팅이 더 비싸지고 있다 — 전력이 비싸지고, 메모리가 비싸지고 있어서." 수요자 측 CFO가 HBM/DRAM 가격 상승을 명시.

3. 멀티칩 구도
엔비디아 절대 우선. 가을 차기 훈련은 베라 루빈, 이후 파인만 시리즈. 동시에 AMD·세레브라스(이미 가동)·브로드컴 자체 칩으로 다각화.

4. 전력 인프라
1GW 데이터센터 = 약 500억 달러. 미시간 1GW는 2027년 말~2028년 초 가동. 텍사스 소프트뱅크 에너지와 맞춤형 구축 시작.

5. 자금/규모
3월 1,220억 달러 조달(SpaceX 이전 최대 민간 라운드). 1GW = 연 100억 달러 매출 공식 재확인.