예측시장을 이제는 단순한 도박 플랫폼으로 보기엔 힘들 것 같고 나스닥 같은 전통 금융이랑 결합해서 새로운 파생상품 레이어가 생겨나는 거라고 보고 있음.

이렇게 되면 예측시장의 파이는 확실히 커질 가능성이 큼. 유동성도 붙고, 상품도 더 잘게 쪼개지고, 기관 자금이 들어오면서 거래량도 늘겠지만 리테일의 입장에선 체감이 좀 다를 수도 있다고 봄.

간혹 가다 뜨는 플랫폼 간 벌어진 스프레드나 빈 호가 먹는 갭은 거의 기회가 없다고 봐야할 듯. 점프트레이딩 같은 트레이딩 펌들은 이미 마켓 메이킹이랑 아비트라지로 엣지를 챙기고 있기도 하고, 앞으로는 더 많은 펌들이 들어올테니까. 게다가 인사이더 플레이도 더 가속화 될 것이고.

그래서 앞으로는 예측시장에서의 리테일의 엣지는 방향성 베팅이나 아비라지가 아니라, 룰이나 결제 구조를 잘 파악해서 판정기준/데이터소스/만기시점/예외처리 같은 디테일에서 노이즈가 낄 때 플랫폼간 헷징 잡으면서 갭을 먹거나 방향성 베팅을 하는 방식으로 진화해야 할 듯.

대충 한줄 요약 하자면

예측시장은 커지긴 하는데, 쉬운 갭들을 먹는건 사라질 거고 리테일들은 룰/결제 디테일에서 생기는 미스프라이스 들을 노리는게 맞을 거 같다는 소리

🔴 5,150.00 @KOSPI_Price

ChatGPT Instant 모델은 ChatGPT 5.3이네요!!

Predict fun이 Probable을 인수했네요?

둘 다 PancakeSwap, YZi Labs 출신이라 같은 섹터 프로젝트를 왜 두 개나 운영하나 궁금하긴 했었는데...

포인트는 Probable : Predict = 1:2 로 전환된다고 하네요

https://news.predict.fun/predict-fun-completes-strategic-acquisition-of-probable/

[ 요즘 핫한 UXUI 디자인툴 Pencil 소개 ]

언젠가 어떤분이 Pencil 한번 다뤄달라고 소통방에 요청하셨던Pencil을 드디어 소개드리네요😅😅

10만 유저를 달성했다는 소식과 함께 공개한 SWARM 모드인데 이게 참 재밌습니다🔥

프롬프트를 입력하면 AI 디자이너 에이전트들이 병렬적으로 나타나 서로 협업하며 디자인 작업을 함께 하는 기능이에요👍👍

원래는 여러 화면을 순차적으로 작업을 했다면 이제는 동시에 같이 작업을 하니 훨씬 더 빠르게 가능해졌습니다💯

앞으로 Pencil도 열심히 팔로우업 해봐야겠네요🙏🙏

👉 원문 보기 👈

Gemini에서도 이미지 생성할 때 뭐 스타일 고르는게 업데이트 됐나보네요.

제가 OpenClaw에서 사용하는 작업 WorkFlow입니다.
완전 100% 똑같다고 할 수는 없는데, 그냥 대강 내용 옮겨놨습니다.
그냥 복사해서 스킬화해달라고 하고, 일반/전문가로 나누어서 작업별로 작업하시면 될 것 같아요

일반 워크플로우

① 사전 준비
   └─ KNOWLEDGE_REUSE_CHECK (과거 교훈 검색)
   └─ 리서치 (3모델 범위 분할 병렬)
   └─ DEPENDENCY_CONTROL (LOCAL_FIRST 기본)
        ↓
② 계획: PLAN_V1
        ↓
③ 【비판】 HARD_CRITIC_R1 (최소 3개 실패 시나리오)
        ↓
④ 개선: PLAN_V2 (R1 실패 시나리오 1:1 대응)
        ↓
⑤ 【비판】 HARD_CRITIC_R2 (대응책 재비판 + 새 약점)
        ↓
⑥ 최종: PLAN_V3 (잔여 리스크 + 롤백 + 중단 조건)
        ↓
⑦ 【토론】 3모델 패널 (찬성-반대-심판, 강공 비판 고정)
   └─ "이 접근 자체가 맞는가?" 전략 검증
   └─ 대안 없는 반박 불합격
   └─ 최대 3라운드 (고위험은 4)
        ↓
⑧ GO/NO-GO (3모델 독립 판정, ALL GO 필요)
   ├─ ALL GO → ⑨
   └─ NO-GO → 계획 수정 → ②로 루프
        ↓
⑨ 실행 (PLAN_V3 대로 단계별)
        ↓
⑩ 【검증】 사전 정의 게이트 순서대로 실행
   └─ 전체 pass → 완료
   └─ 1개라도 fail → 즉시 롤백 + INC 문서
        ↓
⑪ 학습: LEARNING_CAPTURE + INC/PAT/RB + git commit

전문가 자문 워크플로우

⓪ 자문 수신 (원본 저장, 수정 금지)
        ↓
① 독립 리서치
   └─ 자문에서 언급된 기능/설정이 실제 존재하는지 검증
   └─ 외부 사례 조사 + 대안 탐색
   └─ 3모델 범위 분할 병렬
        ↓
② 비판적 검증 (자문 vs 우리 환경 대조)
   └─ ✅ 그대로 적용 / 🔧 변형 적용 / ❌ 버림 — 항목별 분류
   └─ KNOWLEDGE_REUSE_CHECK
        ↓
③ 계획: PLAN_V1 (검증 통과 항목 기반)
        ↓
④ 【비판】 HARD_CRITIC_R1
        ↓
⑤ 개선: PLAN_V2
        ↓
⑥ 【비판】 HARD_CRITIC_R2
        ↓
⑦ 최종: PLAN_V3
        ↓
⑧ 【토론】 3모델 패널 (전략 방향 검증)
        ↓
⑨ 내부 GO/NO-GO (3모델 판정, ALL GO 필요)
   │
   ├─ ALL GO → 전문가 검증 요청 문서 생성 (최대 10개 md)
   │            └─ 백휘가 전문가에게 전달
   │            ├─ 전문가 GO → ⑩
   │            └─ 전문가 NO-GO → 피드백 반영 → ①로 루프
   │
   └─ NO-GO → 전문가 재자문 문서 생성 (최대 10개 md)
              └─ 백휘가 전문가에게 전달
              └─ 보완 자문 수신 → ①로 루프
        ↓
⑩ 실행 (내부 ALL GO + 전문가 GO 이중 게이트 통과)
        ↓
⑪ 【검증】 검증 게이트 실행
   └─ pass → 완료 / fail → 롤백
        ↓
⑫ 학습: LEARNING_CAPTURE + INC/PAT/RB + git commit

ChatGPT 5.4 Updated

클로드 게섯거라! GPT 5.4 등장! (링크)

더 똑똑해진 OpenAI GPT 5.4가 등장했슴다!!

크게 몇가지 변화가 있는데
확실히 클로드를 견제하고 있다는 느낌을 많이 받는 업데이트 였슴다

1️⃣ 컴퓨터 직접 조작 가능

이번 버전에서 가장 큰 변화임다

GPT-5.4는 컴퓨터를 직접 사용하도록 설계되었슴다

예를 들면 AI가 대신
프로그램 실행, 파일 열기, 마우스 클릭, 키보드 입력
같은 작업을 할 수 있슴다

GPT도 단순히 대화하는 AI에서 실제 일을 대신하는 AI로 발전한 것임다!

밑에 영상도 참고해보십셔 🥺

2️⃣ 엄청 긴 문서 처리

GPT-5.4는 1M 토큰 컨텍스트를 지원한다고 함다

클로드도 기본 200K, 기업 환경에서는 1M 컨텍스트를 지원했는데
이번에 GPT도 그 수준까지 따라가는 느낌임다

덕분에
책 여러 권, 대형 코드베이스, 수백 페이지 문서
같은 것도 한 번에 읽고 분석 가능해졌슴다

3️⃣ 환각 감소 + 성능 개선

OpenAI 발표에 따르면
환각이 약 33% 감소했다고 함다

또 이전 버전보다
추론 능력, 코딩, 문서 작업
같은 지식 노동 작업에서 성능이 더 좋아졌다고 함다

OpenAI 에서도
엄청 빠르게 따라가고 있는 듯한 느낌이네유

서로 더 치열하게 경쟁해서
저렴하고 좋은 모델들이 많이 나왔으면 좋겠슴다!

1. 컴퓨터 직접 조작 - 가상 브라우저에서 웹을 탐색하고 폼을 채우는 방식, 다른 앱이나 사용자 컴퓨터의 파일 시스템에는 접근 불가

1M 컨텍스트에 대해서

첫째, OpenAI API에서 gpt-5.4와 gpt-5.4-pro는 1,050,000 토큰 컨텍스트 윈도우를 갖고 있고, gpt-4.1도 1,047,576 토큰을 지원합니다. 둘째, Codex에서는 GPT‑5.4에 대해 실험적 1M 지원이 문서화돼 있습니다. 셋째, Playground는 이 1M급 모델들을 시험해보는 진입점입니다. 넷째, 일반 ChatGPT 대화창은 현재 공개 기준 1M이 아닙니다. GPT‑5.4 출시 글과 ChatGPT 도움말 모두, ChatGPT의 GPT‑5.4 Thinking 컨텍스트는 기존과 동일하며 수동 선택 기준으로 유료 플랜 256K, Pro 400K라고 안내합니다.

가장 중요한 오해 하나만 먼저 잡으면, “1M 컨텍스트”는 1M 입력만 넣는다는 뜻이 아닙니다. OpenAI 문서 기준으로 컨텍스트 윈도우에는 입력 토큰 + 출력 토큰 + reasoning 토큰이 함께 들어갑니다. GPT‑5.4의 최대 출력은 128,000 토큰이라서, 실제로는 입력을 꽉 채울수록 출력과 reasoning에 쓸 여유가 줄어듭니다.

1) ChatGPT 안에서 1M을 켤 수 있나

공개 문서 기준으로는 아직 안 됩니다. ChatGPT에서는 Auto가 필요할 때 GPT‑5.4 Thinking으로 전환될 수 있고, 유료 플랜은 수동 선택도 가능하지만, 컨텍스트 자체는 유료 256K / Pro 400K로 안내됩니다. GPT‑5.4 출시 글도 “ChatGPT에서의 GPT‑5.4 Thinking 컨텍스트 윈도우는 GPT‑5.2 Thinking과 동일”하다고 못 박고 있습니다. 그래서 지금 ChatGPT 대화창에서 “1M 모드”를 따로 켜는 방법은 공개되어 있지 않습니다.

즉, “ChatGPT에서 버튼 하나 눌러 1M 쓰기”는 현재 공개 기준 불가이고, 1M을 진짜 쓰려면 아래의 API / Playground / Codex로 가는 게 맞습니다.

2) 가장 확실한 방법: OpenAI API에서 쓰기

지금 가장 정석적인 경로는 **Responses API + gpt-5.4** 입니다. OpenAI는 GPT‑5.4가 여러 엔드포인트에서 동작한다고 문서화해 두었지만, 별도 가이드에서는 reasoning 모델은 Chat Completions보다 Responses API에서 더 잘 동작하고, 특히 GPT‑5.4는 Responses API가 이전 추론 상태 전달, 캐시 효율, 지연 시간 측면에서 더 유리하다고 설명합니다.

8) Playground에서는 어떻게 쓰나

Playground는 코드 없이 1M급 모델을 가장 쉽게 시험하는 경로입니다. GPT‑5.4와 GPT‑4.1 모델 페이지 모두 “Try in Playground” 진입점을 제공합니다. 다만 제가 확인한 공개 문서 기준으로는 “1M 토글” 같은 별도 스위치가 문서화돼 있지는 않았습니다. 그래서 Playground에서의 실제 사용법은 “1M-capable 모델을 선택하고, 총 컨텍스트가 그 한도를 넘지 않게 요청을 구성”하는 방식으로 이해하는 게 안전합니다.

즉 Playground는 진입은 쉽지만, 대규모 운영·자동화·세밀한 토큰 제어는 API가 낫다고 보시면 됩니다.

9) Codex에서 1M 쓰는 방법

OpenAI는 GPT‑5.4 출시 글에서 **“Codex의 GPT‑5.4는 실험적 1M 컨텍스트 지원을 포함하며, model_context_window와 model_auto_compact_token_limit를 설정해서 시도할 수 있다”**고 명시했습니다. 별도의 Codex 설정 문서도 이 두 키의 의미를 설명합니다. 또한 예시에서 codex --model gpt-5.4 형태를 보여 줍니다.

10) 비용은 어떻게 되나

여기서 진짜 중요합니다. GPT‑5.4와 GPT‑5.4 Pro는 입력이 272K를 넘는 세션부터 가격 체계가 올라갑니다. OpenAI 가격표 기준으로 gpt-5.4는 272K 이하일 때 입력이 $2.50 / 1M tokens, 출력이 $15 / 1M tokens이고, 272K 초과 세션은 입력이 $5.00, 출력이 $22.50로 올라갑니다. gpt-5.4-pro는 훨씬 비싸고, gpt-4.1은 gpt-5.4보다 대체로 더 저렴합니다. OpenAI는 1.05M 컨텍스트 모델에 대해 272K 초과 가격이 “입력 2배, 출력 1.5배”를 세션 전체에 적용하는 방식이라고 설명합니다. reasoning 토큰은 출력 토큰으로 과금됩니다.

그래서 비용 관점에서는 보통 이렇게 정리됩니다.

정말 고급 추론이 필요: gpt-5.4

최고 난도지만 매우 비쌈: gpt-5.4-pro

12) 상황별로 가장 현실적인 선택

“ChatGPT 창에서 그냥 쓰고 싶다”
현재 공개 기준으로는 1M 불가입니다. ChatGPT의 GPT‑5.4 Thinking은 256K/400K입니다.

“코딩 조금 가능하고, 가장 확실하게 1M 쓰고 싶다”
**Responses API + gpt-5.4** 가 제일 정석입니다. 토큰 수는 /responses/input_tokens로 먼저 재고, 큰 파일은 file_id로 넣고, 긴 작업은 background mode, 긴 멀티턴은 compaction을 붙이면 됩니다.

“대형 코드베이스를 오래 붙들고 코딩 에이전트처럼 쓰고 싶다”
Codex + GPT‑5.4 experimental 1M이 제일 직접적입니다. model_context_window와 model_auto_compact_token_limit를 설정하는 경로가 공식 문서에 나옵니다.

원문

[ AI에이전트 8대와 3일간 만든 전쟁 대시보드 ]

Google 출신 Bilawal Sidhu가 AI 에이전트 8대를 활용해 3일만에 전쟁 대시보드를 만들었어요😱😱

그의 표현에 따르면 God's eye view 24-hour reply를 만들었다고 합니다👀

이란에 대한 공습이 시작되자마자 AI에이전트들을 투입해 다양한 정보를 기록하며 4D로 구성했다고 하는데요😎😎

✅ 어떤 내용들을 볼 수 있지?
- 테헤란 상공 비행 통제 확인
- 지상 타격 좌표 확인
- GPS 교란으로 지역의 시야차단 정도
- 9개국에서 비행금지구역 봉쇄되는 내용
- 호르무즈 해협 내 선박들의 이동 모습

등등 전부 공개된 정보들만 활용해도 이렇게 엄청난 수준의 대시보드가 만들어진다고 합니다😅😅

도메인 전문가 한 명이 AI를 극대화 해서 활용하면 이런 결과물이 나온다고 해요... 우리 모두 화이팅🫡

👉 원문 보기 👈

🟢 비트코인 채굴량 2천만개 돌파

세상에 남은 채굴할 수 있는 비트코인의 갯수 단 100만개

예상 고갈시점 '114년'

🦞 OpenClaw 2026.3.8
🧠 Model: openai-codex/gpt-5.4 · 🔑 oauth (openai-codex:default)
🧮 Tokens: 5.8k in / 1.7k out
🗄 Cache: 97% hit · 162k cached, 0 new
📚 Context: 163k/1.1m (16%) · 🧹 Compactions: 0
📊 Usage: 5h 97% left ⏱️1h 57m · Week 99% left ⏱️6d 20h
🧵 Session: • updated just now
⚙️ Runtime: direct · Think: high
🪢 Queue: collect (depth 0)

OpenClaw에서 GPT 5.4 모델 적용하고, 1M 토큰 적용했습니다.
이거 방법은

OpenClaw GPT 5.4 1M Context 적용법

이 글 내용 복사해서 마크다운 파일로 만들어서 넣어서 해달라고 하면 해줍니다!

https://gall.dcinside.com/mgallery/board/view/?id=thesingularity&no=1046947&page=1

이 내용 재밌네요

요약
GPT 5.4 VS Opus 4.6 코딩 대결 떴더니
GPT 5.4가 3:0으로 개쳐바름

하리 예측 시장 (테넷)

https://app.hyperliquid-testnet.xyz/trade/HYPE

[ 온디바이스 시대가 오고있다 Feat. Qwen 3.5 ]

이건 굉장히 의미있는 실험이군요🔥🔥

알리바바의 Qwen 3.5를 아이폰 17 Pro에서 온디바이스 로컬로 구동하는 모습이 공개됐습니다😉

이제 구독료도 없고 데이터가 외부로 유출되지 않는 형태의 모델들이 점점 개발 되겠죠🙏🙏

해당 영상이 올라온 이후 Mac과 M5까지도 구동 되는 것이 확인이 됐으며 Qwen 3.5 4B는 GPT-4o 수준의 벤치마크를 보여준다고 합니다👍

👉 원문 보기 👈

https://www.youtube.com/watch?v=gRvImbXd8ng

코인유튜버 사또 인듯 ㅋㅋ

이상주의는 실천적으로 실제 경험하지 못하면, 쉽게 할 수 있는 말이고
실제 경험하면서 구현하는 단계에서는 쉽게 꺼내기가 어려움.

하지만, 그럼에도 불구하고 사람은 이상주의를 유지해야함.
그 이유는 AI는 이런 이상주의를 실제 구체화해서 실제 작동하는 구조로 현실화해줌.
어떻게 해야 실제 구체화하고, 실제 잘 작동하게 만들지에 대해서 생각해야함.
잘 활용하는 사람 입장에서는 이게 너무나도 쉽고, 자율화 될 수 있는 분야임.

레거시한 개발자들이 강점을 지니는 분야가 있는데, 기존 지식을 활용하고 어떻게 해야 효율적인지, 또 자신의 지식을 쉽게 활용해서 AI를 좀 더 다양하게 정보를 쓸 수 있고, AI가 좀 더 확장적으로 사고할 수 있는 측면이 있음.
하지만, 레거시한 개발자들은 개발 역량에만 집중했고 대부분 '이상주의'보다 '실제 현실'에 기반한 사고를 하기 때문에, '당연히 안 되는 것'에 갇혀있거나 이상주의를 가지지 못하는 위험이 있을 수 있다고 생각함. 하지만, 운영 요령이나 실제 현장 현실에 기반한 내용에서는 뛰어남. - (이상주의적 사고는 사실, 다들 가지기 어려운 것이라고 생각하긴함.)

그렇다보니, 비개발자들도 AI를 활용하며 어떤 프로덕트를 만들어내는 과정에서 강점을 가지는 분야가 분명히 있다고 생각함. 틀에 박힌 사고를 하지 않기도 하고.
즉, 개발자가 무조건적으로 유리한 것도 아니고, 비개발자가 무조건적으로 유리한 것도 아님. 둘 다 강점이 있고, 두 개 역량을 모두 충족시키면 매우 좋음.
하지만, 가장 중요한 역량은 AI를 활용하는 능력과 깊은 생각이라고 생각함.
얕은 생각을 하는 사람도 AI를 이용하면 깊은 생각을 할 수 있기에 (물론 AI를 이용해서 깊은 생각을 해야겠다는 생각에 도달하기 위해서면 깊은 생각을 해야하지만...) AI를 잘 다루는 능력이 매우 중요하다고 생각함. AI에게 생각을 시키는, 말 그대로 인공 '지능'으로써의 역할인 것임.
인공적인 지능에게 어떤 생각을 시킬지에 대해서 선택하는 것이 매우 중요하다고 생각함. '어떤 생각'을 시킬지는 온전히 사용자에게 달려있음.

인류 발전의 역사는 위임의 역사라고 생각함.
인류는 이동을 자동차나 자전거, 기차, 비행기 등...에 위임해오면서 진보해왔고
이제는 지능을 Artificial Inteligence라는 존재에게 위임하여 효율적으로 변화시켰음.
아직은, AI가 깊은 생각을 하는 사용자가 예전이었으면 본인이 다 직접 사고했어야하는 내용을 AI가 다각도로 다양한 것들을 생각하게끔 만드는 노력을 해야하는 단계에 있는데 점점 그 노력이 줄어들지 않을까 싶음. 하지만, 획기적으로 그런 돌파구에 도달하기까지는 아직 남았으니, 지금으로써 할 수 있는 노력을 해야된다고 봄.

AI 쓰는 방식, AI 활용력과 깊은 생각이 중요한 이유..
라고 생각함.