본문으로 건너뛰기
← vibecamp ai builder 목록

vibecamp ai builder · #85 · 2026-10-04

vibecamp ai builder 2026-10-04 — OpenAI 안전 보고서 총괄, 퇴사하며 '문화가 망가졌다' 기고

2026-10-04 AI 빌더 일간 호 — 오늘 8개 카드를 정리했습니다.

8개 카드 · AI Agent 를 만드는 사람의 일간

📤 공유하기𝕏@inf💬✈B✉
🛠

빌더 신호

철조망에 뚫린 OpenAI 로고 모양 구멍 일러스트

OpenAI 안전 보고서 총괄, 퇴사하며 '문화가 망가졌다' 기고

#
OpenAI에서 주요 출시마다 공개한 안전 보고서 작성을 이끌던 David Robinson이 이번 주 퇴사하고 10/3 The Atlantic에 1인칭 에세이를 실었습니다. 그는 OpenAI가 '반복 배포(iterative deployment)'라는 시행착오 방식으로 성장했지만, 이 방식은 본질적으로 주기적 실패를 낳고 시스템 역량이 커질수록 실패 규모도 커진다고 썼습니다. OpenAI 대변인은 안전 조치를 계속 강화하고 있다고 반박했습니다.
💡에이전트를 실서비스에 붙이는 빌더라면 벤더 한 곳의 안전 체계에만 기대지 말고, 자체 평가·모니터링·롤백 장치를 여러 겹으로 두는 설계를 점검해 볼 때입니다.
원문 →#openai#ai-safety#industry#resignation
GitHub App 설치 토큰 40→520자, 무상태 형식 전환 완료

GitHub App 설치 토큰 40→520자, 무상태 형식 전환 완료

#
GitHub가 10/2 GitHub App 설치 토큰의 무상태(stateless) 형식 롤아웃 완료를 공지했습니다. 4/27부터 단계적으로 적용됐고, 이제 새로 발급되는 토큰은 기본으로 ghs_APPID_JWT 형식입니다. 접두사 ghs_는 그대로지만 길이가 약 40자에서 약 520자로 늘었습니다. 권한·저장소 범위·1시간 만료·REST 엔드포인트는 그대로이며, 임시 요청 헤더는 11/30 폐기됩니다.
💡GitHub App으로 코딩 에이전트나 CI 봇을 돌린다면 토큰 저장 컬럼 길이, 로그 마스킹 정규식, 시크릿 스캐너가 40자 고정을 가정하고 있지 않은지 바로 확인해 보세요.
원문 →#github#github-app#auth-token#ci#breaking-change
Offrun — 여러 코딩 에이전트를 한 워크스페이스에서 관리하는 macOS 앱 소개 카드

Offrun 공개, 여러 코딩 에이전트를 한 화면에서 무료로 운영

#
Show HN으로 10/3 공개된 Offrun은 Claude Code·Codex·AGY·Grok Build 같은 코딩 에이전트 CLI를 한 워크스페이스에서 나란히 돌리는 무료 macOS 앱입니다. 에이전트마다 별도 git worktree를 줘 같은 저장소에서도 파일 충돌을 막고, 다른 에이전트를 리뷰어로 지정하면 커밋 전 결과가 채팅에 올라옵니다. 계정 사용량 한도에 닿으면 여유 있는 다른 로그인으로 대화를 옮깁니다. HN 반응은 72점 수준으로 아직 초기입니다.
💡여러 에이전트를 병렬로 쓸 때의 핵심 패턴인 worktree 격리와 교차 리뷰를 무료로 시험해 볼 수 있습니다. 작은 저장소부터 내 워크플로에 맞는지 써 보세요.
원문 →#coding-agent#claude-code#git-worktree#macos#show-hn
🏆

해커톤·대회

Hack-Nation 7th Global AI Hackathon 행사 안내 카드

Hack-Nation 7회 글로벌 AI 해커톤 개막, 15개+ 허브 동시 진행

#
Hack-Nation 7회차 24시간 글로벌 AI 해커톤이 10/3 정오(미 동부) 킥오프해 진행 중입니다. MIT·Stanford·Harvard·ETH Zurich 등 15개 이상 오프라인 허브와 온라인에서 열리며 Luma 기준 3,158명이 등록했습니다. ElevenLabs·World Bank·Databricks 등이 챌린지를 냈고, 상금은 현금+API 크레딧 $30K+로 표기됐습니다. 제출 마감은 10/4 오전 9시(미 동부), 결선 피치·시상은 10/10입니다.
💡참가 레포로 확인된 출제 주제는 오프라인 소형 AI, 원문을 인용하는 법령 탐색, 전문가를 관찰하는 음성 견습 AI입니다. 다음 사이드 프로젝트 주제를 고를 때 참고할 만합니다.
원문 →#hackathon#global#elevenlabs#small-ai#in-progress
London AI x Science Hackathon 포스터 — 플라스크 일러스트와 Hugging Face·Google DeepMind·Anthropic 등 후원사 로고

런던 AI x Science 해커톤 개막, 프런티어 랩 3곳 후원

#
과학 문제를 AI로 푸는 이틀짜리 London AI x Science Hackathon이 10/3 오전 9시(영국 시각) 개막해 10/4 저녁 7시 30분까지 이어집니다. Iterate가 주최하고 Anthropic·Google DeepMind·Hugging Face·Cognition·Modal이 파트너입니다. 트랙은 컴퓨터 사용 에이전트(computer-use agents), 오토리서치·오픈 수학 문제, 신약·단백질 설계, 소재 제조 4개입니다. 상금액과 참가 규모는 공개되지 않았습니다.
💡프런티어 랩들이 과학 연구 루프 자동화에 주목한다는 신호입니다. 코딩 다음 응용처로 도메인 데이터와 에이전트 루프를 결합하는 과제를 눈여겨볼 만합니다.
원문 →#hackathon#london#ai-for-science#computer-use#autoresearch
💰

매출·사례

DoubleSure.Health 창업자와 팀 사진

AI 검색 노출을 의료에 특화한 인도 부트스트랩 GEO 서비스

#
인도의 DoubleSure.Health는 의사·병원·검사소가 ChatGPT·Gemini·Claude 같은 AI 검색에서 추천되도록 돕는 헬스케어 특화 GEO(생성형 검색 최적화) 서비스입니다. Shivam Dixit이 자신의 디지털 에이전시 PeopleApps 안에서 2024년 12월 출범시켰고 외부 투자 없이 운영합니다. 창업자 주장에 따르면 모회사의 2025-26 회계연도 연매출은 약 1크로어 루피(1,000만 루피)로 미검증 수치이며, DoubleSure 단독 매출은 비공개입니다.
💡새 수요인 AI 검색 노출을 한 버티컬에 좁혀 기존 에이전시 역량으로 서비스 매출부터 만드는 경로입니다. 다만 매출은 모회사 기준·자체 주장이라 규모는 보수적으로 보세요.
원문 →#revenue#GEO#healthcare#bootstrapped#india
🎙

빌더 인터뷰

a16z 대담 영상 'Why Specialized AI Could Beat The God Model' 공식 썸네일

a16z, OpenRouter·Replit 대표와 '만능 모델 이후' 대담

#
a16z Show가 10/3 공개한 48분 회차에서 Erik Torenberg가 OpenRouter의 Alex Atallah, Replit의 Amjad Masad와 대담했습니다. 제작진 소개문 기준 회차는 만능 모델 하나 대신 전문 모델·에이전트 팀이 협업하는 구조, 작은 모델의 비용·통제 이점, 라우팅과 모델 퓨전(model fusion), 에이전트 간 통신과 보안을 다룹니다. Stripe의 OpenRouter 인수 내막, 모델·클라우드·데이터 전반의 '독립 레이어'도 다룹니다.
💡모델 하나에 올인할지, 작업별로 모델을 나눠 라우팅할지 고민하는 빌더에게 설계 논점을 정리해 주는 회차입니다. 출연자의 실제 발언은 원본 음성으로 확인해 보세요.
원문 →#interview#podcast#model-routing#multi-agent#a16z
🦅

claw 생태계

Kolibri 공개, 활성 3B MoE를 Apache 2.0으로

Kolibri 공개, 활성 3B MoE를 Apache 2.0으로

#
독일 Aleph Alpha가 10/3(독일 통일의 날) 영·독 이중언어 MoE 모델 Kolibri를 Hugging Face에 전체 가중치로 공개했습니다. 총 78B·활성 3B 파라미터, 최대 1M 토큰 컨텍스트, Apache 2.0 라이선스로 공공·제조·항공우주 같은 규제 산업을 겨냥합니다. 벤더는 활성 파라미터가 4배인 모델과 비슷한 성능이라고 주장합니다. 한편 clawfit 분석은 전체 가중치 적재에 약 160GB GPU 메모리가 필요하고 원 학습 컨텍스트는 262K 수준이라고 추정합니다.
💡활성 3B라 토큰당 서빙비는 낮아도 78B 전체를 메모리에 올려야 합니다. 로컬 배포를 검토한다면 벤더 발표 수치와 clawfit 추정치를 구분해 하드웨어 예산을 직접 계산해 보세요.
원문 →#open-weight#MoE#sovereign-AI#Apache-2.0#clawfit

이 호가 도움됐다면 공유해 주세요 — 빌더 한 명이 더 알게 됩니다.

📤 공유하기𝕏@inf💬✈B✉