Issue #32 · 2026-05-16 · 2026. 6. 20.

vibecamp AI 빌더 2026-05-16 — 한·일 GDGoC 학생 해커톤 — AI로 양국 공통 사회

2026-05-16 AI 빌더 7건. 한·일 GDGoC 학생 해커톤 — AI로 양국 공통 사회 문제 해결에 도전 / DevNetwork AI+ML 해커톤 2026 — 5월 28일 마감, 상금 $8K 글로벌 챌린지

🛠

최신 기술 트렌드

ZAYA1-8B, 오토리그레시브 MoE를 디퓨전으로 변환해 추론 속도 7.7배 달성

Zyphra가 기존 오토리그레시브 MoE(혼합 전문가) 모델을 재훈련 없이 디스크리트 디퓨전(discrete diffusion) 방식으로 변환하는 기술을 공개했습니다. 핵심은 추론 병목을 메모리 대역폭에서 컴퓨팅 바운드로 전환해 동일 품질 유지하며 GPU 활용률을 7.7배 높인다는 점입니다. 수학 벤치마크에서 Claude 4.5 Sonnet, Gemini-2.5-Pro와 대등한 성능을 보였습니다. 모델 재훈련 없이 기존 LLM을 그대로 변환하는 경로가 처음으로 증명됐다는 점에서 주목됩니다.

💡💡 같은 품질의 추론을 7분의 1 비용으로 서빙할 수 있는 아키텍처가 등장했습니다. 소규모 팀도 프론티어급 추론 서비스를 운영할 수 있는 비용 구조가 열릴 수 있습니다.

누가: Zyphra — AI 아키텍처 연구 스타트업; 원본 ZAYA1-8B는 AMD MI300X 클러스터에서 훈련
무엇을: ZAYA1-8B-Diffusion-Preview: 기존 오토리그레시브 MoE 언어모델을 디스크리트 디퓨전 모델로 최초 변환, 추론 속도 7.7배 향상, 벤치마크 성능 손실 없음
언제: 2026-05-15T21:00:00Z (KST 기준 2026-05-16 06:00, 발행일 24시간 이내)
왜: 오토리그레시브 추론은 메모리 대역폭에 병목이 걸리지만 디퓨전 디코딩은 컴퓨팅 바운드로 전환되어 GPU 활용률을 극적으로 높일 수 있음. 기존 MoE 모델을 재훈련 없이 변환하는 경로를 최초 증명

#diffusion#MoE#inference#Zyphra#open-source

이미지: AI 생성 이미지원문 →

Gemini Omni Google I/O 2026 — 멀티모달 통합 파이프라인 안내 배너

Gemini Omni 유출 — 텍스트·이미지·비디오를 단일 API 호출로 생성

Google I/O 2026 사흘 전, Gemini 인터페이스 내부 UI 문자열에서 'Gemini Omni' 코드명이 발견됐습니다. 텍스트·이미지·비디오를 하나의 프롬프트로 동시에 생성하는 통합 멀티모달(multimodal) 모델로, 기존에는 각기 다른 파이프라인을 써야 했던 작업을 단일 API 호출로 처리할 수 있게 됩니다. 5월 19일 기조연설에서 공식 발표될 예정이며, 개발자용 API 및 가격 구조도 함께 공개될 것으로 보입니다.

💡💡 텍스트+이미지+비디오 생성이 하나의 API로 통합되면 콘텐츠 자동화 프로덕트의 아키텍처가 단순해집니다. Google I/O 발표 당일 API 문서를 확인해 두면 좋습니다.

누가: Google DeepMind / Android팀. Gemini Omni 코드명 및 관련 UI 스트링을 커뮤니티 사용자가 Gemini 인터페이스에서 발견
무엇을: Gemini Omni: 텍스트·이미지·비디오를 단일 프롬프트에서 동시 생성하는 통합 멀티모달 모델. Google I/O 2026(5/19)에서 공식 발표 예정. 안드로이드는 'OS → 인텔리전스 시스템'으로 전환 선언, Googlebook 노트북 신규 카테고리 공개
언제: 2026-05-16 현재 진행형 — Gemini Omni UI 문자열은 2026-05-02 유출, Google I/O 기조연설 2026-05-19 10:00 PT
왜: 현재 최고 수준 AI 모델들(GPT-5.5, Claude Sonnet 4.6, Veo 3.1)은 각각 텍스트/이미지/비디오를 별도 파이프라인으로 처리. Gemini Omni는 이를 단일 모델·단일 API로 통합하여 멀티모달 콘텐츠 생성 워크플로우를 근본적으로 단순화

#Gemini#multimodal#Google IO#video-generation#API

이미지: AI 생성 이미지원문 →

소스코드 유출로 드러난 KAIROS — Claude의 '항상 켜진' 에이전트 프레임워크

Anthropic의 Claude Code npm 패키지에 실수로 포함된 소스맵 파일에서 내부 에이전트 프레임워크(agent framework) 코드명 KAIROS가 발견됐습니다. KAIROS는 자율 데몬 모드, 유휴 시 메모리 통합, 자동 PR 리뷰·버그 수정 같은 선제적 행동을 지원합니다. 함께 언급된 Claude Sonnet 4.8은 SWE-bench 점수 82~84%, 고해상도 비전 지원, 'xhigh' 노력 레벨을 추가할 것으로 분석됩니다. 다만 이 내용은 공식 발표가 아닌 유출 분석 기사임을 감안해야 합니다.

💡💡 항상 켜진 자율 에이전트가 Claude API만으로 구현 가능해진다면, PR 리뷰봇이나 백그라운드 코드 모니터 에이전트 같은 아이디어가 현실 서비스로 가까워집니다.

누가: Anthropic — Claude Code npm 패키지 v2.1.88에 소스맵 파일 실수로 포함. NxCode·Geeky Gadgets 등이 독립 분석 후 공개
무엇을: KAIROS: Anthropic 내부 영구 에이전트 프레임워크 — 자율 데몬 모드, 유휴 시 메모리 통합, 자동 PR 리뷰·버그 수정 등 선제적 에이전트 행동 지원. Claude Sonnet 4.8 자체는 비전·코딩·명령 준수 전반 개선 + Sonnet 4.7 번호 건너뛰기 확인
언제: 소스맵 유출: 2026-03-31. Claude Sonnet 4.8 출시 예측 윈도우: 2026-05-05 ~ 2026-05-16 (오늘이 마지막 날). 지속 커뮤니티 논의 중
왜: Claude Code와 Claude API가 단발성 요청-응답 모델을 넘어 '항상 켜진' 자율 에이전트로 진화하는 아키텍처 방향성을 Anthropic이 내부적으로 이미 구현 중임을 보여주는 직접 증거

#Claude#KAIROS#agent#Anthropic#Sonnet-4.8

이미지: AI 생성 이미지원문 →

🏆

해커톤·대회

2026 Korea × Japan GDGoC: The Bridge Hackathon — Build with AI 이벤트 배너

한·일 GDGoC 학생 해커톤 — AI로 양국 공통 사회 문제 해결에 도전

고려대·연세대·와세다대·도쿄대 GDG on Campus 연합이 오늘·내일(5월 16~17일) 고려대 서울캠퍼스에서 The Bridge Hackathon을 개최합니다. 참가자들은 고령화, 관광, 언어 장벽, 지속가능성 등 한·일 공통 과제를 AI로 해결하는 솔루션을 개발합니다. 이미 71명이 참가 확정됐으며 Google Gemini 스택을 중심으로 실전 팀 프로젝트 경험을 쌓을 수 있습니다. 단순 코딩 대회가 아니라 양국 개발자 네트워크를 함께 구축할 수 있는 자리입니다.

💡💡 AI를 실제 사회 문제에 적용하는 짧은 팀 경험은 포트폴리오와 네트워크를 동시에 만들 수 있는 효율적인 방법입니다.

누가: 주최: GDG on Campus — 고려대·연세대·와세다대·도쿄대 연합. 참가 대상: 4개 대학 학생 개발자 (71명 확정).
무엇을: AI를 활용해 한·일 공통 과제(고령화·관광·언어장벽·지속가능성)를 해결하는 기술 솔루션 개발. 테마별 팀 경쟁.
언제: 2026-05-16(토)~05-17(일), 한국 고려대학교 서울캠퍼스. 모집 공고 2026-05-15 공개.
왜: 한·일 학생 개발자가 동일한 사회 문제를 AI로 접근 — 문화·언어 차이를 넘어 공동 개발 경험 제공. 평가 기준: 기술 구현도, 문제 적절성, 협업 시너지.

#hackathon#GDGoCKR#Google Gemini#Korea-Japan#student

이미지: AI 생성 이미지원문 →

DevNetwork AI+ML 해커톤 2026 — 5월 28일 마감, 상금 $8K 글로벌 챌린지

DevNetwork가 5월 11일부터 28일까지 온라인으로 진행하는 AI·ML 해커톤입니다. 현금 상금 $8,000에 Amazon Echo와 컨퍼런스 패스가 포함된 그랜드 프라이즈 외에도 TrueFoundry Resilient AI Agents(LLM 배포), Perfect Corp 뷰티 AI 앱, Crusoe AI 클라우드 활용 등 스폰서별 챌린지 트랙이 별도로 운영됩니다. 300명 이상이 참가 예상되며 5월 27~28일에는 사우스 샌프란시스코에서 대면 행사도 열립니다. 사이드 프로젝트를 실전 검증하고 싶은 빌더에게 추천합니다.

💡💡 TrueFoundry 트랙은 에이전트 배포 경험을, Crusoe 트랙은 AI 클라우드 인프라 실습 기회를 제공합니다. 상금보다 실전 스택 경험이 핵심 가치입니다.

누가: 주최: DevNetwork. 주요 스폰서: Crusoe(AI 클라우드), Perfect Corp(뷰티 AI), TrueFoundry(LLM Ops), Buildkite, RunPod. 참가 자격: 전 세계 성인 개발자·디자이너·사업가.
무엇을: AI/ML 앱·에이전트·서비스 자유 개발. 스폰서별 챌린지 트랙: Perfect Corp(뷰티 AI 앱), TrueFoundry(Resilient AI Agents), Crusoe(AI 인프라 활용). Grand Prize $12,500 상당.
언제: 온라인 참가 2026-05-11~05-28(마감 05-28 10:00 AM PT), 대면 행사 05-27~28 사우스 샌프란시스코 컨퍼런스 센터. 우승자 발표 05-28 3:00 PM PT.
왜: 프로젝트가 실제 문제를 해결하는지, 비즈니스 실현 가능성, 개발 진척도 3가지 기준으로 심사. 스폰서 챌린지별 별도 심사.

#hackathon#DevNetwork#LLM-ops#AI-infra#global

이미지: AI 생성 이미지원문 →

💰

매출·사례

HasData — 반복되는 스크래핑 인프라를 API 하나로 대체해 ProductHunt 1위

AI 에이전트용 관리형 웹 스크래핑 서비스 HasData가 Product Hunt에서 당일 1위(302 upvotes)를 기록했습니다. 프록시·브라우저 렌더링·안티봇·재시도를 자동으로 처리하며, URL 하나를 넘기면 깨끗한 JSON이나 Markdown을 돌려줍니다. 11인 팀이 2022년 창업해 현재 하루 1억 건 요청을 처리하고 있으며, 실패한 요청에는 과금하지 않는 성공 과금 모델을 채택해 초기 진입 문턱을 낮췄습니다. 요금제는 월 $49(스타트업)~$249(엔터프라이즈)입니다.

💡💡 개발자가 프로젝트마다 반복하는 '공통 고통 지점'을 API 추상화 레이어로 패키징하면 빠른 PMF가 가능하다는 재현 가능한 패턴입니다.

누가: Sergey Ermakovich(CMO), Roman Milyushkevich(CTO), Sergey Nagorny(Lead Frontend) — 11인 소규모 팀
무엇을: AI 에이전트용 관리형 웹 스크래핑 서비스. URL 하나로 깨끗한 JSON/Markdown 반환. 50+ 전용 스크래퍼(Google, Maps, Zillow 등), Claude/ChatGPT MCP 통합, 성공 과금 모델. $49~$249/월
언제: 2026년 5월 15일 Product Hunt 공식 런칭. 2022년 창업, 100M+ 일일 요청 처리 중(2026-05 기준)
왜: 모든 프로젝트마다 프록시-브라우저-안티봇 스택을 처음부터 구축하는 반복 작업에 지쳐 스크래핑 인프라 레이어를 표준화

#web-scraping#AI-agent#API#Product Hunt#SaaS

이미지: AI 생성 이미지원문 →

🎙

기술+사람 인터뷰

전 Google DeepMind 연구원이 AlphaGo를 직접 처음부터 다시 만든 이유

전 1X Technologies VP of AI이자 Google DeepMind Robotics 수석 연구원 Eric Jang이 안식년 동안 AlphaGo를 처음부터 재구현(autogo)한 과정을 Dwarkesh Patel과 이야기했습니다. AlphaGo의 핵심인 MCTS(몬테카를로 트리 탐색)·신경망·셀프 플레이 조합이 탐색, 경험 학습, 자기 대결이라는 지능의 기본 원소를 어떻게 구현하는지 해부합니다. 나아가 이 원리가 현대 LLM 강화학습(RL)의 한계, 즉 크레딧 할당과 정보 효율 문제를 이해하는 토대가 된다고 설명합니다. GitHub 레포로 직접 실습도 가능합니다.

💡💡 기초 원리를 직접 구현해보는 습관은 유행하는 도구보다 훨씬 오래 남는 직관을 만들어 줍니다. MCTS를 이해하면 LLM 추론의 한계도 다르게 보입니다.

누가: 인터뷰이: Eric Jang (전 1X Technologies VP of AI, 전 Google DeepMind Robotics 수석 연구원) / 인터뷰어: Dwarkesh Patel
무엇을: AlphaGo를 처음부터 직접 재구현하는 과정을 통해 탐색(search)·경험 학습·셀프 플레이라는 지능의 기본 원소를 해부하고, LLM 강화학습과의 차이점을 기술적으로 비교
언제: 2026년 5월 15일 공개 (Dwarkesh Podcast, Substack/YouTube)
왜: AlphaGo는 가장 깔끔하게 정리된 지능 원리의 사례이며, 이를 이해하면 현대 LLM 훈련의 한계(크레딧 할당, 정보 비효율)를 이해하는 토대가 된다

#AlphaGo#MCTS#reinforcement-learning#LLM#interview

이미지: AI 생성 이미지원문 →

이 호가 도움됐다면 공유해 주세요.

📤 공유하기𝕏 @in f 💬✈B ✉