Killbook / 정규열 / QL retweeted
BPの廃止に関して改めて。愛してくれてるのは知ってるけど、従来の仕組みから更に改善していきたい
…え!?C++側も廃止するの!?マジで!?
#UEFESTTOKYO26
Killbook / 정규열 / QL retweeted
なぜか自宅に
•2Dプリンタは無いのに 3Dプリンタはある
•CNC加工機がある
•ミスミやJLCの箱が散らばっている
•ドライヤーは無いのにオシロスコープがある
など"逸般の誤家庭"の皆様
いずれか当てはまる方は是非ご連絡ください 弊社、楽しいと思います
[求人]
新規プロジェクト始動に伴いエンジニアを募集します。
フィジカルAIに全力投入します。
参考年収レンジ
ジュニアエンジニア :年俸 400〜650万円
ミドルエンジニア :年俸 650〜900万円
シニアエンジニア :年俸 900万円〜上限なし(現状の目安:1,800万円程度の人が多いです)
雇用形態
正社員 ※希望に沿います
勤務地
本社:神奈川県横浜市都筑区中川中央2-3-26
相談
オフィス見学応募
forms.gle/CE4VrotY8v1KDPfn6
詳細は以下をご確認ください。
tsubame-hi.com/recruit/
Killbook / 정규열 / QL retweeted
이거 생각보다 불이 번지는거 같아서 무서움 ㅠ
주말동안 개발팀장, 기획팀장한테 연락옴;;
오늘은 회사에서 겪은 재밋는 이야기.
난 남의 회사 이야기인줄 알았으나, 이게 우리회사에서 벌어짐
회사 2인자가 기획자, 대표랑 친함.
요즘 제미나이에 맛들려 있음, 아르곤으로 개쩌는 아이디어 하루에 3개씩 낼수 있다고함
[1차전]
아르곤 벤치마크 얘기 들고와서 개발팀 아직도 클로드 찬양하는거 너무 낡은것 같다고 함.
하루이틀 그런게 아니라서 다들 그냥 무시하고 할일함
[2차전]
점심먹고 오더니 회의 소집 자기가 오전 2시간동안 만든 서비스 하나 보여주면서 지난주에 이거 만들어달라 그랬던건데 1시간이면 만드는거 개발팀은 왜 안됀다고만 하냐고 따짐
앞으로 자기는 개발팀이 이런식으로 비협조적으로 나오면 만들어서 줄테니 실환경에서 돌리라고 지시
[반격]
대표한테 개발팀 팀장(나아님)이 가서 회의 내용이야기함. 이거 서비스하면 안된다고 조목조목 짚음
[반격실패]
근데 그정도로 만들어왔으면 그냥 한번 올려볼만 하지 않냐 선언
[3차전]
2인자 : 대표가 허락했다고 들었다로 3차개전
개발팀장 : 올릴꺼면 그것도 제미나이한테 시켜서 올려라 갈.
개별 인프라 세팅해주겠다 시전
그래서 다음주에 서비스 하나 올라갈 예정
Killbook / 정규열 / QL retweeted
[초비상 사태] 지금 전 세계 웹사이트들이 역대급 해킹 위험에 빠져 있음.
어제부터 전 세계 서버 관리자와 보안 업계에 초비상이 걸렸는데, 인터넷 웹사이트 대다수를 굴리는 핵심 언어인 'PHP'에서 무려 22년 동안 숨어 있던 치명적인 보안 구멍 2개가 동시에 터졌기 때문임.
1. 왜 전 세계가 발칵 뒤집혔나? — "우리가 매일 쓰는 웹사이트 10곳 중 7곳이 PHP다"
- 개발자가 아니면 'PHP'라는 이름이 낯설 수 있지만, 사실상 지금의 인터넷 세상은 PHP 위에 지어졌다고 해도 과언이 아님.
- 웹 기술 조사기관(W3Techs) 통계를 보면, 서버 언어가 확인된 전 세계 웹사이트의 약 70%가 이 PHP로 돌아가고 있음.
- 글로벌로 보면 전 세계 전체 웹사이트의 40% 이상을 차지하는 '워드프레스(WordPress)'부터 위키피디아(Wikipedia), 글로벌 쇼핑몰 엔진인 우커머스·마젠토, 전 세계 대학들이 쓰는 온라인 강의 시스템(무들), 그리고 요즘 스타트업들이 가장 많이 쓰는 최신 프레임워크 '라라벨(Laravel)'까지 전부 PHP 기반임.
- 한국은 체감이 더 심함. 국내 수많은 인터넷 쇼핑몰(카페24·고도몰 등 독립몰 기반), 대형 온라인 커뮤니티들의 뿌리인 그누보드·XE(라이믹스), 그리고 우리가 흔히 들어가는 병원·대학교·중소기업 홈페이지와 인터넷 언론사의 대다수가 바로 이 PHP로 만들어져 있음.
2. "우린 최신 라라벨(Laravel) 쓰니까 안전하겠지?" — 이번엔 다 같이 뚫린다
- 평소 같으면 오래된 워드프레스 플러그인 같은 데서만 구멍이 뚫리니까, 최신 프레임워크인 '라라벨'을 쓰는 개발자들은 "우리랑은 상관없는 일"이라며 넘어가곤 했음.
- 하지만 이번 사태(일명 'PHP2Shell', CVE-2026-109618·109619)가 진짜 무서운 이유는, 워드프레스나 라라벨 같은 '프로그램'의 문제가 아니라 그 밑바닥에서 모든 코드를 돌려주는 'PHP 언어 엔진 자체'가 뚫렸기 때문임.
- 자동차로 치면 현대차냐 벤츠냐(워드프레스냐 라라벨이냐)의 문제가 아니라, 두 차에 공통으로 들어가는 '엔진 자체'에 결함이 터진 거임.
- 라라벨로 아무리 보안을 튼튼하게 짜놨어도, 해커가 웹사이트에 요청을 던지는 순간 라라벨이 그걸 검사하기도 전에 밑바닥 PHP 엔진에서 먼저 에러가 나며 뚫려버림. 심지어 옛날 버전(PHP 5·7)부터 최신 버전(PHP 8.2~8.5)까지 22년 치 버전이 전부 해당됨.
3. 도대체 어떻게 뚫리는 건가? — 로그인도 없이 원격에서 서버를 통째로 뺏김
- 이번 취약점의 위험도 점수는 10점 만점에 무려 '9.2점(Critical)'임.
- 해킹 원리를 아주 쉽게 풀면 이럼. 해커가 홈페이지의 파일 업로드 창 같은 곳에 일부러 서버 메모리 한도를 초과하는 무거운 요청을 던져서 강제로 에러를 냄.
- 그러면 서버가 당황해서 작업을 급하게 멈추는데, 이때 메모리를 제대로 치우지 못해 '찌꺼기 공간'이 남게 됨. 바로 다음 순간 해커가 이 빈틈에 악성 명령어를 밀어 넣으면, 서버가 이걸 정상 명령으로 착각하고 그대로 실행해 버리는 거임.
- 즉, 해커가 관리자 아이디나 비밀번호를 전혀 몰라도(로그인 없이), 원격에서 요청 몇 번만 날리면 서버 뒷문(Shell)을 따고 들어와 고객 개인정보 DB를 빼가거나 랜섬웨어를 심고 서버를 통째로 장악할 수 있음.
4. 패치 나오기 전에 해킹 방법부터 유출돼서 사이트 문 닫는 소동까지 벌어짐
- 더 아찔했던 건 어제 공식 보안 패치가 나오기 직전에 이 취약점 정보와 해킹 원리가 외부에 먼저 새어나갔다는 거임.
- 고칠 약(패치)도 없는데 공격 방법부터 퍼지자, 유명 개발자 사이트(아치 리눅스 위키·포럼 등)들은 해커들에게 털릴까 봐 아예 서버를 내리고 사이트 문을 걸어 잠그는 비상사태까지 벌어짐.
- 결국 미국 국가안보국(NSA)과 유럽 보안당국까지 긴급 경보를 발령했고, 현재 PHP 개발팀이 부랴부랴 긴급 보안 패치(PHP 8.2.35 / 8.3.36 / 8.4.27 / 8.5.12)를 내놓은 상태임.
그런데 진짜 큰 문제는 지금부터임.
대기업이야 전담 보안팀이 바로 서버 엔진을 업데이트하겠지만, 전 세계에 깔린 수많은 자영업자 쇼핑몰, 워드프레스 블로그, 병원·중소기업 홈페이지들은 외주 업체에 제작만 맡겨놓고 몇 년째 서버 업데이트 한 번 없이 방치된 곳이 수두룩함. (라라벨 쓰는 회사들도 코드 업데이트가 아니라 서버의 PHP 엔진 자체를 올려야 막을 수 있음)
뿐만 아니라 한국만 봐도 디시인사이드, 에펨코리아, 뽐뿌, 루리웹, 인벤, 보배드림 등 오래전부터 운영되어 온 대형 온라인 커뮤니티 대다수가 PHP(그누보드·XE·라이믹스 등)에 뿌리를 두고 있고, 해외 역시 위키피디아부터 수많은 대형 IT·게임 포럼(XenForo·vBulletin·phpBB 기반)들이 전부 PHP로 돌아가고 있음.
이미 해킹 원리가 세상에 다 공개된 이상, 해커들이 자동화 봇을 돌려서 아직 패치 안 한 전 세계 웹사이트들을 무차별로 털기 시작할 거라, 웹사이트나 쇼핑몰 운영하는 사람들은 오늘 당장 서버부터 점검해 봐야 함.
그리고, 서비스를 운영하는 사람이 아니더라도 내 정보가 쉽게 탈취되고 다양한 방면으로 악용되거나 사용될 수 있는 위험성이 있는 전 세계적인 위험에 빠진 상황.
Killbook / 정규열 / QL retweeted
아니 이런것까지 다 오픈소스로 풀면 무엇이 남나요?
🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!
Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable.
🔗 github.com/deepseek-ai/DeepI…
1/4
Killbook / 정규열 / QL retweeted
これ、やばいですねぇえ
真のDeepSeekショックを起こそうとしてるのか!!
DeepSeekが
V4.1-Flashの本番サービスで使っている推論基盤「DeepInfer」を公開。
AIを提供する事業者(プロバイダー)にとっては、「どう動かせば速く、大量に、安く処理できるか」の中核コードが手に入るという話。
・複数GPUを効率よく使う
・回答候補を先読みして、まとめて検証
・不要な再計算を減らす
他のプロバイダーも、公式の高速化ノウハウを自社サービスへ取り込めるようになる。
普通にAIモデルのサービスプロバイダーって当たり前ですけど、そのノウハウも必要なんですけど、そういったノウハウって表に出るわけないじゃないですか、普通は。
でも、米国だろうが日本だろうがフランスだろうが、どこでもうちの高速化フレームワーク使ってもらっていいっすよ、と。
これが提供コストの削減につながれば、利用者が払うAPI料金にも効いてくる可能性がある。そこがデカい。
※大規模設備向けで、サービス化にはキャッシュ管理や負荷分散などの追加実装が必要。
🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!
Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable.
🔗 github.com/deepseek-ai/DeepI…
1/4
Killbook / 정규열 / QL retweeted
대항해시대2 인물 실사화
REA로 나만의 커스텀 게임 제작해보리기 ㅎㅎㅎ
리버스 엔지니어링 Ai가 다 거부하던데
이게 된다고?
써보신분 계세요?
github.com/morluto/rea
Killbook / 정규열 / QL retweeted
Opus 5.5 made gummy bears. Gemini 4 Argon made gummy statues
Same prompt. Opus on top, Gemini below
I put both through the same moves - pull a paw, yank the head, squish it flat, throw it, then pour a whole bag on top
Opus bears are actual jelly. Pull a paw and it stretches into a thin rubbery strand, then snaps back and wobbles. Squash one and it pancakes, then launches itself back up. Throw it and it bounces off the floor and shoves its friends out of the way
Gemini bears are solid plastic. The arm turns into a stick, the bear flies straight through its neighbor, and the pile at the end just clips into itself
And Opus nailed the look too - translucent, glossy, light passing right through them
Opus: $7.2
Gemini: $22
Readers added context they thought people might want to know
Multiple users reproducing the prompt with Gemini 4 Argon (medium/high) obtained soft deformable jelly physics like the top panel, not rigid statues.
x.com/caxvalencia/st…
x.com/Alxander1024/s…
x.com/Ufdcqg/status/…
Killbook / 정규열 / QL retweeted
ここ最近のローカルLLM関連の流れがカオスすぎたので自分用まとめ📝
※私が手元で試した感想を交えたメモであり、客観的なエビデンス/判断材料を与えるものではありません
気になったものは自分で試してね!🫵
■ Strata
・Qwen3.8 Flash Next 専用の推論エンジン
・MoE の Expert を GPU VRAM と RAM に分散配置し、Speculative Decoding なども活用して高速化
・リッチな環境で高速に動作するのはもちろん、VRAM 8GB 程度でも RAM を 64GB 程積めば十分実用的な速度が出るため大注目(公式推奨は VRAM 12GB 以上)
・ようやく、精度と速度の両立するローカルエージェントが一般のご家庭(逸般の誤家庭ではなくても)で動き始めた感
・私の 5090, 5070, 2070 でも快適に動作して満足😄
github.com/Niko1221/Strata
■ Project Maya
・GLM 5.3 Flash(321B MoE)専用の推論エンジン
・Strata をベースに GLM 向けに大幅改修したプロジェクト
・Expert を GPU VRAM, RAM, NVMe SSD に階層配置することで、本来は大容量 VRAM を要するモデルをコンシューマ GPU でも実行可能に
・モデル自体のサイズが Strata の扱う Qwen3.8 Flash Next より大きいため要求スペックや速度も必然的にやや厳しいものとなるが、GLM が RTX3090 で動かせるようになったインパクトはデカい🧐
github.com/mw00/project-maya
■ Qwen Image 2.1 Turbo
・画像生成/編集用モデル Qwen Image 2.1 の 8step 版チェックポイント(LoRA ではなくモデル本体)
・7B の画像生成モデルで、少ないステップ数でも高品質な生成・編集が可能
・ローカル画像生成モデルの新定番か
・手元の RTX5090 で 1枚 4秒くらいで生成できた😮
xitter.gq/Alibaba_Qwen/status/21…
■ pentacoxian-dev/iris-3b-turbo-lora
・画像生成/編集用モデル speridlabs/iris-3b の 4step turbo LoRA
・ベースモデルの Iris-3B は VAE を使わずピクセル空間で直接画像を生成する 3B の Diffusion Transformer
・ローカル画像生成モデルの新定番か(2回目)
・手元の RTX5090 で 1枚 0.9秒(!)くらいで生成できた🤯
xitter.gq/pentacoxian_dev/status…
~以下、継続ウォッチ枠🧐~
■ agentionai/Qwen3.8-Flash-Next-Gyro-GGUF
・Strata が扱う ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-GGUF の 1bit, 2bit 量子化モデルの精度の課題に対し、精度維持を目的として開発中の Gyro という別方式の量子化モデル
・重みを回転した基底で量子化する独自方式により、低ビット量子化に伴う精度劣化の抑制を狙う
・確かにメモリフットプリントは小さく、高速に動作するが、コーディングの成果物が低品質の場合もあり、Strata のメインブランチを捨て置いて専用モデル/専用ブランチに今すぐ乗り換えるのは腰が重いかもしれない
・今後が楽しみ😀
xitter.gq/laurent_zw/status/2109…
■ mirai-s-ada
・Qwen3.8 27B ベースの独自モデル Mirai S 27B とその専用推論エンジン
・12GB VRAM でも動作可能な省メモリ構成が特徴
・12GB VRAM で decode 70tok/s の触れ込み通り、私の手元の 5090 でも 70tok/s くらい出た
・しかしコーディングの成果物が低品質の場合もあり、Flash Next(=Strata)を差し置いて今すぐ乗り換えるのは腰が重いかもしれない
・27B を動かしたい前提であれば良い選択肢😀
xitter.gq/superalesha/status/210…
■ TensorFold
・Qwen, GLM, Nemotron 等を高速に動かすための Zig 製ネイティブ推論エンジン
・Apple Metal / NVIDIA CUDA に対応し、Python に依存せず推論を実行
・Speculative Decoding による高速化に加え、通常の逐次生成との出力一致を重視した設計が特徴
・実行中のモデルに新しい知識を学習させて重みに保存する Living Weights という実験的機能も搭載
・すごそう😀(私は未だ触っていない)
github.com/ashhart/TensorFol…
…他にも耳寄りのローカルLLM情報あったら教えてください
多分追いきれてない😂
Killbook / 정규열 / QL retweeted
Kar-plain 2.0 을 릴리즈 했습니다.
github.com/Burntgogi/kar-pla…
- Claude code 에 대응합니다.
- 스킬 마켓플레이스를 Codex 와 공유합니다.
- Claude Code용 argument-hint와 disable-model-invocation: true를 추가했습니다
- 한·영 README의 설치 경로와 호출 이름을 갱신했습니다.
그 외 Claude Code 에 맞추어 점검 및 커밋, 풀 리퀘스트를 해 주신 dovigod (Justin Seo : github.com/dovigod) 선생님께 감사드립니다.
Kar-plain Skill 을 공개합니다.
github.com/Burntgogi/kar-pla…
스킬 하나로 다음 4가지 작업을 할 수 있습니다. 별도의 지시가 없으면 Ai가 필요하다 판단하는 가장 가까운 작업을 스스로 선택합니다.
글 : ASD-STE100 은 항공+영어 기반이기에 이 부분에 가장 많은 공을 들여 수정했습니다. 영어 절차문, 기술 설명은 ASD-STE100 을 적용하지만 그 외에는 자체 제작한 STE-inspired clarity를 적용해 수준을 완화하면서도 본문의 의도를 살리게 했습니다.
도해 : 관계와 절차를 Mermaid/Svg 로 정리합니다.
웹 : 내용을 인터렉티브 html 로 표시합니다.
영상 : 정리된 내용의 60초 영상을 만듭니다.
Agent.md 등의 전역 설정이 없고, 최대한 압축한 스킬로 하나로 설계해 컨텍스트 낭비를 최소화 하려 했습니다.
(Codex 에서 전역 설치를 막는 설정을 붙였습니다.)
오픈소스 MIT 라이센스로 제공됩니다.
Andrej Karpathy 님의 트윗 xitter.gq/karpathy/status/210581…
에서 출발했습니다.
자리를 빌어 영감을 주신 데 감사드립니다.
Killbook / 정규열 / QL retweeted
젠슨 황이 꽤 불편한 말을 했다.
아이들이 구구단을 잊고,
긴 나눗셈이나 제곱근 계산을 못하게 되어도
“그게 정말 중요한가?”
라는 것이다.
처음 들으면
“이제 공부하지 않아도 된다는 건가?”라는
생각이 든다.
그런데 인터뷰 전체를 보면
젠슨 황이 말하는 핵심은 조금 다르다.
그는 자신의 세대 엔지니어들은
트랜지스터 하나하나를 깊게 이해했지만,
지금의 엔지니어들은
그보다 훨씬 거대한 시스템을 다룬다고 말했다.
낮은 단계의 능력 일부는 사라졌지만
대신 인간이 더 높은 단계에서
시스템 전체를 생각하게 됐다는 것이다.
계산기가 생겼다고
수학이 사라진 게 아니었다.
내비게이션이 생겼다고
목적지를 정하는 능력이
필요 없어지지도 않았다.
AI도 비슷한 변화를 만들고 있는 것 같다.
앞으로 중요한 건
내가 AI보다 코드를 빨리 짜는가,
자료를 빨리 찾는가,
문장을 빨리 쓰는가
같은 문제가 아닐 수 있다.
AI에게 무엇을 시킬지 결정하고,
결과가 맞는지 판단하고,
여러 작업을 연결하고,
전체 문제를 해결하는 능력이
더 중요해질 가능성이 크다.
젠슨 황도 앞으로 학생들이
AI를 사용하고 Agent와 협업하는 법을 모르고
졸업하는 일은 보기 어려워질 것이라고 말했다.
그렇다면 지금 직장인들은
무엇을 공부해야 할까.
내 생각에는
공부의 방향을 조금 바꿔야 한다.
첫 번째는
내가 하는 일을 더 깊게 이해하는 것.
회사에서 돈이 어떻게 벌리는지,
고객은 무엇을 원하는지,
내 업무의 앞뒤에는
어떤 일이 연결되어 있는지.
AI가 아무리 똑똑해져도
무엇이 중요한 문제인지 판단하려면
그 분야를 알아야 한다.
두 번째는
AI에게 일을 맡기는 능력.
단순히 질문 몇 개 잘하는 수준이 아니라
일을 쪼개고,
필요한 자료를 주고,
결과를 검사하고,
틀리면 다시 수정시키고,
반복되는 일은
다음에도 사용할 수 있는
과정으로 만드는 것이다.
세 번째는
시스템으로 생각하는 능력.
문제 하나만 보는 게 아니라
이걸 바꾸면 어디에 영향이 가는지,
다음 단계는 무엇인지,
어디에서 문제가 생길 수 있는지를 보는 힘이다.
실제로 세계경제포럼도
AI·기술 활용 능력과 함께
분석적 사고, 시스템 사고, 창의적 사고,
지속적으로 배우는 능력의 중요성이 커질 것으로 보고 있다.
그리고 마지막으로
검증하는 능력.
AI가 답을 만들어주는 시대에는
답을 만드는 사람보다
“이 답이 맞는가?”
를 판단할 수 있는 사람이 필요하다.
그래서 공부 방법도 달라져야 한다.
강의를 열 개 듣는 것보다
오늘 내 업무 하나를 골라
AI와 같이 해보고,
왜 이런 답이 나왔는지 확인하고,
틀린 부분을 직접 찾아보고,
다음에는 더 잘할 수 있도록
내 방식으로 남겨두는 것.
이걸 반복하는 편이
훨씬 현실적인 공부가 될 수 있다.
20대라면
기본기를 쌓으면서 AI를 최대한 많이 써보고,
30대라면
그동안 쌓은 실무 경험과 AI를 연결하고,
40대라면
경험에서 나온 판단력을 이용해
사람과 AI가 일하는 구조 자체를
설계할 수 있다.
나이가 많다고 반드시 불리한 것도 아니다.
오히려 AI가 실행을 대신해줄수록
오랫동안 일을 하며 쌓은 경험과 판단력이
더 큰 힘을 가질 수도 있다.
Microsoft도 앞으로 직장인이
AI Agent에게 일을 위임하고 관리하며
업무 프로세스를 다시 설계하는 역할이 커질 것으로 보고 있다.
그래서 요즘
“무슨 공부를 해야 하지?”라는
생각이 들 때마다
새로운 기술을 전부 배워야 한다고
조급해할 필요는 없는 것 같다.
대신 세 가지를 계속 물어보면 된다.
나는 내 일을 얼마나 이해하고 있는가?
AI를 이용하면
이 일을 어떻게 더 잘할 수 있는가?
AI가 만든 결과가 맞는지
나는 판단할 수 있는가?
AI 시대의 공부는
모든 것을 외우는 사람이 되는 것이 아니라
무엇을 알아야 하고,
무엇을 맡겨도 되고,
무엇은 내가 판단해야 하는지를
구분할 수 있는 사람이 되는
과정인지도 모른다.
AI 때문에 공부가 필요 없어지는 게 아니다.
오히려
무엇을 공부해야 하는지가 바뀌고 있다.


















































