2026년 11월 7일 RSS
KRINEMA.

Think Beyond the Answer

AI 데일리

Inkling 2 Small, 가중치를 바로 공개하지 않은 이유는?

Thinking Machines Lab의 Inkling 2 Small, 번역투 교정 Agent Skill K-Humanizer, 엔지니어 PR 11배 경험담, Pearl CEO 인터뷰를 다룹니다.

오늘의 AI 소식

새 모델

  1. Inkling 2 Small 발표, 코딩과 자율 연구 강화

개발 도구

  1. K-Humanizer, 글자 변경률 제한 없애고 뜻 보존 확인 추가

활용 사례

  1. 엔지니어 한 명의 PR 11배 증가 사례, 병목은 코드 밖으로

AI 마케팅

  1. Pearl CEO 인터뷰: AI가 좋아질수록 전문가가 중요해진다

새 모델#

Inkling 2 Small 발표, 코딩과 자율 연구 강화#

Inkling 2 Small 발표, 코딩과 자율 연구 강화
이미지: thinkingmachines.ai

Thinking Machines Lab이 코딩 평가 DeepSWE v1.1에서 72.1%를 기록한 2세대 모델 Inkling 2 Small을 발표했습니다. 내부 시계열 예측 과제에서는 Inkling 2 Small이 4.5시간, Tinker 비용 426달러로 Qwen3.5-4B를 자율 학습시켜 예측 점수를 두 배 이상 높였습니다. 모델은 처음에 가중치를 비공개로 두고 Tinker에서만 제공하며, 외부 안전성 시험과 레드팀 평가를 마친 뒤 발표 기준 다음 주 Apache 2.0 라이선스로 전체 가중치를 공개할 계획입니다.

출처: thinkingmachines.ai, GeekNews 11월 6일 소개

KRINEMA의 시각
미세조정은 지금도 Tinker에서 가능해 공개를 기다릴 필요가 없고, 공개 뒤에는 체크포인트를 내려받아 Apache 2.0 조건으로 자체 운영할 수 있습니다. 다만 성능 수치는 회사 발표 기준이며, DeepSWE와 FrontierCode에서는 DeepSeek-V4.1-Flash-1017이 더 높았습니다. Tinker Playground에서 내 업무 과제로 먼저 시험해 보세요.

개발 도구#

K-Humanizer, 글자 변경률 제한 없애고 뜻 보존 확인 추가#

K-Humanizer, 글자 변경률 제한 없애고 뜻 보존 확인 추가
이미지: github.com

K-Humanizer는 AI로 쓴 이력서, 메일, 제품 안내에서 번역한 듯 어색한 한국어를 다듬는 Agent Skill입니다. Cursor, Claude, Codex에서 쓸 수 있고 MIT 라이선스로 공개돼 있습니다. 작성자는 이번에 글자 변경률 제한을 없애고, 고친 문장이 여전히 같은 일을 가리키는지 확인하도록 지침을 바꿨습니다.

출처: github.com, GeekNews 11월 6일 소개

KRINEMA의 시각
공개된 평가 점수는 8월 25일 당시 스킬의 답변을 AI가 채점한 결과이고 합성 예시 220개 기준이라, 바뀐 지침의 품질은 직접 확인해야 합니다. ‘상담사를 통해서만’에서 ‘만’을 빼면 접수 규칙이 달라지는 것처럼, 규칙이 담긴 문구는 고친 뒤 사람이 한 번 더 확인해야 합니다. Cursor, Claude, Codex를 쓴다면 내가 쓴 글 한 편으로 먼저 시험해 보세요.

활용 사례#

엔지니어 한 명의 PR 11배 증가 사례, 병목은 코드 밖으로#

엔지니어 한 명의 PR 11배 증가 사례, 병목은 코드 밖으로
이미지: newsletter.pragmaticengineer.com

The Pragmatic Engineer 에세이 공모에서 125편 중 우승한 글로, 엔지니어 Neil Kakkar가 Bloomberg, PostHog, Tano에서 일한 경험을 비교한 개인 경험담입니다. AI 도입 이전 기준인 PostHog 때보다 AI 네이티브 스타트업 Tano에서 PR 생산량이 11배 늘었고, 현재 월 200개 이상을 냅니다. 사람의 승인이 필수인 조직에서는 코드 리뷰와 조율이 병목이 되며, Tano는 한 사람이 기능 전체를 맡고 대부분의 PR을 자동 리뷰만 거쳐 병합해 이를 줄였습니다.

출처: newsletter.pragmaticengineer.com, GeekNews 11월 6일 소개

KRINEMA의 시각
비개발 직군도 ‘AI가 만든 결과물을 누가, 얼마나 빨리 승인하는가’를 먼저 점검해 볼 만합니다. 이 사례는 통화 계산 오류, 중복 지급 같은 장애를 겪은 뒤 실패 유형을 리뷰 에이전트 검사 항목에 추가했습니다. 다만 한 사람의 경험이고 경력, 회사 규모, 문화도 달라졌으니 AI만의 효과로 읽으면 안 됩니다.

AI 마케팅#

Pearl CEO 인터뷰: AI가 좋아질수록 전문가가 중요해진다#

Pearl CEO 인터뷰: AI가 좋아질수록 전문가가 중요해진다
이미지: Think with Google

Think with Google에 실린 인터뷰에서 JustAnswer를 운영하는 Pearl의 CEO Andy Kurtzig는 AI와 인간 전문가를 함께 쓰는 하이브리드 지능을 강조했습니다. Pearl은 2만 명 넘는 검증된 전문가를 AI 플랫폼으로 지원하는 Experts-as-a-Service를 제공하며, 기업이 자체 전문가 네트워크 없이 이를 고객 경험에 붙일 수 있다고 설명합니다. Pearl 측에 따르면 한 이커머스 마켓플레이스 파트너에서 전문가가 제품 질문에 답하면 전환율이 30%였습니다.

출처: Think with Google, 11월 4일

KRINEMA의 시각
Kurtzig의 말대로라면 사람을 붙일 곳은 모든 단계가 아니라 제품 적합성이 중요하거나 상황이 복잡한 질문으로 보입니다. 다만 30%는 기사에 비교 기준이 없는 Pearl 측 수치이니, 우리 데이터에서 전문가 개입 여부별 전환율을 나눠 보는 것이 먼저입니다. Kurtzig 본인도 데이터가 틀리면 나쁜 결과가 빨리 나온다고 말했습니다.

이 글은 AI가 원문을 모아 요약하고 KRINEMA의 시각을 덧붙였으며, 다른 AI가 원문과 대조해 검수했습니다. 정확한 내용은 각 원문을 확인해 주세요.

새 글이 올라오면 먼저 보내드립니다.

AI 대답 너머에 있는 생각을 고민. 주 1회 미만, 광고 없음.

RSS로 받기