2026년 11월 16일 RSS
KRINEMA.

Think Beyond the Answer

AI 데일리

Google Antigravity는 왜 코딩 중간에 모델을 바꿀까

Google Antigravity의 Orchestrator, Amplitude의 Wave 사례, Claude Code로 삐 소리 찾은 후기, Jane Street의 면접 유형 시험을 정리합니다.

오늘의 AI 소식

새 모델

  1. Antigravity, 모델 자동 전환 Orchestrator 추가

활용 사례

  1. Amplitude Wave 사례: 제품 개선 출시 1~2일 추정
  2. Claude Code로 정체불명의 삐 소리 위치를 찾은 후기

업계 동향

  1. Jane Street, 대학생 면접에 LLM 활용 유형 시험

새 모델#

Antigravity, 모델 자동 전환 Orchestrator 추가#

Antigravity, 모델 자동 전환 Orchestrator 추가
이미지: antigravity.google

Google Antigravity가 모델 선택 메뉴에 Gemini 4 Hydrogen과, Hydrogen을 Gemini 4 Carbon 등 상위 모델과 짝지어 작업 단계별로 전환하는 Orchestrator를 추가했습니다. Google의 Terminal-Bench 4.1 평가에서 Orchestrator는 Carbon에 가까운 작업 성공률을 내면서 평균 할당량을 24% 적게 쓰고 작업을 19% 더 빨리 끝냈습니다. Orchestrator는 Ultra 구독자에게는 Orchestrator (Carbon)과 Orchestrator (Argon) 두 가지, Pro 구독자에게는 Orchestrator (Argon)만 순차 제공됩니다.

출처: antigravity.google, GeekNews 11월 13일 소개

KRINEMA의 시각
Google이 말하는 이유는, 첫 프롬프트로 난도를 한 번 짐작하는 라우터는 단계마다 필요한 수준이 달라지는 긴 작업에서 한계가 있다는 점입니다. 비싼 모델은 계획과 막힌 순간에만 쓰고 실행은 빠른 모델에 맡기는 구조는 직접 모델을 나눠 쓸 때도 참고할 만합니다. 다만 수치는 Google 자체 평가이고, 플랜별로 쓸 수 있는 조합이 다릅니다.

활용 사례#

Amplitude Wave 사례: 제품 개선 출시 1~2일 추정#

Amplitude Wave 사례: 제품 개선 출시 1~2일 추정
이미지: OpenAI

OpenAI가 소개한 사례에서 Amplitude는 제품 에이전트 Wave로 제품 개선을 출시하는 데 걸리는 시간이 약 한 달에서 1–2일로 줄 수 있다고 추정합니다. Amplitude는 Wave가 약 80%를 GPT-6.1 Sol, GPT-6 Luna, GPT-Image-2.5 Flare 등 OpenAI 모델로 구동한다고 설명합니다. Amplitude 자사 홈페이지 실험에서는 제안 카드를 개인화한 뒤 카드를 통한 메시지 전송이 하루 만에 대조군 대비 160% 늘었습니다.

출처: OpenAI, 11월 13일

KRINEMA의 시각
OpenAI가 직접 공개한 사례이고, 수치는 Amplitude의 추정과 자사 홈페이지 실험 한 건에 기반합니다. 따라 해볼 만한 부분은 역할 분담으로, Amplitude는 깊은 조사에 GPT-6.1 Sol, 반복 점검에 GPT-6 Luna를 씁니다. 베타로 Wave를 쓰는 고객 팀 대부분은 버그 수정을 바로 코딩 에이전트로 보내고, 새 기능과 큰 변경은 사람이 검토합니다.

Claude Code로 정체불명의 삐 소리 위치를 찾은 후기#

Claude Code로 정체불명의 삐 소리 위치를 찾은 후기
이미지: Simon Willison

Simon Willison이 블로그에 쓴 회고로, 2주쯤 전부터 짐 상자가 쌓인 방에서 간헐적으로 나던 삐 소리를 찾으려고 Claude Code로 Beep Locator를 만든 이야기입니다. Python 웹 서버가 조율하고, iPad 2대, 휴대폰, MacBook Pro, Surface Ultra가 브라우저 마이크로 소리를 듣고 위치를 삼각측량하는 방식입니다. 시스템은 소리의 위치를 약 40cm 이내로 짚어냈고, 그 상자 더미에서 배터리 교체가 필요한 오래된 일산화탄소 감지기를 찾았습니다.

출처: Simon Willison, 11월 10일

KRINEMA의 시각
처음 요청이 ‘만들어줘’가 아니라 ‘해결하려는 문제를 problem.md로 써줘’였던 점이 눈에 띕니다. 프롬프트에는 기기끼리 소리로 위치를 잡는 게 가능한지 묻는 질문도 들어 있었고, Claude는 problem.md를 쓰는 과정에서 2007년 BeepBeep 논문을 찾아 읽었습니다. 해보실 만한 것은 막연한 불편을 구현 전에 먼저 문서와 조사로 풀어보게 하는 것입니다.

업계 동향#

Jane Street, 대학생 면접에 LLM 활용 유형 시험#

Jane Street, 대학생 면접에 LLM 활용 유형 시험
이미지: blog.janestreet.com

Jane Street가 2026년 여름부터 대학생 지원자의 현장 면접에서 새로운 유형의 라운드를 시험하고 있다고 밝혔습니다. 새 유형은 직접 코드를 작성하는 비중을 줄이고 소프트웨어 설계, 코드의 품질/구조/의도 검증, LLM을 활용한 코드 생성에 초점을 둡니다. 대부분의 라운드는 계속 LLM 도움 없는 기존 코딩 면접이며, 특정 에이전트 활용 방법론이나 도구 구성은 요구하지 않는다고 합니다.

출처: blog.janestreet.com, GeekNews 11월 13일 소개

KRINEMA의 시각
Jane Street가 든 배경은 코드 생성이 싸진 만큼 무엇을 만들지 정하는 안목과 결과의 정확성 확인이 더 중요해졌다는 판단입니다. 코드가 아니어도 AI에게 문서나 분석을 맡기는 일에 같은 논리가 적용될 수 있어 보입니다. 맡기기 전에 결과가 맞는지 확인할 기준을 먼저 적어두는 것을 해볼 만합니다.

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