TL;DR
이번 포스트 묶음에서는 Claude의 데스크톱 내장 브라우저와 Claude Code의 운영 기능이 웹 작업과 개발 세션을 직접 수행하는 방향으로 확장됐다. 에이전트 연구에서는 RSI-Exam이 88개 실행형 과제로 재귀적 자기개선을 숨은 데이터에서 평가했고, Opus 5가 평균 0.464점으로 선두에 올랐다. 추론 인프라에서는 vLLM 0.28.0이 speculative decoding, KV offloading, 모델별 커널과 하드웨어 백엔드를 함께 손봤으며, 일부 게시물은 GLM-5.3 Flash와 Qwen3.8-Flash-Next-GGUF의 로컬 실행 수치를 전했다. 실제 Claude 대화 연구는 AI가 고위험 업무를 완전히 대체하기보다 인간의 주도권과 수정 과정 안에서 증강 도구로 쓰이는 비중이 높다는 결과를 담았다.
𝕏 실시간 트렌드 토픽
🔥 Claude의 데스크톱 내장 브라우저와 웹 작업 자동화포스트 1
Claude가 Cowork 데스크톱 앱 안에서 별도 브라우저를 열고 웹사이트 이동, 양식 입력, 작업 완료까지 수행하는 기능을 내놓았다. 기존 브라우저와 로그인 정보를 분리하면서도 사용자가 이미 로그인한 브라우저를 계속 쓰는 선택지도 함께 제공됐다.
세부 내용 보기
- 웹사이트를 직접 조작해야 하는 작업에서 사용자가 페이지를 따라가며 내용을 입력하던 흐름이 대상이다. Cowork의 사이드 패널에 내장 브라우저를 열고 Claude가 페이지 이동과 양식 입력을 거쳐 작업을 끝내며, 설치 과정 없이 데스크톱 앱에서 실행되는 구조다.
- 내장 브라우저 기능은 다음 주 동안 모든 유료 요금제에 배포되고, 사용자가 자신의 브라우저와 기존 로그인 환경을 쓰고 싶을 때는 Claude in Chrome을 기본 경로로 유지할 수 있다. 브라우저 자동화와 로그인 환경 분리를 한 제품 안에서 나눈 점이 웹 기반 에이전트 작업의 실행 경계를 바꾼다.
원문 트윗 2개 보기
Claude
Claude now has its own built-in browser in Cowork. When your task involves a website, a browser opens in Cowork's side panel, and Claude navigates, fills forms, and finishes the job.
Claude
There's nothing to install. Claude's browser is built into the desktop app and stays separate from your own browser and logins. Rolling out over the next week on the desktop app for all paid plans:
📈 RSI-Exam의 숨은 데이터 기반 재귀적 자기개선 평가포스트 1
RSI-Exam이 에이전트가 보이는 데이터로 작동 방법을 반복 개선한 뒤 숨은 데이터에서 최종 산출물을 평가하는 88개 실행형 과제를 공개했다. 6개 영역의 과제에서 Opus 5가 평균 숨은 세트 점수 0.464로 선두를 기록했다.
세부 내용 보기
- 기존 자기개선 평가는 에이전트가 본 데이터에 맞춘 결과와 새로운 조건에서도 통하는 개선을 구분하기 어려운 문제가 있다. RSI-Exam은 virtual cells, TPU kernels, chip design, quantitative finance, agent harnesses, model distillation 등을 포함한 88개 과제를 사용하고, 각 rollout의 최종 artifact만 새 컨테이너의 hidden set에 넣는다.
- 이 프로토콜은 작동하는 방법을 상속한 에이전트가 visible data를 이용해 반복 수정하고, 마지막 결과물의 일반화 성능을 따로 측정하는 입력·개선·평가 순서를 갖는다. 현재 Opus 5가 평균 0.464점으로 88개 과제 리더보드 1위에 올랐으며, 과제 작성·리뷰·rollout 감사 참여도 열려 있다.
- 재귀적 자기개선의 성패를 에이전트가 자기 평가에서 얻은 점수가 아니라 보지 못한 조건의 실행 결과로 판단한다는 점에서, 연구 방법 자체의 개선과 실제 일반화 능력을 분리하는 평가 기반이 된다.
➖ vLLM 0.28.0의 모델별 추론 경로와 하드웨어 최적화포스트 3
vLLM 0.28.0이 Kimi-K3와 DeepSeek-V4 sparse MLA를 포함한 모델별 경로, speculative decoding, KV offloading, 분산 실행과 하드웨어별 커널을 한 번에 확장했다. 릴리스에는 270명 기여자의 584개 커밋이 반영됐다.
세부 내용 보기
- 대규모 모델 서빙에서는 모델 구조와 가속기별로 서로 다른 병목이 생긴다. vLLM 0.28.0은 Kimi-K3용 stack-wide 최적화, DeepSeek-V4 sparse MLA의 plain decode·MTP·DSpark 지원, DFlash2와 DSpark의 confidence-scheduled verification, 디스크 계층을 포함한 tiered KV offloading을 묶었다.
- 성능 경로에는 adaptive speculative token budget에 따른 E2E TTFT 55~65% 개선, sequence parallelism all-gather의 커널 수준 1.5~3배 개선, Kimi-K3의 GPU당 약 17 GiB 메모리 절감이 포함됐다. NVIDIA에는 SM12x FlashInfer XQA decode와 SM90 native DSA path, AMD ROCm과 Intel XPU에는 별도 backend와 커널 경로가 추가됐고 CPU에서는 DeepSeek-V2/V3용 MLA backend를 제공한다.
- 서빙 전처리를 GPU로 옮기고 Rust frontend와 gRPC 이미지 추론을 추가하면서 실행기뿐 아니라 요청 처리 계층도 바뀌었다. 기본 max_num_batched_tokens가 8192에서 16384로 바뀌고 Mamba 모델 prefix caching이 켜졌으므로 업그레이드 때 메모리와 운영 설정을 함께 확인해야 한다.
원문 트윗 2개 보기
vLLM
vLLM v0.28.0 is out! 584 commits from 270 contributors (76 new). Highlights: A stack-wide optimization push for Kimi-K3 DeepSeek-V4 sparse MLA now works end to end for plain decode, MTP and DSpark Speculative decoding adds DFlash2 and DSpark confidence-scheduled verification Model Runner V2 picks up E/P/D disaggregation and weight offloading Tiered KV offloading gains a disk tier and out-of-tree secondary tiers New models: Muse Glimmer, Ling 3.0 Flash, Dots3 NOTE, Interns2mobius Thread
vLLM
Performance and hardware: An adaptive speculative token budget: 55~65% better E2E TTFT Combined all-gathers for sequence parallelism: 1.5~3x at the kernel level Optional shared-expert sharding on Kimi-K3 saves ~17 GiB per GPU NVIDIA: FlashInfer XQA decode on SM12x, and the native DSA path for MTP=3 on SM90 AMD ROCm: torch 2.12 / triton 3.7, plus a fused Kimi-K3 KDA decode kernel Intel XPU: a torch linear backend with blockwise GEMM, and an XPU wheel in the release pipeline CPU: an MLA backend so DeepSeek-V2/V3 run on CPU
📈 GLM-5.3 Flash의 논문 읽기와 로컬 실행 경로포스트 3
GLM-5.3 Flash가 논문에서 특정 구간을 선택해 질문하고 다른 논문을 호출해 맥락과 benchmark를 비교하는 사용 흐름으로 소개됐다. 별도 게시물에서는 320B-A18B 구조, 1M-token context, native multimodality와 로컬 실행 가능성이 함께 거론됐다.
세부 내용 보기
- 논문을 읽을 때 전체 문서를 다시 찾는 대신 선택한 구간을 입력으로 삼아 질문과 관련 논문 비교를 이어가는 흐름이 핵심이다. GLM-5.3 Flash는 강조한 논문 구간을 기준으로 질문을 받고, 다른 논문을 @로 불러 맥락·비교·benchmark references를 빠르게 연결한다.
- 다른 게시물은 이 모델을 320B total·18B active의 MoE로 적었고, native multimodality와 1M-token context window, MIT License, 중국산 AI 칩에서의 실행 이력을 함께 인용했다. 또 다른 게시물은 guardrails를 weight-level tensor edit으로 제거했다는 별도 변형 모델의 주장과 native FP8, vision, multi-token prediction 유지를 적었지만, 해당 수치는 게시물 작성자의 서술로만 제시됐다.
- 문헌 질의 기능과 로컬 실행 특성이 한 모델 묶음 안에서 함께 소비되면서, 연구 보조 도구와 직접 실행 가능한 모델을 구분하던 사용 흐름이 좁혀지고 있다.
원문 트윗 2개 보기
alphaXiv
Introducing GLM-5.3 Flash for understanding research papers Highlight any section of a paper to ask questions and “@” other papers for quick context, comparisons, and benchmark references, powered by @Zai_org
Md Ismail Šojal
GLM-5.3 Flash (previously Ox Alpha) Beating frontier models Claude Opus 4.8. 320B-parameter MoE model (18B active) delivers strong performance against frontier models, offers native multimodality, a 1M-token context window, and runs locally,
Introducing GLM-5.3-Flash - Leading capabilities at a highly competitive price - Natively multimodal with a 1M-token context window - A 320B-A18B model released under the MIT License - Previously previewed as Ox Alpha, running entirely on Chinese AI chips Blog:
📈 Qwen3.8-Flash-Next의 노트북 기반 에이전트 워크플로포스트 3
Qwen3.8-Flash-Next 관련 게시물은 125B total·6B active sparse MoE, 262K context와 N-gram embeddings를 앞세워 MacBook 로컬 실행 사례를 전했다. 64GB M5 Max에서 30 tok/s로 웹 검색, Python, 다중 표 연구 보고서를 8분 이내에 끝냈다는 사례도 포함됐다.
세부 내용 보기
- 로컬 에이전트 실행의 병목은 전체 파라미터보다 활성 계산량과 메모리 이동에 있다. 게시물에 따르면 Qwen3.8-Flash-Next는 Hybrid Gated DeltaNet과 Qwen Sparse Attention, Gated Residual, N-gram embeddings를 결합한 125B total·6B active sparse MoE이며 GGUF 형식으로 제공된다.
- N-gram embedding table은 51B 규모의 bigram·trigram 사전을 사용하고 sparse hash table을 NVMe 또는 host memory로 오프로드하는 방식으로 서술됐다. 소비자용 RAM에서 최대 97 tokens per second, MacBook 64GB M5 Max에서 30 tok/s라는 수치와 함께 full agent capabilities offline이 언급됐다.
- 실행 사례에서는 web search, Python, multi-table research report를 포함한 전체 agent workflow가 8분 이내에 끝났다. 다만 해당 속도와 작업 시간은 게시물에 적힌 단일 사용 사례이므로 일반적인 성능 수치로 확대할 근거는 없다.
원문 트윗 2개 보기
Md Ismail Šojal
Run new Qwen3.8-Flash-Next Claude Opus max level model locally on your Macbook. - Running at 30 tok/s on a laptop. - Hybrid Gated DeltaNet + Qwen Sparse Attention - Gated Residual + N-gram embeddings - 262K native context - 125B total / 6B active sparse MoE - Full agent capabilities offline. - GGUF ready - http:// huggingface.co/AtomicChat/Qwe n3.8-Flash-Next-GGUF …
Md Ismail Šojal
Running brand-new Qwen 3.8 Flash Next locally on a MacBook 64GB M5 Max at a smooth 30 tok/s. Full agent workflow web search, Python, multi-table research report completed in under 8 minutes.
➖ Claude 대화 249,834건으로 본 인간 주도 AI 협업포스트 2
Stanford 연구를 인용한 게시물은 실제 Claude 대화 249,834건에서 AI가 고위험 업무에 쓰이면서도 완전 자동화보다 인간 주도 증강에 가깝다고 전했다. 대화의 72%가 인간 주도였고, 관련 대화의 67%에서 AI가 학습을 돕는 역할을 했으며, 상호작용의 약 절반에서 마찰이 발생했다.
세부 내용 보기
- AI 사용이 늘어도 사람이 결과를 그대로 수용하는지가 핵심 문제다. 연구는 실제 Claude 대화를 task criticality, human agency, learning, friction 기준으로 분류하고, 사용자가 위험도가 높아질수록 더 깊게 관여하는지와 결과를 수정·검증하는 과정을 함께 기록했다.
- 분류 결과 72%의 대화가 인간 주도로 진행됐고, 관련 대화의 67%에서 AI가 가르치는 역할을 했다. 상호작용의 약 절반에서는 friction이 나타났으며, 사용자가 모델 결과에 이의를 제기하거나 명확히 묻고 수정할 때 그 마찰이 생산적인 교정 과정으로 작동했다.
- AI의 효과를 모델의 자동화 수준만으로 판단하기보다 사람의 agency와 비판적 관여가 결과에 어떤 영향을 주는지 함께 봐야 한다는 결론으로 이어진다.
AI가 consequential work에 쓰이더라도 72%의 대화가 인간 주도로 진행됐고, 사용자는 위험도가 높을수록 더 깊게 관여했다. 결과를 질문하고 수정하는 과정이 AI 활용의 성과를 좌우한다는 관점이다.
상호작용의 약 절반에서 friction이 발생했지만, 모든 마찰이 실패를 뜻하지는 않는다. 사용자가 결과를 고치고 검증하는 경우에는 작업 품질을 높이는 과정으로 기능할 수 있다.
원문 트윗 2개 보기
alphaXiv
“Human–AI Collaboration at Scale” This new Stanford study shows how people actually work with AI using 249,834 real Claude conversations, focusing on task criticality, human agency, learning, and friction. They found that AI is already being used for consequential work, but mostly as augmentation rather than full automation, with 72% of conversations still human-led and users engaging more deeply as stakes rise. AI also teaches in 67% of relevant conversations, while friction appears in roughly half of interactions and is often productive when users actively repair, challenge, or clarify the model’s output. So the benefits of AI depend heavily on how much agency and critical engagement the human keeps during the interaction. https:// alphaxiv.org/pdf/2608.human -ai-collaboration-at-scalev1 …
alphaXiv
Read the tweet thread from the author @EchoShao8899
It’s such a rare opportunity to study human–AI collaboration at scale, given the constraints around data access and privacy. Huge thanks to @AnthropicAI for making this possible through the Anthropic Insights system, and for their support throughout the project. We started this x.com/AnthropicAI/st…
➖ Claude Code 2.1.247의 비용 제어와 세션 복구포스트 2
Claude Code CLI 2.1.247이 세션 피드백 초안, API 비용 최적화 프로파일링, 초기 모델 404에 대한 fallback chain, 대용량 오류 출력 차단을 추가했다. 변경 사항은 개발 세션의 비용·오류·백그라운드 작업을 운영하는 경로에 집중됐다.
세부 내용 보기
- CLI 세션에서는 모델 오류, 장시간 백그라운드 작업, API 비용이 한 번에 관리돼야 한다. /feedback은 사용자가 확인한 뒤 보낼 피드백 초안을 만들고, /claude-api cost-optimize는 caching·token hygiene·batch·effort·model choice를 한 번에 하나씩 측정하며 비용 조정 순서를 찾는다.
- sub-agent가 첫 호출에서 404를 받으면 세션의 fallback model chain을 사용하고 부모 세션에는 error type, status, request id, model을 돌려준다. hook이나 background agent가 수백만 바이트의 오류를 출력해 대화를 Prompt is too long 상태로 밀어 넣던 경로도 제한되며, 컨테이너 재시작으로 사라진 작업은 재개된 세션에서 손실 사실을 알린다.
- Sonnet 5의 기본 auto-compact window가 full 1M context로 바뀌어 1M window 세션은 약 967K tokens에서 자동 압축된다. 이 릴리스는 새 기능 추가보다 실패 복구와 비용 측정, 세션 상태 보존을 CLI의 기본 운영 흐름에 넣었다는 점에 의미가 있다.
원문 트윗 2개 보기
Claude Code Changelog
Claude Code CLI 2.1.247 changelog: New features: • Added the SendFeedback tool: when something goes wrong in a session, Claude can draft a feedback report for you to review and send from /feedback (turn off with the feedbackDrafts setting) • Added {id, text, cooldownSessions, priority} entries, tipsFile, and label to spinnerTipsOverride, so organizations can rotate their own tips alongside the built-in ones • Added a tip on Bash permission prompts pointing to auto mode, with a one-keystroke "Yes, and switch to auto mode" option • Added /claude-api cost-optimize to profile an existing project's Claude API spend and work through cost levers (caching, token hygiene, batch, effort, model choice) one measured change at a time Fixes: • Fixed fast arrow-key + Enter sequences acting on the row above the one you navigated to in history search, /config, /mcp, /skills, background tasks, and /model • Fixed sub-agents dying on a first-call model 404: they now use the session's fallback model chain, and the error returned to the parent includes the error type, status, request id, and model • Fixed a hook or background agent that printed megabytes of error output being able to overflow the conversation and wedge the session on "Prompt is too long" • Fixed Ctrl keyboard shortcuts not firing under non-Latin (e.g. Cyrillic) keyboard layouts in kitty-protocol terminals • Fixed text like <35;150;7M being inserted into the prompt when a mouse report arrived split across reads right after the escape prefix • Fixed the Bash sandbox's after-command cleanup deleting a dotfile-managed ~/.claude/settings.json symlink (nix/home-manager, stow) when it is repointed outside the sandbox's writable area • Fixed /terminal-setup overwriting your entire Zed keymap.json instead of merging in its keybinding • Fixed /rename silently confirming when the session registry could not be updated; it now says other sessions may still show the old name • Fixed /compact and "Summarize from here" in sessions started with --agent summarizing under the default system prompt instead of the conversation's own • Fixed a background session showing "opening…" forever in claude agents after its terminal host process died; the row now fails within seconds with the reason, and Enter restarts it • Fixed unbounded memory growth when a hook's or background task's output file could not be written; the file now notes where output was lost • Fixed /install-github-app over SSH: the copy shortcut now says how the sign-in URL was copied instead of always claiming success, and the URL appears immediately when no browser can open • Fixed shell commands carried over from the foreground logging an internal error or showing a misleading [exited with code -1] line when they finish in background sessions • Fixed a version-less marketplace plugin's live cache directory being deleted and recreated on a second-scope install, which could disrupt a running session using it • Fixed Remote Control sessions started with /remote-control not reporting the working-tree diff to connected clients • Fixed self-hosted runner sessions reporting running before Claude Code had started, which could trigger a premature "Claude is waiting for your input" notification from the Claude desktop app • Fixed first-run setup exiting with "Unable to connect to Anthropic services" when managed settings configure Claude apps gateway sign-in and Anthropic endpoints are unreachable • Fixed cloud sessions (Claude Code on the web, desktop and mobile apps) sometimes showing the previous permission mode when you switch modes right after sending a message • Fixed cloud sessions going silent when the session's container restarts between turns while a background agent, shell, or monitor is still running — the resumed session now reports the lost work Improvements: • Improved plugin marketplace hardening: names containing control or invisible characters are rejected, and marketplace-supplied text in /plugin and claude plugin output is escape-safe • Improved Bedrock, Vertex, and Foundry sessions (and any with telemetry disabled): Claude is now told when a configured MCP server failed to connect, instead of concluding its tools don't exist Security/safety changes: • Changed analytics to stay off from startup, not only after login, when managed settings force gateway login or a custom OAuth deployment is configured • Changed Claude apps gateway sign-in requests to identify Claude Code (a surface=claude_code device-authorization parameter and a claude-code/<version> User-Agent) Other changes: • Updated the /claude-api skill with Admin API coverage (organization members, invites, workspaces, API keys, rate limit reports, workload identity federation, CMEK) • Changed Sonnet 5's default auto-compact window to its full 1M context, so sessions on the 1M window now auto-compact at about 967K tokens instead of about 934K • Changed cross-session peer messages to collapse by default to a one-line Message from @<sender>: <first line> preview; Ctrl+O expands the full body • Changed terminal hyperlinks in rendered markdown: link targets that point at a network or automounter path, contain a control character, or lead with an invisible character now render as plain text • Changed the prompt-footer PR badge to skip its GitHub re-check on terminal refocus when the last check is under a minute old • Changed organization sign-in enforcement to exit at start when the administrator's managed settings cannot be read, even if host-supplied or per-user Windows registry settings exist Source:
Claude Code Changelog
Claude Code 2.1.247 has been released. 33 CLI changes Highlights: • Added SendFeedback tool to draft session feedback in /feedback for review/send; disable via feedbackDrafts • /claude-api cost-optimize: profiles spend, suggests caching,batching,token-hygiene,model-choice to cut spend • Sub-agents use session fallback on initial 404; parent gets (type,status,reqID,model) to avoid crashes & debug Full details are in thread ↓
용어 해설
- 에이전트형 브라우저(Agentic Browser)
- — 웹사이트 작업을 위해 AI가 브라우저를 열고 페이지를 이동하며 입력과 제출까지 수행하는 구조입니다. 사용자의 로그인 환경과 분리된 실행 영역에서 반복적인 웹 업무를 자동 처리하는 데 쓰입니다.
- 재귀적 자기개선(Recursive Self-Improvement)
- — 에이전트가 현재 작동하는 방법을 바탕으로 반복 수정한 뒤, 새 데이터나 환경에서 최종 결과물을 평가받는 방식입니다. 보이는 데이터에 맞춘 개선이 숨은 평가 데이터에서도 통하는지 확인하는 절차가 핵심입니다.
- 숨은 평가 세트(Hidden-Set Evaluation)
- — 에이전트가 직접 볼 수 없는 데이터로 최종 산출물을 평가하는 방법입니다. 작업 중 확인한 데이터에 과도하게 맞춘 결과를 걸러내고, 새로운 조건에서 방법이 실제로 작동하는지 측정하는 데 사용됩니다.
- 추측 디코딩(Speculative Decoding)
- — 한 경로에서 여러 토큰을 먼저 추측하고 다른 검증 경로가 이를 확인해 순차 생성을 줄이는 추론 기법입니다. vLLM 0.28.0에서는 DFlash2와 DSpark의 신뢰도 기반 검증이 추가됐습니다.
- Mixture of Experts
- — 전체 파라미터를 모두 활성화하지 않고 입력마다 일부 전문가 경로만 선택하는 모델 구조입니다. Qwen 관련 게시물은 적은 활성 파라미터와 N-gram embedding table을 결합해 로컬 실행 효율을 높이는 방식을 언급합니다.
- Human–AI 협업(Human–AI Collaboration)
- — 사람이 AI 결과를 그대로 위임하기보다 질문과 수정, 검증을 반복하며 함께 작업하는 방식입니다. 게시물에 인용된 Claude 대화 249,834건 연구에서는 72%가 여전히 인간 주도로 진행됐고, 관련 대화의 67%에서 AI가 학습을 돕는 역할을 했습니다.
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
