TL;DR
이번 포스트에서는 유료 ChatGPT Work와 Codex의 사용량 초기화, Codex의 주간 한도 기준 20X 설명, Wan 3.0의 영상 생성 기능 확장, OpenClaw의 공유 코딩 에이전트 전환이 함께 부각됐다. glm-5.3은 새 기반 모델 대신 장기 작업 환경·다양한 과제·RL 계산을 확장한 Post-Training으로 agentic benchmarks 성능을 높였다는 평가를 받았다. CubeSandbox v0.7.0은 공유 스토리지를 이용해 샌드박스 상태를 노드 사이에서 이동시키고, QwenCloud는 모델 접근부터 Fine-tuning·배포·모니터링까지 한 플랫폼에 묶었다. 개별 모델 성능뿐 아니라 사용량 정책, 에이전트 실행 환경, 영상 제작 도구, 배포 인프라를 한 흐름으로 연결하는 제품화가 이번 기간의 공통된 방향으로 나타났다.
𝕏 실시간 트렌드 토픽
🔥 Codex 사용량 초기화와 20X 한도 기준포스트 3
ChatGPT Work와 Codex 유료 구독자의 사용량을 초기화한다는 공지가 나왔고, Codex의 Pro 20X가 주간 사용 한도를 가리킨다는 설명이 이어졌다.
세부 내용 보기
- @thsottiaux는 활성 사용자 2,500만 명 달성을 기념해 ChatGPT Work와 Codex의 모든 유료 구독 사용량을 초기화했다고 밝혔다. 두 서비스의 구독 한도를 직접 조정하는 방식으로 혜택을 적용했고, 다음 주에 어떤 기능을 출시할지 사용자 의견을 받는 흐름으로 이어졌다.
- Codex의 20X는 5시간 단위가 아니라 주간 사용 한도에 적용되며, Pro 20X는 Plus 구독의 사용량을 정확히 20배로 책정했다는 설명이다. Claude의 20X 표기가 5시간 사용 구간과 주간 한도를 혼동하게 만든다는 인용 글에 답하면서, 두 Pro 요금제에는 5시간 제한이 없다고 선을 그었다.
Codex의 20X를 Plus 대비 주간 사용량 20배로 명시한 설명은 요금제 표기의 적용 범위를 구체화한다.
5시간 단위와 주간 단위가 서로 다른데도 20X라는 표현을 함께 쓰면 실제 사용량 차이를 오해하기 쉽다는 비판이 제기됐다.
원문 트윗 2개 보기
What I wanted to say yesterday is that we hit 25M active users and to celebrate we have now reset usage for all paid subscriptions for ChatGPT Work and Codex. See you soon for more news from The Reset Company.
Tibo
For clarity, while both are called 20X, in Codex they apply specifically to weekly usage limits. And we also don't have 5h limits for both Pro plans. The Pro 20X is quite precisely 20X the usage of the Plus subscription, so it does exactly what it says on the tin.
The whole “20x” in Claude’s pricing is so misleading. The $100 plan says 5x Pro limits, while the $200 plan says 20x Pro limits. That makes it sound like you’re getting 4x the usage. But the 20x applies only to the 5-hour usage window. The weekly limit is basically just 2x the
📈 OpenClaw 기반 공유 코딩 에이전트포스트 2
OpenClaw를 사용해 구축하던 팀의 작업 환경이 로컬 코딩 하네스에서 팀 전체가 공유하는 에이전트로 이동했다.
세부 내용 보기
- 두 달 전 시작한 OpenClaw 구축 작업에서 팀원들은 로컬 코딩 하네스 대신 team.openclaw.ai의 공유 에이전트를 사용하도록 전환했다. 이 에이전트는 팀원별 작업 상태를 파악하고 전체 작업을 오케스트레이션하며, 노드와 클라우드 세션을 이용해 멀티플레이어 코딩과 확장된 계산 환경을 제공했다.
- 공유 에이전트는 각자의 로컬 실행 환경을 따로 유지하는 대신 작업 맥락을 한곳에 모으고 여러 실행 노드를 연결하는 구조다. 게시자는 이런 전환으로 구축 방식이 달라졌다고 평가했지만, 다른 게시물에서는 모델 출시 때마다 agents.md와 skills를 삭제하고 학습 내용을 재검증해야 하며 표준화에는 아직 이르다고 덧붙였다.
원문 트윗 2개 보기

Peter Steinberger
Two months ago, we started the mission to “build OpenClaw with OpenClaw,” and bit by bit, we moved everyone from using their local coding harness to using http:// team.openclaw.ai - our shared agent that knows what everyone’s working on and orchestrates it all. Multiplayer coding + infinite compute with nodes and cloud sessions has been a game changer for how we build. Local harnesses feel like relics of the past now.
OpenClaw 2.0 has arrived https:// openclaw.ai/blog/openclaw- 2-accidentally …
geoff
one thing i wish more folks understood you should be deleting your agents md and skills on the often. especially between model releases take the learnings and revalidate them every couple months. the models are getting better and less malloc() is needed to get outcomes/drive behaviours. it’s still WAY too early for standardisation
📈 glm-5.3의 에이전트 벤치마크 성능포스트 1
glm-5.3이 새 기반 모델 없이 Post-Training 규모를 확장해 agentic benchmarks에서 gpt-5.6 sol과 claude fable 5를 앞섰다는 게시물이 나왔다.
세부 내용 보기
- 게시물은 glm-5.3이 agentic benchmarks에서 gpt-5.6 sol과 claude fable 5보다 높은 성능을 기록했고, glm-5.3 flash도 바로 뒤를 이었다고 전했다. 모델 기반 자체를 새로 교체하지 않고 기존 glm-5.2 기반을 유지한 채 사후 학습에 더 많은 계산을 투입한 접근이다.
- 성능 향상에 사용한 요소로 장기 작업을 수행하는 환경, 더 다양한 과제, 확대된 RL 계산이 제시됐다. 입력·출력 구조를 바꾸기보다 학습 후 단계의 환경과 계산량을 늘려 에이전트형 작업 성능을 높였다는 점이 이 사례의 핵심이다.
📈 Wan 3.0의 영상 생성 워크플로 확장포스트 7
Wan 3.0이 Picsart와 Buzzy Now에 배포되고, 이미지 변환·캐릭터 일관성·음성 결합을 포함한 영상 제작 사례가 잇따랐다.
세부 내용 보기
- Wan 3.0 관련 게시물은 프롬프트 구조화, 오디오 레이어링, Omni-Reference 활용을 영상 제작 절차로 제시했다. 이미지 한 장을 애니메이션 영상으로 바꾸거나 한 캐릭터를 전체 AI 영화에서 유지하는 방식으로 입력을 확장해 장면의 외형과 움직임을 생성한다.
- Wan 3.0은 Buzzy Now에서 제한 기간 무제한 생성으로 제공되고 Picsart에서도 사용할 수 있으며, Model Studio와 Qwen Cloud를 통한 API 접근 경로도 함께 제시됐다. 게시된 사례에서는 30초 영상을 한 번에 만들면서 시작부터 끝까지 스타일을 유지했고, 동작과 전체 일관성이 개선됐다는 평가가 인용됐다.
- 영상 생성 결과를 단순한 단일 클립 생성에 그치지 않고 이미지·캐릭터·오디오를 묶은 제작 흐름으로 확장한 점이 핵심이다. 다만 Artificial Analysis 순위에 관한 평가는 인용 게시물의 주장으로 제시됐으며, 원 게시물에는 구체적인 점수나 비교 수치가 없다.
원문 트윗 2개 보기
Prompting Wan3.0 like a pro — from the Head of Video Product at @Picsart . Narek Hayrapetyan shares the prompting playbook his team actually uses: structuring prompts, layering audio, and getting the most out of Omni-Reference. Plus his honest take on where the model fits into a
Wan
Wisnu AI Project shows how Wan 3.0 holds a character together across an entire AI film. Full video ↓
➖ CubeSandbox v0.7.0의 노드 간 샌드박스 이동포스트 1
CubeSandbox v0.7.0이 샌드박스 상태를 특정 장비에 묶지 않고 공유 스토리지와 여러 노드 사이에서 재개하는 기능을 내놓았다.
세부 내용 보기
- 이번 버전은 단일 장비에서 60ms 콜드 스타트를 유지하고 배치 시작 속도를 높이는 동시에, 클러스터 환경에서 한 장비에서 일시 중지한 샌드박스를 다른 장비에서 깨울 수 있게 했다. 상태를 공유 스토리지에 저장하므로 장비를 비우는 과정에서 중지된 작업이 함께 사라지지 않는다.
- 오래된 템플릿과 스냅샷도 재빌드나 다운타임 없이 계속 사용할 수 있으며, 이번 릴리스에는 57명의 기여자가 239개 커밋을 남겼다. 단일 머신 중심의 실행 상태를 분리해 노드 교체와 클러스터 운영에 대응하는 구조이며, 클러스터 기능은 현재 Preview로 제공된다.
➖ QwenCloud의 AI 개발 통합 플랫폼포스트 2
QwenCloud가 모델 접근, 멀티모달 API, Fine-tuning, 배포, 모니터링, 비용 제어를 한 플랫폼에서 제공하는 개발 흐름을 내세웠다.
세부 내용 보기
- QwenCloud는 웹사이트를 사람의 모델 탐색에, Skills를 에이전트 추론에, CLI를 워크플로 실행에 연결하는 구성을 제시했다. 사용자는 Qwen 모델군과 멀티모달 API에 접근한 뒤 사용 사례에 맞춰 Fine-tuning하고, 대규모 배포와 운영 모니터링까지 같은 플랫폼에서 처리하는 흐름이다.
- 게시물은 기업 사용자를 대상으로 확장성·신뢰성·비용 최적화를 내장한 플랫폼이라고 설명하며 Qwen Conference 세션 등록을 안내했다. 모델·API·인프라를 따로 조합하는 대신 탐색부터 운영까지 단일 경로로 묶는 제품 구성이 핵심이며, 게시물 자체에는 실제 성능 수치나 고객 사례가 포함되지 않았다.
원문 트윗 2개 보기

QwenCloud
Building with AI shouldn’t mean stitching together models, APIs, and infrastructure. QwenCloud is built for the next AI developer journey: a website for human exploration, Skills for agent reasoning, and CLI for workflow execution. One platform for model access, multimodal APIs, fine-tuning, deployment, monitoring, and predictable cost control. At Qwen Conference, the QwenCloud team walks you through it all live: how to access the Qwen model family, fine-tune for your use case, deploy at scale, and monitor in production. Enterprise-grade scalability, reliability, and cost optimization — built in. If you're an enterprise builder, a developer, or anyone who's ever thought "there has to be a better way to ship AI" — this is your session. Sep 4, Bangkok — Register → https:// qwencloud.com/events/qwen-co nference-thailand-2026?utm_content=g_20000002890 …
Alibaba Cloud
Building with AI shouldn’t mean stitching together models, APIs, and infrastructure. QwenCloud is built for the next AI developer journey: a website for human exploration, Skills for agent reasoning, and CLI for workflow execution. One platform for model access, multimodal APIs, fine-tuning, deployment, monitoring, and predictable cost control. At Qwen Conference, the QwenCloud team walks you through it all live: how to access the Qwen model family, fine-tune for your use case, deploy at scale, and monitor in production. Enterprise-grade scalability, reliability, and cost optimization — built in. If you're an enterprise builder, a developer, or anyone who's ever thought "there has to be a better way to ship AI" — this is your session. Sep 4, Bangkok — Register → https:// click.qwencloud.com/m/20000002466/
📈 Infinite Livestream의 실시간 생성 방송포스트 2
15초 768p 영상과 동기화된 오디오를 빠르게 생성해 무한 Twitch 방송으로 연결하는 저장소가 공유됐다.
세부 내용 보기
- reactorworld 관련 게시물은 15초 분량의 768p 클립과 동기화된 오디오를 시청 시간보다 빠르게 생성할 수 있다고 전했다. 생성된 클립을 연속으로 이어 Twitch 방송에 공급해 끊임없이 이어지는 라이브 스트림을 만드는 방식이다.
- 게시자는 world models에 관심이 있다면 reactor-team/infinite-livestream 저장소를 Fork하라고 안내하고 Twitch 채널을 함께 연결했다. 구체적인 생성 속도나 하드웨어 수치는 공개되지 않았지만, 짧은 영상 생성 파이프라인을 반복 실행해 실시간 방송 형식으로 확장한 사례다.
원문 트윗 2개 보기
Md Ismail Šojal
A 15-second 768p clip with synced audio can now be generated faster than you can watch it. reactorworld just turned that into an infinite Twitch broadcast.
Md Ismail Šojal
If you care about world models, this is the repo to fork tonight - https:// github.com/reactor-team/i nfinite-livestream … https:// twitch.tv/dereactor
용어 해설
- 사후 학습(Post-Training)
- — 기존 기반 모델의 가중치를 그대로 두거나 일부만 유지한 채, 추가 데이터·환경·강화학습 계산으로 특정 작업 수행 능력을 높이는 학습 단계입니다. glm-5.3 사례에서는 새 기반 모델 대신 장기 작업 환경과 다양한 과제, RL 계산을 확장하는 방식으로 벤치마크 성능을 끌어올렸습니다.
- 에이전트 벤치마크(Agentic Benchmarks)
- — 모델이 단일 응답이 아니라 여러 단계의 계획·도구 사용·작업 수행을 얼마나 잘 처리하는지 측정하는 평가 기준입니다. glm-5.3 게시물은 이 벤치마크에서 다른 모델을 앞섰다고 전했습니다.
- Omni-Reference
- — 영상 생성 과정에서 인물이나 사물 같은 참조 대상을 입력으로 활용해 장면 전반의 외형과 정체성을 유지하는 기능입니다. Wan 3.0 관련 게시물은 이미지·캐릭터·음성을 함께 구성하는 영상 제작 흐름에서 이 기능을 활용한다고 전했습니다.
- 공유 스토리지(Shared Storage)
- — 여러 컴퓨터나 실행 노드가 동일한 상태 데이터를 읽고 쓸 수 있도록 저장 공간을 공유하는 구조입니다. CubeSandbox v0.7.0은 일시 중지된 샌드박스 상태를 공유 스토리지에 두어 다른 장비에서 다시 깨울 수 있게 했습니다.
- 콜드 스타트(Cold Start)
- — 사용하지 않던 실행 환경을 처음 준비해 요청을 처리하기까지 걸리는 시작 지연입니다. CubeSandbox 게시물은 단일 장비 환경에서 60ms 콜드 스타트를 유지한다고 밝혔습니다.
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.