AI 3건 · 일반 2건
T3 Code의 새로운 사용량 페이지가 출시됐다. 이 페이지는 Claude Code와 Codex의 API 비용 및 토큰 사용량을 분석한다. 특히, 사용자 전체의 Claude와 Codex 기록을 바탕으로 제공되는 데이터가 특징이다. 이는 사용자에게 더 정확한 비용 관리와 사용량 파악을 도와준다. T3 Code의 사용량 페이지는 Nightly 버전에서 사용할 수 있다.
로컬 코드 인덱스는 언어 서버 없이 코딩 에이전트가 임포트를 해결하는 오프라인 도구이다. Rust로 작성되었으며 MIT 라이선스를 사용한다. 언어 서버와 비교했을 때, 이 도구는 빌드 단계나 언어 서버가 필요하지 않습니다. JavaScript와 TypeScript는 oxc를 통해 처리되며, Python과 Java는 GitHub의 stack-graphs를 사용한다. 다른 언어는 파일 내부의 렉시컬 범위 바인딩만 지원한다. 이 도구는 371개의 문법을 지원하며, 약 100개의 언어에서 심볼과 호출 정보를 제공한다.
Claude Code의 대화 최적화를 위해 ASD-STE100 Simplified Technical English를 사용한다. 이는 대화의 효율성을 높이고 불필요한 정보를 제거하여 더 명확한 의사소통을 가능하게 한다. Claude Code의 대화 최적화는 사용자와의 상호작용을 개선하고 더 정확한 결과를 제공한다. 클라우드 기반의 대화 시스템에서 이러한 최적화는 매우 중요하다. 클라우드 기반의 대화 시스템은 빠르고 효율적인 의사소통을 요구한다. 따라서 클라우드 대화 최적화는 사용자 경험을 개선하고 더 나은 결과를 제공하는 데 도움이 된다. 클라우드 대화 최적화는 다양한 응용 프로그램에서 사용될 수 있다.
Skred는 자체 개발한 사운드 엔진이다. 이 프로젝트는 Skred 엔진을 오디오 이펙트 프로세서로 활용하는 GUI 프론트엔드를 선보인다. Korg DW-8000의 디지털 딜레이 라인에서 영감을 받아 이펙트 파라미터를 구성했다. 해당 소스 코드는 MIT 라이선스로 GitHub에 공개되었다.
지난 3년간 LLM 추론은 GPU가 지배했으나, 에이전틱 워크로드, 툴 호출, 다단계 추론 증가로 CPU의 역할이 부상한다. CPU는 순차적 로직, 조건부 처리, 오케스트레이션에 강점을 가지며 모델 래핑 계층의 자연스러운 실행 환경이다. 이러한 변화로 LLM 추론 아키텍처에서 CPU와 GPU의 컴퓨팅 분할 방식을 재고해야 한다. 특히 에이전트 배포 시 CPU-GPU 비율이 훈련 워크로드의 1:8에서 1:1 또는 4:1까지 변화하며 비용 효율적 서비스 구축 가능성이 열린다.