Morning Digest — 2026-06-09

• Claude Code의 기본 개념부터 고급 에이전트 활용까지 시각 자료와 예제로 구성한 안내서
• 복사해 바로 적용 가능한 템플릿 중심 구성으로 빠른 실무 적용성 강조
• GitHub Trending 기준 약 3.6만 스타, 당일 393개 스타를 기록한 높은 관심도

• Claude Code, Codex 등 코딩 에이전트를 개인 환경에서 운영하는 셀프 호스팅 도구
• 휴대폰과 데스크톱 양쪽에서 접근 가능한 사용 환경 제공
• 로컬·개인 인프라 중심의 에이전트 활용 워크플로우에 초점

• PCN R&S LLM 팀 공개 모델로, Qwen3 계열 디코더 전용 아키텍처를 88.79M 규모로 처음부터 학습
• 약 147만 쌍 제주어·표준어 평행 코퍼스를 H100 1장으로 4시간 학습, 단일 체크포인트로 양방향 번역 지원
• <d2s>·<s2d> 프리픽스 토큰으로 번역 방향 제어, <copy> 자기 복사 보조 과제 5% 혼합으로 입력 보존 학습

• SWC로 TypeScript를 파싱하고 LLVM으로 기계어 생성, Node.js·Electron·브라우저 엔진 없이 단일 실행 파일 출력
• Rust·C++·Swift와 비슷한 수준의 성능 지향, macOS ARM64 벤치에서 일부 작업은 Node.js·Bun 대비 큰 폭 우위
• v0.5.585부터 fast-math를 기본 비활성화해 Node와 f64 연산 비트 정확도 유지, 필요 시 CLI·환경변수·package.json으로 활성화

• Almieyar-Oryx-BloomBench 제안, 아랍어·영어를 아우르는 bilingual multimodal benchmark 구성
• 비전-언어 모델(VLM) 평가에 인지적으로 설계된 과제 체계 적용, 단순 정답률 beyond 평가 지향
• 다국어·멀티모달 환경에서 모델의 이해 능력과 일반화 성능을 점검하는 벤치마크 성격

• 입력 조건(input-conditioned)에 따라 레이어 실행 여부를 동적으로 결정하는 LayerRoute 제안
• LoRA fine-tuning 기반으로 적응형 레이어 스키핑을 학습해 전체 모델 수정 비용 최소화 지향
• 에이전트형 언어모델(agentic language models) 추론에서 입력별 계산량 조절과 효율 향상 겨냥

• NVIDIA Blackwell 환경에서 JAX와 MaxText 조합으로 NVFP4 활용 학습 가속 소개
• 프런티어 LLM 사전학습의 핵심 지표를 처리량(throughput) 중심으로 설명
• 수천 개 가속기와 수조 토큰 규모 학습에서 단계별 성능 개선의 누적 효과 강조

• 기존 텍스트 수정 작업용 Datasette Agent 베이스 플러그인으로 view·str_replace·insert 핵심 도구 제공
• 협업형 Markdown 편집, 대형 SQL 쿼리 업데이트, SVG 파일 수정 등 다양한 편집 플러그인의 공통 기반 지향
• Claude 텍스트 에디터 설계를 참고해 줄 번호 기반 조회와 정확 일치 치환, 라인 단위 삽입 패턴 채택

• 작성자 자체 평가 하네스에서 Gemma4 31B FP8이 Sonnet 4.6 medium과 비슷한 수준 성능 보고
• 평가 과제에 Neo4j 그래프 순회용 Cypher 쿼리 생성, 텍스트 청크 엔터티 추출 포함
• 웹 질의·그래프 질의·벡터 검색을 아우르는 에이전트형 툴 호출과 스킬 선택 시나리오 평가

• Xiaomi와 TileRT 협업으로 MiMo-V2.5-Pro-UltraSpeed 공개, 1T 파라미터 모델 디코드 1000+ tokens/s 달성
• 전용 ASIC 대신 단일 범용 8-GPU 노드에서 구현, 모델-시스템 공동 설계(codesign) 전략 강조
• FP4(MXFP4) 양자화로 메모리·대역폭 병목 축소, 추론 품질 저하를 줄이기 위한 선택적 적용 언급