오늘 Hacker News에서는 경량 GPU에서 70B 모델을 구동하는 AirLLM, 스마트폰에서 동작하는 로컬 AI 펜테스팅 에이전트, AI 에이전트 세션 분석 도구 등 다양한 프로젝트가 공개되었습니다. 또한 AI의 소프트웨어 자동화 능력을 측정하는 연구와 개인정보 보호 도구도 눈에 띕니다.
AirLLM: 4GB GPU 하나로 70B 모델 추론
원문 | HN — 173 points, 63 comments
단일 4GB GPU로 70B급 모델을 추론할 수 있는 오픈소스 라이브러리입니다.
소규모 하드웨어에서도 대형 언어 모델을 활용할 수 있게 한 점에서 AI 접근성을 크게 높인 프로젝트입니다.
나만의 AI 벤치마크: “하브스부르크 턱을 가진 개구리 SVG 생성”
원문 | HN — 150 points, 84 comments
이미지 생성 AI 모델의 성능을 재미있는 프롬프트로 비교하는 개인 벤치마크 사이트입니다.
개발자가 직접 만든 간단한 벤치마크로 AI 모델의 한계를 드러내는 데 의의가 있습니다.
🚀 Show HN: Sprocket – 하드웨어/소프트웨어 개발을 위한 최고의 AI 에이전트
원문 | HN — 124 points, 13 comments
16세 개발자가 만든 오픈소스 AI 에이전트로, 하드웨어와 소프트웨어 개발 모두에서 뛰어난 성능을 자랑합니다.
웹사이트에서 직접 물건을 구매하는 등 실제 작업을 수행하는 에이전트의 가능성을 보여줍니다.
🚀 Show HN: Nightcrawler – 스마트폰에서 동작하는 로컬 AI 펜테스팅 에이전트
원문 | HN — 97 points, 30 comments
스마트폰에서 로컬로 실행되는 AI 기반 보안 테스트 에이전트입니다.
개인 디바이스에서도 강력한 AI 펜테스팅을 가능하게 한 점에서 보안 자동화의 새로운 지평을 열었습니다.
AI가 레거시 COBOL 프로그램을 Java로 마이그레이션, 버그까지 그대로
원문 | HN — 86 points, 82 comments
AI가 COBOL 코드를 Java로 변환했지만 원본 버그까지 고스란히 옮겨온 연구 결과입니다.
AI 코드 변환의 한계와 함께, 레거시 시스템 현대화에서의 주의점을 시사합니다.
AI가 스스로 완료할 수 있는 가장 큰 소프트웨어 프로젝트는?
원문 | HN — 54 points, 61 comments
AI의 자율 소프트웨어 개발 능력을 측정하는 벤치마크 연구입니다.
현재 AI가 독립적으로 완료할 수 있는 프로젝트 규모를 정량화하려는 시도입니다.
🚀 Show HN: AI 이야기만 필터링한 Hacker News
원문 | HN — 36 points, 8 comments
HN 프론트페이지에서 AI 관련 글을 제외하고 볼 수 있는 필터 도구입니다.
AI 콘텐츠에 지친 사용자들에게 선택권을 제공하는 실용적인 프로젝트입니다.
🚀 Show HN: MCP 기반 AI 에이전트 세션 분석 도구
원문 | HN — 32 points, 1 comment
MCP(모델 컨텍스트 프로토콜) 호출 뒤의 전체 세션을 재구성하여 에이전트의 행동을 분석합니다.
AI 에이전트의 동작을 투명하게 추적하고 평가할 수 있는 인프라를 제공합니다.
PISIGuard: AI 채팅 시 개인정보 보호 도구
원문 | HN — 20 points, 14 comments
AI와 대화할 때 개인정보나 민감한 정보를 자동으로 감지하고 보호하는 오픈소스 도구입니다.
LLM 사용에서 프라이버시 리스크를 줄이려는 실용적인 접근법입니다.
오늘의 트렌드는 경량 환경에서의 AI 실행, 로컬 AI 에이전트의 다양화, AI 자동화 능력 측정, 그리고 개인정보 보호로 요약됩니다. 특히 AirLLM과 Nightcrawler는 하드웨어 제약을 극복하는 방향성을 보여주며, Sprocket은 젊은 개발자가 주도하는 AI 에이전트의 가능성을 입증했습니다.