Jimmy Moon (현경, 炫炅) 👨‍🔬

14.8K posts

Jimmy Moon (현경, 炫炅) 👨‍🔬 banner
Jimmy Moon (현경, 炫炅) 👨‍🔬

Jimmy Moon (현경, 炫炅) 👨‍🔬

@ragingwind

✨ Building Agent Army @lablupinc / 👨‍🍳 Creator of AI:DOL and https://t.co/SWICa2EpLh / ♨️ Saunner (サウナー) for Totonou (ととのう)

Korea Katılım Temmuz 2009
293 Takip Edilen942 Takipçiler
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Dominic Gannaway
Dominic Gannaway@trueadm·
Happy to announce Octane – the successor to Inferno. React’s programming model, compiled. Hooks, Suspense and Actions, compiled ahead of time. No virtual DOM. No Rules of Hooks. No manually maintained dependency arrays. The compiler understands what your code captures and generates the reactivity for you. Octane supports TSX and JSX, along with TSRX for even better DX and performance. It includes integrations for libraries such as TanStack, React Three Fiber, Lynx and StyleX, plus a compatibility layer for using Octane components inside existing React apps. Octane is available in alpha today, with beta coming soon.
Dominic Gannaway tweet media
English
85
160
1.4K
363.7K
Jimmy Moon (현경, 炫炅) 👨‍🔬
저는 이와 유사한 경험을 한 바 있습니다. 과거에는 운영체제를 설치하는 일이 고급 기술로 여겨지던 시절이 있었으며, 이후 리눅스 운영체제 환경을 기반으로 개발자들이 일반 사용자를 위한 개발 환경을 구축하게 되자 수많은 아이디어가 구체화되어 왔습니다. AI OS 역시 마찬가지로, 현재로서는 대규모 언어 모델(LLM)을 활용하여 무언가를 만들어 내기보다는 이를 이해하고 설정하는 것만으로도 상당한 부담을 느끼는 단계에 있습니다. 내가 개발해야하는 환경의 테크 스택 부터 결정해야 하는데 이것이 모두에게 쉬운일은 아닙니다. 그러나 언젠가는 개발자들이 AI 운영체제 위에서 구동되는 애플리케이션을 손쉽게 제작하는 시대가 도래할 것입니다. 그 시점에 이르면 승자와 패자가 명확히 구분될 것이며, 새 술을 새 부대에 담듯이 새로운 개발 방식과 패러다임이 정립되고 보급될 것입니다. 그렇다면 이러한 흐름 속에서 저는 '또다시' 어떠한 역할을 수행하게 될 것인지 자문하게 됩니다. 언제나 기대와 두려움, 그리고 우려가 교차하지만, 오늘도 여러 시도를 이어 가고 있습니다.
Chester Jungseok Roh@chester_roh

가치는 어디로 이동하는가 "We're passing through the singularity." - 젠슨의 무대, 그리고 놀라움의 반감기 방금전에 YC Startup School 2026의 젠슨황 세션을 들었다. 5조 달러 회사의 CEO가 창업 지망생들 앞에서 한 이야기는 뜻밖에도 실패담이었다. 전형적인 창업가의 resilience 서사. 그러나 그 익숙한 서사의 틈새에, 시대를 가로지르는 본질적인 말들이 꽤 많았다. 몇 가지 문장을 꺼내보면 — "AlexNet은 AlexNet이 아니었다. 우리가 발견한 것은 universal function approximator였다." "OpenClaw를 봤을 때, 우리가 방금 현대 컴퓨터를 설계했다는 걸 알았다. LLM을 담는 운영체제. 나에게는 Linux moment였다." 모두가 자기만의 에이전트를 가져야 한다고, Nvidia의 엔지니어 전부가 오픈소스 하네스 팀의 엔지니어라고, 천 개의 꽃이 피게 하라고. 물론 젠슨의 전도를 액면 그대로 들으면 안 된다. 젠슨은 역사를 아는 사람이다. PC 시대, IBM이 아키텍처를 열었을 때 가치는 조립업체(Compaq, Dell)에게 가지 않았다. 열린 아키텍처의 양끝에 응축됐다. 젠슨은 자신이 이번 판에서 아래쪽 끝을 쥐고 있다는 것을 정확히 알고 있다. 그래서 자기 위의 모든 층 — 모델, 하네스, 에이전트 프레임워크 — 이 열리고 commoditize될수록, 유일하게 닫혀 있는 반도체 계층으로 가치가 가라앉는다는 것도 알고 있다. 그의 오픈소스 전도는 이타심이 아니라, 가장 우아한 형태의 가치 하강 전략이다. 배터리를 밀어주는 석유회사는 없지만, 소프트웨어를 공짜로 만드는 칩 회사는 있다. 소프트웨어가 더 멀리, 넓게 퍼질수록 자신이 만드는 칩이 훨씬 더 많이 팔리니까. 그런데 무대 밖에서는 더 조용하고 더 큰 사건이 진행되고 있다. Kimi K3가 프론티어 수준이 두어 개 플레이어의 전유물이 아님을 보여줬고, 앞으로 나올 모델들 역시 상향평준화될 것이라는 느낌을 주고 있다. 프론티어 모델 발표가 이어지는데, 세상이 놀라는 시간이 계속 짧아지고 있다. 최고 지능과 공짜 지능의 격차가, 그 격차가 유지되는 시간이, 분기 단위에서 월 단위로 줄고 있다. 놀라움의 반감기가 줄고, 놀라움에 대한 기대치는 계속 올라가는 것. 이것이 특이점을 '통과 중'이라는 감각의 정체 아닐까 싶다. 우리는 특이점을 하나의 아침으로 상상했다. 어느 날 잠에서 깨어나니 AGI가 선언되는 그런 아침. 그러나 특이점은 사건이 아니라 구간이고, 우리는 지금 그 구간의 한가운데를 지나고 있다. 구간의 첫 번째 경제 법칙은 이미 작동 중이다. Model commoditization. 지능의 공급곡선이 평평해지고 있다. 얼마 전 마법 같던 것이 매일의 평범한 인프라가 된다. 전기가 그랬듯이 — 발전기가 마법이던 시대가 끝나고 전기가 계량기 너머로 사라졌을 때, 가치는 발전소의 아래(석탄, 구리, 부지)와 콘센트의 위(전기로 무엇을 만드는가 — 냉장고, 세탁기, Dyson)로 이동했다. 그렇다면 질문은 하나다. 지능이 계량기 너머로 사라질 때, 가치는 정확히 어디에 응축되는가? 아래쪽 절반의 답은 젠슨이 이미 쥐고 있다. 이 글은 나머지 절반, 콘센트 위쪽의 답을 찾는 이야기다. - 1년 반 전의 지도 : 검증이라는 해안선 이 질문에 대한 단서를, 나는 2025년 3월 AI Frontier Podcast 의 ep.45에서 이야기한 적이 있다. "Non-verifiable data domain is all you need." 그때의 명제는 이랬다. 검증 가능한 reward function이 알고리즘적으로 만들어지는 영역은 프론티어 모델이 자가생성으로 전부 먹는다. 수학이 그랬고 코딩이 그랬다. 그러므로 진짜 proprietary data란 데이터셋이 아니라, non-verifiable을 verifiable로 바꿔주는 closed-loop 환경 그 자체다. 요새 말로 RL Environment다. 1년 반이 지났고, 대부분의 예측은 맞았다. 프론티어 랩들은 실제로 RL environment를 사고팔기 시작했고, eval이 없는 프로젝트는 시작도 하지 말라는 말이 업계의 제1원칙이 됐다. 젠슨이 말한 로봇의 3단 구조 — real to sim, sim, sim to real — 도 정확히 이 문법이다. 시뮬레이터란 물리 세계라는 거대한 non-verifiable 영역에 0과 1의 label을 붙여주는 환경이다. 프론티어 전체가 이 언어로 수렴했다. 그러나 절반은 수정이 필요해졌다. Non-verifiable은 도망칠 영토가 아니라 후퇴하는 해안선(shoreline)이었다. 모델이 스스로 너무나도 좋아지면서 On-policy 로 reward judge 가 가능해져 버렸다. 취향, 문체, 판단처럼 검증 불가능해 보이던 것들이 하나씩 검증 가능의 바다에 잠겼다. 해안선에 서 있는 것은 전략이 아니다. 그래서 명제는 이렇게 진화한다. 가치는 non-verifiable에 있는 것이 아니라, verification loop 그 자체에 있다. 그리고 잠기지 않는 땅의 조건이 선명해졌다. Outcome이 스크린 밖에서 생기는 곳. Digital World 에서 verification 이 끝나버리지 않는 일들. 6개월 뒤의 피부, 세포의 반응, 임상의 결과, 계절을 견딘 제품. 즉시 얻는 label은 commodity가 되고, 현실이 시간을 들여 돌려주는 label만이 moat가 된다. AI for Science 가 대유행을 타는 이유도 여기에 닿아 있다. Label이 아니라 outcome. Dataset이 아니라 loop. 도피가 아니라 밀착. 이것이 2025년 지도의 2026년 개정판이다. - 가치의 대이동 : 가운데가 꺼지고 양끝이 솟는다 이 개정판 지도를 들고 value chain 전체를 내려다보면, 이동의 방향이 보인다. 특이점 구간의 두 번째 경제 법칙: 가치는 '생각하는 능력'에서 빠져나와 양쪽 끝으로 흐른다. 아래쪽 끝은 물리다. 지능이 아무리 싸져도 지능을 돌리는 전자는 싸지지 않는다. 전력, 땅, 칩, 파운드리. 특이점을 통과하는 동안 병목은 실리콘과 킬로와트에 있고, 그 병목은 젠슨이 꽉 쥐어잡고 있다. 위쪽 끝은 현실이다. 모두가 같은 지능을 쓰게 될 때, 차이를 만드는 것은 지능이 아니라 지능에 먹일 자기만의 연료다. 그 연료가 verification loop다 — 자기 고객, 자기 물성, 자기 도메인에서만 돌릴 수 있는, non-verifiable을 verifiable로 바꾸는 닫힌 회로. 그리고 그 회로가 뱉는 outcome의 축적, 그 축적이 만드는 신뢰. 안타깝지만 가운데 영역, 즉, — 모델, 하네스, 범용 실행 — 는 얇아진다. 지난 80년 소프트웨어 산업의 본진이었던 그 가운데가, 특이점 구간에서 가장 먼저 침수되는 저지대다. - AI OS : 얇아진 가운데에서 새로 태어나는 것 그런데 가운데가 완전히 비는 것은 아니다. 침수된 저지대 위에, 새로운 구조물이 올라온다. (AI OS라는 단어는 래블업 신정규 대표님께 빌려왔다. 항상 깨달음의 트리거를 만들어 주심에 감사드린다.) 젠슨이 OpenClaw에서 본 것이 바로 이것이다. LLM을 담는 운영체제. 폰 노이만 머신 위에 OS가 필요했듯, 이 새로운 머신 — 명령어가 자연어이고, 프로세서가 모델이고, 메모리가 컨텍스트인 머신 — 에도 OS가 필요하다. 도메인마다 하나씩. AI OS의 시대. AI OS를 해부하면 여섯 개의 층이 나온다. 내가 비팩토리를 Autonomous Company이자 Future Brand Company로 만들 때 사용한 로직이다. - 의도가 포착되는 접점 — intent surface - 도메인의 살아있는 기억 — context/state - 에이전트를 스케줄링하고 격리하는 커널 — harness - 현실에 손을 대는 드라이버 — domain actuator (tool/lever 등으로 부르기도 했었다) - 그 도메인에서 '잘했다'를 정의하는 — eval - 결과에 책임지는 — trust/liability 여섯 층의 운명은 하나의 원리로 갈린다. 대체 비용이 0으로 수렴하는 층은 commodity가 되고 — 커널이 그렇다, OpenClaw는 이 시대의 Linux다 — 대체에 시간과 신뢰 에너지가 필요한 층에 가치가 응축된다. 컨텍스트는 이 시대의 lock-in이고, eval은 이 시대의 API이고, liability는 이 시대의 보험업이다. (요새 이 개념을 control plane/data plane 형태로 정리해보고 있는중이다.) 이 OS 위에서는 "앱"이라는 개념도 뒤집힌다. 젠슨은 무대에서 이렇게 물었다. "Words are thoughts. 말 없이 생각해본 적이 있는가?" 언어가 곧 사고의 형식이라면, 프로세서가 모델인 이 머신의 명령어 집합은 바이너리가 아니라 자연어다. 폰 노이만 머신에서 프로그램이 기계어로 컴파일되어 CPU에 먹여졌듯, 이 머신에서 프로그램은 문장으로 쓰여 모델에 먹여진다. Markdown이 이 머신의 머신코드라는 말은 비유가 아니라 아키텍처 선언에 가깝다. 그래서 앱은 OS 위의 skill로, 텍스트로 쓰인 지식 번들로 격하된다. 응용 소프트웨어는 문서가 되고, 문서는 marketplace에서 거래되며, 앱 회사의 가치는 OS 지분과 skill IP로 수렴한다. 그리고 이 OS의 왕좌를 놓고, 두 개의 군대가 서로 반대 방향에서 진군한다. 하나는 위로 치고 올라오는 프론티어 랩이다. 범용 지능에서 출발해, 하네스를 만들고, 메모리를 만들고, 도메인의 workflow를 하나씩 삼키며 올라온다. 무기는 지능의 압도적 총량과 배포의 규모. 그들이 꿈꾸는 것은 모든 도메인 위에 군림하는 단일한 범용 AI OS다. 다른 하나는 아래로 내려꽂는 도메인 오너다. 고객과 물성과 인허가에서 출발해, commodity가 된 모델과 커널을 가져다가 자기 도메인의 컨텍스트와 eval 위에 꽂는다. 무기는 프론티어가 원격으로는 결코 만질 수 없는 것 — 현실이 돌려주는 outcome이다. 승부의 경계선은 이미 그어져 있다. 그 도메인의 outcome label이 스크린 안에서 생기는가, 밖에서 생기는가. 법률, 회계, 마케팅, 범용 코딩 — reward가 디지털 표면 안에 있는 도메인은 프론티어 랩이 압도적으로 유리하다. 그 도메인의 reward를 원격으로 근사할 수 있기 때문이다. 바이오, 뷰티, 헬스케어, 제조 — reward가 피부에, 세포에, 공장에 묻혀 있는 도메인은 도메인 오너가 이긴다. 특이점 구간을 통과한 뒤의 산업 지도는, 이 경계선을 따라 두 색으로 칠해져 있지 않을까. - 결언 : 통과 중인 자의 좌표 젠슨은 무대에서 "이 시대의 가장 유용한 기술은 systems thinking"이라 말했다. 그 말의 진짜 의미가 이것이라고 생각한다. 특이점은 어느 한 시점이 아니라 구간이고, 구간을 통과하는 자에게 필요한 것은 더 나은 부품이 아니라 시스템 전체의 지도다. 그 지도 위에서 지능은 인프라가 되고, 가치는 가운데를 버리고 양끝으로 이동한다. 아래로는 전자와 실리콘으로 — 그 끝은 이미 주인들이 대략 정해져 있다. 위로는 현실이 시간을 들여 돌려주는 outcome으로 — 여기는 아직 주인이 없고, 자리는 도메인의 수만큼 비어 있다. 그 윗쪽 자리의 주인들은 아마도 지금 생겨나고 있지 않을까 한다. 아직 우리의 사고가 그들을 정의하지 못하고 있을 뿐이란 느낌이다. 모델이 수렴할수록, 자기 도메인의 verification loop를 먼저 돌리기 시작한 자의 우위는 복리가 된다. 컨텍스트는 하루아침에 축적되지 않고, 현실은 label을 즉시 돌려주지 않기 때문이다. 1년 반 전의 문장은 이렇게 다시 쓰인다. "Non-verifiable data domain is all you need."였던 것이, "Reality-gated verification loop is all you need."가 된다. 엊그제 이재명 대통령 주위에 서 있던 분들이 이미 시장을 다 끝내버린 것 같지만, 뭔가가 이제 막 또 시작하는 느낌이 든다.

한국어
0
0
3
255
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Kimi.ai
Kimi.ai@Kimi_Moonshot·
Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params. Alongside Kimi K3, we're opening up more of the stack behind it — high-performance attention kernels, MoE communication library, and infrastructure for running agent environments at scale. Model weights: huggingface.co/moonshotai/Kim… Tech report: github.com/MoonshotAI/Kim… Tech blog: kimi.com/blog/kimi-k3
Kimi.ai tweet media
English
1.5K
7.3K
45.9K
12.8M
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Lablup Inc.
Lablup Inc.@lablupinc·
Lablup joined PseudoCon 2026 last Saturday. We showed AI:GO running open-source models locally and handing real work to built-in agents. Thank you, Pseudo Lab, for having us! #Lablup #PseudoCon #BackendDOTAI
Lablup Inc. tweet mediaLablup Inc. tweet mediaLablup Inc. tweet mediaLablup Inc. tweet media
English
0
2
1
227
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Guillermo Rauch
Guillermo Rauch@rauchg·
Vercel proudly co-signs the Open Weights and American AI Leadership letter. Open source, data, protocols & research enable the technological wonders we enjoy every day, enriching our lives and our world. Open weights are the logical next frontier: aka.ms/OpenLetter
Guillermo Rauch tweet media
English
65
111
2.2K
216.3K
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Chris Tate
Chris Tate@ctatedev·
Introducing <terminal /> A built-in component for Native SDK → Real shell on a PTY → Powered by libghostty-vt → Selection, scrollback + truecolor → Record sessions, replay them offline Give your software factory or agent orchestrator a terminal
English
37
70
1.4K
130.3K
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Lynx
Lynx@LynxJS_org·
👋 Open UI!
Rabi Shanker Guha@rabi_guha

ByteDance's @lynxjs_org now officially supports OpenUI - the framework powering native experience for billions at TikTok and CapCut Your agent streams OpenUI Lang, Lynx renders it as real native components on Android, iOS, and web. Full v0.5 support - state, queries, mutations, actions. Thanks to the awesome work by @BitterGourd1020 🙌

Nederlands
1
5
42
4.1K
Jimmy Moon (현경, 炫炅) 👨‍🔬 retweetledi
Pavlenex
Pavlenex@pavlenex·
What’s all the buzz about Buzz? 🐝 02:14 Getting started, setting up Codex & Claude 03:20 Join a community 04:06 Meet your agent team 05:05 Creating agents (configuring personalities, local models) 08:30 Interacting with agents (multiple models, local or cloud) 09:44 Dream big 11:46 Sharing compute for local models with other users
English
26
80
650
105.7K