Client, Ru Code, Kilo

이 출처는 **AI 코딩 확장 기능**을 사용하여 개발자가 생산성을 높일 수 있는 방법을 설명하는 **YouTube 동영상의 대본 발췌록**입니다. 발표자는 **Cursor**나 **Claude Code**와 같은 기존 도구 대신 **Client, Ru Code, Kilo**와 같은 새로운 오픈 소스 확장 기능을 사용할 것을 권장하며, 이 확장 기능들은 더 광범위한 **모델 지원(OpenRouter를 통해)**, 더 나은 **사용 투명성**, 그리고 향상된 **사용자 지정 기능**을 제공한다고 강조합니다. 또한, **GLM 4.6**과 같은 특정 오픈 소스 모델이 기존의 유명 모델들보다 성능과 비용 효율성 면에서 더 우수함을 보여주는 벤치마크 결과를 제시하며, AI 코딩 도구 환경이 끊임없이 변화하고 있으므로 **적응력**이 중요하다고 조언합니다.


- - AI 코딩 확장 기능들이 대세가 되고 있지만, 대부분의 사람들은 여전히 2024년에 머물러 커서(Cursor)나 클로드 코드(Cloth Code)만 사용하고 있습니다.
- - 이번 영상에서는 왜 이러한 차세대 AI 확장 기능들이 인기를 얻고 있는지, 그리고 이를 사용하여 무엇이든 구축하는 방법을 설명하겠습니다.
- - 제 이름은 데이비드 안드레이이며, vector.ai의 설립자입니다.
- - 저는 AI 도구로 소프트웨어를 구축하는 데 1,000시간 이상을 보냈습니다.
- - 여러분은 '데이비드, 왜 커서를 사용하지 않고 이 모든 새로운 확장 기능에 신경을 써야 할까요?'라고 물을 수 있습니다.
- - 여기에는 몇 가지 이유가 있습니다.
- - 첫 번째 이유는 이 AI 확장 기능을 어디서든 사용할 수 있다는 것입니다.
- - 여러분이 정말 좋아하는 VS Code 설정이 있어서 커서 윈도우로 전환하고 싶지 않다면, 확장 기능을 설치하기만 하면 바로 사용할 수 있습니다.
- - 또한, 이 확장 기능들을 사용하면 어떤 제공업체(provider)든 사용할 수 있습니다.
- - OpenAI, Anthropic, Gemini, Mistral, Deepseek, Quen 등 무엇을 사용하든 상관없이 이러한 최신 확장 기능들은 모두 지원합니다.

- - 하지만 클로드 코드만 사용한다면, 당연히 엔트로픽 모델만 지원합니다.

- - 그리고 실제로 영상 후반부에는 이러한 확장 기능에서 오픈 소스든 클로즈 소스든 상관없이 존재하는 모든 모델을 사용할 수 있는 오픈 라우터(Open Router) 사용법을 보여드릴 것입니다.
- - 그러니 끝까지 시청해 주세요.
- - 세 번째 이유는 이 확장 기능들이 무료이며 오픈 소스라는 점입니다.
- - 클로드 코드에 매달 200달러를 지불하는 대신, Kilo, Rue 또는 Client를 무료로 사용할 수 있습니다.
- - 게다가 이들은 오픈 소스입니다.
- - 오픈 소스의 장점은 여러분이 문자 그대로 GitHub를 열어 내부를 들여다보고 이것이 어떻게 만들어졌는지 확인할 수 있다는 것입니다.
- - 개선할 아이디어가 있다면 포크(fork) 버튼을 클릭하고 오늘 바로 자신만의 버전을 작업하기 시작할 수 있습니다.
- - 수많은 사람들이 커서에서 이러한 확장 기능으로 전환하는 또 다른 이유는 이들이 사용자 정의(customizable)가 가능하다는 것입니다.
- - 이들은 파워 유저에게 훌륭한 훨씬 더 나은 컨텍스트 엔지니어링을 제공합니다.
- - 또한, 사용량 개요를 실제로 볼 수 있습니다.
- - 반면에 커서는 투명한 한도 공개에 대해 좋은 평판을 가지고 있지 않습니다.

- - Kilo Ru와 Client를 비교할 때는 이들 간의 관계, 각각이 작동하는 방식, 그리고 어떻게 생겨났는지를 이해하는 것이 중요합니다.
- - 이를 이해하는 가장 간단한 방법은 Client가 오픈 소스 코딩 AI 에이전트로 생성되었다는 것입니다.
- - 그리고 누군가 이를 포크하여 Client의 포크인 R code를 만들었고, 그 다음 R code가 포크되어 Kilo가 생성되었습니다.
- - 하지만 이 AI 도구들 각각은 다른 목적을 가지고 있으며, 이것이 바로 지금 여러분에게 가장 적합한 확장 기능이 무엇인지 알 수 있도록 제가 설명하려는 내용입니다.
- - 기본이 되는 Client부터 시작하겠습니다.
- - 이는 가장 초보자 친화적입니다.
- - 설정은 간단하지만 사용자 정의가 많이 가능하지는 않습니다.
- - 우리가 다룰 나머지 두 확장 기능인 RU code와 Kilo code는 Client의 업그레이드 버전이라고 생각하면 됩니다.
- - 그러나 Kilo와 Ru가 더 많은 기능을 가진 고급 버전일지라도, 여러분은 여전히 기본 사용법을 알아야 합니다.
- - Client 사용법을 배우면, 이후에 나오는 어떤 새로운 확장 기능에도 쉽게 적응할 수 있을 것입니다.

- - 이제 Client 설정 방법을 보여드리겠습니다.
- - 사실 매우, 매우 쉽습니다.
- - 좋습니다.
- - VS Code나 여러분이 사용하는 어떤 코드 에디터든 열고 확장 기능 탭을 엽니다.
- - Client를 입력하면 바로 보입니다.
- - 아직 설치하지 않았다면 설치를 클릭하세요.
- - 확장 기능을 설치한 후에는 기본 사이드바를 열어야 합니다.
- - 저기 Client가 있습니다.
- - 오른쪽에 있을 수도 있습니다.
- - 저처럼 왼쪽에 있는 것을 선호한다면 왼쪽으로 드래그하세요.
- - 당연히 그 위치가 더 좋지만, 오른쪽에 있더라도 따라 할 수 있습니다.
- - 어쨌든, Client는 이렇게 생겼습니다.
- - 여기에는 최근 작업 내역이 있습니다.
- - 방금 설치했다면 당연히 비어 있을 것입니다.
- - 하단에는 기본 채팅 입력 필드가 있습니다.
- - 위에서는 어떤 명령을 승인할지 등 더 많은 고급 설정을 결정할 수 있습니다.
- - 어쨌든, Client를 사용하기 전에 모델을 설정해야 합니다.
- - 즉, 제공업체를 선택해야 합니다.
- - 왼쪽의 설정으로 이동하여 API 구성을 클릭하세요.

- - 여기에서 사용할 제공업체를 결정해야 합니다.
- - 이 결정은 매우 쉽습니다.
- - 모든 모델을 사용할 수 있게 해주는 한 가지가 있기 때문입니다.
- - 바로 Open Router입니다.
- - open router.ai로 이동하여 계정을 만드세요.
- - 20초 정도 걸리며 매우 쉽습니다.
- - 그런 다음 오른쪽 상단으로 이동하여 크레딧을 클릭하고 약간의 금액을 충전하세요.
- - 5달러 정도만 충전해도 충분할 것입니다.
- - 왜냐하면 우리는 매우 효율적인 오픈 소스 모델을 사용할 수 있기 때문입니다.
- - 예를 들어, 오른쪽 상단을 클릭하면 Ernie 4.5 21B, A3B Thinking과 같이 방금 출시된 모든 새로운 모델 목록을 볼 수 있습니다.
- - 대부분의 사람들은 Ernie 4.5가 존재하는지조차 모르며, 이는 그들이 뒤처지고 있다는 의미입니다.
- - 농담입니다.
- - 하지만 기본적으로 여기에는 GLM 4.6(현재 가장 좋은 모델 중 하나) 또는 Cloth Zone is 4.5, 또는 Deepseek v3.2와 같이 여러분이 생각할 수 있는 모든 모델이 Open Router에서 사용 가능합니다.

- - 그래서 다음 2분 동안 집중하면, 모든 확장 기능을 사용하는 방법뿐만 아니라 출시되는 모든 AI 모델을 사용하는 방법도 알게 될 것입니다.
- - 오른쪽 상단으로 이동하여 키(Keys)를 클릭하고 API 키 생성을 클릭합니다.
- - 이름을 '구독'이라고 지정하겠습니다.
- - 이 영상을 보고 있다면 구독해 주세요.
- - 2초 걸리고 완전히 무료입니다.
- - 좋습니다.
- - 키를 만들고 복사하겠습니다.
- - 이제 빈 프로젝트로 돌아가서, API 키를 누구에게도 공유하지 않도록 말씀드려야 합니다.
- - 비밀번호처럼 취급하세요.
- - 그런 다음 Client 내에서 API 제공업체를 켜고 Open Router를 클릭한 다음 API 키를 붙여넣기만 하면 됩니다.
- - 다음으로 사용할 모델을 선택할 수 있습니다.
- - 어쩌면 GPT5를 사용하고 싶을 수도 있습니다.
- - GPT5가 여기 있습니다.
- - '사고 활성화(Enable thinking)'를 활성화해야 합니다.
- - 6,000 토큰을 설정합시다.
- - Client는 Open Router에서 올바른 가격을 이미 불러오므로, 컨텍스트 창이나 입력/출력 가격 설정에 대해 걱정할 필요가 없습니다.
- - 이것은 여기 GPT5와 정확히 일치합니다.
- - 모든 것이 일치하는 것을 볼 수 있습니다.

- - 완료를 클릭하고 테스트 메시지를 보내봅시다.
- - '당신은 누구입니까?' 우리는 '실행 모드(act mode)'에 있습니다.
- - 참고로, Client가 변경 사항을 만드는 것을 원하지 않는다면 '계획 모드(plan mode)'로 전환할 수 있습니다.
- - 첫 번째 응답이 왔습니다.
- - 여러분이 알아차릴 수 있는 한 가지는 상단에서 고급 컨텍스트 사용량을 볼 수 있다는 것입니다.
- - 이것은 클로드 코드(Cloth Code)나 커서(Cursor)에는 완전히 없는 기능입니다.
- - 이 도구들은 사용량에 대해 모호하고 투명하지 않았으며, 사람들은 그들의 클로드 코드 한도나 커서 한도에 예전보다 훨씬 빨리 도달하고 있다고 불평해 왔습니다.
- - 이제 Client의 고급 설정을 자세히 살펴보기 전에, 먼저 Rue에 대해 이야기해 봅시다.
- - R code를 이해하는 가장 쉬운 방법은 파워업이 추가된 Client라고 생각하는 것입니다.
- - 이는 시스템 프롬프트, 모든 다른 모델에 대한 제어, Client가 제공하는 것보다 더 많은 사용자 정의를 원하는 중급 개발자에게 가장 좋습니다.
- - 예를 들어, 한 가지 기능은 슬래시 명령(/ commands)입니다.
- - 이것이 바로 Ru code 대 Client의 명확한 철학입니다.

- - 클로드 코드와 유사하게, 특정 프롬프트를 반복하고 있다면 이를 슬래시 명령으로 설정하여 엄청난 시간을 절약할 수 있습니다.
- - 참고로, 저희는 동일한 기능을 Vectal에도 추가하고 있습니다.
- - Notion에서 똑같은 것을 계속 반복하는 대신, 작업을 위해 Vectal을 사용하세요.
- - Vectal에 대해 말하자면, 우리는 엄청난 개선을 이루었습니다.
- - 예를 들어, 우리는 Perplexity Pro를 내장했습니다.
- - Perplexity Pro에 매달 20달러를 지불하는 대신, Vectal을 사용하면 모든 AI 모델을 함께 얻을 수 있습니다.
- - 우리는 Sonet 4.5, GP4.1, GLM 4.6을 모두 단일 앱에서 강력한 채팅 기능과 함께 제공합니다.
- - 사실 Chat GPT보다 훨씬 강력합니다.
- - 우리는 슬래시 명령이 있으며, 작업 목록을 나열하거나, 저의 주요 작업을 나열하고, 채팅 에이전트가 UI와 상호 작용할 수 있는 생산성 에이전트를 가지고 있습니다.
- - 따라서 이것은 정말 궁극적인 생산성 에이전트입니다.
- - 여러분의 작업, 프로젝트, 현재 작업 중인 내용에 대한 컨텍스트가 없는 Chat GBD를 사용하는 대신, Vectal은 이 모든 것을 알고 있습니다.

- - 여기에 작업 관리자가 있습니다.
- - 칸반 보기(kanvan view)로 전환하고 싶다면 그렇게 할 수 있습니다.
- - 왼쪽에 있는 사이드바에서는 모든 프로젝트를 볼 수 있으며, 각 프로젝트마다 사용자 정의 시스템 프롬프트를 설정하여 채팅 에이전트가 해당 프로젝트에만 전문화되고 집중할 수 있도록 할 수 있습니다.
- - 따라서 여러분이 극도로 생산적이기를 원하고 모든 최첨단 AI 모델에 한 곳에서 접근하고 싶다면, vectal.ai로 이동하여 시도해 보세요.
- - 완전히 무료로 시작할 수 있습니다.
- - 좋습니다.
- - 이제 R code로 돌아가 봅시다.
- - 여러분이 이해해야 할 가장 큰 것 중 하나는 인덱싱(Indexing)입니다.
- - 솔직히 말해서, 이것이 Client와 Ru code의 가장 큰 차이점일 수 있습니다.
- - Ru code는 전체 코드베이스를 인덱싱하는 반면, Client는 의도적으로 그렇게 하지 않습니다.
- - 여러분은 '데이비드, 코드베이스 인덱스라는 게 도대체 뭐죠?'라고 생각할 수도 있습니다.
- - 음, 그것을 코드베이스의 다차원 벡터 데이터베이스라고 생각해 보세요.
- - 여러분의 코드베이스는 고차원 벡터 임베딩으로 변환됩니다.

- - 그리고 이를 통해 의미론적으로 검색할 수 있습니다.
- - 누군가 '인증(authentication)'이라고 말하면, 그 단어를 명시적으로 언급하지 않더라도 인증과 관련된 모든 파일을 얻을 수 있습니다.
- - 다음은 3차원 벡터 데이터베이스의 시각화입니다.
- - 실제로는 수천 개의 다른 차원을 가질 수 있지만, 기본적으로 프론트 엔드가 있다고 가정해 봅시다.
- - 프론트 엔드의 파일은 백 엔드의 파일과 의미론적으로 멀리 떨어져 있을 수 있습니다.
- - 또는 같은 기능에 관한 것이라면, 예를 들어 Vectal에 있는 채팅과 같은 채팅 기능이라면, 프론트 엔드 파일이든 백 엔드 파일이든 의미론적으로 더 가까울 수 있습니다.
- - 코드베이스를 인덱싱할 때, 모든 파일과 코드를 가져와서 이와 유사한 형태(당연히 훨씬 더 많은 차원을 가진)로 만듭니다.
- - 그리고 이것은 도구들이 더 빨리 검색할 수 있게 해줍니다.
- - 따라서 R code 내에서 이것의 이점은 더 빠른 검색이 가능하다는 것입니다.
- - '작업 목록 업데이트(update the task list)'라고 입력하면, 작업과 관련된 모든 파일을 거의 즉시 알게 될 것입니다.

- - 이로 인한 문제는, 여러분이 원하지 않는 컨텍스트가 로드될 수도 있다는 것입니다.
- - 그리고 이것이 바로 Client가 의도적으로 인덱싱을 추가하지 않기로 결정한 이유입니다.
- - 이렇게 하면 프롬프트에 어떤 컨텍스트를 삽입할지 선택할 수 있습니다.
- - 게다가 이론적으로는 돈을 덜 쓸 수 있는 능력도 제공합니다.
- - 예를 들어, 매번 전송되는 토큰 중 일부가 인덱스에서 온 것이라면, 인덱싱이 없으면 당연히 추가 토큰에 대해 비용을 지불하지 않습니다.
- - 따라서 Client를 사용하면 API 비용을 약간 절약할 수 있습니다.
- - 사실, 그들은 이 문제에 대해 전체 기사를 썼는데, 제가 화면에 띄울 것입니다.
- - 그들은 컨텍스트 창이 충분히 크기 때문에 인덱싱에 대해 논란의 여지가 있는 입장을 취했습니다.
- - 필요한 파일을 태그하기만 하면 되며, 이러한 고급 인덱싱이 필요 없다는 것입니다.
- - 거의 모든 다른 코딩 도구가 코드베이스를 인덱싱한다는 점을 고려하면, 이것은 분명히 논란의 여지가 있습니다.

- - 이제 사람들이 Client 대신 R code를 사용하기를 좋아하는 주요 이유 몇 가지를 살펴보겠습니다.
- - 우선, 여러 전문 모드(multiple specialized modes)가 있습니다.
- - 다시 돌아가서 R code를 활성화해 보겠습니다.
- - 참고로 설정은 동일합니다.
- - 확장 기능으로 이동하여 R code를 입력하고 여기 캥거루를 클릭하세요.
- - 이 채널을 시청하는 모든 호주인들에게 경의를 표합니다.
- - 여러분이 몇 명인지는 모르겠지만, 호주인이라면 아래에 캥거루라고 댓글을 달아주세요.
- - 어쨌든, 여러분은 같은 방식으로 확장 기능을 설치하고 활성화합니다.
- - 여기 R code 로고가 보입니다.
- - Client의 포크인 만큼 Client와 매우 유사하지만, '새 작업(new task)'과 같은 작업 버튼이 없고 채팅이 조금 더 깔끔합니다.
- - 그러나 아키텍트(architect), 코드 질문(code ask), 디버그(debug), 오케스트레이터(orchestrator)와 같은 모드들이 있습니다.
- - 이것들은 기본적으로 코드베이스의 다른 부분을 수행할 수 있도록 미리 구축된 프롬프트입니다.
- - 솔직히 말해서, 저는 Vectal에도 이와 유사한 것을 추가하는 것을 고려하고 있습니다.
- - 예를 들어, 작업을 정리하거나, 새로운 아이디어를 브레인스토밍하거나, 계획을 세우거나, 다양한 생산성 활동을 연구하는 것과 같은 것입니다.
- - 여러분이 그것을 보고 싶다면 알려주세요.
- - 기본적으로, 여러분이 하는 다양한 유형의 생산성 또는 작업 관리 활동을 위한 다양한 모드입니다.

- - 어쨌든, 이것이 가장 큰 차이점 중 하나입니다.
- - 또한 모드 마켓플레이스(mode marketplace)를 이용할 수 있습니다.
- - 여기에서는 RU 팀이 만들었거나 임의의 사람들이 만든 다양한 모드들을 검색할 수 있습니다.
- - 무언가를 찾고 싶다면 마켓플레이스에서 찾을 수 있습니다.
- - MCPS도 마찬가지입니다.
- - 확장 기능을 더 강력하게 만드는 또 다른 방법은 다양한 MCPS를 연결하는 것입니다.
- - 여기에서 Vectal MCP를 사용할 수도 있습니다.
- - MCPS가 연결된 곳이라면 어디든지 Vectal MCP를 사용하여 R code에서 직접 작업을 관리할 수 있습니다.
- - 예를 들어, Vectal 내에 작업이 있는 프로젝트가 있고 R code가 이를 실행하도록 위임하고 싶다면, MCP를 연결하고 코딩 에이전트에게 위임할 수 있습니다.
- - 사람들이 R code를 좋아하는 다음 기능은 메모리 뱅크 지원(memory bank support)입니다.
- - 이를 통해 프로젝트 컨텍스트와 코딩 표준을 세션 간에 유지할 수 있습니다.
- - 기본적으로 코드베이스의 메모리를 생성하는 것입니다.
- - 또한 향상된 컨텍스트 이해와 대규모 코드베이스에 대한 더 나은 처리를 제공합니다.
- - 그리고 저는 이것이 인덱스 때문이라고 생각합니다.
- - 왜냐하면 코드베이스가 매우 클 경우, 단일 프롬프트의 컨텍스트 창에 모든 파일을 태그할 수는 없기 때문입니다.
- - 바로 이 지점에서 인덱스가 작동하게 됩니다.

- - 우리는 Augment와 같은 다른 도구들에서도 이것을 볼 수 있는데, 이 도구들은 인덱싱을 정말 강조합니다.
- - 사람들이 Ru를 사용하는 것을 선호하는 몇 가지 다른 이유가 있지만, 직접 사용해 보는 것이 어떨까요?
- - 여러분 스스로 판단할 수 있도록 말입니다.
- - 저는 여러분 모두가 그렇게 하기를 권장합니다.
- - 이러한 확장 기능들을 설치하기만 하면 됩니다.
- - 설정은 동일합니다.
- - Open Router를 이 모든 것과 함께 사용할 수 있습니다.
- - 설정으로 이동하면, 왼쪽에 제공업체들이 있습니다.
- - 여기에는 GLM 코딩 패스를 통해 GLM을 설정한 것이 있지만, Open Router를 사용하지 않을 이유가 없다는 것을 깨달았습니다.
- - 여기에도 GLM이 있습니다.
- - 잠시 후 왜 이 모델이 그렇게 놀라운지 설명하겠습니다.
- - 이 모델이 현재 최고의 오픈 소스 코딩 모델일 수 있으므로 계속 주목해 주세요.
- - 이 모델이 왜 그렇게 좋은지 설명하면서 잠시 후 이 모델에 대해 자세히 알아보겠습니다.

- - 하지만 제가 방금 깨달은 것은, Z AI, 즉 Zipu AI GLM 코딩 플랜(별도의 구독과 설정이 필요한)을 통해 이것을 사용하는 대신, 여기에서 설정한 것처럼 OpenAI와 호환되게 설정하는 대신, Open Router를 통해 사용하기만 하면 된다는 것입니다.
- - 그래서 장점은 프로필을 새로 추가할 수 있다는 것입니다.
- - Open Router를 클릭하고 프로필 제공업체를 만듭시다.
- - Open Router를 입력합니다.
- - 여기에서 새 키를 만들 것입니다.
- - 좋습니다.
- - 제한 사항도 로드합니다.
- - 좋습니다.
- - 그리고 여기에서 GLM을 선택할 수 있습니다.
- - 최신 버전인 4.6을 사용해야 합니다.
- - 그리고 '추론 노력(Reasoning effort)'이 있습니다.
- - 이것은 Ru code의 또 다른 장점입니다.
- - 여기에서 추론 노력을 선택할 수 있습니다.
- - 저는 '높음(high)'으로 설정하겠습니다.
- - 또한 '할 일 목록 편집(to-do list editing)'이나 '일치 정밀도(match precision)'와 같은 고급 설정도 있습니다.
- - Ru code가 Client의 더 고급 버전이라는 것을 알 수 있습니다.

- - 따라서 여러분이 누구인지에 따라, 모든 제어를 원하는 파워 유저라면 Ru code가 더 나은 선택일 수 있습니다.
- - 만면에 간단한 인터페이스를 선호하고 도구 제작자를 신뢰하여 좋은 설정을 제공받고 싶다면 Client가 훌륭한 대안입니다.
- - 어쨌든, 저는 이 모든 것이 좋다고 생각합니다.
- - 추론 노력을 높게 설정했는지 확인하고 저장을 클릭한 다음, 실제로 GLM 4.6을 사용하는지 봅시다.
- - Open Router를 통해 실행하는 것의 장점은, 예를 들어 제공업체 중 하나가 다운되었을 때입니다.
- - GLM 4.6으로 이동하면 Jud Silicon Flow, Deep Infra, GMI Cloud, Atlas Cloud, Parasale, Novita AI 및 ZAI가 있음을 알 수 있습니다.
- - ZAI는 GLM 4.6의 공식 제작자입니다.
- - 하지만 그들의 처리량은 꽤 낮습니다.
- - 그리고 가동 시간(uptime)이 100%가 아닐 수도 있습니다.
- - 따라서 그들이 다운되면 Open Router는 여러분을 다른 곳으로 전환시킵니다.
- - 그리고 제공업체를 클릭하면 다양한 가동 시간과 처리량을 볼 수 있으며, 실제로 가장 높은 처리량을 가진 제공업체를 사용하여 가능한 한 빨리 작업할 수 있습니다.

- - 가동 시간에서는 차이를 볼 수 있습니다.
- - 단일 제공업체를 사용하면 가동 시간이 그다지 좋지 않습니다.
- - 하지만 Open Router를 설정하면 기본적으로 항상 100% 가동 시간을 가질 수 있습니다.
- - 앱에서는 사람들이 그것을 어떻게 사용하는지 볼 수 있습니다.
- - 여기 Ru code가 있고, Client가 있습니다.
- - 잠시 후 다룰 Kilo는 현재 GLM 4.6 사용량 면에서 두 번째로 높습니다.
- - 좋습니다.
- - 돌아가서 실제로 테스트해 봅시다.
- - '누가 당신을 만들었나요?' 이 AI가 이 모델을 만든 사람을 아는지 봅시다.
- - 보시다시피, Ru는 여러분이 한 일을 기반으로 작업과 후속 작업을 제안합니다.
- - 이것은 창의적이지 않은 사람들에게 훨씬 더 쉽게 만들어 줍니다.
- - 여러분이 창의적이라면 다음에 무엇을 해야 할지 알겠지만, 많은 사람들은 무엇을 해야 할지 확신하지 못합니다.
- - 그래서 이러한 원클릭 방식(예: '조수로서 당신에 대해 더 말해 주세요')은 여러분의 다음 행동을 예측하고 그것을 원클릭으로 만들려고 노력합니다.

- - 보시다시피, 이것이 응답하는 모습입니다.
- - '작업 완료'라고 표시되며, API 요청 세부 정보뿐만 아니라 가격, 그리고 사고(thinking) 과정을 볼 수 있습니다.
- - '생각 태그(think tags)'에서도 이를 확장할 수 있습니다.
- - 사용자 인터페이스의 차이점을 이미 볼 수 있습니다.
- - 그리고 상단에는 컨텍스트를 시각화하는 다른 방식도 있습니다.
- - 기본적으로는 조금 더 압축되어 있지만, 확장할 수 있으며, 컨텍스트 길이, 입력 토큰, 출력 토큰, API 비용 및 킬로바이트 단위의 크기에 대한 세부 정보를 볼 수 있습니다.
- - 이러한 확장 기능의 제작자들은 다른 방식으로 자신의 의견을 고수하고 있습니다.
- - 그리고 하단에서는 코드베이스 인덱스를 볼 수 있습니다.
- - 원한다면 비활성화할 수도 있습니다.
- - 따라서 Ru code를 사용하고 싶지만 인덱싱을 싫어한다면 여전히 가능합니다.
- - 이제 약속드린 대로, GLM 4.6에 대해 이야기해 봅시다.
- - 이 모델은 현재 최고의 오픈 소스 코딩 모델 중 하나입니다.
- - 실제로 그렇습니다.
- - 그리고 많은 사람들이 그것이 존재하는지조차 모릅니다.

- - 따라서 잠시 후 다룰 Kilo에 대해 이야기하기 전에, GLM 4.6에 대해 간단히 이야기해 보겠습니다.
- - 이 모델은 정말 놀랍습니다.
- - 이것을 보세요.
- - 여기에는 GLM 4.5(이전 버전), Deepseek v3.2(Deepseek의 최신 버전), Cloth 4 Set 및 Cloth 4.5 Set(Anthropic의 최신 버전)과 비교한 8가지 벤치마크가 있습니다.
- - GLM 4.6은 여러 다른 벤치마크에서 Cloth 4.5 Set까지 이깁니다.
- - 그러니 이것은 무시할 수 있는 단순한 무작위의 새로운 오픈 소스 모델이 아닙니다.
- - 이것은 여러 벤치마크에서 최고의 Anthropic 모델을 이기고 있기 때문에 무시할 수 없습니다.
- - AME25는 수학입니다.
- - GLM 4.6이 수학에서 최고라는 것을 알 수 있습니다.
- - GPQ8(Google Proof Question Answer)은 또 다른 매우 유명한 벤치마크이며, 여기서는 Sonet 4.5와 거의 일치합니다.
- - Life codebench v6에서는 Sonet 4.5를 완전히 압도합니다.
- - Hle이 무엇인지는 모르겠지만, 도구 호출(tool calling)에서는 놀랍습니다.
- - Browse Comp도 Anthropic을 이기고, SWB Bench Verified는 Sonet이 훨씬 낫습니다.

- - 터미널 벤치(Terminal Bench)에서도 새로운 Set이 여기서 이기고, TS Squared Bench에서도 Set이 최고이지만, GLM 4.6은 최고의 오픈 소스 모델입니다.
- - 그래서 이 모델은 실제로 매우 강력하며, 일부 작업에서는 Sonet 4.5보다 더 좋을 것입니다.
- - 그리고 이것이 바로 여러분이 이러한 확장 기능들을 절대 무시할 수 없는 이유입니다.
- - 여러분에게 클로드 코드(Cloud Code)나 커서(Cursor)가 있을 수 있지만, 둘 다 현재 GLM 4.6을 가지고 있지 않다는 것은 정말 놀라운 일입니다.
- - 따라서 여러분이 코덱스(Codex)를 사용하든, 클로드 코드를 사용하든, 이들은 훌륭한 도구입니다.
- - 그리고 마지막에 제 생각과 현재 설정이 어떤지 말씀드리겠습니다.
- - 당연히 코덱스와 클로드 코드를 사용해야 할 때와 장소가 여전히 있지만, 여러분은 이러한 확장 기능들을 정말 무시할 수 없습니다.
- - 왜냐하면 이것이 GLM 4.6과 같이 주류의 관심을 받지 못하지만, 이러한 벤치마크를 압도하고 여러 면에서 Anthropic 모델(일반적으로 더 비싼 유형의 모델)보다 훨씬 비용 효율적인 모델을 사용하는 방법이기 때문입니다.

- - 비용에 대해 말하자면, 제가 설명해 드리겠습니다.
- - GLM 4.6은 현재 Cloth Sonet 4.5 가격의 1/7입니다.
- - 그리고 보시다시피, 이것은 비교 가능한 모델입니다.
- - 훨씬 나쁘지 않습니다.
- - 말 그대로 비교 가능하며, 일부 작업에서는 훨씬 더 좋습니다.
- - 그리고 비용은 1/7입니다.
- - Sonet 4.5는 입력 토큰 백만 개당 3달러, 출력 토큰 백만 개당 15달러입니다.
- - GLM 4.6 인덱스는 입력 토큰 백만 개당 0.5달러, 출력 토큰 백만 개당 1.75달러입니다.
- - Client가 만든 이 인공 분석 코딩 인덱스를 보면, 오픈 소스 모델의 진화를 알 수 있습니다.
- - 2023년에는 Llama 2, Mr. Large와 같은 모델들이 클로즈드 소스 모델에 비해 매우 뒤처져 있었습니다.

- - 그러나 최근에는 Deep Seek R1 또는 Quen 3와 같은 모델 덕분에 격차가 좁혀지고 있음을 알 수 있습니다.
- - 최첨단 클로즈드 소스 모델이 최첨단 클로즈드 소스 모델에 비해 그렇게 훨씬 앞서 있지 않다는 것을 알 수 있습니다.
- - 그리고 지금부터 3개월 또는 6개월 후에는 우리 대부분이 이미 여러 EVA에서 많은 클로즈드 소스 모델을 이기고 있는 GLM 4.6과 같은 오픈 소스 모델을 주로 사용하게 될 가능성이 충분히 있습니다.
- - 솔직히 말해서, 저는 GLM 4.6과 다른 모델들의 성능 비교, 그리고 그것으로 완전한 소프트웨어 프로젝트를 구축하는 것에 대한 전체 영상을 만들 수도 있습니다.
- - 그것을 놓치고 싶지 않다면 구독해 주세요.
- - 이제 이 영상 내내 제가 극찬해 온 Kilo를 살펴보겠습니다.
- - 여기에는 좋은 이유가 있습니다.
- - 현재 이 세 가지 중에서 제가 가장 좋아하는 모델이기 때문입니다.
- - 왜 그런지 아시게 될 것입니다.
- - Kilo code는 Ru code의 모든 기능과 몇 가지 추가 기능, 그리고 더 간단하고 깔끔한 UI를 원하는 경우에 적합합니다.
- - 기본적으로 Client의 장점과 Ru code의 장점을 취하여 새로운 도구에 담았습니다.
- - Kilo가 Open Router 사용량에서 종종 상위 2위 또는 3위에 드는 이유가 있습니다.
- - 사람들이 이 확장 기능을 매우 좋아하기 때문입니다.
- - 제가 말했듯이, 이것은 가장 깔끔한 UI와 가장 많은 사용자 정의 기능을 가지고 있습니다.
- - 예를 들어, 자동 완성 기능에서 '일시 정지하여 완성(pause to complete)'과 같은 트리거를 선택할 수 있습니다.

- - 이 기능이 활성화되면, Kilo는 타이핑을 멈추면 자동으로 자동 완성을 트리거합니다.
- - 여기에서 3초와 같은 지연 시간을 선택할 수도 있습니다.
- - 사실, 제가 이러한 기능을 설명하는 동안, 그냥 실행해 보는 것이 어떨까요?
- - 다시 확장 기능 탭을 열고 Kilo code를 입력합니다.
- - Kilo code AI 에이전트가 있습니다.
- - 이렇게 생겼습니다.
- - 설치하세요.
- - UI가 더 깔끔하고, 덜 압도적이며, 덜 복잡하다는 것을 이미 알 수 있습니다.
- - 이것이 제가 좋아하는 점입니다.
- - 이제 이 프로젝트에서 시작해 보겠습니다.
- - 파일이 전혀 없는 것을 볼 수 있습니다.
- - 완전히 처음부터 시작할 것입니다.
- - 그리고 아키텍트 모드를 사용할 것입니다.
- - 이 모드들은 Ru code를 기반으로 만들어졌기 때문에 Ru와 유사하다는 것을 알 수 있습니다.
- - AI 비디오 제작자를 위한 YouTube 채용 정보와 같은 프롬프트를 붙여넣겠습니다.
- - YouTube 채용 정보가 무엇인지 모른다면, 비디오 편집자나 패밀리 크리에이터로 고용될 수 있는 사이트와 같습니다.
- - 이 구축 아이디어는 AI 비디오 클립을 위한 것입니다.

- - 여러분에게 Sora 2가 있고, VO3가 있으며, AI 비디오는 빠르게 개선되고 있습니다.
- - 그리고 AI 클립 제작을 마스터하는 사람들이 있을 것입니다.
- - 그리고 그것에 대해 비용을 지불할 수많은 유튜버와 콘텐츠 제작자들도 있을 것입니다.
- - 지금은 비싼 스톡 영상을 구매해야 하지만, 더 이상 그렇지 않습니다.
- - 여러분은 최신 프롬프트 엔지니어링 및 컨텍스트 엔지니어링 기술을 마스터한 전문 AI 비디오 제작자를 고용하기만 하면 됩니다.
- - 그러면 그는 여러분에게 원하는 모든 종횡비, 모든 사실성 또는 모든 아트 스타일의 맞춤형 주문형 클립을 제공할 것입니다.
- - 이것은 아직 존재하지 않지만, 향후 6개월 동안 등장할 새로운 직책입니다.
- - 그리고 이러한 클립을 위한 마켓플레이스가 생겨날 가능성이 높습니다.
- - 왜냐하면 Runway, VO, Sora와 같이 다양한 도구들이 만들어지고 있고, 중국에서도 더 많은 도구들이 나오고 있기 때문입니다.
- - 이러한 클립을 찾거나, 판매하거나, 만들 수 있는 단일 마켓플레이스가 있어야 합니다.
- - 이것이 바로 우리가 지금 구축할 것입니다.
- - 적어도 MVP(최소 기능 제품)는 말입니다.

- - 좋습니다.
- - Kilo가 저에게 질문을 했습니다.
- - 'MVP를 위한 선호하는 배포 환경은 무엇입니까? 로컬 배포만, Vercel 또는 Railway Render 또는 AS와 같은 간단한 클라우드 호스팅.' 하이퍼스케일러는 사용하지 않을 것입니다.
- - 너무 과합니다.
- - 지금은 로컬에서 시작할 것입니다.
- - 그리고 이것이 질문을 한다는 것이 정말 좋습니다.
- - 왜냐하면 여러분이 구축하는 것의 범위를 정할 수 있게 해주기 때문입니다.
- - 아이디어를 검증하거나 무효화하기 위한 빠른 MVP를 구축하는 것입니까, 아니면 Kubernetes 컨테이너 등으로 배포해야 하는 진지한 앱을 구축하려는 것입니까?
- - 이것이 아키텍트 모드입니다.
- - 그것은 여러분의 비전을 이해하려고 노력하고, 여러분이 목표로 하는 바를 이해하려고 노력합니다.
- - 실행을 원한다면 코드 모드가 있습니다.
- - 디버그를 원한다면 디버그 모드가 있습니다.
- - 여러 가지 모드가 있는 데는 이유가 있습니다.
- - 다음 질문입니다.
- - '직업 마켓플레이스를 위한 주요 워크플로는 무엇입니까?' 저는 두 가지 워크플로 모두 또는 실제로 이것을 선택할 수 있다고 생각합니다.
- - 이것을 취소하고 대신 이것을 선택하겠습니다.
- - 완벽합니다.
- - 이제 요구 사항을 명확하게 이해했습니다.
- - 귀하의 계획을 기반으로 포괄적인 할 일 목록을 만들겠습니다.

- - 작업에 착수하기 전에 할 일 목록을 만듭니다.
- - 그리고 상단에서 Kilo의 장점을 볼 수 있습니다.
- - 컨텍스트의 이 아름다운 시각화를 보세요.
- - 'AI 응답 보기'와 같이 표시되며, 이들 중 아무거나 클릭하여 무엇이 컨텍스트 창을 차지하고 있는지 볼 수 있습니다.
- - 매우 좋은 시각화입니다.
- - 저는 더 많은 AI 도구들이 이와 같은 것을 구현하는 것을 보게 될 것이라고 생각합니다.
- - 실제로 저는 Vectal에 컨텍스트 빌드업을 시각적으로 볼 수 있는 이러한 것을 추가하는 것을 고려하고 있습니다.
- - 컨텍스트 창을 완벽하게 제어할 수 있다는 것은 좋은 일입니다.
- - 그리고 여기에 Kilo가 만든 완전한 할 일 목록이 있습니다.
- - 13가지 정도의 포괄적인 내용입니다.
- - 이제 architecture.md를 생성하고 있습니다.
- - 매우 좋습니다.
- - 코드를 바로 작성하는 대신, 미리 계획하기 위해 마크다운 파일을 생성합니다.
- - 그리고 저는 이것이 AI 프로그래밍의 미래라고 생각합니다.
- - 바이브 코딩(vibe coding)은 죽었습니다.
- - 사실, 제가 오늘 트위터에 이것을 올렸는데, 약간의 논란을 일으켰습니다.

- - 데이비드 원을 팔로우하지 않는다면, 지금 바로 팔로우하세요.
- - 왜냐하면 제가 트위터에 올릴 수 없는 자극적인 의견들을 놓치고 있기 때문입니다.
- - 어쨌든, 바이브 코딩은 죽었고, 우리는 그것을 죽였습니다.
- - 바이브 코딩의 문제는 그것이 끌어들이는 모든 저수준 사람들, 즉 하나의 프롬프트만 입력하고 빨리 돈을 벌고 싶어 하는 모든 사람들입니다.
- - 소프트웨어 구축이 농담이라고 생각하는 그러한 유형의 사람들입니다.
- - 그것은 진지한 노력이 아닙니다.
- - 따라서 바이브 코딩과 AI 프로그래밍 사이에는 큰 차이가 있습니다.
- - 저는 앞으로 AI 프로그래밍에 집중하고 싶습니다.
- - 왜냐하면 그것이 진지한 사람들이 하는 일이고, 빠르고, 안정적이며, 확장 가능하고, 프로덕션 준비가 된 훌륭한 소프트웨어를 구축하는 데 미래가 있기 때문입니다.
- - 그리고 Kilo, 특히 아키텍트 모드에서는 AI 프로그래밍에 최적화되어 있음을 알 수 있습니다.
- - 이것은 바이브 코딩을 훨씬 능가합니다.
- - 이 코딩 에이전트가 단 한 줄의 코드를 작성하기 전에 여러 마크다운 파일을 생성하는 것을 볼 수 있습니다.

- - 사전 계획과 사고의 양은 솔직히 인상적입니다.
- - 그리고 이 에이전트가 실행되고 있으며, 작업을 하고 있음을 알 수 있습니다.
- - 저는 아무것도 하지 않고 손을 들고 있습니다.
- - 그리고 그것은 GLM 4.6을 사용하여 이 할 일 목록을 살펴보고, 데이터를 모형 스키마를 설계하고, 데이터 서비스를 모의하고, 코드를 작성하기 전에 사용자 인증 시스템을 모의 구현하여 미리 계획할 수 있도록 합니다.
- - '사용자가 나에게 말한 내용을 기반으로, 시스템의 복잡성을 기반으로, 어떤 기술 스택이 가장 좋은가? 어떤 코드베이스 구조가 가장 좋은가? 어떤 모듈 시스템이 가장 좋은가? 어떤 파일 길이가 가장 좋은가? 함수와 파일에 대한 어떤 명명 체계가 가장 좋은가?' 이 모든 것들은 코딩보다는 아키텍처에 관한 것입니다.
- - 아키텍트 모드에 있으니 소프트웨어 아키텍처, 소프트웨어 디자인에 관한 것입니다.
- - 이것은 바이브 코더들이 전혀 모르는 것입니다.
- - 솔직히 말해서, 아키텍트 모드는 이 MVP에는 과했을 수도 있습니다.

- - 그래서 이것이 실행되는 동안 새로운 작업을 시작하겠습니다.
- - 그리고 그것은 코드 모드에서 동일한 프롬프트로 진행될 것입니다.
- - 저는 이제 '이제 작업을 시작하여 이것을 실현하십시오. 코드가 적을수록 좋습니다.'라고 말할 것입니다.
- - 이것은 제가 가장 좋아하는 프롬프트 중 하나입니다.
- - 코드가 적을수록 좋습니다.
- - AI 프로그래밍을 할 때 정말 좋습니다.
- - 이전에 아키텍트 모드에서 아키텍처 및 시스템 흐름 파일이 이미 생성되었기 때문에, 코딩 에이전트는 이제 훨씬 더 빨리 실행할 수 있습니다.
- - 그리고 저는 이미 꽤 자세한 프롬프트를 제공했으므로, 잘 해낼 것입니다.
- - 이제 이것이 실행되는 동안, 사람들이 Ru 또는 Client보다 Kilo를 좋아하는 또 다른 이유를 설명해 드리겠습니다.
- - 예를 들어, 커서의 'Command K'와 유사한 '퀵 태스크(quick task)'가 있습니다.
- - 실제로 여기서 보여드릴 수 있습니다.
- - 예를 들어, 이 작업 클래스의 구조가 마음에 들지 않으면 'Command K'를 사용하여 '이 클래스를 단순화하세요'라고 말할 수 있습니다.
- - 그리고 이것은 기본적으로 코드의 단일 격리된 부분을 대상으로 합니다.
- - 섹션 일부가 제거되는 것을 볼 수 있습니다.

- - 그러나 Kilo가 제안한 계획을 망칠 수 있으므로 되돌리겠습니다.
- - 'Command I'는 Kilo 내에서 동일한 기능입니다.
- - 그리고 또한 '수동 자동 완성(manual autocomplete)'도 매우 흥미롭습니다.
- - 빠른 수정, 완성 또는 리팩토링이 필요한 경우, Kilo는 주변 컨텍스트를 사용하여 즉각적인 개선 사항을 제공할 수 있습니다.
- - 이것은 자동 완성입니다.
- - 여러분이 무엇을 필요로 하는지 지정할 필요가 없습니다.
- - 기본적으로 'Command K'와 같지만, 여러분의 의도를 추측하려고 합니다.
- - 그리고 이것은 Kilo 뒤에 있는 팀이 새로운 기능으로 빠르게 실험하고 있음을 보여줍니다.
- - 저는 이 세 가지 AI 코딩 확장 기능 중에서 Kilo가 가장 빠르게 움직인다고 말하고 싶습니다.
- - 우리는 GLM 4.6을 추가한 속도에서도 이것을 보았습니다.
- - 이미 말했듯이, 이것은 현재 최고의 오픈 소스 코딩 모델인 매우 강력한 모델입니다.
- - 저는 최고의 코딩 모델은 높은 추론 노력을 가진 GPT5 코덱스라고 말하겠지만, 코덱스에 대해서는 잠시 후에 더 이야기하겠습니다.
- - 하지만 GLM 4.6은 Kilo에 의해 9월 30일에 추가되었으며, Client는 3일 더 걸렸습니다.
- - 여전히 빨랐지만, Kilo는 정말 선두에 있습니다.
- - 이 사람들은 열심히 노력하고 있습니다.

- - Kilo 팀이 얼마나 헌신적인지를 고려하여, 저는 그들에게 향후 영상에서 파트너가 될 의향이 있는지 물었고, 그들은 2시간 이내에 응답했습니다.
- - 그래서 저는 'AI 코드 확장 기능에 대한 영상을 만들고 있는데, 이번 영상을 후원하고 싶으신가요?'라고 물었고, 그들은 동의했습니다.
- - 저는 제가 말한 결론을 바꾸지 않겠지만, Kilo 팀 플랜에 대해 말씀드리고 싶습니다.
- - 여러분이 개발자 팀을 담당하고 있다면, Kilo 팀 플랜을 정말 살펴봐야 합니다.
- - 이것은 제가 본 최고의 제안 중 하나입니다.
- - 우선, 스마트 제어 기능이 제공됩니다.
- - 이를 통해 팀이 데이터를 유출하는 모델을 사용하지 않도록 확인할 수 있습니다.
- - 많은 모델 제공업체들이 실제로 여러분의 데이터를 훈련에 사용합니다.
- - 그리고 많은 진지한 회사들이 가지고 있는 독점 코드베이스가 있다면, 팀의 누구도 이러한 모델을 사용하지 않도록 해야 합니다.
- - Kilo 팀 플랜을 사용하면 이것이 매우 쉽습니다.
- - 또한 제로 로그인(zero login) 기능도 있습니다.
- - Kilo는 오픈 소스이므로 그들의 API를 사용하거나 자신만의 키를 사용할 수 있습니다.
- - 로컬 모델까지 사용할 수 있습니다.
- - 완전히 여러분에게 달려 있습니다.

- - 그리고 솔직히 말해서, 여러분이 똑똑하다면 Kilo 팀 플랜은 실제로 돈을 절약해 줄 것입니다.
- - 왜냐하면 팀에서 누가 과도하게 성과를 내고 다음 승진을 받을 자격이 있는지, 그리고 누가 뒤처지고 있는지, 즉 도구를 사용하지 않고 AI의 최첨단에 적응하지 않고 있는지를 확인할 수 있기 때문입니다.
- - 게다가, 팀의 모든 사람이 최신 및 최고의 AI 모델을 사용하고 있는지 확인할 수 있습니다.
- - 따라서 진지한 소프트웨어 회사를 구축하고 싶거나 이미 개발자 팀을 이끌고 있다면, Kilo의 팀 플랜은 정말 살펴봐야 할 것입니다.
- - 영상 아래에 링크될 것이며, 단일 구독으로 얻는 것의 양은 정말 대단합니다.
- - 다시 한번, 확인해 주시고, 이 영상의 이 부분을 후원해 준 Kilo에게 감사드립니다.
- - 어쨌든, 코딩 에이전트가 어디에 있는지 보기 위해 돌아가 봅시다.
- - 백 엔드를 생성하고 있습니다.
- - 이것은 적절한 코드베이스 구조입니다.

- - 예상했던 것보다 훨씬 더 오래 걸리고 있습니다.
- - 보시다시피, Kilo에는 문제가 발생했을 경우 언제든지 돌아갈 수 있는 이러한 멋진 체크포인트가 있습니다.
- - 지금 당연히, 진지한 프로젝트에서 작업한다면 Git을 사용하는 방법을 배워야 합니다.
- - 여러분 중 많은 분들이 이유 없이 Git을 두려워하고 있습니다.
- - Git은 GitHub와 혼동해서는 안 됩니다.
- - Git은 버전 제어 시스템입니다.
- - 따라서 기본적으로 이러한 체크포인트를 훨씬 더 확장 가능하고 전문적인 방식으로 수행할 수 있게 해줍니다.
- - 다시 말하지만, 빠른 MVP를 구축하는 경우라면 Git 리포지토리를 설정할 필요가 없을 수도 있습니다.
- - 하지만 하루 이상 작업하는 경우에는 Git 리포지토리를 설정해야 합니다.
- - 그리고 GitHub는 다른 Git 저장소를 저장하는 방법이기 때문에 그 역할을 합니다.
- - Git은 버전 제어 시스템일 뿐입니다.
- - 위험한 변경을 하기 전의 버전, 즉 이전 버전의 코드를 방문하고 싶다면 Git이 그 역할을 합니다.
- - 이러한 체크포인트에 속지 마세요.

- - 많은 바이브 코더들이 이러한 체크포인트에 의존할 것입니다.
- - 그것은 큰 실수입니다.
- - 그냥 Git을 사용하는 방법을 배우세요.
- - 정말 간단합니다.
- - 사실, New Society에는 이에 대한 모듈이 있습니다.
- - 여기 교실 내에 'AI로 코딩하기' 섹션에 있습니다.
- - 여기에는 Git과 GitHub 모두를 설명하는 'GitHub 기초'가 있습니다.
- - 그리고 이것은 여러분이 New Society에서 찾을 수 있는 많은 고급 튜토리얼 중 하나일 뿐입니다.
- - 따라서 AI로 코딩하는 데 진지하고 다음 단계로 나아가고 싶다면, New Society에 가입하세요.
- - 영상 아래에 링크될 것입니다.
- - 이제 Kilo로 돌아가 봅시다.
- - 여전히 실행 중인지 봅시다.
- - 그리고 여전히 실행 중입니다.
- - 와, 정말 인상적입니다.
- - 이 코딩 에이전트는 한 번에 10분, 15분, 20분 동안 실행될 수 있습니다.
- - 그리고 오른쪽에는 적절한 코드베이스 구조가 있음을 볼 수 있습니다.
- - 따라서 이것은 단일 파일을 코딩하는 바이브 코딩이 아닙니다.
- - 이것은 코드베이스를 구축하고 설계하여 진지한 프로젝트로 전환할 수 있도록 하는 것입니다.
- - 그리고 솔직히 말해서, 빠른 데모를 위해 제가 이것을 과하게 했을 수도 있습니다.

- - 하지만 예, 이 코딩 에이전트는 꽤 오랫동안 실행될 수 있습니다.
- - 그리고 상단에는 제어판이 있습니다.
- - 현재 0.5달러를 썼습니다.
- - 만약 Sonet 4.5나 특히 Opus를 사용했다면 벌써 10달러, 20달러, 30달러가 들었을 것입니다.
- - 하지만 GLM 4.6으로는, 이제 여러분은 이러한 확장 기능들의 장점을 보기 시작할 것입니다.
- - 이제 약속드린 대로, Clo와 Codex에 대해 이야기해 봅시다.
- - 이 두 가지를 언제 사용해야 할까요?
- - 이들은 여전히 사용될 때와 장소가 있으며, 저는 여전히 이들을 매일 사용합니다.
- - 이제 이러한 확장 기능들이 저의 시간을 점점 더 많이 차지하기 시작했습니다.
- - 예를 들어, 두 달 전에는 Client, Ru 또는 Kilo를 사용하지 않았지만, 지금은 점점 더 많이 사용하고 있습니다.
- - 왜 그럴까요?
- - 많은 이유가 있습니다.
- - 개인적으로 저는 비용에 크게 신경 쓰지 않습니다.
- - 왜냐하면 저는 소프트웨어 회사를 구축하고 있고 Vectal을 구축하고 있기 때문에 비용은 소프트웨어 스타트업을 구축하는 비용의 일부이기 때문입니다.
- - 하지만 또한 저는 최고의 성능에 관심이 있습니다.

- - 그리고 지난 두세 달 동안, 특히 오픈 소스 모델들이 최고의 코딩 성능의 최첨단에 따라잡는 것을 보면서, 저는 이러한 확장 기능들을 점점 더 많이 사용하기 시작했습니다.
- - 또한, 끊임없이 개입할 필요 없이 오랫동안 실행될 수 있다는 사실과 토큰에 대한 완전한 개요를 제공한다는 사실 때문입니다.
- - 아무도 사기를 당하는 것을 좋아하지 않습니다.
- - 예산이 많더라도 돈의 가치를 얻고 싶을 것입니다.
- - 그리고 우리가 단 1달러도 쓰지 않았다는 사실, 1달러 미만을 썼다는 사실, 그리고 얼마나 많은 파일이 생성되었는지, 얼마나 많은 출력이 나왔는지 보세요.
- - 이것은 정말 대단합니다.
- - 그렇다면 클로드 코드와 코덱스는 언제 사용해야 할까요?
- - 현재 코덱스, 특히 새로운 GPT5 CEX 모델은 Open Router 내에서도 사용할 수 있습니다.
- - 원한다면 이 모델을 Kilo, Ru 또는 Client 내에서 사용할 수 있습니다.
- - 이 모델은 현재 최고입니다.
- - 그리고 코덱스를 사용하는 데는 여러 가지 이유가 있습니다.
- - 그것은 IDE 내의 코딩 에이전트일 뿐만 아닙니다.

- - 코덱스는 또한 클라우드 기반 에이전트를 제공합니다.
- - 이를 통해 10가지 다른 작업을 비동기적으로 동시에 처리하도록 할당할 수 있습니다.
- - 하지만 코덱스는 GitHub PR 검토 기능도 출시했습니다.
- - 여러분이 만드는 모든 풀 리퀘스트를 코덱스가 검토하고 잠재적인 문제를 발견할 수 있습니다.
- - 그것이 또 다른 점입니다.
- - 코덱스는 하나의 제품이 아닙니다.
- - 지금은 네 가지 다른 제품과 같습니다.
- - 클로드 코드에 대해 말하자면, 주로 터미널에 사용됩니다.
- - 클로드 코드를 실행하고 터미널에서 사용할 수 있으며, 이는 올해 초 AI 코딩 에이전트를 개척한 자율 에이전트와 같습니다.
- - 이 모든 일이 2025년에 일어났다는 것은 정말 놀랍습니다.
- - 제가 말했듯이, 저는 여전히 이 두 가지를 모두 사용합니다.
- - 클로드 코드의 주요 이유는 터미널의 UI가 깔끔하다는 것입니다.
- - 이 모든 것 중에서 터미널에서 최고의 UI입니다.
- - 코덱스 CLI는 점점 나아지고 있지만, 그들은 방금 0.45.0 업데이트를 출시한 것 같습니다.
- - 이는 CLI의 UI를 개선했지만, 여전히 클로드 코드만큼 깔끔하지 않습니다.

- - 그러나 저는 클로드 코드 사용을 줄이고 있다고 말해야 합니다.
- - 그 중 일부는 Kilo와 같은 확장 기능으로 위임되었습니다.
- - 제가 말했듯이, 이 세 가지 중에서 Kilo가 제가 가장 좋아하는 것입니다.
- - 하지만 그 대부분은 실제로 코덱스로 넘어갔습니다.
- - 코덱스는 현재 단연코 가장 강력합니다.
- - 그리고 그것은 주로 이 모델, GPT5 코덱스 때문입니다.
- - 이 모델은 중간 및 높은 추론 노력에서 괴물입니다.
- - 그것은 가장 신뢰할 수 있는 모델입니다.
- - 그것은 그냥 작업을 합니다.
- - 위험한 변경을 하는 경우, 코드를 작성하기 전에 10분에서 15분을 계획하고 준비하는 데 보낼 수 있습니다.
- - 이 모델의 장점, 즉 OpenAI가 정말 잘 만든 것은, 간단한 변경이라면 10분을 보내지 않을 것이라는 점입니다.
- - 30초 동안 추론한 다음 작업을 시작할 수 있습니다.
- - 하지만 대규모 리팩토링이나 대규모 새 기능과 같은 위험한 변경이라면, 특히 높은 추론 노력에서 작업을 할 것입니다.
- - 그리고 이 모델은 놀랍습니다.
- - 그래서 예, 코덱스의 장점은 통합되어 있다는 것입니다.

- - 코덱스 웹 에이전트가 있습니다.
- - 여기에 있습니다.
- - 여러 작업을 할당할 수 있으며, 여기 확장 기능 내의 코덱스에서 클라우드 기반 또는 로컬 기반의 이러한 작업을 검색하고 계속 작업할 수 있습니다.
- - 이것은 엄청납니다.
- - 여기서 문자 그대로 사용자의 의견을 듣고 있다면, 예를 들어 여기서 Vectal을 개선할 수 있는 다양한 방법을 댓글로 달 수 있습니다.
- - 참고로, 저희는 Discord 서버를 가지고 있으므로, Vectal 사용자라면 언제든지 저나 개발자들과 이야기하고 기능을 제안할 수 있습니다.
- - 그리고 이것이 바로 Vectal이 세계에서 가장 빠르게 개선되는 소프트웨어인 이유입니다.
- - 그리고 이것이 바로 우리가 특히 생산성과 작업 관리 측면에서 JGBD보다 더 나은 채팅 에이전트를 구축할 것입니다.
- - 그것이 우리가 집중하는 부분입니다.
- - 그리고 그 큰 부분은 누구나 기능을 제안할 수 있는 Discord 서버이며, 저는 바로 코덱스 작업을 할당할 수 있습니다.

- - 따라서 여러분이 Vectal 사용자이고 제안 사항이나 버그를 발견하면, 저나 다른 개발자들은 즉시 코덱스 클라우드 기반 에이전트를 배포할 수 있습니다.
- - 그러면 여러 작업을 병렬로 실행할 수 있으며, 제가 실제로 그것들을 정리할 시간이 있을 때, 그냥 뛰어들어 코덱스 확장 기능을 로드하고 클라우드 기반 작업을 로드하고 하나씩 작업할 수 있습니다.
- - 이것이 바로 코덱스의 장점입니다.
- - 그것은 전체 생태계이며, OpenAI는 정말 열심히 일하고 있으며, Anthropic의 출시뿐만 아니라 Crystal의 출시도 노리고 있습니다.
- - 그래서 예, OpenAI는 불타오르고 있으며, 만약 제가 단 하나의 코딩 도구를 선택해야 한다면, 그것은 코덱스일 것입니다.
- - 그러나 이러한 확장 기능들을 과소평가해서는 안 됩니다.
- - 그들은 빠르게 발전하고 있습니다.
- - 그들 뒤에 있는 팀들은 적극적입니다.
- - 그들은 열심히 일하고 있으며, 항상 새로운 기능과 새로운 모델을 출시하고 있습니다.
- - 그리고 이 두 도구의 문제는 항상 자신들의 모델에만 고수할 것이라는 점입니다.

- - 현재 클로드 코드가 다른 모델을 허용한다면 놀라울 것입니다.
- - 이제 당연히 다른 모델을 통해 클로드 코드 UI를 사용하는 방법이 있지만, 기본적으로 클로드 코드는 Anthropic 모델만 포함합니다.
- - 코덱스도 마찬가지입니다.
- - 코덱스는 OpenAI 모델만 포함하며, 현재로서는 최고의 코딩 모델을 가지고 있기 때문에 문제가 되지 않습니다.
- - 하지만 그들이 최고가 아닐 때, 예를 들어 다음 주나 다음 달이 될 수도 있습니다.
- - Gemini 3가 곧 출시될 예정입니다.
- - Gemini 3는 언제든지 출시될 수 있습니다.
- - 그것이 정말로 그렇게 놀랍다면, 코덱스 내에서는 사용할 수 없습니다.
- - 그러면 Kilo의 부상, Ru의 부상, Client의 부상을 보게 될 것입니다.
- - 사람들은 Gemini 3를 사용하고 싶어 할 것입니다.
- - 이제 당연히 Gemini는 Gemini CLI를 가지고 있지만, 현재로서는 그들 중 가장 최악의 CLI 도구일 것입니다.
- - 구글과 딥마인드 팀을 알기에 그들이 아마도 그것을 개선할 것입니다.
- - 하지만 여러분은 코딩 환경이 변하고 있다는 것을 알 수 있습니다.
- - 코딩 환경은 문자 그대로 주 단위로 변하고 있습니다.
- - 따라서 두 달 전에는 클로드 코드가 왕이었지만, 더 이상 왕이 아닙니다.

- - 그러나 현재 왕은 코덱스입니다.
- - 하지만 다음 달에는 Gemini 3와 함께 Kilo가 왕이 될 수도 있습니다.
- - 또는 GLM이 새로운 모델인 GLM 4.7을 출시할 수도 있습니다.
- - 아니면 Deepseek이 마침내 Deepseek R2 또는 Deepseek V4를 출시할 수도 있습니다.
- - 누가 알겠습니까?
- - 핵심은 적응력을 유지하는 것입니다.
- - 그것이 비결입니다.
- - 사람들은 저에게 비결이 무엇인지 묻습니다.
- - 비결은 적응력을 유지하는 것입니다.
- - AI 공간은 항상 변하고 있습니다.
- - 만약 여러분이 하나의 도구만 사용하고 실험하기를 거부하고 배우기를 거부하는 사람이라면, 필연적으로 뒤처질 것입니다.
- - 여러분은 기꺼이 적응해야 하고, 일주일에 하나의 새로운 도구를 시도할 의향이 있어야 합니다.
- - 이것이 제가 New Society에서 사람들에게 가르치는 것들입니다.
- - 여러분의 설정이 무엇이든 상관없이, 설정을 마스터해야 합니다.
- - 매주 적어도 하나의 새로운 도구를 시도해야 합니다.
- - 그리고 최첨단에 서고 싶다면 New Society에 가입하세요.
- - 왜냐하면 여기서 제가 제 생각을 공유할 수 있고, AI 코딩의 최첨단에 있는 사람들이 있으며, 스타트업, AI 에이전트, AI 코딩에 관한 모든 최신 정보를 공유하고 있기 때문입니다.

- - AI를 통한 프로그래밍에 진지하고 기술을 다음 단계로 끌어올리고 싶다면, New Society에 가입하세요.
- - AI 스타트업을 구축하는 방법, 실제 AI 비즈니스를 구축하는 방법, 또는 첫 번째 AI 에이전트를 구축하는 방법과 같은 수많은 고급 콘텐츠가 있습니다.
- - 여러분 중 많은 분들이 그냥 시작하고 싶고, 미래를 위해 기술을 향상시키고 싶어 합니다.
- - New Society가 그곳입니다.
- - 게다가, 매주 우리는 통화(call)를 주최하여, 여러분이 참여하여 질문하고, 직접적인 도움을 받을 수 있으며, 이것이 저와 직접 이야기하고, 스타트업 아이디어를 제안하거나, 질문을 할 수 있는 가장 쉬운 방법입니다.
- - 여러분이 하고 싶은 모든 것을 할 수 있습니다.
- - New Society가 그곳입니다.
- - 다시 한번, New Society는 영상 아래에 링크될 것입니다.
- - 네, 이 영상이 여러분에게 가치 있기를 바랍니다.
- - 그리고 이것이 이러한 코딩 확장 기능에 대한 마지막 영상이 아닐 것이라는 느낌이 듭니다.

- - 이 점을 염두에 두고, 시청해 주셔서 감사합니다.
- - 생산적인 한 주 보내세요.
- - 다음에 뵙겠습니다.



---
---
---

- 감사합니다.