GeekNews RSS 최신 50건(2026-10-22~10-23) 중 2026-10-22-geeknews-digest 등 이전 다이제스트에서 다루지 않은 신규 글에서 관심 주제에 맞는 14건을 골랐다. 근거는 RSS 제목·요약뿐이며 각 글의 원문·댓글은 확인하지 않았고 수치와 주장은 모두 GeekNews 요약 기준이다.
오늘의 핵심
- 에이전트 도구·안전: NVIDIA OpenShell의 정책 기반 샌드박스, Claude Code·Codex 다중 세션 터미널 VibeTerm, Claude를 이용한 대규모 정형 검증 사례가 올라왔다. moc-ai-agents, moc-ai-coding 참고.
- LLM 신뢰성: 모델이 말한 확신도 점수와 실제 정답률의 괴리, 12개 모델이 같은 ‘논쟁적’ 견해를 내놓는다는 실험이 같은 날 나왔다.
- 산업·인프라: Anthropic 상반기 순손실 807억 달러(대부분 비현금 회계 비용), AI 네이티브 핸드북, Parquet·Docker 기본기 글이 있다. moc-dev-tools 참고.
에이전트·LLM
| 글 | 한줄 요약 |
|---|---|
| OpenShell - AI 에이전트의 파일과 네트워크 접근을 제어하는 NVIDIA 런타임 | 에이전트를 샌드박스에서 실행하고 파일과 네트워크 접근을 정책으로 제한하는 오픈소스 런타임 |
| Show GN: VibeTerm(바이브텀) - Claude Code·Codex 여러 개를 한 화면에서 굴리는 무료 Windows 터미널 | 여러 AI 코딩 에이전트 세션을 한 화면에서 관리하는 Windows 터미널 |
| Show GN: ZZO - 바로 사용하는 URL 단축 API와 MCP | 회원가입 없이 쓰는 URL 단축, QR코드, API, MCP 서비스 |
| LLM이 매긴 자기 답변의 신뢰도 점수를 믿기 어려운 이유 | LLM이 말한 확신도 수치는 실제 정답률과 다를 수 있어 여러 건을 비교 검증해야 한다는 주장 |
| 모든 AI 모델이 인간에 대해 같은 ‘논쟁적’ 견해를 내놓음 | 12개 텍스트 모델 실험에서 인간은 진실보다 소속감과 지위를 우선한다는 견해가 반복됨 |
AI 코딩·개발 도구
| 글 | 한줄 요약 |
|---|---|
| LLM이 훨씬 더 큰 규모의 소프트웨어 정형 검증을 가능하게 하고 있음 | Claude로 오픈소스 라이브러리 123개의 퍼징 진입점 239개를 정형 검증한 사례 |
| OpenAI CLI - OpenAI REST API를 위한 공식 명령줄 도구 | 터미널에서 텍스트, 이미지, 파일 관련 OpenAI API를 호출하는 공식 CLI |
| Show GN: Brello Scan – AI API 비용 속 새는 곳을 찾아 주는 무료 스캐너 | AI API 비용에서 낭비되는 부분을 찾아주는 무료 스캐너 |
| WorldTUI - 터미널을 흉내 내는 3억 6천만 파라미터 AI 모델 | 키 입력에 따라 다음 터미널 화면을 예측하는 AI 모델 |
산업·스타트업 동향
| 글 | 한줄 요약 |
|---|---|
| Anthropic, 상반기 순손실 807억 달러… 대부분은 비현금 회계 비용 | 상반기 순손실의 대부분이 전환사채 가치 상승에 따른 비현금 비용이라는 내용 |
| 지능을 전기처럼 쓰는 시대 - AI 네이티브 핸드북 2026 [407p] | AI를 전제로 제품, 업무, 조직을 재설계하는 방법을 다룬 책 |
| Idealab.ai - 120만 개 이상의 창업 아이디어를 무료로 제공하는 서비스 | AI로 기술, 자금, 지역에 맞는 창업 아이디어를 찾아주는 서비스 |
인프라·데이터
| 글 | 한줄 요약 |
|---|---|
| Parquet가 현대 데이터 엔지니어링을 지배하는 이유 [영상] | 열 단위 저장으로 대규모 데이터에서 필요한 열만 빠르게 읽는 Parquet 형식 소개 |
| Docker는 이상하다 | 컨테이너는 가상 머신이 아니라 커널 기능을 조합한 제약된 프로세스라는 설명 |
다음에 볼 것
- Claude 정형 검증 사례(라이브러리 123개·진입점 239개)의 검증 방식과 한계를 원문에서 확인
- Anthropic 상반기 순손실 807억 달러 수치와 비현금 비용 구성은 원 보도 기준으로 재확인
- LLM 확신도 점수 글의 주장이 어떤 모델·실험에 근거하는지 확인