였늘의 HN μ„œλΉ„μŠ€ νŠΈλž™μ…˜ ν˜„ν™© μΈν¬κ·Έλž˜ν”½
였늘 κ°€μž₯ λœ¨κ±°μ› λ˜ μ„œλΉ„μŠ€: GLM-5.3
HN TRACTION RADAR
πŸš€ 였늘 HNμ—μ„œ 뜬 μœ μ‚¬ μ„œλΉ„μŠ€ 6건
ν•΄μ»€λ‰΄μŠ€ ν”„λ‘ νŠΈνŽ˜μ΄μ§€μ—μ„œ 골라낸 μ„œλΉ„μŠ€ νŠΈλž™μ…˜ 뢄석
πŸš€ 뢄석 6κ±΄πŸ“‘ 후보 ν’€ 30건
였늘 ν•΄μ»€λ‰΄μŠ€ ν”„λ‘ νŠΈνŽ˜μ΄μ§€μ—μ„œ λ°˜μ‘μ΄ 특히 λœ¨κ±°μ› λ˜ μ œν’ˆΒ·μ„œλΉ„μŠ€λ₯Ό 골라, 각 μ„œλΉ„μŠ€ νŽ˜μ΄μ§€λ₯Ό 직접 읽고 무엇을 ν•˜λŠ” μ„œλΉ„μŠ€μΈμ§€Β·μ™œ λ–΄λŠ”μ§€ λΆ„μ„ν–ˆμ–΄μš”.
였늘의 νŠΈλž™μ…˜ 톱3
πŸ₯‡GLM-5.3
β–² 460 Β· πŸ’¬ 192 Β· ⚑ μ‹œκ°„λ‹Ή 123.3
πŸ₯ˆGPT-5.6 Sol Ultrafast
β–² 600 Β· πŸ’¬ 239 Β· ⚑ μ‹œκ°„λ‹Ή 45.9
πŸ₯‰DeepSeek Harness
β–² 662 Β· πŸ’¬ 276 Β· ⚑ μ‹œκ°„λ‹Ή 38.3
πŸš€ νŠΈλž™μ…˜ 뢄석
6
πŸ‘‰ μΉ΄λ“œλ₯Ό ν΄λ¦­ν•˜λ©΄ ν•΄λ‹Ή μ„œλΉ„μŠ€ νŽ˜μ΄μ§€λ‘œ μ΄λ™ν•©λ‹ˆλ‹€.
πŸš€ νŠΈλž™μ…˜ 뢄석6
1. GLM-5.3 β†—
λ³΅μž‘ν•œ μ½”λ”©Β·μž₯κΈ° μž‘μ—…κ³Ό 취약점 νƒμƒ‰Β·μ΅μŠ€ν”Œλ‘œμž‡μ„ μˆ˜ν–‰ν•˜λŠ” μ˜€ν”ˆ μ›¨μ΄νŠΈ λͺ¨λΈμ΄λ‹€. GLM-5.2와 같은 기반 λͺ¨λΈμ— ν™•μž₯된 μ‚¬ν›„ν•™μŠ΅μ„ μ μš©ν–ˆλ‹€. μ½”λ”© μ„±λŠ₯ 50% ν–₯상, CyberGym 졜고 성적, μ΅μŠ€ν”Œλ‘œμž‡ μ„±λŠ₯ 두 λ°° μ΄μƒμ΄λΌλŠ” λ°œν‘œμ™€ 2μ£Ό λ’€ κ°€μ€‘μΉ˜ 곡개 μ˜ˆκ³ κ°€ 기술적 관심을 끌 λ§Œν•˜λ‹€. HN λ°˜μ‘ μˆ˜μΉ˜λŠ” μ œκ³΅λ˜μ§€ μ•Šμ•˜λ‹€. β€” πŸ“Š μ„±κ³Ό μ‹ ν˜Έ: Z.ai Code Benchμ—μ„œ GLM-5.2 λŒ€λΉ„ 50% ν–₯상. Terminal-Bench 3.0 28.3, DeepSWE v1.1 66.9, CyberGym 84.5%, ExploitBench 54.4%, ExploitGym 2μ‹œκ°„ 105개·6μ‹œκ°„ 130개. 269개 ν”„λ‘œμ νŠΈμ—μ„œ 취약점 2,436개λ₯Ό μ‹λ³„ν–ˆκ³  이 쀑 μ€‘Β·κ³ μœ„ν—˜ 1,097개라고 μ„œμˆ ν–ˆμœΌλ©°, 원μž₯μ—λŠ” 곡개 53κ°œΒ·μ— λ°”κ³  2,383개·Critical 107개·High 990개둜 ν‘œμ‹œν–ˆλ‹€.
β–² 460 Β· πŸ’¬ 192 Β· ⚑ μ‹œκ°„λ‹Ή 123.3
2. GPT-5.6 Sol Ultrafast β†—
Cerebrasκ°€ κ΅¬λ™ν•˜λŠ” OpenAI API의 고속 μΆ”λ‘  μ„œλΉ„μŠ€ λ“±κΈ‰μœΌλ‘œ, GPT-5.6 Sol을 μ΅œλŒ€ μ΄ˆλ‹Ή 750개 좜λ ₯ 토큰 μ†λ„λ‘œ μ œκ³΅ν•œλ‹€. ν’ˆμ§ˆ μ €ν•˜ 없이 μ΅œλŒ€ 750토큰/μ΄ˆλΌλŠ” 전면적 속도 μ£Όμž₯이 HNμ—μ„œ 600점·239개 λŒ“κΈ€κ³Ό μ‹œκ°„λ‹Ή 45.9점의 λΉ λ₯Έ λ°˜μ‘μ„ λ§Œλ“€μ—ˆλ‹€. β€” πŸ“Š μ„±κ³Ό μ‹ ν˜Έ: μ΅œλŒ€ 750 좜λ ₯ 토큰/초. Fable 5보닀 11λ°°, Fast λͺ¨λ“œ Opus 4.8보닀 5λ°° λΉ λ₯΄λ‹€κ³  μ„œμˆ . HLE 2,500문항을 11μ‹œκ°„ 11뢄에 μ²˜λ¦¬ν•΄ Fable 5의 78μ‹œκ°„ 27λΆ„ λŒ€λΉ„ μœ μ‚¬ μ •ν™•λ„λ‘œ μ•½ 7λ°° 빨랐고, GDP-Valμ—μ„œ ν’ˆμ§ˆ μ €ν•˜ 없이 쒅단간 5.6λ°° 속도 ν–₯상.
β–² 600 Β· πŸ’¬ 239 Β· ⚑ μ‹œκ°„λ‹Ή 45.9
3. DeepSeek Harness β†—
λͺ¨λΈΒ·λ„κ΅¬Β·μŠ€ν‚¬Β·μ„Έμ…˜Β·μƒŒλ“œλ°•μŠ€Β·μ €μž₯μ†ŒΒ·λ£¨ν”„Β·μŠ€μΌ€μ€„λ§Β·UIλ₯Ό ꡐ체 κ°€λŠ₯ν•œ ν”ŒλŸ¬κ·ΈμΈμœΌλ‘œ κ΅¬μ„±ν•˜λŠ” μ˜€ν”ˆμ†ŒμŠ€ μ—μ΄μ „νŠΈ ν•˜λ„€μŠ€λ‹€. μ‹€ν–‰ 전체λ₯Ό μΆ”μ Β·μž¬κ°œΒ·ν¬ν¬Β·κ²€μƒ‰Β·μž¬μƒν•œλ‹€. μ†ŒμŠ€ 포함 개발자 프리뷰와 μ „ κΈ°λŠ₯ ν”ŒλŸ¬κ·ΈμΈν™”, μ™„μ „ν•œ μ‹€ν–‰ 좔적성이 μ—μ΄μ „νŠΈ 인프라 개발자의 관심을 λͺ¨μ•„ 662점·276개 λŒ“κΈ€, μ‹œκ°„λ‹Ή 38.3점을 κΈ°λ‘ν–ˆλ‹€.
β–² 662 Β· πŸ’¬ 276 Β· ⚑ μ‹œκ°„λ‹Ή 38.3
4. skitter-creek-bath-salts β†—
AMD Family 16h의 DRAM 컨트둀러 μ£Όμ†Œ λ³€ν™˜μ„ μž¬μ„€μ •ν•΄ 보호된 λ©”λͺ¨λ¦¬ μ˜μ—­μ˜ 별칭 μ£Όμ†Œλ₯Ό λ§Œλ“€κ³ , μƒμœ„ κ³„μΈ΅μ˜ λ©”λͺ¨λ¦¬ 보호λ₯Ό μš°νšŒν•˜λŠ” μ—°κ΅¬μš© ν”„λ‘œμ νŠΈλ‹€. 단일 DRAM 컨트둀러 λΉ„νŠΈ λ³€κ²½μœΌλ‘œ PSPΒ·λ§ˆμ΄ν¬λ‘œμ½”λ“œΒ·SMM λ“± 보호 μ˜μ—­μ— μ ‘κ·Όν•œλ‹€λŠ” μ €μˆ˜μ€€ λ³΄μ•ˆ 연ꡬ와 μƒμ„Έν•œ μž¬ν˜„ μ„€λͺ…이 기술적 관심을 끌 λ§Œν•˜λ‹€. HN λ°˜μ‘ μˆ˜μΉ˜λŠ” μ œκ³΅λ˜μ§€ μ•Šμ•˜λ‹€.
β–² 622 Β· πŸ’¬ 161 Β· ⚑ μ‹œκ°„λ‹Ή 35.9
5. Gloomberb β†—
μ‹œμ„ΈΒ·μ°¨νŠΈΒ·μž¬λ¬΄Β·κ³΅μ‹œΒ·λ‰΄μŠ€Β·μ˜΅μ…˜Β·ν¬νŠΈν΄λ¦¬μ˜€Β·μ˜ˆμΈ‘μ‹œμž₯ 등을 ν‚€λ³΄λ“œ λͺ…λ ΉμœΌλ‘œ νƒμƒ‰ν•˜λŠ” ν™•μž₯ν˜• μ˜€ν”ˆμ†ŒμŠ€ 금육 터미널이며 λ°μŠ€ν¬ν†± μ•±κ³Ό TUI둜 μ œκ³΅λœλ‹€. 블룸버그식 μ›Œν¬ν”Œλ‘œλ₯Ό μ˜€ν”ˆμ†ŒμŠ€Β·ν‚€λ³΄λ“œ 쀑심 λ„κ΅¬λ‘œ μ œκ³΅ν•˜κ³  폭넓은 μ‹œμž₯Β·λ¦¬μ„œμΉ˜ κΈ°λŠ₯을 묢은 점이 417점·219개 λŒ“κΈ€, μ‹œκ°„λ‹Ή 26.4점의 λ°˜μ‘μœΌλ‘œ μ΄μ–΄μ‘Œλ‹€.
β–² 417 Β· πŸ’¬ 219 Β· ⚑ μ‹œκ°„λ‹Ή 26.4
6. Mistral OCR 4.1 β†—
문단 λ‹¨μœ„ 경계 μƒμž μΆ”μΆœ, ꡬ쑰 블둝 라벨, 블둝별 신뒰도 점수λ₯Ό κΈ°λ³Έ μ§€μ›ν•˜λ©° Mistral Document AI μŠ€νƒμ„ κ΅¬λ™ν•˜λŠ” OCR μ„œλΉ„μŠ€λ‹€. λ¬Έμ„œ ꡬ쑰와 μ‹ λ’°λ„κΉŒμ§€ λ°˜ν™˜ν•˜λŠ” OCR 곡개 프리뷰와 λͺ…ν™•ν•œ νŽ˜μ΄μ§€λ‹Ή 가격이 관심을 λͺ¨μ•„ 352점·138개 λŒ“κΈ€, μ‹œκ°„λ‹Ή 25.1점을 κΈ°λ‘ν–ˆλ‹€. β€” πŸ“Š μ„±κ³Ό μ‹ ν˜Έ: 가격은 1,000νŽ˜μ΄μ§€λ‹Ή €3.5, 주석 νŽ˜μ΄μ§€ 1,000μž₯λ‹Ή €4.38.
β–² 352 Β· πŸ’¬ 138 Β· ⚑ μ‹œκ°„λ‹Ή 25.1
νŠΈλž™μ…˜ μ§€μˆ˜λŠ” ν•΄μ»€λ‰΄μŠ€μ˜ μ‹€μ œ μΆ”μ²œΒ·λŒ“κΈ€ λ°˜μ‘(μ‹œκ°„λ‹Ή ν™”λ ₯)을 κΈ°μ€€μœΌλ‘œ κ³„μ‚°λ©λ‹ˆλ‹€. 뢄석 λ²”μœ„λŠ” ν•΄μ»€λ‰΄μŠ€ ν”„λ‘ νŠΈνŽ˜μ΄μ§€μž…λ‹ˆλ‹€.
somodusλ‚΄κ°€ μžλŠ” λ™μ•ˆμ—λ„
AI μ—μ΄μ „νŠΈκ°€ λŒ€μ‹  μΌν•©λ‹ˆλ‹€λ‚˜λ§Œμ˜ AI μ—μ΄μ „νŠΈ λ§Œλ“€κΈ° β†’