코드팩토리x바이브코딩 · 2026-09-18

오늘의 대화

아침부터 Claude·Codex·Astra·Fable·Opus·Sol 등 모델의 한도와 역할, 세션을 다른 도구로 넘기는 방법이 논의됐다. 낮에는 하네스·헤드리스 워커·오케스트레이션으로 컨텍스트와 토큰을 줄이는 방법, 바이브 코딩을 기존 업무에 붙이는 방식, 회사의 AI 비용 지원과 보안 문제가 이어졌고, 저녁에는 로컬 LLM용 하드웨어·병렬 작업·작업 완료 알림과 구독 리셋 정책이 화제가 됐다. 모델 출시·AGI·시장 우위에 관한 전언도 많았지만, 대부분 검증 전 추정이나 농담 섞인 반응으로 남겼다.

원문 인용의 화자명은 개인정보 보호를 위해 필요한 범위에서만 사용했으며, 오픈채팅봇 공지·사진·동영상·외부 링크, 개인의 결제·지출·계정 상태, 회사·고객·비공개 프로젝트의 식별 가능한 세부정보와 자격증명은 공개 Wiki에서 생략했다. 모델 성능·사용량·가격·출시·리셋·보안에 관한 발언은 참여자의 경험이나 전언이므로 확정된 사실로 쓰지 않는다.

이야기 나온 주제

AI 코딩 모델·하네스·워커의 역할 분담

참여자들은 모델의 절대적인 우열보다 작업 성격에 따라 설계·구현·검수 역할을 나누는 방식이 중요하다고 말했다. Fable을 메인 설계자로 두고 Opus를 작업 워커나 서브 에이전트로 연결하는 구성, Astra·Sol을 비교·검증에 쓰는 방식, Claude·Codex를 개발 스타일에 따라 선택하는 방식이 모두 개인 경험으로 제시됐다. 모델을 여러 개 병렬로 돌리면 항상 비용과 시간이 줄어드는 것은 아니며, 오케스트레이터가 같은 컨텍스트를 반복해서 읽는 구조인지 먼저 확인해야 한다.

세션 인계·컨텍스트·토큰 절약

한도에 걸려 멈춘 Claude Code 세션을 Codex가 이어받도록 세션 정보를 넘기는 방법과, 별도의 handoff.md를 만들지 않고 인계하는 방식이 공유됐다. 다른 흐름에서는 서브 에이전트 대신 개별 헤드리스 워커를 만들어 컨텍스트를 반복해서 읽는 비용을 줄이는 방안이 논의됐다. 이 방식은 반복적인 공장형 작업에는 맞을 수 있지만, 리서치처럼 매번 새로운 맥락을 이해해야 하는 작업에는 적합하지 않을 수 있다는 제한도 함께 나왔다.

바이브 코딩의 입문과 기존 업무 도입

바이브 코딩을 처음 시작할 때 강의보다 원하는 결과를 말하고 AI에게 필요한 설치·순서를 설명받으며 작은 작업부터 진행했다는 경험이 나왔다. 동시에 설계와 요구사항을 충분히 구체화해야 뒤의 삽질을 줄일 수 있고, 개인 용도라면 UI를 새로 만드는 것보다 CLI나 기존 본업에 기능을 붙이는 방식이 효율적일 수 있다는 조언도 있었다. 참여자 경험이므로 모든 초보자에게 같은 학습 경로를 권하는 것은 아니다.

구독·사용량·리셋·자동충전 관리

GPT·Claude·Codex 계열의 요금제, 주간·월간 한도, 리셋권, 상위 플랜 신규 가입 가능 여부가 하루 종일 반복됐다. 한도 초과 뒤 추가 크레딧이 자동으로 사용되는지와 월 최대 한도를 설정할 수 있는지에 관한 경험도 오갔고, 리셋권을 사용한 뒤 다음 리셋 시점이나 실제 제공량이 달라졌다는 체감도 나왔다. 이는 계정·플랜·시점에 따라 달라질 수 있으므로 결제 전 공식 안내와 계정 화면을 확인해야 한다.

AI 도입의 생산성·보안·접근 격차

AI 구독료를 회사가 지원하는지, 개인이 부담하는지에 따라 사용량과 경험 격차가 커질 수 있다는 의견이 나왔다. 공공·기업 환경에서는 대외비와 인트라넷, RAG 데이터 반입 경계가 먼저 해결되어야 한다는 지적도 있었다. AI가 산출물을 빠르게 만들 수 있다는 기대가 있어도, 어떤 데이터를 외부 모델에 넣을 수 있는지와 누가 결과를 검수·책임지는지를 제품 도입 조건으로 정해야 한다.

로컬 LLM 하드웨어와 클라우드 선택

DGX Spark·Mac Studio·MacBook 등 대형 메모리 장비로 로컬 LLM을 돌릴지, API와 클라우드로 먼저 검증할지를 두고 의견이 갈렸다. 로컬 모델의 빠른 응답을 원하면 메모리 대역폭·프리필·생태계를 함께 봐야 한다는 의견이 있었고, API로 이미지·영상 생성이나 에이전트 병렬 작업을 할 때는 GPU보다 CPU 코어·실제 작업 유형이 더 중요할 수 있다는 답도 나왔다. 대화 속 처리량·메모리·장비 선택은 개인 환경의 체감이며 일반 벤치마크로 확정하지 않는다.

모델 출시·AGI 관련 미확인 전언

오후에는 Gemini 4·5, Astra·Fable과 관련한 유출·벤치마크·출시 예정이라는 말이 한꺼번에 퍼졌고, 일부 참여자는 특정 영역의 성능 향상과 전체적인 우위를 구분해야 한다고 반응했다. 이 대화만으로 모델의 실제 출시 여부, AGI 달성, 벤치마크 결과, 가격 우위를 확인할 수 없다. 출시 전 정보와 커뮤니티의 과장된 표현은 공식 발표·재현 가능한 평가가 나오기 전까지 미확인 전언으로 남긴다.

콘텐츠·문서·브라우저 자동화와 검수

바이브 코딩으로 문서·콘텐츠를 만들고, Computer Use로 블로그 게시 직전까지 진행하거나, 작업 완료 알림과 원격 워커를 연결하는 사용 사례가 나왔다. 의료·사용자 안내 문서처럼 도메인 책임이 큰 콘텐츠는 초안을 AI가 만들더라도 전문가 검수와 공개 전 승인 절차가 필요하다. 자동 게시·로그인·원격 실행은 계정 권한, 저장된 세션, 외부 전송 데이터, 실패 시 중복 실행을 별도로 점검해야 하며, 원문에서는 그 안전성을 확인하지 않았다.

확인이 필요한 내용

• Claude·Codex·Astra·Fable·Opus·Sol의 현재 성능, 모델명, 한도, 리셋·크레딧 차감과 요금제 조건은 계정·시점별 공식 안내를 확인해야 한다.
• 세션 인계, 헤드리스 워커, 서브 에이전트, 캐시와 오케스트레이션의 비용·속도 효과는 작업의 컨텍스트와 구현에 따라 달라지며, 원문은 재현 가능한 벤치마크가 아니다.
• 로컬 LLM의 메모리·대역폭·처리량, DGX Spark·Mac Studio·MacBook의 적합성, API 기반 병렬 작업의 CPU·GPU 요구량은 모델·양자화·작업에 따라 달라진다.
• Gemini 4·5, AGI 달성, 출시일·가격·벤치마크·시장 우위에 관한 전언은 원문에서 검증되지 않은 open question이다.
• 회사·공공기관의 대외비·인트라넷·RAG 데이터와 외부 모델 사용 경계, 브라우저 로그인·원격 워커·자동 게시의 보안은 실제 데이터 흐름과 권한 설정을 점검해야 한다.
• IFU·사용자 설명서·의료·광고·블로그 문서의 정확성·규제·저작권과 공개 전 승인 절차는 이 대화만으로 확인되지 않았다.

연결

• 코드팩토리x바이브코딩 전체 보기
• 전날 모델 역할·브라우저 자동화·QA 대화
• 에이전트코리아의 에이전트·모델·보안 대화
• 아는개발자의 모델 사용량·구독 대화