기본 콘텐츠로 건너뛰기

글

클로드 Max·Ultra 구독자 API 크레딧, 매달 100달러·200달러 받는 법과 쓰는 곳

구독료와 별개로 매달 API 크레딧이 들어와요. 다만 터미널에서 쓰는 클로드 코드에는 쓸 수 없어요. 클로드(Claude)를 만든 앤트로픽이 Max·Ultra·Team 구독자에게 매달 API 크레딧을 주기 시작했어요. 지금까지는 구독료를 내도 직접 만든 프로그램에서 클로드 API를 부르면 요금이 따로 나갔어요. 이제는 구독에 들어 있는 크레딧으로 그 비용을 먼저 낼 수 있어요. 2026년 11월 3일 앤트로픽 공식 도움말을 기준으로, 얼마를 받는지, 어떻게 받는지, 어디에 쓸 수 있고 어디에는 못 쓰는지 정리했어요. 요금제별로 매달 받는 금액 요금제 월 API 크레딧 Max 100달러 Ultra 200달러 Team 스탠다드 좌석 좌석당 20달러 Team 프리미엄 좌석 좌석당 100달러 Team은 좌석별 금액을 하나로 합쳐 쓰고, 합계는 한 달 500달러까지예요. 공식 도움말의 예시로는 스탠다드 3석과 프리미엄 2석이면 매달 260달러를 받아요. 출시를 알린 10월 7일 공지에는 Max 5x 100달러, Max 20x 200달러로 적혀 있었어요. 지금 공식 도움말에는 같은 금액이 Max와 Ultra라는 이름으로 나와 있어요. Free, Pro, Enterprise 요금제는 대상이 아니에요. 크레딧을 받는 방법 크레딧은 저절로 들어오지 않아요. 클로드 콘솔(개발자용 API 관리 화면)의 조직 하나를 내 구독에 연결해야 그 조직으로 매달 들어와요. 구독을 시작한 지 7일이 지나야 받을 수 있어요. 웹 브라우저로 claude.ai에 들어가 설정 → 결제(Billing)로 가요. Team은 조직 설정 → 결제예요. API 크레딧(API credits) 칸에서 조직 연결(Link organization)을 눌러요. 크레딧을 받을 콘솔 조직을 고르거나 새로 만들고, 추가 크레딧 약관을 확인한 뒤 연결해요. 연결할 수 있는 조직은 하나뿐이고, 한 조직은 한 구독의 크레딧만 받을 수 있어요. 연결한 조직은 직접 바꿀 수 없고 고객지원...
최근 글

구글 제미나이 요금제, 구독 전 알아야 할 가격과 선택 기준

월 7,500원과 29,000원의 차이, 사용량보다 먼저 확인할 게 있어요. 제미나이 구독을 알아볼 때 가장 궁금한 건 얼마인지, 무료로 충분한지, 돈을 내면 무엇이 달라지는지예요. 특히 예전 글과 현재 안내에 나온 혜택이 달라 어떤 설명을 따라야 할지 헷갈릴 수 있어요. 2026년 11월 3일 확인한 한국 공식 안내를 기준으로, 구글 제미나이 요금제는 무료와 Google AI Plus·Pro·Ultra로 나뉘어요. 선택할 때는 월요금과 함께 사용할 수 있는 모델, 사용량 한도, 저장공간을 살펴보면 돼요. 가격 차이를 만드는 건 모델과 사용량이에요 무료는 월 0원이에요. 현재 공식 페이지에는 Flash-Lite 모델과 이미지 생성·수정, Deep Research, Gemini Live 등이 안내돼 있어요. 구글 계정의 기본 저장공간은 15GB예요. AI Plus는 월 7,500원이며 저장공간 400GB를 제공해요. Flash 모델을 사용할 수 있고, 제미나이 사용량 한도는 무료 대비 2배로 안내돼요. Google One 요금표에는 월 11,900원의 Plus 2TB 상품도 있어요. 같은 Plus라도 저장공간이 다르니 이름만 보고 가격을 비교하면 안 돼요. AI Pro는 월 29,000원이고 저장공간은 5TB예요. Pro 모델을 이용할 수 있으며 제미나이 사용량 한도는 무료 대비 4배예요. Gmail·Docs 등 구글 앱에서 사용하는 제미나이와 조사·글쓰기 도구의 혜택도 늘어나요. 다만 기능마다 지원 국가와 언어 조건이 있어요. AI Ultra는 월 119,000원과 300,000원 상품으로 나뉘어요. 사용량 한도는 각각 AI Pro 대비 5배와 20배로 안내돼요. 여기서는 비교 기준이 무료가 아니라 Pro라는 점을 확인해야 해요. 저장공간은 20TB부터 시작해요. 유료라고 무제한으로 쓸 수 있는 건 아니에요. 구글 고객센터는 질문의 복잡성, 사용하는 모델과 기능, 대화 길이에 따라 사용량을 계산한다고 설명해요. 주간 한도에 도달하기 전까지는 5...

Robocurve AI 비밀 단어 실험, 로봇 몸짓은 어떻게 통했을까

미리 약속하지 않은 두 AI가 단어를 주고받았어요. 비결은 사람에게도 익숙한 신호였어요. 말도 채팅도 없이 로봇 팔만 움직여 단어를 전할 수 있을까요? 로보커브가 공개한 실험은 이 질문을 다뤄요. 같은 AI 모델의 복사본 두 개를 두고, 한쪽이 로봇으로 표현한 단어를 다른 쪽이 카메라로 읽게 했어요. 회사는 통신 규칙을 미리 합의하지 않았는데도 전달에 성공했다고 밝혔어요. 2026년 11월 3일 기준으로 궁금한 점은 세 가지예요. AI끼리 어떻게 소통했는지, 정말 새로운 비밀 언어가 생긴 건지, 성공률을 어디까지 믿을 수 있는지예요. 공개 발표와 후속 답변에는 실험의 성과와 아직 확인해야 할 부분이 함께 담겨 있어요. 약속하지 않았는데 같은 신호를 고른 이유 사진: Willy Jackson · CC BY-SA 4.0 · Wikimedia Commons 이번 실험에서 말하는 ‘격리’는 정보가 전혀 오가지 않는 상태를 뜻하지 않아요. 로봇의 움직임과 카메라라는 정보 전달 경로가 주어졌어요. 아무 정보도 주고받지 않고 상대의 생각을 읽었다는 이야기는 아니에요. 한쪽이 만든 움직임을 다른 쪽이 볼 수 있었던 거예요. 로보커브의 설명에서 눈여겨볼 조건은 두 AI가 같은 모델의 복사본이라는 점이에요. 서로 다른 회사의 AI 네 개가 한꺼번에 대화한 실험으로 이해하면 내용이 달라져요. 공개된 사례에서는 각 모델이 자신과 같은 모델을 상대로 단어를 전달했어요. 회사는 이 현상을 ‘셸링 포인트’로 설명했어요. 직접 의논하지 않아도 양쪽이 공통으로 떠올리기 쉬운 선택을 한다는 뜻이에요. 같은 모델이라면 전달 방법을 고르는 경향도 비슷할 수 있다는 해석이죠. 다만 이는 회사가 제시한 설명이지, 두 AI가 기억을 공유했다는 증거로 받아들일 수는 없어요. 새로운 언어를 발명한 것인지도 따져봐야 해요. 로보커브는 11월 2일 후속 답변에서 모스 부호와 수기 신호는 사람이 만든 것이며, AI들은 완전히 새로운 것을 발명하는 대신 이를 선택했다고 설명했어요. ‘비밀 단어’...

Wonder 디자인 코드 연결, 실행 중인 앱을 고쳐 코드에 반영하는 법

화면에서 고친 디자인이 실제 코드로 이어지는 과정, 어디까지 가능할까요? 실행 중인 앱에서 버튼을 옮기고 글자를 고친 뒤, 그 결과를 실제 코드에도 반영할 수 있을까요? Wonder는 2026년 10월 27일 이 과정을 한 캔버스에서 처리하는 개편을 공개했어요. Wonder 디자인 툴 안에서 앱을 실행하고, 화면을 편집 가능한 요소로 가져와 수정한 다음 에이전트에게 코드 반영을 맡기는 방식이에요. 11월 3일 기준으로 달라진 점과 기존 프로젝트에서의 활용 가능성, 비용 구분을 살펴볼게요. 화면을 설명하는 대신 같은 대상을 보며 고쳐요 Wonder가 공식 문서에서 짚는 문제는 디자인 파일과 실제 제품이 따로 움직인다는 점이에요. 디자인을 코드로 구현한 뒤 변경이 생기면 두 결과물이 어긋나고, 디자이너는 별도 파일을 다시 관리해야 한다는 설명이에요. Wonder는 실제 제품의 코드에서 출발해 이 간격을 줄이겠다고 해요. 핵심은 양방향 연결이에요. 저장소의 컴포넌트와 색상·간격 같은 토큰을 캔버스로 가져오고, 승인한 디자인 변경을 다시 저장소의 수정 제안인 풀 리퀘스트로 보내는 구조예요. 새 화면을 생성하면서 이미 만든 제품을 시각적으로 다듬는 작업에 초점을 맞춰요. 디자인 코딩 에이전트는 사람이 고른 화면과 요소를 작업 맥락으로 받아요. 공식 개편 공지에 따르면 Claude Code와 Codex를 Wonder 채팅에 연결하고, 평소 쓰던 구독과 스킬·도구를 활용할 수 있어요. 앱은 디자인 옆에서 실행되므로 휴대전화·태블릿·데스크톱 크기로 눌러 보며 확인할 수 있고요. 화면을 확인하고 코드 수정을 요청하는 작업이 같은 공간에서 이어져요. 연결 통로인 MCP를 통해 에이전트는 Wonder 캔버스를 읽고 쓸 수 있어요. 공식 안내에는 Cursor, Claude Code, Codex 등의 연결 방법이 정리돼 있고, 연결하려면 Wonder 계정과 최소 한 개의 파일이 필요해요. 처음에는 브라우저에서 로그인해 연결을 승인하는 절차를 거쳐요. 이미 쓰는 에이전트를...

카파시 HackerTube, 댓글로 고른 영상과 말로 만드는 개발

댓글 4,300만 개에서 찾은 영상 6,454개, 추천을 바꾸는 방식부터 개발 과정까지 살펴봐요. 유튜브를 켰는데 보고 싶은 영상보다 과장된 썸네일부터 눈에 들어온 적 있나요? 안드레 카파시는 그 불편을 새 프로젝트로 풀었어요. 2026년 10월 31일 공개한 HackerTube는 기술 커뮤니티 Hacker News의 댓글에서 유튜브 영상을 모아 탐색할 수 있게 만든 사이트예요. 궁금한 점은 두 가지예요. 댓글을 모으면 추천이 어떻게 달라질까요? Claude Code에 말로 부탁해서 만들었다는 설명은 어디까지 사실일까요? 11월 3일을 기준으로 당사자 글과 최근 보도, 공개 토론을 살펴봤어요. 댓글에 담긴 추천의 맥락을 모았어요 사진: Markus Spiske markusspiske · CC0 · Wikimedia Commons 출발점은 카파시가 느낀 추천 피로였어요. 그는 금요일 밤 유튜브에서 과장된 썸네일과 반복되는 주제를 봤어요. 다음 날에는 Hacker News에서 추천한 영상으로 자신만의 유튜브를 만들자고 요청했다고 설명했어요. 자기 취향에 맞는 영상을 찾는 기준을 커뮤니티의 대화에서 가져온 셈이에요. 카파시가 공개한 전체 분석 대상은 약 20년간의 댓글 4,300만 개예요. 이를 모두 영상 추천 댓글로 이해하면 안 돼요. 결과물에 연결된 댓글은 3만 9,834개이고, 영상은 6,454개예요. 공식 소개 글에 따르면 2007년부터 2026년까지의 영상이 150개 주제에 걸쳐 있어요. 전체 분석량과 최종 목록의 크기를 나눠 봐야 프로젝트의 규모를 알 수 있죠. 분류는 어떻게 했을까요? 11월 2일 AI Ping 보도에 따르면, 서로 다른 사람 세 명 이상이 서로 다른 세 달 이상에 걸쳐 링크한 영상을 출발점으로 삼았어요. 이후 Sonnet이 댓글과 토론 제목을 참고해 추천, 단순 언급, 농담, 비판 등을 나눴다고 해요. 같은 영상 주소라도 올린 맥락은 다를 수 있어서예요. 그렇다고 목록에 들었다는 이유만으로 모두에게 좋은 영상이라고 단정할...

앤드류 응 AI 엔지니어링, 개발자 미래를 바꿀 네 가지 역량

AI가 코드를 써 주는 시대, 개발자가 무엇을 더 잘해야 하는지 네 가지 역량에서 답을 찾아봐요. AI가 코드를 써 주면 개발자는 어떤 일을 하게 될까요? 앤드류 응은 AI 경력 강연에서 더 빨리 만드는 능력과 무엇을 만들지 판단하는 능력이 함께 중요해진다고 설명해요. AI 엔지니어링이 빠르게 성장하는 직업 분야로 거론되는 이유도 이 질문과 연결돼요. 공식 자료를 바탕으로 AI 엔지니어에게 필요한 역량과 개발자 미래를 준비하며 연습할 일을 살펴볼게요. 먼저 성장 순위가 어느 시장을 기준으로 하는지 짚어야 해요. 2026년 1월 공식 발표에 따르면 AI 엔지니어는 미국에서 2년 연속 성장 직무 1위를 차지했어요. 전 세계 모든 직업이나 한국 채용시장의 순위를 뜻하지는 않아요. 강연에서 말하는 기회와 실제 통계가 다루는 대상을 구분하면 준비할 방향도 더 분명해져요. 왜 AI를 다루면서 기본기도 필요할까요 사진: Jacek Halicki · CC BY-SA 4.0 · Wikimedia Commons 앤드류 응은 2026년 8월 공개한 자료를 위해 팀과 함께 채용 공고 1만 건 이상을 분석하고 전문가·채용 담당자 등과 수십 차례 구조화된 인터뷰를 했다고 설명했어요. 여기서 꼽은 네 축은 AI 애플리케이션 개발과 배포, 소프트웨어 공학 기본기, 코딩 에이전트 활용, 무엇을 만들지 정하고 개발을 이끄는 능력이에요. AI에게 요청하는 문장을 잘 쓰는 데서 끝나지 않는다는 뜻이에요. 응은 AI가 내놓는 결과를 예측하기가 더 어렵기 때문에 결과를 평가하고 오류를 분석하며 다음 개선 방향을 정하는 능력이 중요하다고 설명해요. 답변이 그럴듯한지 보는 것과 실제로 요구한 일을 정확히 수행했는지 확인하는 것은 다른 과정이에요. 기본기가 필요한 이유도 같아요. AI가 구현을 맡아도 비용, 속도, 안정성, 보안 사이에서 어떤 선택을 할지는 남아 있어요. 소프트웨어가 작동하는 방식을 알아야 에이전트에 필요한 맥락을 주고 결과를 판단할 수 있다고 해요. AI 애플리케이션 개...

AI 학습 데이터 백도어, 앤트로픽 논문이 묻는 안전의 조건

평소 일을 잘하던 AI에 숨은 위험이 있다면, 우리는 무엇부터 확인해야 할까요? AI가 평소처럼 일을 잘해도 특정 상황에서는 위험한 명령을 실행할 수 있을까요? 2026년 10월 27일 공개된 「Agentic Backdoors via Pretraining Poisoning」은 그 가능성을 실험으로 보여 줬어요. 앤트로픽 연구진과 펠로 프로그램 참여자 등이 함께한 연구예요. 사전학습 오염이 무엇인지, 우리가 쓰는 AI의 권한을 왜 살펴야 하는지 짚어 볼게요. 나중에 잘 가르쳐도 남을 수 있어요 사진: Syced · CC0 · Wikimedia Commons 사전학습은 AI가 대량의 글을 통해 언어와 지식을 배우는 단계예요. 이때 학습 자료를 악의적으로 바꾸는 행위가 데이터 포이즈닝이에요. 백도어는 평소에는 드러나지 않다가 특정 조건에서 의도한 행동을 하도록 심어 둔 장치라고 이해하면 돼요. OWASP도 데이터 오염으로 생긴 백도어는 평상시 행동을 그대로 유지해 탐지하기 어려울 수 있다고 설명해요. 이번 연구진은 Qwen3 구조의 모델을 처음부터 학습시킨 뒤, 오염되지 않은 자료로 명령 수행과 선호도 학습, 강화학습을 했어요. 그런데 사전학습에서 생긴 백도어는 이 과정을 거친 뒤에도 남았어요. 일반 입력에 대한 성능도 비오염 모델과 비슷했어요. 일을 잘하는지와 숨은 위험이 없는지는 따로 평가해야 한다는 뜻이에요. 특히 도구를 사용하는 에이전트는 피해가 어디까지 미칠 수 있는지 살펴야 해요. 답변을 읽고 끝나는 상황과 달리 파일이나 외부 시스템에 영향을 줄 수 있으니까요. OWASP는 학습 데이터 조작이 모델의 보안과 성능을 해치고, 연결된 시스템까지 위험하게 할 수 있다고 설명해요. 이상한 답변이 있는지만 확인하고 점검을 끝내기 어려운 이유예요. 이전 연구에서도 비슷한 문제를 다뤘어요. 앤트로픽은 2025년 영국 AI 보안연구소, 앨런 튜링 연구소와 함께 악성 문서 250개로 실험 모델의 출력을 무의미한 글로 바꾸는 백도어를 보고했어요. 다만 당시에...