🚀 AI 연구소102 ChatGPT Work vs Codex 차이: 기능은 겹치는데 왜 나눴을까? (한도·용도 정리) 새 ChatGPT 데스크톱 앱을 열면 왼쪽 위에서 ChatGPT와 Codex를 고를 수 있다. ChatGPT 안에는 다시 Chat과 Work가 있다. 메뉴 설명만 보면 Work는 문서 작업, Codex는 코딩으로 구분되는 듯하다.그런데 직접 써보면 바로 의문이 생긴다. Codex도 웹을 검색하고, 파일을 읽고, 보고서와 스프레드시트를 만들 수 있다. Work도 데스크톱에서는 로컬 폴더를 열고 앱을 조작한다. 그렇다면 왜 굳이 둘로 나눴을까?결론부터 말하면 능력의 경계가 아니라 작업 환경의 경계다. 같은 회사에 다니는 두 직원이 아니라, 비슷한 두뇌에 서로 다른 책상과 도구를 배치한 것에 가깝다. Work는 일반 업무의 결과물과 연결 앱을 중심으로, Codex는 저장소와 터미널을 중심으로 설계됐다.이 글은.. 2026. 7. 26. MasRouter(ACL 2025): 협업모드·역할·모델을 학습으로 라우팅하는 MASR (arXiv 2502.11133) 멀티에이전트를 켜두면 비용이 무섭게 오른다. 역할 3개 × 각각 여러 번 모델 호출. 그런데 생각해보면 이상하다. "1+1은?" 같은 쉬운 질문에도 토론 5인조를 붙이면 낭비 아닌가? 반대로 어려운 질문에 혼자 붙이면 틀린다.ACL 2025 논문 MasRouter는 이 문제를 정면으로 정의한다. 질문마다 팀을 어떻게 꾸릴지를 자동으로 정하는 라우터다. 단순히 "이 질문에 어떤 모델?"이 아니라 "협업 방식 + 역할 구성 + 각 역할의 모델"을 통째로 고른다.원문: arXiv:2502.11133 (ACL 2025) · 코드: yanweiyue/masrouter 기존 라우터가 못 보던 것예전 LLM 라우터는 단일 에이전트 세계의 질문만 풀었다. "이 쿼리는 GPT? Claude? 아니면 작은 모델?" 비용은.. 2026. 7. 25. Think Big, Search Small: 검색 에이전트는 메인에 큰 모델, 서브는 작게 (arXiv 2607.07548) 검색형 AI 에이전트를 만들 때 거의 모두가 하는 실수가 있다. 메인 에이전트도 최신 대형 모델, 검색 서브도 같은 대형 모델. "둘 다 비싸니까 성능이 좋겠지"라는 직관이다. 2026년 7월 논문 Think Big, Search Small은 이 직관을 통제 실험으로 정면 반박한다. 결론이 제목에 다 있다. 생각(위임)은 크게, 검색(실행)은 작게.원문: arXiv:2607.07548 문제: 용량을 어디에 써야 하나계층형 검색 에이전트는 보통 이렇게 돈다. 메인이 복잡한 질문을 작은 서브쿼리로 쪼개고, 서브들이 각자 검색해서 보고서를 올린다. 그런데 예산(모델 크기)은 한정돼 있다. 메인에 몰까, 서브에 몰까? 아무도 진지하게 안 따져봤다는 게 이 논문의 출발점이다.일상 비유로: 리서치 팀에 시니어 한 .. 2026. 7. 25. AOrchestra 해설: 서브 에이전트를 (Instruction·Context·Tools·Model)로 즉석 생성하는 법 (2026) 에이전트 시스템을 처음 짜면 대부분 이렇게 한다. "코더 에이전트, 검색 에이전트, 리뷰어 에이전트"를 미리 정의한다. 조직도를 그리듯 역할을 고정하는 것이다. 편하다. 그런데 실제 업무는 조직도대로 오지 않는다. "이번엔 PDF 3개 대조해서 표로 뽑아줘" 같은 게 오면, 어느 상설 부서에도 안 맞는다.AOrchestra(2026)는 이 "상설 부서" 방식을 버린다. 대신 일이 올 때마다 딱 맞는 임시 담당자를 즉석에서 만든다. 그 담당자를 정의하는 공식이 이 논문의 전부다.원문: arXiv:2602.03786 · 코드: FoundationAgents/AOrchestra 한 공식만 기억하면 된다에이전트 = ⟨지시문, 맥락, 도구, 모델⟩(Instruction, Context, Tools, Model) .. 2026. 7. 25. 이전 1 2 3 4 5 6 7 ··· 26 다음
