宝玉(@dotey)의 스레드

Cline의 저자 트윗에서 번역한 내용: Cursor와 Windsurf가 더 높은 지능을 추구하는 대신 "속도 최적화된" 모델을 출시하기로 선택한 이유는 무엇입니까? Cursor와 Windsurf 같은 회사의 경우, 지능의 경계를 넓히는 기초 모델을 처음부터 구축하는 것보다 속도 최적화에 초점을 맞춘 모델을 출시하는 것이 분명히 더 실용적입니다. 왜 그렇게 말했을까요? 상상해 보세요. 1. 먼저 오픈 소스 Qwen3 모델을 가져와서 강화 학습(RL)을 사용하여 자신의 작업 환경에서 직접 미세 조정합니다. 2. 그런 다음 미세 조정된 모델을 Cerebras 또는 기타 최적화된 GPU 하드웨어에 배포합니다. 3. 다음으로, 이 "중간" 수준의 지능적이지만 매우 빠른 모델을 원활하게 실행해 보겠습니다(요리). 반면, 완전히 새로운 기반 모델을 처음부터 구축하는 것은 완전히 다른 차원의 어려움입니다. 막대한 재정 투자와 장기적인 인재 육성뿐만 아니라 예측 불가능한 수많은 위험도 감수해야 합니다. AI 코딩 에이전트를 개발하는 기업에게 있어, 그들이 시장에 제공하는 진정한 가치는 기존 오픈소스 모델을 기반으로 추론을 미세 조정하고 최적화하는 데 있습니다. 솔직히 말해서, 이러한 접근 방식은 매우 효율적인 전략입니다. 최소한의 자원 비용으로 속도와 지능의 파레토 경계에 최대한 근접할 수 있기 때문입니다. 코드 기반 AI 기업들이 이 분야에 진출하기 시작하는 것을 보니 기쁩니다. 업계에 긍정적인 신호임은 의심할 여지가 없습니다. 하지만 이는 코드 기반 AI 기업들이 "중간 수준의 지능이지만 빠른 속도"가 "높은 수준의 지능이지만 느린 속도"보다 낫다고 주장한다는 뜻은 아니라는 점을 강조하는 것이 중요합니다. 결국, 다양한 시나리오에는 지능과 속도에 대한 요구 사항이 다릅니다.