LLM은 새로운 고수준 프로그래밍 언어다 — 10배 생산성의 새로운 추상화 계층
LLM 에이전트가 C가 어셈블리를 추상화했듯 프로그래밍의 새로운 추상화 계층이 되어, 병렬 에이전트 활용으로 10배 기능을 구현할 수 있다는 주장.
원문: LLMs as the new high level language 원문 보기 →
개요
Federico Pereiro가 발표한 에세이 "LLMs as the new high level language"가 HN에서 154점을 기록했다. LLM 에이전트가 프로그래밍에서 C가 어셈블리를, JavaScript가 C를 추상화했던 것과 같은 새로운 추상화 계층이라는 대담한 가설을 제시한다.
핵심 가설
여러 자율 LLM 에이전트를 병렬로 활용하는 개발자는 에이전트 없이 작업하는 경우보다 10배 더 많은 기능을 구현할 수 있다. 여기서 10배는 코드 줄 수가 아닌 기능적 산출물을 의미한다.
일반적 반론에 대한 반박
- "10배 코드는 그냥 슬롭이다" — 측정 기준은 코드 양이 아닌 기능적 산출물이어야 한다
- "스킬이 퇴화한다" — 오히려 LLM 사용은 동일 시간에 10배 기능을 관리하므로 더 많은 사고와 설계를 요구한다
- "코드 품질이 낮다" — 오늘날 개발자가 어셈블리로 프로덕션 코드를 작성하지 않듯, 생성된 코드는 아름다울 필요 없이 충분히 효율적이면 된다
프레임워크 구성
제안하는 시스템의 네 가지 구성 요소:
- 문서: 목적, 엔티티, 엔드포인트, 코딩 표준을 다루는 마크다운 사양
- 구현: 문서에서 재구성 가능하며 데이터 일관성 유지
- 다이얼로그: 인간이 검사하거나 참여할 수 있는 에이전트 추론 스트림
- 태스크: 상태 단계(pending, in-progress, done)를 통해 추적되는 작업 단위
미래 비전
저자는 MCP(도구 호출 표준)를 "새로운 XMLHTTPRequest"로 보며, 에이전트가 애플리케이션 사일로를 깨고 플랫폼 간 통합 데이터에 동적으로 접근할 수 있게 된다고 전망한다.
Source: Federico Pereiro
관련 기사
Gas Town 크레딧 논란, HN은 결국 AI agent 신뢰 문제로 읽었다
HN은 steal이라는 단어싸움보다 더 큰 지점을 붙잡았다. 유료 LLM credit과 GitHub 권한을 가진 agent가 명시적 opt-in 없이 upstream 유지보수까지 건드리면, 그 순간 문제는 편의성이 아니라 신뢰와 동의가 된다는 반응이다.
Karpathy의 autoresearch, AI agent가 PyTorch 실험을 밤새 반복하는 연구 루프
LocalLLaMA에서 공유된 autoresearch는 agent가 PyTorch 학습 코드를 수정하고 5분짜리 실험을 반복하면서 더 나은 val_bpb를 찾도록 설계된 최소 구성 연구 프레임워크다.
ByteDance, 에이전트 시대 겨냥한 Doubao 2.0 공개 — GPT-5.2 동급 성능에 10분의 1 비용
바이트댄스가 음력 설을 앞두고 Doubao 2.0을 출시했다. AIME 2025 98.3점, Codeforces 3020 등 주요 벤치마크에서 GPT-5.2와 비슷한 성능을 주장하면서도 가격은 서구 경쟁사 대비 약 10분의 1에 불과하다.