#coding-agents

일상형 고성능 모델 경쟁의 초점이 최고점보다 비용당 성능으로 옮겨갔다. Claude Opus 5는 Fable 5에 가까운 코딩·지식 작업 성능을 절반 가격으로 내세우며, API 가격은 입력 $5/M·출력 $25/M 토큰으로 책정됐다.

AI coding agent를 더 많이 돌리자는 흐름에 맞서, 문제는 loop 수가 아니라 검토와 모델 학습의 한계라는 반론이 힘을 얻었다.

공개 모델용 코딩 에이전트가 특정 모델 하네스와 SDK 호환성을 앞세워 성숙하고 있다. OpenInterpreter는 Rust로 구현한 Kimi K3 네이티브 하네스, Apache 라이선스, ACP와 Codex SDK 호환을 내세웠다.

LM Studio Bionic은 open model을 쓰는 agent workflow를 데스크톱으로 끌어오려는 시도다. HN의 관심은 coding 기능과 함께 local 실행, cloud 전환, closed-source 앱이라는 긴장에 모였다.

xAI의 terminal coding agent가 공개되자 HN의 관심은 기능보다 신뢰와 통제권으로 향했다. Rust TUI, shell 실행, ACP 지원보다 더 뜨거운 쟁점은 telemetry와 fork 가능성이었다.

코딩 에이전트가 실제 명령을 실행해야 유용하지만, 로컬 머신을 그대로 맡기는 불안도 커졌다. Clawk는 권한 프롬프트 대신 일회용 VM과 네트워크 allow-list로 경계를 세우는 접근을 제안한다.

OpenAI가 SWE-Bench Pro 공개 과제의 30%가 깨져 frontier coding 역량을 안정적으로 재지 못한다고 밝혔다. 숨은 요구사항, 충돌하는 지시, 과도한 테스트가 정답을 실패로 처리할 수 있다는 지적이다.

Pass rate보다 token과 탐색 비용이 논점이다. HN 토론은 “성공률은 같아도 작업 흔적은 달라진다”는 지점을 파고들었다.

AI coding이 단일 assistant 경쟁에서 orchestration 문제로 넘어가고 있다. Omnigent는 여러 coding agent를 같은 세션에서 조율하고 guardrails와 human-in-the-loop 절차를 묶는 open-source meta-harness다.

Copilot 모델 선택지가 처음으로 open-weight 모델까지 넓어졌다. GitHub는 Kimi K2.7 Code를 VS Code부터 순차 제공하고, Business와 Enterprise는 관리자가 정책으로 켜야 한다고 설명했다.

벤치마크 숫자보다 HN 댓글이 파고든 지점은 작은 모델을 실제 코딩 루프에 넣었을 때의 속도와 안정성이다.

오픈 weight 모델이 실제 보안 버그 탐지 과제에서 Claude Code를 앞섰다는 점에 관심이 모였다.