Pinned Tweet
선팔시 맞팔 합니다.
혹시나 알림에 안뜨는 경우가 있는데
답글or인사해주시면 바로 맞팔 하겠습니다.
(본인 게시글없는 계정 제외)
* 자산 포지션 업데이트 - 2026년2월(비중 순)
1. 회사 : 가장 안정적인 수입원
2. 부동산 : 수도권 재개발 투자(27년 완공예정)
3. 주식
- 해외 : ETF(QQQ, SOXX, TLT)
개별주(테슬라, 유니티, 마소, 포엣 등)
- 국내 : 반도체 위주(하닉,삼전, 반도체ETF)
4. 연금(퇴직금IRP, 연금저축계좌)
- 반도체ETF, 나스닥, 항셍, TDF, TRF, 미국장기국채
5. 코인 : 알트 100%
선팔시 맞팔 합니다.
혹시나 알림에 안뜨는 경우가 있는데
답글or인사해주시면 바로 맞팔 하겠습니다.
(본인 게시글없는 계정 제외)
* 자산 포지션 업데이트 - 2025년7월(비중 순)
1. 회사 : 가장 안정적인 수입원
2. 부동산 : 수도권 재개발 투자(27년 완공예정)
3. 코인 : 비트 20% 알트 80%
4. 주식
- 해외 : ETF(QQQ, SOXX, TLT)
개별주(테슬라, 유니티, 마소 등)
- 국내 : 반도체 위주(하닉,삼전, 반도체ETF)
5. 연금(퇴직금IRP, 연금저축계좌)
- 나스닥, 항셍, TDF, TRF, 미국장기국채
Rejoice! It is a beautiful Saturday a special day
DeepSeek just published their latest model, 1017 and it is the new SOTA among all open weight models including kimi-k3
Beats Opus-5 on deepswe, agents last exam and automation bench.
🤖 Made with AI
Strix Halo에서 v0.1.40에서 prefill 300이상, decode 30이상이었는데
v0.1.42로 업그레이드(직접 안되서 build 해서 진행) 후
prefill 200이상, decode 10정도로 떨어졌다..
다시 v0.1.40으로 다운그레이드 시키니 decode 30이상으로 바뀌었다.
Strix Halo는 v0.1.40이 더 안정적인 것으로 보인다.
Strix Halo머신에 Strata 지원이 들어왔습니다.
64GB를 VRAM에 할당하였고
Qwen3.8-flash-next UD-IQ4_XS 를
놀랍게도 단일 머신으로 돌리고 있으며
Prefill : 약 300 tok/s
Decode : 23~35tok/s
준수한 속도로 뽑아내주고 있습니다.
개발진의 머신에서는 Prefill이 1200이상도 찍히던데
저는 윈11 WSL2 환경이라 그정도는 못하는것 같네요.
어느쪽이 병목인지는 모르겠지만 일상용으로도 사용하는PC라 리눅스로 넘어가야할지 고민입니다.
와.. 로컬 이미지 생성모델을 z-image-turbo에서
qwen-image-2.1-turbo로 교체할 시점이 온건가!!?
🚀 Meet Qwen-Image-2.1-Turbo — create and edit images in just 8 denoising steps! Open weights now available!
Built on Qwen-Image-2.1, Turbo is an accelerated checkpoint on the same 7B visual generation architecture.
Fewer steps does not mean lower quality: it still generates strong 2K images from text, and supports continued creation through natural-language edits, from adding accessories to changing a scene.
Start directly with Diffusers: load QwenImage21Pipeline and the checkpoint’s recommended 8-step sampling schedule is ready to go.
🌐 Prefer an API? Qwen-Image-2.1 Pro and Turbo APIs are now officially live. Choose a hosted API for your application, or use the Turbo weights in your own workflow.
🤖 ModelScope:
modelscope.cn/models/Qwen/Qw…
🤗 Hugging Face:
huggingface.co/Qwen/Qwen-Ima…
🔗 Pro API:
modelstudio.console.alibabac…
🔗 Turbo API:
modelstudio.console.alibabac…
What will you create with 8 steps? Share your results with us!
AMD의 Strix Hallo에 Strata를 적용해봤습니다.
결과적으로 decode 30tok/s 이상이 출력되는것을 확인했습니다.
원래는 Qwen3.8-Flash-Next를 위해 96GB의 VRAM을 할당해야했지만, WSL2를 사용하여 64GB VRAM만 할당하고 나머지 LP5X 64GB로 구동하는데 성공했습니다.
양자화는 iq2_xs를 사용하였습니다!!
(기존 unsloth desktop에선 27tok/s정도 나왔는데 10%정도 개선되었습니다.)
사용된 기기 : Beelink GTR9 Pro
People still dont fully grasp Strata
You can now buy old cheap DDR3 machine with 128GB or 64GB RAM connect 8GB+ GPU and run Qwen3.8-Flash-Next at 70tps+
Remember guys: More cores/threads in CPU - faster it will go :)
github.com/Niko1221/Strata
요즘 gpt 5.6 terra로 같은 작업을 해도,
아스트라 출시 전 대비 코덱스 사용가능 한도가 급격히 차감되네요.
사용자가 늘어서 허용가능 토큰을 줄인게 아닌가 싶어요😂
비슷하게 느끼시는분 계신가요??
와...MOE모델이지만 총파라미터 125B 모델이
AMD Local Machine에서도 20tok/s 이상 나오다니!!
짧은 문의는 30tok/s까지 나온다.
ROCm 10버전의 최적화가 이뤄지면 얼마나 더 빨라질까?
Local LLM을 취미로서 운용하기로건 잘한 것 같다 😍😍
⚡Meet Qwen3.8-Flash, a multimodal MoE and an early preview of the Qwen4 architecture, now open-weight!
The production version Qwen3.8-Flash will be available soon via QwenCloud API at just $ 0.16/1M input tokens and $ 0.47/1M output tokens.
125B parameters + 51B N-gram embeddings, with just 6B activated per token. Unmatched cost-efficiency.
What's new: 🥳
- Next architecture: GDN + QSA hybrid attention, Gated Residual, N-gram Embedding & Muon optimizer, serving as a precursor to the architecture used in Qwen4.
- Dramatically lower training and inference costs: trained at just 1/9 the cost of Qwen3.7-Plus, while outperforming it across the board with especially strong gains in coding and office tasks.
- Strong performance: scoring 58.7 on DeepSWE 1.1, 62.5 on SWE-bench Pro, 73.9 on CoWorkBench, 84.5 on AndroidWorld, and 95.7 on MathVision (with CI).
- 262K native context, extensible to 1M with YaRN.
We’re also releasing the weights for Qwen3.8-Flash-Next, giving the community an early look at the new architecture we’re exploring for Qwen4.🚀
We can't wait to see what you build with Qwen3.8-Flash!👀👇
- Blog: qwen.ai/blog?id=qwen3.8-flas…
- Technical Report: github.com/QwenLM/Qwen3.8-Fl…
- Hugging Face: huggingface.co/Qwen/Qwen3.8-…
- ModelScope: modelscope.cn/models/Qwen/Qw…
One of the smartest things you can do with Hermes right now:
Use Obsidian to build a second-brain database that self-evolves over time.
Here's how to set it up in <5 minutes:
Step 1. Download Obsidian
Head to obsidian . md and download the desktopp app.
Create a new Obsidian vault (this is where all notes live locally).
Start dumping everything in here:
- Business context
- Personal goals
- Meeting summaries
The more you put in, the more powerful it gets.
Step 2. Connect Hermes to your Obsidian vault
Open the new Hermes desktop app and paste this prompt:
"I want to connect you to my new obsidian vault and have you act as my second-brain orchestrator - do everything necessary to set up that connection now."
This gives Hermes direct access to everything inside your vault.
Step 3. Let it self-evolve
Every time you add a new note, Hermes automatically ingests it.
Prompt Hermes:
"Every day, scan my second brain database. Every time I add a new note, use it to create reusable skills and workflows."
Pro tip: Once Obsidian is connected to your agent, you can just prompt it directly to add notes/context/data.
This is what a true AI second brain looks like.
Save this and build your second brain system now.
Slow but Steady retweeted
한국, AI 비싸게 쓴다…한국어 토큰 소모, 영어 최대 2.59배 높아
1/ 최근 글로벌 AI 기업들이 토큰 사용량에 따라 비용을 청구하는 종량제 요금제를 확대하면서 이용자들의 비용 부담이 증가하고 있다.
2/ 동일한 AI 모델이라도 한국어가 영어보다 토큰을 최대 3.5배 더 소모한다는 연구 결과가 나왔다. 이는 비영어권 이용자가 사실상 더 많은 비용을 치르는 언어세 문제를 확인한 것이다.
3/ AI 연구원 아란 코마츠자키가 유명 에세이를 각국 언어로 번역해 토큰 소모량을 분석한 결과, 전 모델 평균에서 한국어는 영어 대비 1.6배, 앤트로픽 모델에서는 최대 2.59배 높았다.
4/ 앤트로픽의 최근 토크나이저 개편으로 토큰 소모량이 1.35배 늘어난 점을 고려하면 한국어 사용자는 영어 사용자 대비 최대 3.5배 비용을 부담할 수 있다.
5/ 한국어 토큰 소모가 많은 이유는 교착어 특성과 조사·어미 결합, 동음이의어 처리 때문이다. 글로벌 모델의 한국어 학습 데이터 비중이 1% 안팎에 불과한 것도 큰 요인이다.
6/ 토큰 수가 2배 증가하면 AI 연산 비용이 최대 4배까지 폭증할 수 있어 한국 기업들의 경쟁력이 약화될 우려가 있다.
7/ 전문가들은 고품질 한국어 데이터를 충분히 학습하고 토크나이저를 최적화한 국내 독자 모델 개발로 문제를 해결할 수 있다고 조언한다.
8/ 중국계 모델처럼 자국어 데이터를 초기에 반영하면 토큰 효율이 영어보다 좋아질 수 있다. 다만 토큰 효율만 추구하다가 범용 성능이 떨어지지 않도록 균형 잡힌 설계가 중요하다.
Slow but Steady retweeted
<5만 팔로워 기념>
광학의 시대라 말씀드리고 다들 계좌 수익은 달달하셨겠죠?
오르면 내꺼 많이 하십시오 🤭
또 한번 산업의 전환점을 맞이하는것 같아
큰 화두를 전달 드리려 합니다
우주시대를 앞둔 지금,
사람들은 가장 뜨거운 곳을 GPU와 HBM, 그리고 전력 인프라에서 찾고 있는데요
물론 그것은 거대한 흐름입니다.
AI는 인간 문명의 계산 능력을 폭발적으로 끌어올리고 있고, 데이터센터는 현대 산업혁명의 증기기관처럼 돌아가고 있으니까요..
하지만 역사를 돌아보면,
진짜 거대한 버블과 패러다임 전환은 언제나 “연결(Connection)”에서 시작 됐습니다.
닷컴 시대의 광섬유,
3G·4G 시대의 기지국과 RF Front-End,
스마트폰 시대의 통신칩과 안테나 혁명.
반도체 역사에서 가장 많은 기업과 자본, 그리고 인간의 욕망을 태워 올린 영역은 결국
통신이었습니다.
결국 모든 데이터의 연결을 원하기 때문이죠.
이제 그 연결의 무대가 지상을 넘어 우주로 올라가 저궤도 위성은 더 이상 국가 프로젝트가 아닙니다.
수천 기의 위성이 지구를 감싸고,
자동차·드론·군사·로봇·AI 디바이스까지 모두 실시간으로 연결되는 시대가 열릴겁니다.
그리고 그 중심에는 다시 RF 섹터가 있습니다.
보이지 않는 전파를 증폭하고,
잡음을 억제하며,
극한의 거리와 속도 속에서도 신호를 붙잡아야 하는 기술.
GPU가 ‘생각하는 엔진’이라면,
RF는 문명을 서로 이어주는 신경망입니다.
스타링크는 단순한 인터넷 사업이 아닙니다.
그것은 “우주 기반 글로벌 네트워크”의 첫 번째 상용화 모델입니다.
그리고 언젠가 SpaceX 가 상장되는 순간,
시장은 단순히 로켓 기업 하나를 평가하지 않을 것입니다.
우주시대의 패권은 발사체만이 아니라,
지구와 우주를 연결하는 RF 인프라에서 나온다는 사실을.
우리는 지금 AI 시대의 초입에 있다고 말합니다.
하지만 동시에,
“대 RF 시대”의 입구에도 서 있습니다.
다시 한번 통신의 시대가 열릴겁니다.
그리고 거대한 시장은 언제나,
대부분의 사람이 아직
낭만으로 치부할 때 시작됩니다.
가장 걱정하고 있던 이슈들이 만들어지고 있다..하아..
“삼성, 호황기 파격보상 원하면 불황기 저임금·해고 수용해야” - 조선일보
세계 석학들은 공통으로 “근로자들이 호황기 파격적 보상을 원한다면, 불황기 낮은 임금과 정리해고 같은 고용 유연성도 받아들여야 한다”는 자본시장 원칙을 강조했다.
- 드디어 빌드업을 거의… v.daum.net/v/202605160054176…
Slow but Steady retweeted
セッションをまたいで記憶を保ち、経験から自分でスキルを作って育つAIエージェント Hermes Agent。ガチで使い倒すためのGitHubレポ10選:
21 Hermes Agent 本体
Nous Research公式のコアリポジトリ。MITライセンスで自由に使える。
github.com/NousResearch/herm…
2. Hermes-Wiki
Hermes Agentのソースコードを解説するコミュニティWiki。実装理解に効く。
github.com/cclank/Hermes-Wik…
3. Atlas
エコシステム地図。100+のツール・スキルを俯瞰でき、RAG検索にも対応。
github.com/ksimback/hermes-e…
4. Control Interface
セルフホスト型ダッシュボード。複数エージェント・長時間タスク・記憶を一画面で管理。
github.com/xaspx/hermes-cont…
5. Skill Factory
タスクを振り返って新スキルを自動生成・追加。エージェントが自分の武器を自製。
github.com/Romanescu11/herme…
6. Maestro
ローカル動作のマルチエージェント協調ツール。Codex・Claude Code・Geminiを横断して構造化記憶と引き継ぎを管理。
github.com/ReinaMacCredy/mae…
7. Hermes Agent Camel
信頼境界(CaMeL)を組み込んだフォーク版。本番運用の防護に向く。
github.com/nativ3ai/hermes-a…
8. Hermes HUD
TextualベースのTUI監視ターミナル。意識の流れとメモリ状態をリアルタイム可視化。
github.com/joeynyc/hermes-hu…
9. Hermes Alpha
クラウド環境向けのHermes Agentデプロイ用テンプレート。Makefileと設定例同梱。
github.com/kaminocorp/hermes…
10. Awesome Hermes Agent
コミュニティ厳選のプラグイン・プロンプト・教材まとめリスト。
github.com/0xNyk/awesome-her…
保存して順に試してみて。
































