여의도 감성투자
رفتن به کانال در Telegram
대한민국 기업들을 응원합니다. 단순 정보를 제공할 뿐 매수 매도 의견을 제시하는 것이 아닙니다. 최종 투자판단은 각 개인에게 있습니다.
نمایش بیشتر6 390
مشترکین
+624 ساعت
+177 روز
+630 روز
در حال بارگیری داده...
کانالهای مشابه
![[시그널랩] Signal Lab 리서치](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1jbwCs%2F227000566921930674%3Fty%3Dx&w=256&q=75)
ابر برچسبها
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+99
در 18 کانالها
ژوئن '26
+30
در 1 کانالها
Get PRO
مه '26
+44
در 7 کانالها
Get PRO
آوریل '26
+36
در 2 کانالها
Get PRO
مارس '26
+15
در 0 کانالها
Get PRO
فوریه '26
+14
در 2 کانالها
Get PRO
ژانویه '26
+33
در 4 کانالها
Get PRO
دسامبر '25
+22
در 3 کانالها
Get PRO
نوامبر '25
+29
در 8 کانالها
Get PRO
اکتبر '25
+13
در 4 کانالها
Get PRO
سپتامبر '25
+6
در 0 کانالها
Get PRO
اوت '25
+54
در 12 کانالها
Get PRO
ژوئیه '25
+27
در 8 کانالها
Get PRO
ژوئن '25
+27
در 1 کانالها
Get PRO
مه '25
+33
در 8 کانالها
Get PRO
آوریل '25
+32
در 8 کانالها
Get PRO
مارس '25
+26
در 10 کانالها
Get PRO
فوریه '25
+19
در 10 کانالها
Get PRO
ژانویه '25
+24
در 0 کانالها
Get PRO
دسامبر '24
+60
در 15 کانالها
Get PRO
نوامبر '24
+61
در 15 کانالها
Get PRO
اکتبر '24
+66
در 28 کانالها
Get PRO
سپتامبر '24
+189
در 52 کانالها
Get PRO
اوت '24
+175
در 36 کانالها
Get PRO
ژوئیه '24
+99
در 35 کانالها
Get PRO
ژوئن '24
+45
در 15 کانالها
Get PRO
مه '24
+196
در 43 کانالها
Get PRO
آوریل '24
+118
در 37 کانالها
Get PRO
مارس '24
+48
در 24 کانالها
Get PRO
فوریه '24
+28
در 10 کانالها
Get PRO
ژانویه '24
+157
در 37 کانالها
Get PRO
دسامبر '23
+152
در 25 کانالها
Get PRO
نوامبر '23
+255
در 45 کانالها
Get PRO
اکتبر '23
+72
در 14 کانالها
Get PRO
سپتامبر '23
+233
در 0 کانالها
Get PRO
اوت '23
+155
در 0 کانالها
Get PRO
ژوئیه '23
+47
در 0 کانالها
Get PRO
ژوئن '23
+414
در 0 کانالها
Get PRO
مه '23
+56
در 0 کانالها
Get PRO
آوریل '23
+103
در 0 کانالها
Get PRO
مارس '23
+55
در 0 کانالها
Get PRO
فوریه '23
+90
در 0 کانالها
Get PRO
ژانویه '23
+124
در 0 کانالها
Get PRO
دسامبر '22
+66
در 0 کانالها
Get PRO
نوامبر '22
+575
در 0 کانالها
Get PRO
اکتبر '22
+473
در 0 کانالها
Get PRO
سپتامبر '22
+60
در 0 کانالها
Get PRO
اوت '22
+1 106
در 0 کانالها
Get PRO
ژوئیه '22
+40
در 0 کانالها
Get PRO
ژوئن '22
+113
در 0 کانالها
Get PRO
مه '22
+371
در 0 کانالها
Get PRO
آوریل '22
+78
در 0 کانالها
Get PRO
مارس '22
+92
در 0 کانالها
Get PRO
فوریه '22
+73
در 0 کانالها
Get PRO
ژانویه '22
+183
در 0 کانالها
Get PRO
دسامبر '21
+350
در 0 کانالها
Get PRO
نوامبر '21
+506
در 0 کانالها
Get PRO
اکتبر '21
+222
در 0 کانالها
Get PRO
سپتامبر '21
+2 963
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 22 ژوئیه | +49 | |||
| 21 ژوئیه | +6 | |||
| 20 ژوئیه | +2 | |||
| 19 ژوئیه | +3 | |||
| 18 ژوئیه | 0 | |||
| 17 ژوئیه | +2 | |||
| 16 ژوئیه | +2 | |||
| 15 ژوئیه | +6 | |||
| 14 ژوئیه | 0 | |||
| 13 ژوئیه | +1 | |||
| 12 ژوئیه | 0 | |||
| 11 ژوئیه | +1 | |||
| 10 ژوئیه | +5 | |||
| 09 ژوئیه | +14 | |||
| 08 ژوئیه | +2 | |||
| 07 ژوئیه | +1 | |||
| 06 ژوئیه | 0 | |||
| 05 ژوئیه | 0 | |||
| 04 ژوئیه | +1 | |||
| 03 ژوئیه | +2 | |||
| 02 ژوئیه | 0 | |||
| 01 ژوئیه | +2 |
پستهای کانال
| 2 |  더 빠지고 덜 오름 | 1 731 |
| 3 |  한도 리셋 좀... | 1 708 |
| 4 |  +1👀 | 1 659 |
| 5 | 루머)
- SK, 자사 HBM에 EMIB 패키징 및 포베로스 적용 테스트 중
- SK, 인텔 지분 인수 가능성 높음
- 팹 공동 활용 및 IP 공동 개발을 위한 합작법인(JV) 설립 | 2 714 |
| 6 | 항상 감사히 읽고 있습니다.
전반적으로 공감하나 일부 이견이 있는 부분은 아래와 같은데,
“수요 측면 (선행지표 2가지):
챗봇 DAU 및 유료 전환율: 엔터프라이즈 실험 예산의 명분이 소비자 내러티브에서 나오는 만큼, 소비자 플래토는 6~12개월의 시차를 두고 기업 지출로 이어지는 선행지표이다.
미국 프론티어 모델의 API 토큰 점유율: 기업은 사용량을 늘리면서도 더 싼 모델로 갈아타는 방식으로 지불액을 줄이는 주체이다. 저가·오픈웨이트 모델로의 점유율 이동은 "토큰은 폭증하는데 달러 매출은 정체하는" 시나리오의 직접적인 관측치이다. 수요가 견조하다는 방어 논리가 매 분기 사실이면서 동시에 무의미해지는 경로가 바로 이것이다.”
챗봇과 에이전틱AI는 기업의 생산성 향상에 작동하는 매커니즘이 전혀 다르므로 챗봇DAU를 선행지표로 보기 어렵다는 생각입니다. 코드가 막힐때 물어보는 챗봇과 코드에서 손을 때고 자연어로 코딩하게 되는 것은 아예 다른 생산성 변화를 낳기 때문입니다.
다음으로 프런티어 모델이 달러 매출 기준으로 저가모델에 잠식당하기 위해서는 저가모델이 일반화된 에이전틱 워크플로우에서 프런티어 모델과 차이가 경미해야 할텐데 깡모델 성능이 낮은 상황에서 혹은 RL이 적게 된 저가 모델에서 그게 가능할지 모르겠습니다. 정말 그렇다면 GG | 1 371 |
| 7 | 지불 주체의 부재 — AI 트레이드의 가장 큰 리스크
https://m.blog.naver.com/kk_kontemp/224353352167 | 707 |
| 8 | KIMI CEO 인터뷰 中 (3)
(오픈소스 모델vs클로즈드소스 모델)"하지만 그건 다운스트림 애플리케이션에 힘을 실어주는 쪽에 가깝습니다. 그런 기여를 메인 모델, 즉 베이스 모델 자체의 개선으로 전환하는 건 여전히 매우 어렵습니다. 현재로서는요."
->오픈소스 모델이 뒤쳐질 수 밖에 없다는 뉘양스
(데이터 플라이휠)"스케일링 효율이 아주 높을 때는 단순히 컴퓨팅을, FLOPs를 스케일링하는 것만으로 엄청난 이득을 얻게 되고, 그러면 다른 모든 것에서 얻는 이득이 작아 보이게 됩니다. 그게 한 측면이고요. 다른 측면은, 이른바 데이터 플라이휠이라는 건 외부 환경으로부터의 피드백에 크게 의존하는데, 저희는 그 피드백에 노이즈가 너무 많이 섞이는 걸 원하지 않아요."
->일단은 컴퓨팅 늘리는게 가장 효율적
(비지니스 모델)"지금 명확한 비즈니스 모델은 두 가지라고 생각합니다. 하나는 API고, 다른 하나는 퍼스트파티(first-party) 제품이에요. 저희는 아마 둘 다 시도해볼 겁니다.”
(돈 벌 수 있나요?)"네 — 일단은 먼저 투자하는 겁니다. 돈을 벌 수 있느냐는 모델이 얼마나 좋으냐에 달렸어요. 지금은 시장이 상업적으로 이미 어느 정도 검증됐고, 방금 말씀드렸듯 빠르게 성장하고 있다고 봅니다. 그래서 초점은 계속 기술을 더 좋게 만드는 데 두어야 하고, 나머지는 오히려 확실성이 더 높다고 말씀드리고 싶어요."
->기술만 만들면 돈은 번다
(제1과제)"에이전트의 일반화가 아마 가장 중요한 것이라고 생각합니다. 지금은 아직 완전히 해결되지 않은 문제라고 봐요."
(따거)"언제나 풀어야 할 새로운 문제가 있을 것이고, 하나를 풀 때마다 기술은 산을 몇백 미터씩 더 올라가니까요. 그리고 어쩌면 언젠가는… 아시다시피 이 설산에는 끝이 없을 수도 있습니다. 저도 모르죠. 저는 끝이 영원히 없기를 바랍니다. 그게 바로 "무한의 시작"이 의미하는 바이니까요. 무한한 산일 수도 있고, 우리는 그저 계속 위로 오르는 겁니다." | 888 |
| 9 | KIMI CEO 인터뷰 中 (2)
(모델의 중요성) "최고의 에이전트를 만들고 싶다면 — 가장 복잡한 태스크를 풀게 하고 싶다면 — 결국에는 아마 아주 강한 추론 능력이 필요할 거예요. 그런 관계인 거죠. R&D 관점에서는 필연적인 순서가 아니지만, 어느 하나를 최고 수준까지 밀어붙이고 싶다면 — 최고의 에이전트를 원한다면 — 추론도 최고 수준까지 끌어올려야 하는 거예요."
(AI 자체 모델 훈련)”지금은 많은 데이터 처리나 모델 분석, 심지어 일부 모델 훈련까지도 점차 모델 자체로 해낼 수 있게 됐습니다. 그러니까 AI를 증폭기로 삼아 이 산을 더 잘 오를 수 있는 거예요."
(퍼스트파티 제품vs써드파티 제품)” 모델 회사가 퍼스트파티(first-party) 제품을 만들면 로직이 완전히 달라진다는 걸 알 수 있어요. 그런 역방향 과정이 별로 필요 없고, 훨씬 더 순방향 접근이 되거든요. 제가 먼저 툴을 설계하고, 컨텍스트 엔지니어링 방법을 설계한 다음, 그 환경 안에서 모델을 학습시키는 거예요. 그러면 당연히 모델이 자기 환경 안에서 더 좋은 성능을 내게 되죠. 그래서 이건 서로 다른 두 가지 사고방식인데, 두 번째 쪽이 아마 천장이 더 높을 거라고 생각해요."
->커서같은 서드파티 회사들보다 모델회사가 직접 제품 만드는게 성능이 좋을 수 밖에 없다는 이야기. 지금은 너무나 당연하지만 Claude Code의 대중화 전 발언임
(모델 개발의 병목)”지금 이 분야 전체의 사전학습 병목이 어디에 있는지를 봐야 해요. 저희가 발견한 건, 고품질 데이터의 증가가 사실 굉장히 느리고, 멀티모달 데이터가 텍스트 자체에 대한 모델의 지능을 의미 있게 끌어올리지 못했다는 거예요. 고품질 데이터는 거의 상수에 가깝다고 볼 수 있어요. 그렇다면 그 안에서 저희가 원했던 건 모든 데이터를 최대한으로 활용하는 것 — 이른바 토큰 효율(token efficiency)이에요. 같은 양의 데이터를 먹어도 뇌가 더 많이 자라게 하는 것 — 거기서 더 많은 지능을 뽑아내는 거죠"
->1)고품질 데이터의 중요성 2)데이터 활용의 토큰 효율
(에이전트 모델의 병목)"저는 평가(evaluation) 전반이 여전히 병목이라고 봅니다. 에이전트 모델이 더 범용적으로 되는 걸 가로막는 아주 중요한 병목이에요.” "사람의 일상 업무라는 것도 본질적으로는 멀티턴 도구 사용의 연속이라고 할 수 있잖아요. 근본적으로는 그 인간의 시퀀스를 모델에 피팅하고 싶은 건데, 그런 디지털화된 데이터는 수집할 수가 없으니 강화학습(RL)으로 구성해내는 겁니다."
(컨텍스트 길이)"롱 컨텍스트도 매우 중요합니다. 지금 128k나 256k 컨텍스트로는 도저히 풀 수 없는 태스크가 많거든요. 100만 토큰(token) 수준, 혹은 그 이상이 필요할 수도 있어요."
->루머에 의하면 Gemini 3.5 Pro는 2m | 658 |
| 10 | KIMI CEO 인터뷰 中 (1)
(추론모델의 상한)"순차적 접근의 상한선이 더 높다고 주장하는 논문들도 나왔는데, 이건 저희 실험 결론과도 어느 정도 일치합니다."
(에이전트 모델) "RL 기법으로 이런 에이전트형 모델을 훈련하는 거예요. 이 모델들의 특징은 외부 세계와 아주 많이 상호작용한다는 겁니다. 예를 들어 생각하면서 동시에 조작을 수행하고, 이런 조작을 여러 라운드에 걸쳐 하는 거죠. 어떤 때는 검색을 호출하고, 어떤 때는 브라우저를 쓰고, 어떤 때는 코드를 몇 줄 쓰고, 이렇게 여러 턴을 거쳐 문제 하나를 해결합니다. 더 이상 통 속의 뇌가 아니에요. 외부 세계와 상호작용하는 거죠."
(스케일링 법칙)” 스케일링 법칙은 — 음, 데이터 장벽(data wall)이 존재합니다. 그건 분명히 객관적인 사실이라고 생각해요. 그리고 데이터 장벽을 돌파하려면 토큰 효율(Token Efficiency)을 높여야 합니다" "그런데 사실 지금 저희가 관찰하는 바로는, 모델이 좋아지는 속도가 느려지지 않았습니다 — 오히려 가속되고 있다고까지 말할 수 있어요."
(기술적 도약)”기술적으로 가장 중요했던 건, 사전학습(pretraining)에 SFT를 더하는 방식 중심의 R&D에서, 사전학습에 강화학습(RL)을 더하는 방식 중심으로 전환한 거라고 생각해요." | 927 |
| 11 |  딥시크와 키미가 왜 성공했는지 이제 이해했다. | 808 |
| 12 |  FABLE, GPT 5.6, KIMI K3의 올해 고등 IMO 문제 풀이
KIMI K3 1,545k output token, 17.4시간 소요
Fable 705k output token, 2.5시간 소요
again, 가장 비싼 모델이 역설적으로 가장 싸다 | 1 122 |
| 13 | more compute more memory pls | 902 |
| 14 | https://n.news.naver.com/article/015/0005312067?sid=103 | 867 |
| 15 | 덧)MERCOR ARR $2B(4개월전 $1B) | 834 |
| 16 | ANTHROPIC ARR $80B? | 843 |
| 17 | GOOGL $423B
MSFT $318B
NVDA $254B
META $215B
TSLA $98B
AVGO $76B
ORCL $67B
NFLX $48B | 878 |
| 18 |  Anthropic ARR 데이터에 오류가 있어서 게시물을 삭제했습니다. | 2 605 |
| 19 | * 앤스로픽 ARR $80B
Anthropic의 최신 연환산 매출(ARR)은 795억 달러에 도달했으며, 이달 말까지 전월 대비 절대 증가액이 100억 달러를 넘어설 것으로 예상된다.
1. 6월 말 기준 690억 달러였던 ARR이 약 3주 만에 100억 달러 증가했다.
2. 올해 3월 이후 Anthropic의 ARR은 매달 최소 100억 달러 이상 증가해왔다. 3월부터 6월까지 월별 증가액은 각각 +100억 달러, +110억 달러, +140억 달러, +150억 달러였다.
출처 : YipitData
** 저가모델 때문에 매출타격을 입은게 아니라 오히려 ARR 증가속도가 가속화됨
https://x.com/i/status/2079405439272317109 | 520 |
| 20 | AH +3.3% | 968 |
