Mythos의 순간
2026년 4월 7일, Anthropic은 Claude Mythos Preview를 발표했습니다. 헤드라인 자체가 인상적이었습니다. 단일 모델이 자율적으로 작동하며, 주요 운영체제와 웹 브라우저 전반에서 그동안 알려지지 않은 보안 취약점 수천 건을 찾아냈다는 내용이었습니다. 그중 하나인 FreeBSD의 NFS 구현에 있는 원격 코드 실행 결함은 코드베이스 안에서 17년간 잠들어 있었습니다. 동료 리뷰, 수동 감사, 수백만 건의 자동화된 테스트를 모두 통과했던 결함이었습니다. Mythos는 그것을 몇 시간 만에 찾아내고, 작동하는 익스플로잇까지 작성했습니다.
몇 주 후 보안 연구자들은 Mythos가 OpenBSD에서 27년 된 TCP SACK 취약점과 FFmpeg에서 16년 된 결함도 표면화시켰다고 보고했습니다. Anthropic은 모델을 상업적으로 출시하지 않기로 결정했습니다. 대신 회사는 Project Glasswing을 출범시켰습니다. 이는 Mythos의 발견에 대한 책임 있는 공개 절차를 함께 진행하는 주요 기술 기업들의 컨소시엄입니다.
반응은 예상대로 갈렸습니다. 일부는 이를 세대를 뛰어넘는 도약, 즉 AI가 "유용한 어시스턴트"에서 "공격 능력을 갖춘 자율 에이전트"로 넘어간 순간으로 받아들였습니다. The Ringer를 포함한 다른 이들은 Mythos가 원리적으로 인터넷을 파괴할 수 있는지 물었습니다. 두 반응 모두 보안 팀을 운영하지 않는 사람에게는 더 유용한 질문을 놓치고 있습니다.
질문은 이것입니다. 이렇게 강력한 모델이 여전히 당신이 누구인지 모른다면, 그것은 지속 가능한 가치가 어디에 있는지에 대해 무엇을 말해주고 있을까요?
Mythos가 할 수 있는 것과 할 수 없는 것
Mythos가 실제로 무엇을 의미하는지 구체적으로 짚어볼 가치가 있습니다. 과대광고와 현실 사이의 간극이야말로 쓸모 있는 사고가 자리 잡는 지점이기 때문입니다.
Anthropic의 레드팀 보고서와 InfoQ의 보도에 따르면, Mythos Preview는 Claude Opus 4.6 대비 수학, 장문맥 추론, 소프트웨어 엔지니어링, 사이버보안에서 가장 큰 향상을 보였습니다. 표준 벤치마크에서는 새로운 기록을 세웠습니다. 적대적 보안 과제에서는 이전 모델들이 유지하지 못했던 정도의 자율성으로 작동했습니다. 목표를 주면 추가 지시 없이 계획하고, 탐색하고, 반복할 수 있습니다.
그러나 그 목록에서 빠진 것을 보십시오.
Mythos는 2021년 비행기에서 당신이 읽었던, 그리고 당신이 자신의 커리어에 대해 생각하는 방식을 조용히 재구성한 그 책이 무엇인지 모릅니다. Tyler Cowen 인터뷰의 한 문단이 당신의 투자 결정을 다시 생각하게 만들었다는 사실을 모릅니다. Naval Ravikant의 트윗 스레드에서 당신이 올해만 네 번 돌아온 세 개의 하이라이트가 무엇인지 모릅니다. 당신의 독서 속도, 모호함에 대한 인내심, 반론을 다루는 취향, 그리고 어떤 종류의 증거를 잘못 읽는 당신만의 구체적인 경향을 모릅니다.
여기에 비대칭성이 있습니다. Mythos는 공개 인터넷과 Anthropic이 라이선스할 수 있는 모든 독점 데이터로 학습되었습니다. 다른 모든 프런티어 모델도 마찬가지입니다. 공개 정보는 모든 연구소가 접근할 수 있는 입력입니다. 기본기일 뿐입니다. 어떤 모델도 기본적으로 갖지 못하는 것은, 시간이 흐르면서 정보 속을 통과해 온 당신의 특정 정신의 흔적입니다.
그 흔적은 세 곳에 존재합니다. 머릿속에 있는데, 거기서는 손실이 많고 망각에 취약합니다. 흩어진 도구들(노트 앱, 스크린샷 폴더, 브라우저 북마크)에 있는데, 거기서는 AI 입장에서 사실상 보이지 않습니다. 아니면, AI가 실제로 소비할 수 있는 구조화된 형태로 존재합니다.
세 번째 옵션이 모든 것을 바꿉니다.
왜 개인 컨텍스트가 새로운 해자인가
전략에서 해자란 경쟁자가 쉽게 복제할 수 없는 구조적 우위를 뜻합니다. Coca-Cola의 해자는 브랜드입니다. Google의 해자는 링크 그래프와 사용자 클릭 데이터입니다. AWS의 해자는 전환 비용입니다.
AI와 함께 일하는 개인에게 그 대응물은 무엇일까요?
더 나은 모델에 대한 접근권은 아닙니다. 프런티어 역량은 빠르게 수렴하고 있으며, 가장 좋은 폐쇄형 모델과 가장 좋은 오픈 모델 사이의 격차는 이제 몇 개월 단위로 측정됩니다. 프롬프트 작성 능력도 아닙니다. 그것은 가르칠 수 있는 기술이고 레버리지가 유한하기 때문입니다. 심지어 원시적인 도메인 전문성도 아닙니다. AI가 대부분의 명시적 지식 과제에서 초보자와 전문가 사이의 격차를 압축할 수 있기 때문입니다.
해자는 AI는 읽을 수 있지만 다른 누구도 접근할 수 없는 당신 인지의 한 부분입니다. 이것을 개인 컨텍스트라고 부르겠습니다.
이는 Mythos 이전에도 사실이었습니다. Mythos가 명확히 한 것은 어떤 모델 역량도 그 격차를 지우지 못한다는 점입니다. 당신에 대한 컨텍스트가 없는 더 강력한 모델은 더 나은 개인화된 출력을 만들지 않습니다. 더 자신감 있는 일반적 출력을 만들어내며, 이는 표면적 유창함이 너무 높아 오류를 잡아내는 비용이 커지기 때문에 더 나쁜 결과입니다.
일반적인 AI에게 커리어 결정에 대한 조언을 구할 때 무슨 일이 일어나는지 생각해 보십시오. AI는 수백만 개의 유사한 프롬프트에서 패턴을 매칭하여 평균적인 형태의 응답을 줍니다. 당신이 선택지의 확장성을 최적화한다는 것, 이미 한 번의 창업자 번아웃을 겪었다는 것, 당신이 속한 특정 산업이 학습 데이터에 반영되지 않은 방향으로 변하고 있다는 것을 모델에게 말해준 적이 없다면, AI는 그 요소들을 도저히 가중할 수 없습니다. 유창하고 그럴듯하지만, 누구에게도 맞춰지지 않은 조언을 줄 것입니다.
이제 3년 동안 책과 글에서 뽑은 하이라이트, 팟캐스트에서 정리한 노트, 자신의 글에 대한 주석을 모델에게 먹여 왔다고 상상해 보십시오. 갑자기 같은 모델이 당신이 명시한 우선순위, Patrick O'Shaughnessy 인터뷰에서 하이라이트한 프레임워크, 다른 창업자의 번아웃을 읽으며 표시했던 구체적인 실패 모드를 참조하는 조언을 줍니다. 같은 모델, 다른 결과. 그 차이가 바로 컨텍스트입니다.
이것은 building a second brain과 Tiago Forte framework를 이끈 것과 동일한 논리이며, Mythos 출시로 더욱 선명해졌습니다. 캡처의 목적은 당신이 검색하기 위한 것이 아닙니다. 당신의 컨텍스트와 기반 모델이 둘 다 좋아짐에 따라 더 가치 있게 변하는 시스템에 먹이를 주는 것입니다.
컨텍스트의 원자 단위로서의 하이라이트
모든 컨텍스트가 AI에게 똑같이 유용한 것은 아닙니다. 포맷은 사람들이 생각하는 것보다 훨씬 중요합니다.
같은 책에서 같은 통찰을 캡처하는 세 가지 방식의 차이를 생각해 보십시오.
책을 읽고 "저자가 피드백 루프에 대해 무언가를 주장했다"라고 대략 기억할 수 있습니다. 그것은 AI에게 쓸모가 없습니다. 개별적인 사실로 검색할 수 없기 때문입니다. 손실도 큽니다. 한 주 안에 뉘앙스를 잊어버릴 것이기 때문입니다.
챕터 전체를 노트 앱에 복사할 수도 있습니다. 그것은 쓸모없는 것보다 더 나쁩니다. AI는 이제 당신에게 의미 있는 한 문장을 찾기 위해 수천 개의 관련 없는 단어를 훑어야 합니다. 게다가 출처를 제거했기 때문에 모델은 주장을 검증하거나 확장할 수 없습니다.
또는, 당신에게 와닿은 구체적인 문장을 하이라이트하고, 출처 URL이나 책 챕터에 묶어둔 채로, 왜 중요한지에 대한 한 줄짜리 노트를 선택적으로 덧붙일 수 있습니다. 그 하이라이트는 이제 컨텍스트 원자가 됩니다. 사전 필터링되어 있고(당신이 골랐기 때문), 프롬프트에 저렴하게 로드될 만큼 짧으며, 검증을 위한 출처가 명시되어 있고, 한 번의 검색 호출에 수천 개가 들어갈 만큼 작습니다.
그래서 Glasp's web highlighter는 지금과 같은 구조로 되어 있습니다. 하이라이트는 AI가 필요로 하는 모든 것을 보존하면서도 당신이 캡처할 수 있는 가장 작은 주의의 단위입니다. 그것을 당신의 생각을 실제로 형성한 책, 글, PDF 전반에 걸쳐 수백 개 또는 수천 개로 곱하면, 어떤 연구소의 학습 데이터에도 담기지 않는 개인 코퍼스를 갖게 됩니다.
그 위에 Kindle highlights를 더합니다. 이는 종종 당신의 가장 깊고 신중한 독서를 대표하며, 코퍼스는 더 깊어집니다.
거기에 YouTube Summary 타임스탬프를 더하십시오. 당신이 실제로 공부할 만큼 밀도 있다고 느낀 영상에서 뽑은 것들입니다. 그러면 거의 아무도 보존하려 하지 않는 컨텍스트 한 층을 캡처하게 됩니다(영상 지식은 사후에 추출하기가 매우 어렵기로 유명합니다).
대부분의 사람들이 잃어버리는 것을 복리로 쌓이는 것으로 바꾼 셈입니다.
| 캡처 방식 | AI가 검색 가능 | 출처 명시 | 관련성에 따라 사전 필터링 | AI에 드는 비용 |
|---|---|---|---|---|
| 기억에만 의존 | 아니오 | 아니오 | 예, 손실 큼 | 해당 없음 |
| 스크린샷 | 미흡 (OCR 편차) | 아니오 | 예 | 높음 |
| 전체 텍스트 북마크 | 예 | 예 | 아니오 | 높음 |
| 손글씨 노트 | 아니오 | 가끔 | 예 | 해당 없음 |
| 출처가 있는 하이라이트 | 예 | 예 | 예 | 낮음 |
포맷은 있으면 좋은 것이 아닙니다. AI가 사용할 수 있는 컨텍스트 시스템과 AI가 무시할 수밖에 없는 더미 사이의 차이입니다.
개인 컨텍스트 스택
개인 컨텍스트를 해자로 생각하기 시작하면, 그것을 단일한 것이 아니라 스택으로 보는 것이 도움이 됩니다.
Layer 1: 원시 하이라이트. 당신이 표시한 문장과 클립입니다. 가장 작고 가장 저렴한 원자입니다. "이 사람은 무엇을 위해 속도를 늦췄는가?"라는 질문에 답합니다.
Layer 2: 주석. 이유를 담은 짧은 노트가 하이라이트에 붙어 있습니다. "이것은 흥미롭다"가 아니라 "이것은 X와 모순된다" 또는 "3분기 결정에 유용함"입니다. 주석은 하이라이트 단독으로는 담을 수 없는 신호를 더합니다.
Layer 3: 프로필과 명시된 목표. 세상 안에서 당신이 누구인지. 당신이 무엇을 배우고, 만들고, 결정하려고 하는지. 이는 개인 AI를 위한 시스템 프롬프트에 해당합니다. 모델에게 Layer 1과 Layer 2의 모든 것을 어떻게 해석할지 알려줍니다.
Layer 4: 사회적 컨텍스트. 같은 출처에서 당신의 네트워크 안의 다른 사람들이 표시할 만하다고 본 것이 무엇인지. 이 지점에서 Glasp's community feed가 유용해집니다. 당신이 신뢰하는 다섯 사람이 같은 에세이에서 서로 다른 문장에 하이라이트를 친다면, 그것은 한 사람의 하이라이트만으로는 알 수 없는 무언가를 그 에세이에 대해 알려줍니다.
Layer 5: 스택 위에서의 AI Chat. 여기서 모든 것이 작동 가능한 형태가 됩니다. Glasp's AI chat 같은 도구는 스택에 직접 질의할 수 있게 해줍니다. "불확실성 아래에서의 의사결정에 대해 내가 하이라이트한 것은 무엇이지?" "지난 6개월간 채용을 다룬 모든 하이라이트를 뽑아 줘." "이 인터뷰에서 Marc Andreessen이 말한 것과 2년 전 내가 Peter Thiel에게서 하이라이트한 것 사이의 모순을 찾아 줘." 스택이 없다면 이런 질문은 성립조차 하지 않습니다.
흥미로운 점은 각 레이어가 다른 레이어를 복리로 키운다는 것입니다. 하이라이트 없는 프로필은 일반적인 프롬프트입니다. 주석 없는 하이라이트는 결합 없는 원자입니다. 자신의 코퍼스가 없는 사회적 컨텍스트는 그저 피드일 뿐입니다. 질의할 스택이 없는 AI Chat은 다른 모든 사람이 갖고 있는 것과 똑같은 일반 챗봇입니다.
전체 스택만이 이 목록에서 진정으로 당신의 것입니다.
Glasswing이 개인에게 가르치는 것
Mythos의 공격 능력에 대한 Anthropic의 대응인 Project Glasswing은 하나의 전략적 패턴으로 연구할 가치가 있습니다. 또한 산업 규모에서 적용된 개인 컨텍스트 원리의 거의 완벽한 예시이기도 합니다.
Anthropic은 Mythos를 공개적으로 출시할 수 있었습니다. 그러나 그렇게 하지 않았습니다. 발견된 취약점을 공개적으로 발표할 수도 있었습니다. 그러나 그렇게 하지 않았습니다. 대신, 신뢰할 수 있는 당사자들(Microsoft, Apple, Google 등)로 큐레이션된 네트워크를 구축하고, 조율된 공개 일정 안에서 그 네트워크 안에 발견을 공유했습니다.
Alan Turing Institute의 CETaS 분석이 다룬 바와 같이, 그 논리는 단순합니다. 컨텍스트 없이 능력을 공개하면 혼란이 발생합니다. 책임감 있게 행동할 수 있는 컨텍스트를 가진 네트워크 안에서 동일한 능력을 큐레이션된 형태로 공개하면, 수정된 시스템이 만들어집니다.
이를 개인에게 적용해 보십시오. 당신의 개인 컨텍스트가 없는 프런티어 AI는 공격형 Mythos에 해당합니다. 강력하지만 당신의 구체적 상황에 정렬되어 있지 않습니다. 큐레이션된 개인 스택에 접근할 수 있는 동일한 AI는 Glasswing 버전입니다. 강력하면서도 맥락에 맞습니다. 모델은 바뀌지 않습니다. 그 주변의 컨텍스트 네트워크가 바뀝니다.
이는 collective intelligence 뒤에 있는 것과 동일한 원리입니다. 가치는 개별 조각에 있는 것이 아닙니다. 큐레이션과 조각들 사이의 관계에 있습니다.
개인 학습자에게 이를 실질적으로 옮기면 이렇습니다. 모든 AI 출시를 따라가려는 시도를 그만두십시오. 어떤 출시이든 당신에게 유용하게 만들어주는 컨텍스트 레이어를 쌓기 시작하십시오.
연구소 없이 자신의 해자 만들기
개인 컨텍스트를 쌓는 데 연구팀이나 프런티어 모델 연구소가 필요하지 않습니다. 필요한 것은 마찰이 충분히 낮아 실제로 사용하게 되는 시스템이고, AI가 나중에 읽을 수 있을 만큼 구조화된 시스템입니다.
어떤 도구를 쓰든 통용되는 몇 가지 원칙이 있습니다.
나중이 아니라 출처에서 캡처하세요. 한 문장이 중요하게 느껴지는 창은 짧습니다. 지금 북마크해 두고 "나중에" 노트하기로 계획하면 신호의 80%를 잃게 됩니다. 주의가 작동하는 그 순간, 페이지 위에서, 브라우저 안에서 하이라이트하는 것이 왜 중요했는지를 보존하는 유일한 방법입니다. Glasp의 web highlighter는 바로 이 제약을 중심으로 만들어졌습니다.
드물지만 구체적으로 주석을 다세요. 빈 하이라이트는 유용합니다. "이거 좋다"라고 적힌 하이라이트는 그렇지 않습니다. 왜인지를 설명하지 않기 때문입니다. "지난 분기에 내가 사용한 프레임워크와 모순됨"이라고 적힌 하이라이트는 보물입니다. 하이라이트 10개당 주석 1개면 충분합니다. 그 대신 그 주석이 의미를 갖게 하세요.
출처를 종교적으로 보존하세요. 출처가 없는 인용은 검증할 수 없습니다. 미래의 당신은 하이라이트를 마주치고도 저자가 신뢰할 만했는지 기억하지 못할 것입니다. AI도 같은 의심으로 그것을 다룰 것입니다. 출처 명시는 작지만 레버리지가 큰 습관입니다.
영상과 오디오를 일등 시민으로 다루세요. 대부분의 개인 컨텍스트 시스템은 영상을 조용히 배제하는데, 진지한 학습의 절반이 이제 팟캐스트와 YouTube를 통해 일어나기 때문에 문제가 됩니다. YouTube Summary와 타임스탬프 기반 하이라이트가 이것을 해결합니다. 책 하이라이트의 영상 등가물은, 트랜스크립트에서 뽑은 인용을 가진 30초 분량의 클립입니다.
느린 주기로 다시 살펴보세요. 다시 읽지 않는 하이라이트도 여전히 유용하지만(AI가 찾아낼 수 있습니다), 당신이 다시 살펴본 하이라이트는 두 번째 신호 층을 얻습니다. 당신이 돌아왔다는 사실 자체입니다. 이것이 synthesis loop(캡처, 재방문, 연결)이며, 원시 컨텍스트를 추론에 더 가까운 무언가로 바꾸는 과정입니다.
스스로 캡처할 수 없는 것은 네트워크를 믿으세요. 누구도 모든 것을 읽지는 않습니다. community feed는 당신이 존경하는 사람들이 표시할 만하다고 본 것을 보게 되는 곳입니다. 그것을 당신 자신의 독서가 닿지 못한 구석을 채워주는 병렬 파이프라인으로 다루세요.
이 중 어느 것도 영웅적인 일이 아닙니다. 꾸준히 적용했을 때 어떤 모델도 당신이 만들지 않는 한 가지지 못할 컨텍스트 레이어를 만들어내는, 작은 습관들의 묶음일 뿐입니다.
역량 격차는 더 벌어질 것이다
이런 사고방식이 솔깃해 보일 수 있습니다. AI가 충분히 좋아지면 개인 컨텍스트는 중요하지 않을 것이다. 필요한 것을 묘사하기만 하면, 충분히 똑똑한 모델이 나머지를 알아낼 것이다.
Mythos의 출시는 이 관점에 반하는 증거이지, 그것을 뒷받침하는 증거가 아닙니다.
이유는 이렇습니다. 역량과 컨텍스트는 대체재가 아닙니다. 보완재입니다. 당신에 대한 컨텍스트가 없는 더 똑똑한 모델은 잘못된 표적을 겨눈 더 강력한 도구입니다. Mythos의 모든 역량을 당신의 비즈니스, 우선순위, 과거의 실수를 모르는 사람에게 건넸다고 상상해 보십시오. 출력은 자신감 있고 정교하지만, 표면적 유창함이 너무 높아 잡아내기 어려운 방식으로 틀려 있을 것입니다.
이것이 가장 위험한 수준에서 작동하는 AI thinking trap입니다. 모델이 나쁠 때는 당신이 알아챕니다. 모델이 훌륭하지만 일반적일 때는 알아채지 못하고, 어쨌든 그 출력에 따라 행동하게 됩니다.
탈출구는 모델의 속도를 늦추는 것이 아닙니다. 모델은 어찌됐든 더 빨라지고 있습니다. 탈출구는 모델을 실제로 사용하게 해주는 개인 컨텍스트 레이어를 쌓는 것입니다. 연구소들은 역량에 자원을 쏟아붓고 있습니다. 거의 아무도 당신의 컨텍스트에 자원을 쏟지 않습니다. 그 비대칭이 당신의 기회입니다.
2년 후, 작동하는 개인 컨텍스트 스택을 가진 사람들은 자신의 사고의 일관된 연장선으로 작동하는 AI를 갖게 될 것입니다. 그렇지 않은 사람들은 자신감 넘치는 낯선 사람처럼 작동하는 AI를 갖게 될 것입니다. 두 집단 모두 같은 모델을 쓰고 있을 것입니다.
Frequently Asked Questions
Claude Mythos는 일반 사용자도 쓸 수 있나요?
아닙니다. 2026년 5월 현재, Anthropic은 Mythos Preview를 상업적으로 출시하지 않았습니다. 이 모델은 내부적으로 그리고 Project Glasswing을 통한 책임 있는 취약점 공개에 사용되고 있습니다. Anthropic은 사이버보안 위험을 일반 접근을 보류하는 이유로 들었습니다. 그래서 이 모델이 케이스 스터디로서 흥미롭습니다. 존재하지만 널리 접근할 수는 없는 능력을 대표하기 때문에, "있다면 그것으로 무엇을 할 것인가"라는 질문이 진지하게 받아들일 가치가 있게 됩니다.
이렇게 하면 개인 컨텍스트가 특정 AI 제공자에 종속되지 않나요?
캡처를 올바르게 구조화한다면 그렇지 않습니다. 하이라이트, 주석, 노트는 이동 가능합니다. 출처가 명시된 텍스트일 뿐입니다. 내보내기를 허용하는 시스템에 저장해 두면, 프런티어가 바뀜에 따라 AI 제공자 사이를 옮길 수 있습니다. 피해야 할 것은 추출할 수 없는 독점 포맷 안에 컨텍스트를 가두는 모든 도구입니다. Glasp lets you export your highlights, 결국 어떤 AI를 쓰게 되든 원하는 속성이 바로 이것입니다.
ChatGPT의 메모리 기능을 쓰는 것과 무엇이 다른가요?
ChatGPT의 메모리는 대화에서 당신에 대해 추론한 것을, 제공자가 통제하는 불투명한 요약 형태로 가지고 있습니다. 감사할 수 없고, 쉽게 편집할 수 없으며, 다른 모델로 옮길 수 없습니다. 이 글에서 다루는 개인 컨텍스트는 당신이 소유하는 구조화된 데이터입니다(하이라이트, 노트, 프로필). 검사하고, 편집하고, 버전을 관리하고, 어떤 AI에든 먹일 수 있습니다. 하나는 제품의 기능입니다. 다른 하나는 제품의 변화에도 살아남는 해자입니다.
몇 년 동안 하이라이트를 해오지 않았다면, 너무 늦은 건가요?
결코 늦지 않았지만, 시간을 압축할 수는 없습니다. 오늘 먹이를 주기 시작한 시스템은 몇 달 안에 유용해지고, 몇 년 안에 없어서는 안 될 것이 됩니다. Charlie Munger의 말이 있습니다. 나무를 심기에 가장 좋은 시기는 20년 전이고, 그 다음으로 좋은 시기는 지금이라는 말입니다. 똑같이 적용됩니다. 3년 전에 Glasp을 시작한 사람들은 오늘 의미 있는 컨텍스트 우위를 가지고 있습니다. 이번 달에 시작하는 사람들은 2029년에 같은 우위를 갖게 될 것입니다.
미래의 AI가 그냥 내 브라우저 히스토리를 읽고 이 모든 것을 자동으로 추론해 주지 않을까요?
일부는 그럴 수 있습니다. 그러나 두 가지가 중요합니다. 첫째, 원시 브라우저 히스토리는 대부분 노이즈입니다. 신호 대 잡음비는 하이라이트보다 훨씬 낮습니다. 하이라이트는 당신 삶에서 가장 비싼 자원인 주의에 의해 사전 필터링되어 있기 때문입니다. 둘째, 미래의 AI가 히스토리에서 당신의 컨텍스트를 재구성할 수 있다 해도, 그 데이터를 쥐고 있는 제공자가 반드시 당신이 의존하고 싶은 곳은 아닐 수 있습니다. 자신의 컨텍스트 레이어를 소유하는 것은 효율성 향상만이 아니라, AI 산업의 미래 형태에 대한 헤지입니다.
YouTube Summary는 여기에 어떻게 어울리나요?
영상과 오디오는 보통 개인 컨텍스트 시스템에 보이지 않게 처리되는데, 이제 진지한 학습이 이를 통해 많이 일어나기 때문에 큰 공백이 됩니다. YouTube Summary는 트랜스크립트를 추출하고, 핵심 순간을 표면화시키며, 특정 타임스탬프를 하이라이트할 수 있게 합니다. 출력은 책 하이라이트와 기능적으로 동일합니다. 짧은 인용, 출처, 시간상의 한 순간. 즉, 당신의 YouTube 학습은 일등급 컨텍스트가 되어, 당신이 읽어 온 다른 모든 것과 함께 AI가 질의할 수 있게 됩니다.
컨텍스트가 많아지면 AI 프롬프트 비용도 늘어나지 않나요?
그렇지만, 비용은 빠르게 떨어지고 있고, 컨텍스트 윈도우는 계속 확장되고 있습니다. 2년 전에는 1,000개의 하이라이트를 프롬프트에 로드하는 비용이 비쌌습니다. 오늘은 사소합니다. 의미를 가질 만큼 큰 코퍼스를 쌓을 즈음이면, 그것을 사용하는 비용은 그것을 가지지 않은 비용보다 낮을 것입니다. 더 큰 위험은 컨텍스트를 너무 많이 가지는 것이 아니라, 컨텍스트가 없는 것입니다.
결론: 당신을 알게 될 시스템에 먹이를 주기 시작하라
Claude Mythos는 프런티어 AI가 무엇을 할 수 있는지에 대한 지금까지 가장 분명한 예시입니다. 수십 년의 인간 리뷰를 통과한 코드에서 27년 된 버그를 찾아냅니다. 인간의 프롬프트 없이 작동하는 익스플로잇을 생성합니다. 모든 것을 몇 시간 안에 합니다. 그 역량은 실제이며, 가속화되고 있고, 둔화되지 않을 것입니다.
그 역량에 포함되지 않은 것, 그리고 기본적으로 포함되지 않을 것은 바로 당신에 대한 어떤 모델입니다. 당신의 우선순위, 독서 이력, 당신의 사고 방식을 형성한 구체적인 문장들. 그림의 그 부분은 당신이 보이게 만들지 않는 한 가장 강력한 모델에게도 보이지 않습니다.
이 작업은 작지만 압축되지 않습니다. 하이라이트 하나, 또 하나. 맥락이 필요할 때 주석 하나. AI에게 다른 모든 것을 어떻게 가중할지 알려주는 짧은 프로필 하나. 스스로 만들지 않은 관점을 원할 때 네트워크의 하이라이트를 한 번 살펴보기. 그 어느 것도 영웅적이지 않습니다. 그 모든 것이 복리로 쌓입니다.
Glasswing 패턴은 개인에게도 올바른 사고 모델입니다. Mythos에 큐레이션된 컨텍스트 네트워크를 더하면 유용하고, 범위가 정해져 있으며, 책임 있는 결과가 만들어집니다. 컨텍스트가 없는 Mythos는 잘못된 문제를 찾고 있는 역량입니다. 같은 논리를 자신에게 적용하십시오. 프런티어는 계속 움직일 것입니다. 당신의 것으로 남는 것은 그 주변에 쌓아 올린 코퍼스입니다.
오늘 하이라이트 하나로 시작하십시오. 2028년에 당신을 아는 시스템은 지금 당신이 먹이를 주기 시작한 시스템입니다. Glasp's web highlighter, YouTube Summary, AI chat over your highlights는 정확히 이 전제 위에서 설계되었습니다. 저렴하게 캡처하고, 모든 것에 출처를 붙이고, 다른 누구도 가지지 않은 코퍼스 위에서 AI가 무거운 검색을 처리하게 하는 것.
모델은 당신의 해자가 아닙니다. 당신의 컨텍스트가 해자입니다.