CELL AI DEVLOG

각자 다른 대륙, 다른 철학. 그런데 전부 프론티어급입니다. 뭘 골라야 할지 완전히 정리해드립니다.[핵심 요약]→ Qwen3.6-27B: 코딩 에이전트 최강, RTX 4090 한 장, Apache 2.0→ Gemma 4 31B: 수학/추론 최강, 멀티모달(비전+오디오), Apache 2.0→ GLM-5.1: SWE-bench Pro 1위, 6000+ 툴 호출 지속, MIT 라이센스→ 공통점: 전부 Apache 2.0 / MIT, 상업 이용 무료→ 결론: 용도에 따라 다름 — 이 글이 그 기준을 정리합니다세 모델이 동시에 나온 이유2026년 4월은 오픈소스 AI 역사상 가장 경쟁이 치열한 달입니다. Alibaba, Google, Z.AI(Zhipu AI)가 수주 안에 모두 출시했습니다.출시 타임라인:→ G..

API 비용 0원, 코드 외부 전송 없음. RTX 4090 한 장으로 프론티어급 코딩 에이전트를 로컬에서 돌립니다.[핵심 요약]→ 이번 글에서 다루는 것:→ 1단계: vLLM로 로컬 서버 띄우기→ 2단계: Aider 연동 — CLI 코딩 에이전트→ 3단계: Continue.dev 연동 — VS Code 인라인 어시스턴트→ 4단계: Cursor 연동 — 에이전트 모드→ 5단계: Qwen Code 연동 — Claude Code 대안→ CUDA 13.2 버그, Thinking 모드, Ollama 미지원 주의사항 포함 왜 로컬인가클라우드 API 방식:→ Claude Opus 4.7: 입력 $5, 출력 $25 / 1M tokens→ GPT-5.5: 입력 $5, 출력 $30 / 1M tokens→ 코드가 외부 서버..

같은 Qwen3.6 패밀리인데 아키텍처가 완전히 다릅니다. 뭘 골라야 할지 헷갈리는 분들을 위해 정리했습니다.[핵심 요약]→ 27B: Dense 모델 — 모든 파라미터 항상 활성, 성능 우선→ 35B-A3B: MoE 모델 — 3B만 활성, 속도 우선→ 벤치마크: 27B가 전 항목에서 앞섬→ 속도: 35B-A3B가 3~5배 빠름 (같은 하드웨어 기준)→ VRAM: 27B ~16.8GB vs 35B-A3B ~21GB (Q4 기준)→ 결론: 코딩 에이전트 → 27B / 빠른 인터랙티브 → 35B-A3BDense vs MoE — 뭐가 다른가같은 Qwen3.6 패밀리지만 내부 구조가 근본적으로 다릅니다.Dense (27B):→ 27B 파라미터 전부 항상 활성→ 모든 토큰에 27B 파라미터가 계산에 참여→ 토큰당 ..

RTX 4090 하나로 프론티어급 코딩 에이전트를 돌릴 수 있는 시대가 왔습니다.[핵심 요약]→ 출시: 2026년 4월 22일, Alibaba Qwen Team→ 라이센스: Apache 2.0 (상업 사용 가능)→ 파라미터: 27B dense (이전 플래그십 Qwen3.5-397B 대비 1/14 크기)→ VRAM: Q4_K_M 기준 ~16.8GB — RTX 4090 한 장으로 구동→ SWE-bench Verified 77.2% — Claude Opus 4.6 (80.8%)과 3.6점 차→ Terminal-Bench 2.0 59.3% — Claude 4.5 Opus와 동점→ SkillsBench 48.2% — 397B MoE (30.0%) 대비 60% 향상→ 주의: CUDA 13.2 버그 있음, CUDA ..