무차별 대량 비난

[AI] OpenAI GPT-5.5 발표 총정리 — 성능, 가격, Claude·Gemini 비교

적샷굿샷 — Fri, 24 Apr 2026 16:46:34 +0900

GPT-5.5, 어제(4월 23일) 공식 출시

OpenAI가 2026년 4월 23일, 최신 AI 모델 GPT-5.5를 공식 발표했습니다. GPT-5.4 출시 후 불과 6주 만의 업데이트인데요, OpenAI는 이번 모델을 "역대 가장 똑똑하고 직관적인 모델"이라고 소개했습니다.

GPT-5.5 주요 특징

GPT-5.5는 세 가지 변형 모델로 출시됩니다.

GPT-5.5 — 표준 모델
GPT-5.5 Thinking — 확장 추론(Extended Reasoning) 모델
GPT-5.5 Pro — 최고 정확도 모델

OpenAI가 강조한 GPT-5.5의 핵심 역량은 다음과 같습니다.

코드 작성 및 디버깅
온라인 리서치
데이터 분석
문서·스프레드시트 생성
소프트웨어 직접 조작 (컴퓨터 사용)
여러 도구를 넘나들며 작업 완료까지 자동 수행

특히 에이전트 코딩, 컴퓨터 사용, 지식 작업, 수학·과학 연구 분야에서 큰 성능 향상이 있다고 합니다. GPT-5.4 대비 환각(Hallucination)이 60% 감소한 점도 눈에 띕니다.

벤치마크 성능

GPT-5.5의 주요 벤치마크 점수입니다.

SWE-bench: 88.7% (코딩 벤치마크)
MMLU: 92.4% (범용 지식)
FrontierMath Tier 4: 39.6% (GPT-5.5 Pro 기준)

특히 FrontierMath Tier 4에서 GPT-5.5 Pro가 39.6%를 기록했는데, Anthropic의 Claude Opus 4.7이 22.9%인 것과 비교하면 거의 2배에 가까운 점수입니다. 브라우저 벤치마크에서는 역사상 최초로 90%를 돌파했다고 합니다.

경쟁 모델과 비교

현재 AI 모델 경쟁 구도를 간단히 정리하면 이렇습니다.

코딩 — GPT-5.5가 SWE-bench 88.7%로 Claude Opus 4.6(80.8%)을 역전
추론 — Gemini 3.1 Pro가 ARC-AGI-2 77.1%, GPQA 94.3%으로 여전히 강세
수학 — GPT-5.5 Pro가 FrontierMath에서 압도적
비용 효율 — Gemini Flash, Claude Sonnet 4.6이 가성비 우위

가격 — API 비용 2배 인상

성능은 올랐지만, 가격도 함께 올랐습니다. GPT-5.4 대비 토큰당 가격이 2배로 인상되었습니다.

모델	입력 (100만 토큰)	출력 (100만 토큰)
GPT-5.4 (기존)	$2.50	$15.00
GPT-5.5	$5.00	$30.00
GPT-5.5 Pro	$30.00	$180.00

Batch API를 사용하면 표준 가격의 50%에 이용할 수 있고(24시간 내 처리), Priority 요청은 2.5배($12.50 / $75.00)입니다.

이용 가능 범위

GPT-5.5 — ChatGPT Plus, Pro, Business, Enterprise 사용자
GPT-5.5 Pro — Pro, Business, Enterprise 사용자만
Codex — GPT-5.5 기반으로 업그레이드, ChatGPT 구독 플랜에 포함

무료 사용자는 GPT-5.5를 사용할 수 없고, 최소 Plus 구독($20/월)이 필요합니다.

정리

GPT-5.4 출시 6주 만에 GPT-5.5를 내놓은 건 그만큼 AI 경쟁이 치열하다는 뜻입니다. Anthropic Claude, Google Gemini와의 3파전이 계속되는 가운데, OpenAI가 코딩과 수학 벤치마크에서 다시 1위를 탈환한 모양새입니다.

다만 API 가격이 2배로 뛴 건 개발자 입장에서 부담이 될 수 있습니다. 실제 체감 성능이 가격 인상을 정당화할 수 있을지는 직접 써봐야 알 것 같습니다.

출처:

팀 쿡 애플 CEO 15년 만에 퇴진 — 후임 존 터너스, AI 경쟁이 최대 과제

적샷굿샷 — Tue, 21 Apr 2026 22:36:13 +0900

2026년 4월 20일, 애플이 CEO 교체를 발표했습니다. 팀 쿡이 9월 1일부로 CEO에서 물러나고, 존 터너스 하드웨어 엔지니어링 수석부사장이 후임 CEO로 취임합니다.

스티브 잡스 이후 15년 만의 CEO 교체입니다.

팀 쿡 15년, 숫자로 보는 성과

항목	취임 (2011)	퇴임 (2026)
시가총액	3,500억 달러	약 4조 달러 (10배↑)
매출	1,080억 달러	4,160억 달러 (4배↑)

쿡은 공급망 전문가 출신답게 운영 효율을 극대화하며 애플을 세계 최고 시총 기업으로 끌어올렸습니다. 애플워치, 에어팟, 비전 프로 등 웨어러블 사업을 확장한 것도 쿡 시대의 성과입니다.

다만 AI 분야에서는 구글, 메타, 오픈AI 등 경쟁사에 비해 뒤처졌다는 평가가 꾸준히 있었습니다.

후임 존 터너스는 누구

나이 — 50세
학력 — 펜실베이니아대 기계공학 전공
애플 경력 — 2001년 입사, 25년차
주요 이력 — 2013년 하드웨어 엔지니어링 부사장, 2021년 수석부사장
주도 제품 — 아이패드, 에어팟, 맥북 네오, 아이폰 에어, 아이폰 17 프로

하드웨어 출신 CEO라는 점이 눈에 띕니다. 잡스 이후 운영 전문가(쿡)를 거쳐, 다시 제품 중심 리더로 돌아간 셈입니다.

함께 발표된 조직 개편

터너스가 CEO로 올라가면서 빈자리도 채워졌습니다. 조니 스루지가 최고 하드웨어 책임자(CHO)로 승진해 하드웨어 엔지니어링을 총괄합니다.

팀 쿡은 이사회 의장(Executive Chairman)으로 자리를 옮깁니다. 완전히 떠나는 건 아니고, 경영 자문 역할을 이어갑니다.

최대 과제: AI 경쟁

터너스의 가장 큰 숙제는 AI입니다. 애플은 시리(Siri)에 LLM을 통합한 Apple Intelligence를 내놨지만, ChatGPT나 Gemini에 비해 한 발 늦었다는 평가를 받고 있습니다.

하드웨어 전문가가 CEO가 된 만큼, 자체 AI 칩과 디바이스 성능으로 AI 경쟁력을 확보하겠다는 전략이 예상됩니다. 소프트웨어보다 하드웨어로 승부하겠다는 애플다운 접근이라고 볼 수 있습니다.

그 외에도 글로벌 공급망 불안, 미중 관세 이슈, 비전 프로 후속작 등 넘어야 할 산이 많습니다.

정리

팀 쿡 — 9월 1일 CEO 퇴임, 이사회 의장으로 전환
존 터너스 — 9월 1일 신임 CEO 취임 (하드웨어 엔지니어링 출신)
조니 스루지 — 최고 하드웨어 책임자(CHO) 승진
핵심 과제 — AI 경쟁력 확보

15년 만의 교체인 만큼 애플의 방향이 어떻게 바뀔지 주목됩니다.

[검색엔진] Meilisearch vs Elasticsearch 비교 — 프로젝트에 Meilisearch를 선택한 이유

적샷굿샷 — Tue, 21 Apr 2026 21:42:26 +0900

프로젝트에 검색 기능을 넣으려고 할 때 가장 먼저 떠오르는 게 Elasticsearch입니다. 그런데 소규모 프로젝트에 Elasticsearch는 솔직히 과합니다.

사이드 프로젝트에 검색 기능을 붙이면서 Meilisearch를 적용해봤는데, 결론부터 말하면 소규모에는 Meilisearch가 압도적으로 편했습니다.

Meilisearch가 뭔가요

Rust로 만들어진 오픈소스 검색 엔진입니다. Elasticsearch처럼 전문 검색(Full-text Search)을 지원하지만, 설치와 사용이 훨씬 간단합니다. 오타 자동 보정(Typo Tolerance)이 기본으로 켜져 있어서 사용자가 "Pytohn"이라고 검색해도 "Python" 결과를 보여줍니다.

핵심 비교

항목	Meilisearch	Elasticsearch
언어	Rust	Java
설치 시간	1분 (curl 한 줄)	30분~1시간 (JVM + 클러스터 설정)
메모리 사용	~50MB	최소 1~2GB (JVM 힙)
설정 난이도	REST API로 바로 사용	인덱스 매핑, 샤드, 레플리카 설정 필요
오타 보정	기본 지원	별도 설정 필요
검색 속도	50ms 이내	수십~수백ms
한국어 검색	지원 (내장 토크나이저)	nori 플러그인 설치 필요
라이선스	MIT	SSPL (제한적)
적합한 규모	소~중규모	대규모, 로그 분석

Elasticsearch가 과한 이유

Elasticsearch는 강력하지만 소규모 프로젝트에는 부담이 큽니다.

JVM 메모리 — 기본 힙만 1GB. VPS 1대에 올리면 다른 서비스 돌릴 여유가 없습니다.
클러스터 개념 — 노드, 샤드, 레플리카 등 검색 데이터 몇천 건에는 불필요한 개념들을 이해해야 합니다.
운영 비용 — 인덱스 관리, 매핑 최적화, 버전 업그레이드 등 지속적인 관리가 필요합니다.
한국어 처리 — nori 플러그인을 따로 설치하고 매핑에 analyzer를 지정해야 합니다.

블로그 글 검색이나 상품 검색처럼 데이터가 수만 건 이하라면 Elasticsearch를 쓸 이유가 없습니다.

Meilisearch를 선택한 이유

사이드 프로젝트에 게시글 검색 기능을 붙이면서 처음에는 Elasticsearch를 세팅했습니다. VPS 메모리가 2GB인데 Elasticsearch만 올리니까 나머지 서비스가 뻗더군요.

Meilisearch로 교체한 뒤 달라진 점입니다.

메모리 — 50MB 정도만 차지합니다. 같은 VPS에서 다른 서비스들과 여유롭게 공존합니다.
설치 — curl 한 줄이면 끝입니다. JVM 설치도, 클러스터 설정도 필요 없습니다.
스키마 — JSON 넣으면 자동 인덱싱됩니다. 매핑 정의가 필요 없습니다.
오타 보정 — 따로 설정한 게 없는데 기본으로 동작합니다. "파이선"으로 검색해도 "파이썬" 결과가 나옵니다.
검색 속도 — 체감상 Elasticsearch보다 빨랐습니다. 공식적으로 50ms 이내를 보장합니다.
REST API — 직관적이라 문서를 거의 안 봐도 됩니다.

그래도 Elasticsearch가 나은 경우

Meilisearch가 만능은 아닙니다.

복잡한 집계(Aggregation) — 통계, 그룹핑 같은 분석 쿼리는 Elasticsearch가 훨씬 강력합니다.
로그 분석 — ELK 스택(Elasticsearch + Logstash + Kibana) 조합은 대체할 게 없습니다.
대규모 데이터 — 수백만 건 이상이면 Elasticsearch의 분산 처리가 필요합니다.
복잡한 쿼리 — 다중 조건 필터링, bool 쿼리 등은 Elasticsearch의 쿼리 DSL이 더 유연합니다.

결론

게시글, 상품, 문서 검색 같은 소규모 프로젝트 → Meilisearch
로그 분석, 대규모 데이터, 복잡한 집계 → Elasticsearch

수만 건 이하 데이터에 Elasticsearch를 올리고 있다면 Meilisearch로 바꾸는 걸 추천합니다. 설치 1분, 메모리 50MB, 검색 50ms. 안 쓸 이유가 없습니다.

[Python] RIFE로 영상 슈퍼 슬로우 모션 만들기

적샷굿샷 — Tue, 21 Apr 2026 19:22:37 +0900

영상 프레임 보간 AI인 RIFE를 파이썬에서 사용하는 방법입니다.

프레임 사이사이에 AI가 중간 프레임을 생성해주기 때문에 슬로우 모션을 걸어도 끊기지 않습니다.

RIFE 다운로드

두 가지 방식이 있습니다.

1. CUDA/PyTorch (NVIDIA GPU)

pip install torch torchvision pillow

모델 파일은 RIFE GitHub에서 받을 수 있습니다.

train_log 폴더에 RIFE_HDv3.py와 체크포인트 파일이 필요합니다.

2. ncnn-vulkan (AMD 등 모든 GPU)

rife-ncnn-vulkan releases에서 exe 파일을 받으면 됩니다.

별도 파이썬 패키지 설치 없이 subprocess로 호출하는 방식입니다.

1단계: FFmpeg로 프레임 추출

먼저 영상을 JPG 프레임으로 쪼갭니다.

import subprocess

FFMPEG = 'ffmpeg.exe 경로'

subprocess.run([
    FFMPEG, '-y',
    '-hwaccel', 'cuda',
    '-i', '입력영상.mp4',
    '-qscale:v', '2',
    'temp/in/%08d.jpg'
])

-hwaccel cuda는 GPU 디코딩 가속 옵션입니다. 없어도 동작하지만 속도 차이가 꽤 납니다.

-qscale:v 2는 JPG 품질 설정으로 낮을수록 고품질입니다.

2단계: RIFE 프레임 보간

CUDA 방식

import torch
from torchvision import transforms
from PIL import Image
from train_log.RIFE_HDv3 import Model

# 모델 로드 (최초 1회)
model = Model()
model.load_model('rife_model/train_log', -1)
model.eval()
model.device()
torch.set_grad_enabled(False)

# 프레임 보간
frames = sorted(Path('temp/in').glob('*.jpg'))
multiply = 8  # 프레임 8배
idx = 0

for i in range(len(frames) - 1):
    img0 = transforms.ToTensor()(Image.open(frames[i])).unsqueeze(0).cuda().half()
    img1 = transforms.ToTensor()(Image.open(frames[i+1])).unsqueeze(0).cuda().half()

    # 원본 프레임 저장
    Image.open(frames[i]).save(f'temp/out/{idx:08d}.jpg', quality=95)
    idx += 1

    # 중간 프레임 생성
    for ti in range(1, multiply):
        t = ti / multiply
        mid = model.inference(img0, img1, t)
        transforms.ToPILImage()(mid.squeeze(0).float().clamp(0,1).cpu()) \
            .save(f'temp/out/{idx:08d}.jpg', quality=95)
        idx += 1

핵심은 model.inference(img0, img1, t) 한 줄입니다. t값(0~1)에 따라 두 프레임 사이 원하는 위치의 중간 프레임을 생성해줍니다.

ncnn-vulkan 방식

RIFE_NCNN = 'rife-ncnn-vulkan.exe 경로'
MODEL_PATH = 'rife-v4.6 모델 폴더'

frame_count = len(list(Path('temp/in').glob('*.jpg')))
target = frame_count * 8  # 8배 보간

subprocess.run([
    RIFE_NCNN,
    '-i', 'temp/in',
    '-o', 'temp/out',
    '-n', str(target),
    '-m', MODEL_PATH,
    '-g', '0',           # GPU 번호
    '-j', '8:8:8',       # 스레드 수
    '-f', '%08d.jpg'
])

exe 파일 하나로 끝나서 환경 세팅이 훨씬 간단합니다.

3단계: FFmpeg로 슬로우 모션 인코딩

original_fps = 30
multiply = 8
slow_factor = 2
output_fps = original_fps * multiply / slow_factor  # 120fps

subprocess.run([
    FFMPEG, '-y',
    '-framerate', str(output_fps),
    '-start_number', '0',
    '-i', 'temp/out/%08d.jpg',
    '-an',
    '-c:v', 'libx264',
    '-crf', '23',
    '-preset', 'veryslow',
    '-pix_fmt', 'yuv420p',
    '-movflags', '+faststart',
    'output/result_rife8x_slow2x.mp4'
])

출력 FPS 계산이 포인트입니다. 30fps 원본을 8배 보간하면 240fps 분량의 프레임이 생기는데, 이걸 120fps로 재생하면 2배 슬로우가 됩니다.

주의사항

장면 전환(컷)이 있는 구간은 프레임이 깨집니다
원본 FPS가 높을수록 결과가 좋습니다
배수가 높을수록 처리 시간이 비례해서 늘어납니다

알리에서 산 넥스피커 EBS-908

적샷굿샷 — Wed, 16 Oct 2024 17:01:11 +0900

일반 스피커를 쓰기엔 소리가 너무 크고

이어폰을 쓰기엔 귀도 아프고 줄도 거추장 스럽고

블루투스 이어폰을 쓰기엔 배터리가 오래 못가고

이래 저래 문제가 많은데 이 모든걸 해결해줄 제품을 찾다가 알게된 넥스피커

말그대로 목에 거는 스피커 입니다

블랙과 그레이가 있었는데

알리에는 그레이가 훨씬 싸네요

이래 저래 할인 받아서 8,500원에 샀습니다 +_+

오~ 생각보다 큽니다

플레이 시간 10시간 가량이라고 스펙에 적혀 있습니다

10시간이면 충분하죠

블랙보다 그레이가 더 이쁜것 같은데 왜 싼지는 모르겠습니다

분리수거장 샤오미 보조배터리 득템

적샷굿샷 — Wed, 26 Jun 2024 18:45:50 +0900

폐 배터리 수거함에서 영롱한 노란색 발견

샤오미 20000mAh 보조 배터리 입니다

휴대폰 충전을 해보니 일정시간마다 충전이 끊어졌다

붙었다 합니다

그러면 까야죠

LGEBF1L1865 배터리 6개를 득템 했습니다

경험상 요즘 샤오미 보조배터리는 파우치 배터리가 불량이 많습니다

저시절 18650 배터리는 좋았죠 일본 한국 배터리 셀 넣어주고 저렴해서

인지도를 쌓았으니까요

마이크로 5핀 케이블 만들어 쓰기

적샷굿샷 — Fri, 21 Jun 2024 11:18:27 +0900

이제는 제대로 동작하는 마이크로 5핀 케이블이 귀해졌습니다

전기좀 먹는 마이크로5핀 블랙앤데커 선풍기를 쓰고 있는 관계로

하나 만들어 보기로 합니다

이건 알리에서 저가형 기기들 사면 주는 피복만 두꺼운 마이크로 5핀 케이블입니다

이런 케이블은 동작 확인용 정도일뿐 충전속도도 엄청 느리고

선풍기는 구동 자체가 안됩니다

잘 모아두면 이럴때 요긴하게 마이크로 5핀 커넥터를 남기고 떠나줍니다

니퍼로 잘라서 마이크로 5핀 커넥터만 추출해 줍니다

추출한 커넥터입니다 데이터 단자는 없고 전원 공급용 단자만 두개 있습니다

인터넷에 마이크로 5핀 커넥터 단자도를 보고 플러스 마이너스를 잘 구별해줍니다

집에 찾아보면 예전 카메라에 쓰던 USB 미니 5핀, 프린터에 쓰던 B타입 등등 많습니다

이런 케이블들 전원선이 실하고 좋습니다

잘라서 납땜해줍니다

절연을 위해 플러스 마이너스 사이를 글루건으로 채워주고

수축튜브를 씌워주면 끝납니다

전기 많이 땡겨 쓰는 선풍기도 잘 돌아가네요

무인증 랜선 케이블의 실태

적샷굿샷 — Wed, 19 Jun 2024 11:33:40 +0900

요즘 항상 켜두는 나스와

백업용 하드 빵빵 필요할때만 켜서 백업하는 나스 두대로 나누는 작업을 진행중입니다

백업용 나스의 인터넷 연결 속도가

처음 연결시는 1Gbps로 잘 연결되다가

속도가 떨어져서 보면 어느새 100Mbps로 돌아가 있습니다

집에 굴러다니는 아무 랜선이나 꽂았더니 문제가 발생했습니다

꼭 케이블에 적힌 Cat 5 이상 인증받은 케이블을 사용하세요

기본중에 기본이지만 아무생각이 없었던 제 잘못입니다 ㅋㅋ

Cat 5e 케이블로 바꾸고 정상적으로 내부망 기가 속도가 잘 나옵니다

궁금한 김에 인증이 없는 케이블 잘라봤습니다

랜선이 연선인건 처음봅니다

케이블 색깔도 지 맘대입니다

C# 웹 크롤링 HtmlAgilityPack 특정 한글만 깨지는 경우

적샷굿샷 — Fri, 7 Jun 2024 19:54:57 +0900

string url = "크롤링한 url"

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
HtmlAgilityPack.HtmlWeb web = new HtmlAgilityPack.HtmlWeb();
doc = web.Load(url);

위와 같이 특정 url을 크롤링 하던중 "굥" 같은 특이한 한글이 ㅁㅁ 처리 되는 문제가 발생했습니다

여러가지 시도를 해보던중 가장 간단한 해결법을 찾아 메모겸 정보 공유를 위해 올립니다

web.OverrideEncoding = Encoding.Default;

한줄 추가해 주면됩니다

Encoding.UTF-8은 의외로 되지 않더라구요

위와 같이 한줄 추가 하고 해결했습니다

알리 LED등 배터리 교체

적샷굿샷 — Fri, 7 Jun 2024 16:22:55 +0900

알리 천냥마트 LED등 받자 마자 배를 따줍니다

역시나 HONGLI 가벼운 배터리가 들어 있습니다

본토향기 맡고 힘내라고 중국산 FST 2400mAh 중방 배터리 준비해줍니다

알리 천냥마트에서 9천원 특가로 구매한 스폿 용접기로

플러스 마이너스 단자에 니켈조각을 붙여줍니다

배터리 단자보다 니켈에 납땜하기가 더 편하기 때문입니다

다들 이 스폿기 가성비로 평이 좋았는데

저는 좀 별로인것 같습니다 배터리 단자와 니켈이 밀착이 조금만 안되어도

구멍이 숭숭 나고 열화도 있습니다

단계를 낮추면 또 붙지 않습니다

니켈은 0.15T를 사용했습니다

여차 저차 해서 붙였습니다

아이다 전담에서 추출한 충전겸 1셀 보호 회로를 중간에 넣어 줬습니다

기존에 LED등에 붙은 기판이 배터리 보호를 해줄수도 있겠지만

알수 없으니 넣어줍니다

불 잘 들어오네요