세나
바이브 코딩으로 가장 뛰어난 성능을 보인건 단연코 Devin이다.
비용이 비싼것 이외에 다 괜찮다.
코딩만 잘 하는것이 아니라 코드를 기반으로 문서도 만들고 github Pull Request도 만들고
토큰도 알아서 절약하는 팔방미인이다.
월 800만원의 개발자를 500$에 고용할수 있고 심지어 토큰이 남으면 이월도 된다.
세나님의 포스트
세나
Windsurf에서 약 1주일간 무료로 제공되는 GPT-4.1을 사용해봤다.
그동안 개발은 Claude 3.7 Sonnet(Thinking)으로 사용하고 있었다.
개발 성능만을 따지고 보면 GPT-4.1, o4-mini-high나 Gemini 2.5 Pro가 좋다고 느껴진다.
속도도 Claude 3.7보다 빠르다.
하지만 결론은 Claude 3.7 Sonnet(Thinking)이다
대부분의 개발이 많은 라이브러리와 클래스들의 기능 고려해서 개발해야 하는 경우가 많다.
아주 단순한 유닛테스트를 작성한다면 예외이지만 end-to-end와 같은 느낌으로 개발이 진행되어야 하기 때문에 이런 상황을 제일 잘 인식하고 그 과정을 고려해서 개발을 진행하는 LLM은 Claude가 뛰어나다
내가 이렇게 느끼는 이유가 어쩌면 Windsurf의 Cascade의 노하우가 Cursor나 코파일럿 보다 뛰어나서 그런걸수도 있을것이다
새로운 모델이 나올때마다 테스트를 해봤지만 결국 Claude 3.7이다
세나
한달 전 부터 시작한 AI글쓰기(컨텐츠 제작)서비스
NOVA - AI 기반 연구 및 글쓰기 플랫폼
# 핵심 기능:
- 스마트 데이터 수집
- 웹페이지, 유튜브, 논문 등 다양한 소스에서 원클릭으로 데이터 수집
- 자동 메타데이터/이미지 추출 및 정리
# AI 글쓰기 지원
- 수집된 연구 데이터 기반 자동 콘텐츠 생성
- 개인 맞춤형 글쓰기 스타일 분석/적용
- 사용자 글쓰기 스타일 관리
- 문장 구조, 어휘, 형식 등 자동 스타일 분석
- 개인별 스타일 프로필 생성
- 스타일 기반 맞춤형 글쓰기
# 주요 장점:
- 연구-글쓰기 원스톱 관리
- AI 기반 자동화로 작업 효율 극대화
- 직관적인 UI/UX로 쉬운 사용성
세나
부동산 관련 사이트 프로젝트 프로토타입입니다.
"Dongsan - 데이터 기반 부동산 투자 분석 플랫폼"
Dongsan은 일본 부동산 투자 시장에서 최적의 투자 기회를 발굴하기 위한 지능형 분석 플랫폼입니다.
주요 특징은 다음과 같습니다:
- 종합 스코어링 시스템
- 수익률, 입지, 건물 상태 등 8가지 핵심 지표를 결합한 고유한 평가 알고리즘
- 0-100점 기준의 객관적인 투자 가치 산출
- 표면 수익률, ROI, 적산 평가 등 다양한 재무지표 분석
- 역세권 유동인구, 도보 시간 등 입지 요소 고려
- 건축 연도, 방 크기 등 물건 상태 평가
- 효율적인 검색 시스템
- 가격, 수익률, 면적 등 다양한 조건으로 필터링 가능
부동산 투자의 복잡한 의사결정 과정을 데이터 기반으로 체계화하여, 투자자들의 합리적인 판단을 돕는 것이 Dongsan의 핵심 가치입니다.
