원문 링크
당나라 시대 건축물 복원부터 가상의 샌프란시스코 여론 조사까지, 최근 열린 해커톤에서 참가자들이 단 하루 만에 Claude Opus 4.8을 활용해 만들어낸 놀라운 결과물들을 확인해 보세요.
지난 6월 13일, 300명이 넘는 창업자와 개발자들이 샌프란시스코에 모여 Claude Opus 4.8과 함께 12시간의 해커톤을 진행했습니다. 1,500명 이상이 지원한 가운데 전 세계에서 모인 310명이 참가했으며, 각자 500달러의 크레딧을 지원받아 단 하루 만에 자신의 아이디어를 실제 작동하는 데모로 구현해 냈습니다.
우리는 세 우승팀을 만나 그들이 무엇을 개발했는지, 그리고 그 과정에서 Claude를 어떻게 활용했는지 들어보았습니다. 우승팀과 모든 참가자에게 축하를 전하며, 이들의 프로젝트가 여러분에게도 새로운 영감을 줄 수 있기를 바랍니다.
1위: 텍톤(Tekton) – 홀리 탕(Holly Tang) & 오스틴 버지스(Austin Burgess)
홀리 탕과 오스틴 버지스는 당나라 시대 건축물을 생생하게 복원하는 3D 재구성 플랫폼인 '텍톤'을 구축했습니다. 이 플랫폼의 가장 큰 특징은 복원된 모든 구성 요소의 역사적 출처를 역추적할 수 있다는 점입니다.
역사적인 목조 건물이 불타면 수세기에 걸친 장인 정신도 함께 사라지기 마련입니다. 텍톤은 이러한 건물들을 3D로 재구성하고, 모든 조각이 기록된 문헌적 근거에 부합하도록 추적합니다.
텍톤에 역사적 건물을 입력하면, Claude가 도면, 건축 문서, 사진 및 다이어그램 등을 수집하고 연구하여 339개의 증분적(incremental) 건축 단계를 아우르는 3D 모델을 조립합니다. 모델 내의 특정 구성 요소를 클릭하면, 텍톤은 해당 세부 사항의 출처와 그것이 그 위치에 배치된 이유를 보여줍니다. 팀은 원본 사료에서 검증된 모델로 이어지는 이 과정을 ‘증거 사슬(Evidence Chain)’이라고 부릅니다. 이들은 학술적 검증, 복원 작업 및 문화재 보존을 목적으로 이 플랫폼을 개발했으며, 당나라 시대 건축물과 노트르담 대성당의 첨탑을 첫 번째 복원 대상으로 삼았습니다.
모든 검증 과정은 전적으로 Opus 4.8을 통해 실행되었습니다. 독립적인 검증용 서브 에이전트(sub-agents)들이 격리된 컨텍스트 윈도우 내에서 각 복원 단계를 평가했고, 자가 보정(self-correction) 루프를 통해 20개의 테스트를 모두 통과할 때까지 구성 요소의 배치를 반복 재점검했습니다. 모든 빌드 과정이 역사적 기록과 인용 문헌을 기준으로 측정되었으므로, 완성된 모델은 원래 구조물이 건축되었던 방식에 대한 문서화된 규칙을 정확히 따릅니다.
홀리 탕과 오스틴 버지스는 한 달 전 'Code with Claude' 행사에서 커피를 기다리다 처음 만났습니다. 디자이너인 홀리는 오스틴의 스타트업을 돕고 있었습니다. 홀리는 "다큐멘터리 보는 것을 좋아하는데, 아름다운 건축물이 화재로 소실되는 것을 볼 때마다 마음이 아팠습니다"라고 말합니다. 그녀가 단일 복원 프로토타입을 독자적으로 만들었고, 오스틴은 이를 어떤 건물에든 종단간(End-to-End)으로 적용할 수 있도록 스케일링하는 역할을 맡았습니다.
텍톤을 개발하기 위해 두 사람은 단계적으로 작업했습니다. 먼저 노트르담 대성당의 첨탑을 확장성 있게 렌더링한 후, 점차 더 세밀한 디테일을 추가하며 구조물의 나머지 부분으로 확장해 나갔습니다. 비록 대성당 전체를 완성하기 전에 시간이 부족했지만, 여러 해커톤 참가자들이 이 프로젝트에 관심을 보이며 정확도를 높이는 데 도움을 주겠다고 제안했습니다. 두 사람은 박물관, 역사학자, 비영리 단체 및 정부 기관이 활용할 수 있도록 텍톤을 오픈소스로 공개할 계획입니다.
다른 개발자들을 위한 조언: 코드를 짜기 전에 전체 프로젝트를 먼저 설계하세요.
오스틴은 "우리는 전체 PRD(제품 요구사항 정의서)와 각 특정 작업에 해당하는 약 50개의 티켓이 담긴 Notion 보드를 먼저 작성했습니다"라고 말합니다. "그것은 마치 종단간 프로젝트의 완벽한 청사진과 같았고, 각 단계에서 우리가 원하는 바를 정확히 담고 있었습니다." 계획이 수립되자 그는 빌드 과정을 개별 워크플로우로 나누어 병렬로 실행했습니다.
2위: 심 샌프란시스코(Sim Francisco) – 탄마이 프리야 다사리(Tanmayi Priya Dasari) & 테자스 프라부네(Tejas Prabhune)
탄마이 프리야 다사리와 테자스 프라부네는 미국 인구조사(Census) 데이터를 기반으로 샌프란시스코 인구의 디지털 트윈을 구축한 '심 샌프란시스코'를 개발했습니다. 이 시스템은 몇 초 만에 가상 도시의 여론을 조사하고 현실 세계의 결과를 예측할 수 있습니다.
심 샌프란시스코는 샌프란시스코 인구를 모사한 작동 모델입니다. 이 모델에는 인구조사 데이터에서 추출한 10,000명의 가상 주민이 존재하며, 각 주민은 고유한 인구통계학적 특성, 개인사, 세계관을 가진 채 도시 지도 위에 배치되어 실시간으로 뉴스에 반응합니다.
도시에 질문을 던지면 시스템은 이 가상의 유권자 전체를 동네별로 여론 조사합니다. 2023년 10월 지식 컷오프(knowledge cutoff)가 적용된 모델에서 실행된 이 시스템은 2024년 대선 민주당 득표율을 81.3%로 예측했으며(실제 83.8%), 2024년 3월 샌프란시스코 발의안 A(Prop A) 찬성률을 70%로 예측했습니다(실제 70.38%). 또한 칼시(Kalshi)나 폴리마켓(Polymarket)과 같은 예측 시장의 지표를 오차 범위 내에서 매우 근접하게 추적합니다.*
Opus 4.8은 프론트엔드와 백엔드 코드를 모두 작성했으며, 백엔드의 동작을 종단간으로 검증했습니다. 모델의 작업을 검증하기 위해 팀은 Claude를 검증기 및 적대적(adversarial) 에이전트와 함께 작동하도록 구성하여, 실제 도시의 인구통계학적 분포를 완벽하게 재현하는 백엔드를 구축했습니다.
두 사람은 UC 버클리에서 전기공학 및 컴퓨터 과학을 전공하는 학생으로, 교내 머신러닝 동아리를 통해 만났습니다. 테자스에게 심 샌프란시스코는 자신이 창업 중인 포스트 트레이닝(post-training) 회사를 위한 일종의 테스트 베드이기도 합니다. 그는 시뮬레이션된 페르소나들이 장기적인(long-horizon) 작업을 수행하는 모델을 훈련할 수 있을 만큼 일관성을 유지할 수 있는지 연구 중입니다.
다른 개발자들을 위한 조언: 처음 작동하는 방식, 특히 비용이 많이 드는 방식에 안주하지 마세요.
팀의 첫 번째 버전은 10,000명의 주민 각각에 대해 별도의 추론(inference) 호출을 수행했기 때문에 비용이 상당히 높았습니다. 테자스는 "시간이 지나면서 Claude가 스스로 만든 진화형 군집화(evolutionary clustering) 알고리즘을 실행했습니다"라고 말합니다. 이를 통해 주민들을 약 300개의 대표 페르소나로 묶어 그룹화했습니다. 그룹화된 버전은 추론 비용을 10배에서 100배까지 절감하면서도 칼시, 폴리마켓 및 실제 역사적 결과와 동일한 정확도를 유지했습니다.
3위: 커스텀 유니버스(Custom Universe) – 제이크 스티븐스(Jake Stevens) & 마우리시오 페레이라(Mauricio Pereira)
제이크 스티븐스와 마우리시오 페레이라는 휴대전화로 찍은 사진 한 장을 완벽하게 편집 가능한 실사형 3D 장면으로 변환하는 실시간 엔진 '커스텀 유니버스'를 개발했습니다.
스마트폰으로 의자 사진을 찍으면 커스텀 유니버스가 이를 3D 객체로 변환합니다. 사용자는 이 객체를 가상 장면에 배치하고, 텍스트 프롬프트로 스타일을 재지정하며 자유롭게 이동시킬 수 있으며, 렌더링된 이미지는 실시간으로 업데이트됩니다.
이 프로젝트는 특정 작업과 환경에 맞춰 로봇을 훈련시키기 위해 대량의 합성 데이터(synthetic data)가 필요한 로봇 공학 연구소를 겨냥했습니다. 연구소는 공장 현장에 있는 기계를 스캔하여 장면에 배치하고, 해당 환경에 정확히 맞는 로보틱스 모델 미세조정(fine-tuning)용 데이터를 생성할 수 있습니다. 일반적으로 이러한 환경을 구축하려면 물리 현상과 충돌 기하학(collision geometry)을 다루기 위해 물리학자와 엔지니어를 고용해야 합니다. 그러나 커스텀 유니버스를 사용하면 객체를 드래그하는 것만으로 장면을 구성할 수 있습니다. 팀은 향후 부엌 조리대 위에서 객체를 30cm 밀어내는 것과 같은 정밀한 배치 기능도 추가할 계획입니다.
Opus 4.8은 프로젝트 전체를 종단간으로 구축했으며, 해커톤 내내 모델이 구동되는 원격 NVIDIA H100 GPU를 직접 조작했습니다. 또한 팀은 어떤 모델이 올바른 출력을 내는지 알아내고, Apple의 RealityKit으로 캡처한 휴대전화 스캔 객체를 웹 앱으로 가져오는 파이프라인을 구축하는 데도 Claude를 활용했습니다.
제이크 스티븐스와 마우리시오 페레이라는 이번 행사에서 처음 만났습니다. 로체스터 공과대학(RIT)에서 컴퓨터 비전을 전공한 제이크는 AI 모델 가속화에 중점을 둔 스타트업 루미널(Luminal)을 운영하고 있으며, 이 장면 빌더는 그가 평소 시도해보고 싶었던 사이드 프로젝트였습니다. MIT에서 로봇 공학을 전공하고 코트 로보틱스(Coat Robotics)를 운영 중인 마우리시오는, 현장의 고질적인 문제인 로봇 훈련 데이터 부족과 합성 환경 구축의 어려움을 프로젝트의 과제로 제시했습니다. 커스텀 유니버스는 오픈소스 모델과 알고리즘에 기반하여 무료로 사용할 수 있으며, 사용자가 자체 GPU에서 실행할 수 있습니다.
다른 개발자들을 위한 조언: 단순히 코드를 작성하는 것을 넘어, 도구를 선택할 때도 Claude를 활용하세요.
마우리시오는 "어떤 모델이 올바른 출력을 내는지 확인하는 과정에 많은 반복 작업이 필요했기 때문에, 우리는 Claude를 연구 보조로 적극 활용했습니다"라고 말합니다. 또한 팀은 익숙하지 않은 기술을 통합하는 작업도 Claude에게 맡겼습니다. "예를 들어 Apple RealityKit을 통합하거나, 스캔한 객체를 우리 웹사이트로 원활하게 입력할 수 있게 만드는 방법 등이었습니다. 우리는 Claude에게 '이것을 파이프라인에 추가해 줘'라고 지시했습니다."
심 샌프란시스코는 선거 결과 예측을 예시로 활용한 독립적인 해커톤 프로젝트입니다. 이는 Anthropic이 AI 시뮬레이션 선거 예측을 권장 사용 사례로 지지한다는 것을 의미하지 않습니다.
[주석] 번역 과정 설명
장르 및 맥락 파악: 최신 AI 해커톤의 결과를 발표하는 IT 전문 블로그 포스트.
번역 전략 선택: 의역(0.7)에 무게를 두어 'evidence chain', 'inference call', 'post-training', 'long-horizon' 등 최신 기술/스타트업 용어의 뉘앙스를 한국 기술 커뮤니티에서 흔히 사용하는 자연스러운 표현(증거 사슬, 추론 호출, 포스트 트레이닝, 장기 작업 등)으로 조정했습니다.
문체 및 어조 보존: 원문의 역동적이고 고무적인 어조를 살리기 위해 가독성이 높은 경어체를 채택했으며, 전문가(0.6) 수준의 독자를 상정하여 굳이 불필요한 기초 개념 설명은 배제하고 간결한 문장 구조를 유지했습니다.
최종 점검: 기술적 유창성과 한국어의 자연스러움을 기준으로 일관성 검토를 마쳤습니다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.