요즘 하고있는 생각

1. 원피스 카드 모으는 중. 뭘 잘 알아서 모으는건 아니고 친구 중에(기유님 아님) 감이 진짜 좋은 친구가 있는데, 친구가 칼협해서 이것저것 사다가 너무 많이 사버리고 원피스 슈퍼사이클에 관해 공부중. (전손 각오)

2. 160만원에 산 하이닉스는 일부 익절하고, 고맙지만 얄미운 삼성전자도 전부 익절하고 삼성전기 175만원정도에 익절금 전부 들어감. 메모리 슈퍼사이클 믿고 저평가인 것도 잘 알지만 시총 순위 바로 위에 아마존 테슬라 있는 것 보고 약간 주춤해서 메이저 알트가 사보고싶었음. 근데 지금 들어오는 모든 돈이 이해를 기반한 돈이 아니라는 점이 불안하기도 하고, 시험에 들 때부터 가치투자를 시작하지 않을까

2.5. 시장이 좋을뿐 내가 잘하는건 아니라 항상 리스크관리 열심히 하기. 여기서 부러지면 다시 일어나기 힘듬. 적당히 취하자.

3. 대부분의 투자 판단은 잘 키워둔 에이전트랑 하는중. 좋은 글도 얘가 찾아주고, 내가 어떤 점을 놓치고 있는 지도 알려주니 너무 편함.

크립토만 보는 시기는 끝났고, 제너럴리스트가 되라는 최태원 회장님의 충고를 새겨듣고 리테일 자금이 몰리는 모든 곳을 보려고 노력하고있음.

4. 크립토에서 잘하는건 계속 하는데, 눈 앞에 있던걸 여러번 놓치지 말자는 마음에서 더 넓게 공부하는중. 근데 제대로 알지 못하고 돈넣고 배워가는 입장이니 채널에서 다루긴 어려움.

5. 주식, 트레이딩 가능한 모든 시장이 크립토스러워지는 느낌. 결국 몇명까지 설득하는 내러티브인지 예측하고 변동성을 견뎌야하는데 우리한텐 어느정도 익숙한 시장같기도

6. 큰 추세에서 좋은 자산 고르고 적당한 수익에 만족하고 적당히 경계하는 수밖에 없을듯. 병목이라는 메인 테마가 정해진 이후에 들어온 이상 먼저 들어온 사람들과는 포지션 자체가 다르다는걸 인지하려고 노력중

6.5. 특정 자산군에 편견 가지지 않기. 국장에 했던 실수를 반복하면 안돼

7. 단기간에 오지는 않지만 다음 단계로 넘어갔을 때에 가장 매력적인 테마는 로봇, 우주, 바이오 AI 정도가 아닐까 생각함. 그 사이에 무슨 일이 있을지 모르니 길게 적당한 노출 이어가보지 않을까

8. 진짜 알고 다루는 사람과 아는척 하는 사람을 구분하려는 노력만 해도 투자시장에서 살아남기 참 좋을 것 같음. 항상 보는 매체를 의심해야함. 당하면 나만 손해다

일반적으로 카카오톡에 말 길게 하는사람들이 많은가보네용

카카오톡 = 무케특화체인

Bankless INTERVIEW: MegaETH’s MOSS - One Wallet for Every App

0:00 ~ 3:46 Intro & MegaETH’s Operating System

MOSS는 단순한 지갑이 아니라 MegaETH 생태계의 운영체제(OS) 같은 역할을 합니다. 기존 지갑들은 dApp마다 따로 연결해야 하고, 매번 승인을 해야 하는데, MOSS는 이를 근본적으로 해결하려고 합니다.

3:46 ~ 6:44 Wallets Compared / Apple ID Analogy

iPhone 앱을 쓸 때마다 Apple ID로 로그인하듯,
MOSS에서는 하나의 지갑/계정으로 모든 MegaETH 앱에 seamless하게 접근할 수 있게 하겠다는 비전.
지갑 파편화 문제를 해결하는 것이 핵심.

6:44 ~ 9:14 Better User Experience / Becoming Transaction Ready

사용자가 앱을 열었을 때 바로 거래할 수 있는 상태(Transaction Ready)를 만드는 것이 목표
기존에는 지갑 연결 → approve → gas fee 확인 등 여러 단계가 필요했는데, 이 단계를 최대한 줄입니다.

9:14 ~ 17:03 Smart Contract Security & Why MOSS Uses Smart Contract Wallets

MOSS는 Smart Contract Wallet (Account Abstraction)을 기반으로 구현.
- 더 강력한 보안 기능
- Recovery 옵션 강화
- 세분화된 권한 설정 가능

17:03 ~ 21:35 UX Features Unpacked

주요 UX 개선 기능들
- Smart Approvals: 세밀한 권한 설정 (예: 특정 토큰만, 특정 기간만 approve 가능). approval 스팸 대폭 감소.
- Gas Sponsorship: 앱이나 제3자가 가스비를 대신 내줌 (gasless 경험).
- 더 직관적인 인터페이스.

21:35 ~ 24:29 Funding Without Friction

앱 안에서 입금과 스왑을 바로 할 수 있게 만듭니다.
앱을 나갔다가 지갑으로 돌아올 필요 없이, 앱 내에서 모든 작업을 완료할 수 있도록 설계.

26:40 ~ 32:43 Moss Roadmap

- MOSS의 향후 로드맵:더 다양한 로그인/복구 방법
- Discovery 기능 강화 (앱 찾기)
- 추가적인 UX 개선 사항들

32:43 ~ 끝 Reputation Unlocks

- 온체인 Reputation 시스템에 대한 논의.
- 사용자의 온체인 활동/신뢰도를 바탕으로 특정 기능이나 혜택을 unlock하는 방향.
- 장기적으로는 하나의 계정으로 모든 것을 연결하는 미래 비전.

Moss는 크립토 앱이 크립토처럼 느껴지지 않게 만드는 데 집중하는 메가이더의 방향성을 보여주는 앱. 단순한 지갑이 아니라 다음 기능들을 통해 일반 사용자도 쉽게 사용할 수 있는 환경을 만들려는 시도.

- Account Abstraction 기반 (계정 추상화)
- Gas sponsorship
- Smart & granular permissions (스마트 및 세부 권한 설정)
- Seamless funding/swap (매끄러운 자금 조달 및 스왑)
- One account experience (단일 계정 경험)

MOSS는 MegaETH 생태계 성장의 핵심 동력이 될 것

https://x.com/Bankless/status/2067260987519164644

알갓 타오 비판했다가 보복당한듯?

Lmao, they removed my moderator role in the discord

https://x.com/AlgodTrading/status/2067211089515843764

최근 관심 많이 받고있는 중국 모델 GLM

단순히 2월달에 Openclaw 에이전트 만들어볼 때에 구독 비용과 토큰 비용이 부담스러워서 저렴하게 사용할 방법 없을까 해서 이것저것 찾아보다가 알게되었음.

써보니 속도는 아쉽지만 비용 생각하면 꽤 괜찮았고, 저런 중국 모델 라인업 중에서는 제일 쓸만했던 편.

지금까지도 서브에이전트로 잘 쓰고있는데, 이것도 관심이 투자 관점으로 이어지지 못한게 아직도 아쉬운 부분 중 하나. 지금은 구독 시점 대비 8배정도 올랐음.

빠르게 알고 빠르게 만져보는 것도 중요하지만 투자 관점으로도 한 번씩 고민해보았으면 좋았겠다는 아쉬움이 큼.

작년부터 지금까지 AI를 대하는 방식이 어떻게 하면 크립토에 잘 활용하고 내 전략에 잘 접목시키고 좋은걸 만들어볼 지에 관한 것이었다면, 이제는 세상이 어떻게 흘러갈 지에 더 관심을 가져야 한다는 쪽으로 변한 것 같음

미국 의회에서 논의 중인 이른바 Great American AI Act, 공식적으로는 Obernolte-Trahan 양당 AI 초안, 미국 연방 차원에서 나온 가장 포괄적인 AI 규제 프레임워크 중 하나인 이 법안이 목표로 하는 것들을 간단하게 설명드리면,

통일된 국가 AI 거버넌스 표준 수립

현재 미국은 주마다 AI 관련 규제가 다르고, 연방 차원에서도 명확한 기준이 부족한 상황. 이 법안은 미국 전역에 적용될 수 있는 통일된 AI 거버넌스 기준을 만들려는 시도입니다.

프론티어 AI 개발자에 대한 감독 강화

가장 강력한 성능을 가진 최첨단 AI(프론티어 모델)를 개발하는 기업들에 대해 더 엄격한 감독과 투명성 요구사항을 부과하려는 내용. 고위험 AI에 대한 관리를 강화.

오픈소스 AI 보안 연구 지원

오픈소스 AI 모델의 보안 취약점을 연구하고 개선하기 위한 자금을 지원하는 내용이 포함. 최근 오픈소스 AI가 빠르게 성장하면서, 보안 문제에 대한 관심도 함께 커지고 있기 때문에 그런 흐름에 맞춘 보안 관련 지원.

NAIRR를 통한 AI 컴퓨트 자원 접근성 확대

NAIRR(National Artificial Intelligence Research Resource)는 미국 정부가 추진하는 국가 차원의 AI 연구 자원. 현재 AI 개발에 필요한 대규모 컴퓨팅 자원이 소수의 빅테크 기업에 집중되어 있는데, 이를 대학, 연구기관, 중소기업 등 더 많은 주체들이 활용할 수 있도록 지원하려는 목적.

한마디로 이 법안은 미국이 AI 시대에 국가 차원에서 어떻게 대응할 것인가에 대한 큰 그림과 그 연방 기준이 주별 AI 규제를 어디까지 대체할 수 있느냐에 대한 고려. 법안의 방향에 따라 앞으로 미국 AI 산업, 특히 분산형·오픈소스 AI 분야의 성장 환경이 크게 달라질 수 있다는 점에서 많은 주목을 받고 있는듯.

https://www.politico.com/news/2026/06/04/obernolte-trahan-ai-bill-lands-on-the-hill-00949920

이러한 Great American AI Act 초안은 기본적으로 중앙화된 AI 시스템을 전제로 만들어지고 있음. 즉, “누가 이 AI를 만들었는가”, “누가 이 모델을 배포하고 운영하는가”를 중심으로 규제를 적용하려는 구조. 이때 걸리는 것이 우리에게 익숙한 분산형 AI. 분산형 AI의 경우는 이러한 규제 기준에 넣고 같이 돌아가기엔 어렵다는 의견이 많죠.

분산형 AI는 AI 모델의 훈련과 추론이 수많은 독립적인 노드들에 걸쳐 분산되어 이루어지기 때문에 단일한 주체가 전체 모델을 개발하거나, 모델의 모든 가중치를 독점적으로 보유하지 않음. 오픈 프로토콜을 통해 누구나 노드에 참여하고, 코드에 기여할 수 있는 구조인 것. 그러다보니 “이 AI의 개발자는 누구인가?”라고 명확하게 지목할 수 있는 주체가 존재하지 않는 경우가 다반사. (물론 분산형 AI라고 해서 항상 책임 주체가 전혀 없다는 뜻은 아니고, 다만 기존 법이 상정하는 “하나의 개발사 / 하나의 배포자 / 하나의 운영자” 모델과는 잘 맞지 않는 경우가 많다는 의미)

이런 구조는 초기 암호화폐 규제 때와 비슷한 느낌이 나는데. 당시에도 기존 금융 규제는 “누가 돈을 보내고 받는가”를 중심으로 설계 되어 있었기 때문에, 반영하지 못한 것들이 있었음.마찬가지로, 지금의 AI 법안도 중앙 집중형 개발·운영 모델을 기준으로 만들어져 있기 때문에, 분산형 AI에게 이러한 법을 그대로 적용하려고 하면 여러 문제가 발생할 수 있음. 예를 들어, 단순히 노드를 운영하는 사람이나 오픈소스 코드를 기여하는 사람까지 모두 규제 대상으로 볼 위험이 있고, 이는 분산형 AI로부터 오는 혁신을 저해할 수 있다는 우려가 나오고 있는것.

이러한 우려에 대한 분산형 AI 진영의 대응으로 지난주 워싱턴 D.C.에서 20명 이상의 분산형 AI 창립자들이 중요한 미팅을 했다고 하네요. 중앙화된 AI를 기준으로 한 법들이 분산형 AI에게 적용되기 어려움을 어필하고, 조금 더 현실을 반영하게 하기 위한 움직임인 것 같아요.

FLock의 경우에도 CEO sun이 참여했는데, Great American AI Act에 다음과 같은 3가지 구체적인 제안을 했다고 하네요.

1. ‘분산형 AI 시스템’에 대한 명확한 정의를 도입해야 합니다.

단순히 AI라고 통칭하지 않고, 훈련이나 추론이 독립적으로 운영되는 다수의 노드들로 분산되어 있으며, 단일 주체가 개발을 통제하거나 전체 모델 가중치를 보유하지 않는 시스템을 별도로 정의해야 한다는 내용. 정의가 명확해야 제대로 된 규제와 분리가 가능해지기 때문인 것 같네요.

2. 오픈소스 활동 자체를 규제 대상으로 보지 않도록 명확히 해야 합니다.

오픈소스 코드나 모델 가중치를 공개하는 행위, 노드를 운영하는 행위, 분산형 네트워크의 프로토콜을 유지·관리하는 행위만으로는 ‘개발자’나 ‘배포자’로 간주되지 않도록 법에 명확히 명시해야 합니다. 이것은 규제 회피를 위한 것이 아니라, 분산형 시스템의 특성을 제대로 반영하기 위함입니다.

3. 책임은 ‘실질적인 통제권’을 가진 주체에게 부여해야 합니다.

가장 중요한 원칙입니다. FinCEN(미국 금융범죄단속네트워크)이 소프트웨어를 배포하는 것과 실제로 자금을 송금하는 행위를 구분하듯이, AI 분야에서도 누가 실질적으로 시스템을 통제하고 운영하는가를 기준으로 책임을 물어야 한다는 내용입니다.

결국 큰 골자는 분산형 AI를 중앙화된 AI와 분리하고, 이들의 특성들을 고려하여 책임과 법 적용, 예외상황들을 만들어야한다는 내용이네요.

책임은 아키텍처가 아니라, 실질적인 통제권을 따라가야 한다.

누군가 AI 시스템을 실제로 배포하고, 운영하고, 수익화하고, 사용자에게 제공한다면 당연히 법적 책임을 져야 합니다.

반대로 단순히 오픈소스 코드를 공개하거나, 분산 네트워크의 노드를 운영하거나, 프로토콜 유지에 기여했다는 이유만으로 중앙화 AI 기업과 같은 책임을 지우는 것은 분산형 AI의 구조를 잘못 이해한 접근일 수 있습니다.

이게 중요한 이유는 분산형 AI가 더 이상 단순한 크립토 내러티브에만 머물러 있지 않기 때문입니다.

FLock은 개발도상국과 신흥국 정부들이 소수 빅테크에 국가 AI 인프라를 전적으로 의존하지 않기 위해 분산형 AI 인프라를 검토하고 있다고 설명합니다. 즉 이 논의는 단순히 “토큰 프로젝트 하나가 규제를 피하고 싶다”는 문제가 아니라, 앞으로 AI 인프라를 누가 소유하고, 누가 접근하고, 누가 통제할 것인가에 대한 문제로도 해석할 수 있습니다.

미국이 AI 규제의 큰 틀을 만들기 시작하는 지금, 분산형 AI가 그 안에서 어떻게 정의되는지는 꽤 중요합니다. 정의가 너무 넓으면 혁신을 막을 수 있고, 정의가 너무 느슨하면 책임 공백이 생길 수 있습니다. 그래서 필요한 건 예외가 아니라 정교한 구분과 그 구분에 따른 규제 다변화라고 생각합니다.

중앙화된 AI 개발자, 오픈소스 기여자, 노드 운영자, 실제 배포자, 그리고 실질적 통제권을 가진 주체를 구분하는 것. 이번 논의에서 분산형 AI 쪽이 요구하는 것도 결국 이 지점인 것 같습니다.

규제를 없애자는 게 아니라, 분산형 시스템이 어떻게 작동하는지 반영한 규칙을 만들자는 것.

AI가 점점 국가 인프라가 되어가는 상황에서, 이 논쟁은 앞으로 분산형 AI 프로젝트들에게도 AI를 통한 발전에 있어서도 꽤 중요한 선례가 될 수 있을 것 같네요.

메타마스크에서 주소 중독 공격을 방지하기 위한 솔루션을 도입했네요

https://x.com/MetaMask/status/2067299428680265791?s=20

주소 중독(address poisoning) 공격은 공격자가 사용자가 평소 자주 사용하는 주소와 앞뒤 문자열이 비슷한 주소를 만든 뒤, 사용자의 지갑에 0-value transfer나 소액 전송을 발생시켜 거래 내역을 오염시키는 공격입니다.

사용자는 거래소 입금 주소나 지인 주소처럼 자주 쓰는 주소를 다시 사용할 때, 최근 거래 내역에서 주소를 복사하거나 앞뒤 일부만 확인하는 경우가 많습니다. 공격자는 이 습관을 노려 사용자가 유사한 공격자 주소를 정상 주소로 착각하게 만들고, 결국 자금을 공격자 주소로 보내도록 유도합니다.

이런 공격을 왜 당하나 싶을지 몰라도 꾸준히 피해가 발생되는 스캠 공격 중 하나입니다. 메타마스크가 이를 위한 방지책으로 그동안 내가 사용하던 주소와 비슷하면서 처음 사용하는 주소에 대해 경고를 띄우도록 패치를 진행하였네요.

web3 지갑을 사용할 때 가장 중요한 것이 보안인데, TX 실행 결과와 잔액 변화를 미리 보여주는 것도 그렇고 이번의 주소 오염 공격 방지까지, 메마가 계속해서 유저들의 사기 피해를 방지하려는 노력이 보이네요.

이건 진짜 좋은 업데이트 같네요. 저는 아직까지 이런적이 없긴한데, 많은 사람들이 비슷한 문제들로 인해서 오전송 등을 해서 돈을 잃는 경우를 많이 봤던거 같은데 굿굿인듯

GLM 5.2에 대한 ZAI의 블로그글

저는 5.2 사용할때 오버헤드 뜨면서, 작동 안되는 경우가 많아서 자동으로 다시 시도하게 하고 몇번 트라이가 쌓이면 아래 모델로 구동되게 설정해두고 테스트 해보고 있네요.

https://z.ai/blog/glm-5.2

???

Nous는 팀 크레딧 기능도 추가

- 하나의 잔액을 충전하여 확장
- 팀을 생성하고, 팀원을 초대하면 이메일로 초대받아 가입
- 사용자는 여러 팀에 속할 수 있으며 팀 간 전환이 가능

https://x.com/nousresearch/status/2067337553624125621

아즈텍 또 $2M 익스플로잇 발생

https://etherscan.io/tx/0xab306cd2184d23b6ba3e151b10b3b9a0b81f211cc16f4f3b0c79f0b17a59c2b5

🟢 9,000.00 @KOSPI_Price

뭐 맨날 털려
암호화폐장점 : 털린거 확인은 가능

OpenAI의 새로운 AI 안전성 평가(AI safety eval)는 모델을 출시하기 전에, 실제 배포 상황을 미리 시뮬레이션해서 위험 행동을 예측하겠다는 것.

기존 AI 안전성 평가는 보통 아래와 같은 방식이 많았음.

· 사람이 만든 테스트셋
· synthetic prompt (합성 프롬프트)
· red teaming (의도적인 시스템 공격)
· 특정 위험을 겨냥한 벤치마크

문제는 이러한 테스트 환경에서 모델이 테스트임을 인식할 수도 있고, 테스트셋이 이미 알려진 위험만 과하게 반영할 수도 있고, 실제 유저들이 어떤 방식으로 모델을 쓰는지는 충분히 반영하지 못할 수 있음.

OpenAI가 말한 Deployment Simulation(배포 시뮬레이션)은 이러한 문제들을 해결하기 위한 접근법으로,

1. 과거 실제 ChatGPT 대화 데이터를 가져옴
2. 기존 assistant 답변을 제거함
3. 출시 후보 모델이 같은 상황에서 다시 답하게 함
4. 그 답변에서 원치 않는 행동이 얼마나 나오는지 측정
5. 실제 출시 후 트래픽과 비교해 예측이 맞았는지 검증

=> 모델을 바로 배포하지 않고, 과거 실제 사용 맥락 위에서 새 모델을 가상 배포/측정 이후 출시 후 재검증을 해서 안정성을 높이는 방식
=> OpenAI는 이걸 GPT-5 계열 Thinking 모델 배포에서 테스트했고, 약 130만 개 deidentified conversations(비식별화된 대화, 예측치에 벗어난 답변)을 분석함.

이러한 배포 시뮬레이션 방식이 기존 벤치마크를 완전히 대체한다기보단, 기존 신뢰성 평가가 잘 못 보는 영역을 보완해서 다음과 같이 구분해서 사용될 것 같네요.

· 전통적인 신뢰성평가 = 희귀하지만 치명적인 위험을 강제로 테스트.
· 배포 시뮬레이션 = 실제 배포에서 어느 정도 빈도로 나타날 수 있는 문제를 예측

AI 모델 평가가 점점 정적인 시험지에서 운영 전 리허설 / 배포 전 섀도우 테스트 영역까지 커버하는 느낌이고, 이건 에이전트가 이제는 단순 답변만 하는 것이 아니라 아래와 같이 시스템 전반과 결제 등 치명적일 수 있는 부분에서 동작하기 때문에 중요하다고 생각되네요.

· 툴을 호출하고
· 파일을 수정하고
· 결제나 API를 쓰고
· 다른 agent에게 작업을 위임하고
· 실제 시스템 상태를 바꿀 수 있음

=> 이런 구조에서는 벤치마크 점수보다 실제 배포 맥락에서 어떤 행동을 하는지가 훨씬 중요함.

AI safety eval의 다음 단계는 모델을 시험장에 앉히는 게 아니라, 실제 배포 환경을 미리 재현해서 행동을 예측하는 쪽으로 가고 있음. OpenAI의 Deployment Simulation은 AI 모델 평가가 점점 소프트웨어 배포의 canary release(일부 유저에게 선공개), shadow traffic(같은 질문을 백그라운드 시스템에서 새버전 테스트), pre prod testing(퍼블릭 배포전 최종테스트) 처럼 변하고 있다는 신호로 보임.

https://openai.com/index/deployment-simulation/