오늘은 한 가지가 너무 분명해요. Qwen 3.8을 중심으로 로컬 실행·RAG·에이전트 워크스페이스까지 한 번에 묶이는 흐름이 강하게 올라왔습니다.

오늘의 Top 5

1. Qwen/Qwen3.8-27B

HN · 982점 · 댓글 637 / HuggingFace · image-text-to-text · ❤️9,192

오늘의 중심은 거의 이 모델 하나예요. HN에서 압도적으로 큰 반응을 얻었고, HuggingFace에서도 관심도가 높아서 단순한 “신규 공개”가 아니라 개발자들이 직접 써보려는 모델로 보입니다.
한국 개발자 입장에선 “오픈소스 모델을 어디까지 실무 후보로 볼 수 있나”를 다시 점검하게 만드는 신호예요. 특히 같은 날 GGUF 변형과 로컬 실행 툴까지 같이 뜬 점이 중요하죠.

2. unslothai/unsloth

GitHub · Python · ⭐ 오늘 501 / 연관 모델: unsloth/Qwen3.8-27B-GGUF · ❤️888

Qwen 3.8 열기를 실제 사용으로 연결해 주는 쪽은 이 프로젝트예요. 공개된 설명만 보면 로컬에서 LLM·diffusion 모델을 실행하고 학습하는 UI에 가깝고, Qwen3.8도 포함해 여러 최신 모델을 다룹니다.
실무적으로는 “좋은 모델이 나왔다”에서 끝나는 게 아니라, 팀원 각자가 바로 돌려보고 평가할 수 있는 경로가 있다는 게 핵심이에요. 모델 선택 속도가 빨라질 수 있죠.

3. infiniflow/ragflow

GitHub · Go · ⭐ 오늘 473

LLM 앱을 실제 서비스로 붙일 때 여전히 병목은 모델 자체보다 컨텍스트 구성이에요. ragflow는 공개된 설명 기준으로 RAG와 Agent 기능을 결합한 오픈소스 엔진으로 보이고, “context layer”를 전면에 내세운 점이 눈에 띕니다.
한국 팀들이 PoC를 넘어서려면 결국 사내 문서, 검색, 워크플로를 어떻게 묶느냐가 중요해요. 그래서 단순 스타 수보다 실무 파급력이 크다고 봤습니다.

4. github/spec-kit

GitHub · Python · ⭐ 오늘 1,160

AI 코딩 도구가 퍼질수록 코드보다 먼저 정리해야 하는 건 스펙이죠. 이 저장소는 공개된 설명만 보면 Spec-Driven Development 시작을 돕는 툴킷입니다.
왜 지금 중요하냐면, 에이전트가 코드를 많이 쓰기 시작할수록 “무엇을 만들지”를 구조화하는 능력이 더 중요해지기 때문이에요. 한국 개발자에게는 AI 도구 학습보다 먼저 요구사항을 기계가 읽을 수 있게 정리하는 습관을 점검할 타이밍입니다.

5. holaboss-ai/holaOS

GitHub · TypeScript · ⭐ 오늘 769

오늘 GitHub에서 반복해서 보인 키워드는 “AI agent workspace”였고, 그중 실무 관점에서 가장 넓게 볼 만한 항목이 holaOS예요. 공개된 설명 기준으로 여러 에이전트를 도구·앱·브라우저·파일과 연결하고 shared memory를 제공하는 올인원 워크스페이스로 보입니다.
아직은 “무엇이 표준이 될까”를 보는 단계지만, 팀 생산성 도구가 IDE 밖으로 확장되는 흐름은 분명해요. 특히 MCP와 통합 수요를 보는 개발자라면 체크해둘 만합니다.

짧게 훑기

에디터 코멘트

오늘 흐름은 “더 좋은 모델”보다 “그 모델을 팀이 어떻게 바로 써보게 만들까”에 가까워요. Qwen 3.8 자체도 중요하지만, 함께 뜬 unsloth·ragflow·agent workspace 계열이 더 실무적입니다.
서둘러 볼 건 로컬 실행성과 컨텍스트 레이어예요. 반대로 agent workspace는 아직 선택지가 많고 메시지가 넓어서, 바로 표준처럼 도입하기보단 작은 파일럿으로 보는 게 안전하죠.
한국 개발자에게는 이제 모델 성능 뉴스만 따라가는 단계보다, 사내 문서 검색·스펙 작성·로컬 검증 루프를 얼마나 빨리 붙이느냐가 경쟁력이 될 가능성이 큽니다.
오늘 해볼 것 한 가지: Qwen/Qwen3.8-27B와 unslothai/unsloth README를 10분씩만 읽고, 지금 팀 환경에서 “바로 시험 가능한지” 체크리스트를 적어보세요.