같은 LLM을 써도 결과가 달라지는 이유가 뭘까요? 오늘은 모델 자체보다 에이전트에 어떤 스킬·가이드·라우팅을 붙이느냐가 더 중요해졌다는 흐름이 뚜렷해요.

오늘의 Top 5

1. K-Dense-AI/scientific-agent-skills

GitHub · Python · ⭐ 오늘 1,587

AI agent를 “AI Scientist”로 바꿔준다는 방향이 아주 선명한 프로젝트예요. 공개된 설명만 보면 165개 검증된 스킬과 100개 이상의 scientific database 연결을 제공하고, Cursor·Claude Code·Codex 같은 도구와의 호환성을 앞세우고 있죠. 한국 개발자 입장에선 “모델 성능 경쟁”보다 도메인 스킬 패키징이 실제 생산성 우위를 만든다는 신호로 읽을 만해요.

2. Qwen/Qwen3.8-Flash-Next

HuggingFace · image-text-to-text · ❤️ 4,300 · ⬇️ 52,341

오늘 HuggingFace에서 가장 눈에 띄는 건 Qwen 계열의 강한 존재감이에요. 이 모델은 image-text-to-text 계열이라 멀티모달 워크플로에 관심 있는 팀이라면 바로 체크할 가치가 있어요. 특히 GitHub의 screenshot-to-code 같은 흐름과 붙여 보면, 텍스트 중심 에이전트에서 화면·이미지 이해형 에이전트로 무게중심이 이동 중이라는 점이 실무적으로 중요하죠.

3. tt-a1i/archify

GitHub · JavaScript · ⭐ 오늘 3,902

오늘 GitHub 스타만 보면 가장 강한 축 중 하나예요. 설명상 architecture, workflow, sequence, data-flow, lifecycle diagram을 예쁘고 검증 가능하게 만들고 self-contained HTML로 내보내는 도구로 보입니다. 문서화가 늘 밀리는 팀에게는 “AI가 코드만 짜는 시대”에서 한 단계 더 나아가 설계 산출물까지 자동화하려는 수요가 커지고 있다는 점에서 특히 의미가 커요.

4. abi/screenshot-to-code

GitHub · Python · ⭐ 오늘 550

스크린샷을 넣으면 HTML/Tailwind/React/Vue 코드로 바꿔준다는, 설명만으로도 바로 이해되는 프로젝트예요. 이미 익숙한 아이디어처럼 보일 수 있지만, 오늘 다시 주목받는 이유는 멀티모달 모델 확산과 맞물려 프로토타이핑 비용을 더 낮추는 도구 체인이 현실화되고 있기 때문이에요. 디자이너 시안이나 레퍼런스 화면을 빠르게 초안 코드로 옮기는 팀이라면 생산성 실험을 해볼 만해요.

5. workweave/router

GitHub · Go · ⭐ 오늘 284

agentic system용 model router를 표방하고, 프롬프트를 적절한 모델로 50ms 미만에 라우팅하며 비용을 40~70% 줄일 수 있다고 소개해요. 수치 자체는 저장소에서 검증이 필요하지만, 방향성은 분명합니다: 이제 실무 AI 시스템의 경쟁력은 가장 좋은 단일 모델보다 요청별 모델 분배 전략에서 나올 가능성이 커요. 멀티모델 운영을 고민하는 팀이라면 가장 실무적인 항목 중 하나예요.

짧게 훑기

에디터 코멘트

오늘 흐름은 꽤 명확해요. 이제 관심의 중심이 “어떤 LLM이 제일 센가”에서 “그 모델 위에 어떤 스킬, 라우팅, 문서화 자동화를 얹을 것인가”로 이동하고 있죠.

서둘러 볼 것은 agent skills, model router, 멀티모달 입력을 실무 UI/문서화에 연결하는 도구들이에요. 반대로 특정 모델의 과장된 성능 서사나 자극적인 파생 모델은 바로 도입하기보다, 팀 워크플로에 어떻게 붙는지부터 보는 게 안전해요.

특히 한국 팀은 자체 foundation model을 만들기보다, 공개 모델과 에이전트 스택을 조합해 업무 특화 자동화를 만드는 쪽이 더 현실적일 가능성이 커요.

오늘 해볼 것 한 가지: 1위 프로젝트 README와 5위 router 소개를 10분씩 읽고, 지금 팀의 AI 워크플로에 “스킬 레이어”와 “모델 라우팅”이 들어갈 자리를 각각 한 곳씩 적어보세요.