2. 코딩·에이전트·이미지

DeepSeek

중국 회사가 만든 모델이 최상위권 성능을 내면서, 모델 가중치를 공개하고 사용료도 크게 낮췄기 때문입니다. "최고 성능은 거대 자본만 가능하다"는 전제가 흔들렸습니다.

가중치가 공개되면 누구나 자기 서버에 내려받아 돌릴 수 있습니다. 데이터를 밖으로 보낼 수 없는 조직에게는 이 점이 성능보다 중요할 때가 있습니다.

DeepSeek

오픈 웨이트는 학습이 끝난 모델 파일(가중치)을 공개한 것입니다. 내려받아 돌리고 미세조정할 수 있습니다.

그러나 학습에 쓴 데이터와 절차까지 공개된 경우는 드물어서, 소프트웨어에서 말하는 오픈 소스와는 다릅니다. 라이선스도 제품마다 조건이 달라 상업적 이용 조건을 따로 확인해야 합니다.

DeepSeek

데이터가 어디에 저장되고 학습에 쓰이는지입니다. 이는 국적과 무관하게 모든 클라우드 AI에 해당하지만, 규정상 특정 국가 서버 반출을 막는 조직이 있으므로 사규를 먼저 봐야 합니다.

가중치를 내려받아 사내에서 돌리면 이 문제 자체가 없어집니다. 오픈 웨이트 모델을 검토하는 실무적 이유가 여기 있습니다.

Copilot

코드 편집기 안에서 다음에 쓸 코드를 회색 글씨로 미리 제안합니다. 마음에 들면 탭 키로 받아들이고, 아니면 계속 타이핑하면 사라집니다.

채팅으로 "이 함수가 무슨 일을 하나"를 묻거나 테스트 코드를 만들게 할 수도 있습니다. 이름 그대로 부조종사(copilot)이지 조종사는 아닙니다.

Copilot

이름만 같고 쓰는 자리가 다릅니다. GitHub Copilot은 개발자용 코딩 도우미이고, Microsoft Copilot은 윈도우·워드·엑셀·팀즈 안에서 문서와 회의를 돕는 쪽입니다.

회사에서 "코파일럿 도입했다"고 하면 어느 쪽인지 먼저 확인해야 합니다.

Copilot

돌아가는 것과 맞는 것은 다릅니다. 제안된 코드는 흔한 패턴이라 문법은 대체로 맞지만, 예외 처리·보안·성능이 빠져 있는 경우가 많습니다.

특히 입력값 검증, 비밀번호·키 취급, 권한 확인은 사람이 봐야 합니다. 이해하지 못한 코드는 받아들이지 않는다는 기준 하나만 지켜도 사고가 크게 줄어듭니다.

Copilot

한 줄을 제안하는 데 그치지 않고, 여러 파일을 스스로 열어 고치고 테스트를 돌려 실패하면 다시 고치는 방식입니다. 사람은 방향과 승인만 맡습니다.

속도는 크게 오르지만 잘못된 방향으로도 빨리 갑니다. 작업 단위를 작게 끊고 변경 내역을 확인하는 습관이 함께 가야 합니다.

Grok

일론 머스크가 세운 xAI가 만든 대화형 AI로, X(옛 트위터)와 붙어 있는 것이 특징입니다.

X의 글을 근거로 답할 수 있어 지금 무슨 이야기가 도는지를 보는 데 유리합니다. 대신 근거가 소셜 게시물이라는 점을 늘 감안해야 합니다.

Grok

많이 퍼진 글이 곧 사실은 아닙니다. 소문·낚시·의도적 여론 조작이 그대로 근거가 될 수 있습니다.

"지금 사람들이 뭐라고 말하는가"를 묻는 데는 적합하고, "사실이 무엇인가"를 묻는 데는 부적합합니다. 이 둘을 구분해서 쓰십시오.

Grok

성능 차이만이 아니라 만든 회사가 정한 정책과 정렬(alignment) 방식이 다르기 때문입니다. 어떤 질문에 어디까지 답할지, 말투를 어떻게 할지가 학습 단계에서 정해집니다.

그래서 같은 질문에 서비스별 답이 갈리는 것은 정상입니다. 중요한 판단일수록 두세 개에 물어 보고 근거를 비교하는 편이 안전합니다.

Lovable

만들고 싶은 웹앱을 문장으로 설명하면 화면과 코드를 함께 만들어 주고, 바로 배포까지 해 주는 도구입니다. 개발 환경을 설치하지 않아도 브라우저에서 끝납니다.

바이브 코딩을 가장 쉬운 형태로 만든 부류로, 아이디어를 하루 만에 눈에 보이는 것으로 만들 때 강합니다.

Lovable

시제품, 사내 도구, 랜딩 페이지, 소규모 서비스까지는 충분합니다. 만들어진 코드를 내려받아 개발자가 이어받는 것도 가능합니다.

다만 결제·개인정보·권한 관리가 들어가는 순간 검토가 필요합니다. 화면이 그럴듯한 것과 뒷단이 안전한 것은 별개입니다.

Lovable

데이터베이스 접근 권한을 열어 둔 채 배포하는 것입니다. 화면에서는 안 보여도 주소만 알면 남의 데이터를 읽을 수 있는 상태가 됩니다.

그래서 배포 전에 "로그인하지 않은 사람이 무엇을 볼 수 있는가"를 반드시 직접 확인해야 합니다. 이건 AI에게 물어서 끝낼 문제가 아니라 눈으로 볼 문제입니다.

Manus

챗봇은 답을 주고 실행은 사람이 합니다. 에이전트는 목표를 받으면 스스로 단계를 나눠 웹을 돌아다니고, 자료를 모으고, 파일을 만들어 결과물까지 냅니다.

"이 시장 조사해서 보고서로 만들어줘"를 맡길 수 있는 대신, 중간에 잘못 판단해도 계속 진행합니다.

Manus

되돌릴 수 있는 일만 맡기는 것입니다. 자료 조사·초안 작성·정리는 잘못돼도 버리면 그만이지만, 메일 발송·결제·파일 삭제는 되돌릴 수 없습니다.

권한도 필요한 만큼만 주십시오. 계정 하나를 통째로 연결하기 전에 그 계정으로 무엇까지 할 수 있는지 먼저 세어 보는 게 순서입니다.

Manus

단계가 길어질수록 초반의 작은 오해가 뒤에서 크게 벌어집니다. 잘못된 자료를 하나 집으면 그 뒤 열 단계가 전부 그 위에 쌓입니다.

그래서 통째로 맡기기보다, 중간 산출물을 한 번 보고 방향을 확인한 뒤 다음을 맡기는 편이 결과가 좋습니다.

NanoBanana

구글의 이미지 생성·편집 모델에 붙은 별명입니다. 정식 이름보다 이 별명이 먼저 퍼져서 그대로 굳었습니다.

새 그림을 그리는 것보다 있는 사진을 말로 고치는 쪽에서 평가가 높습니다 — "배경만 바꿔", "이 사람 옷 색만 바꿔" 같은 지시가 통합니다.

NanoBanana

예전 도구들은 얼굴 하나만 고쳐 달라고 해도 다른 부분까지 미묘하게 달라졌습니다. 여러 장을 이어 쓰는 작업에서는 이게 치명적입니다.

같은 인물·같은 제품이 여러 컷에서 같아 보여야 상세페이지나 썸네일 세트를 만들 수 있습니다. 최근 편집 모델의 경쟁 지점이 여기입니다.

Leonardo AI

이미지 생성 플랫폼입니다. 게임 아트·캐릭터·일러스트 쪽에서 출발해, 화풍을 고르고 세밀하게 조절하는 기능이 많습니다.

지금은 캔바(Canva)에 인수되어 캔바 생태계와 함께 묶입니다.

Leonardo AI

서비스의 요금제와 약관에 따라 다릅니다. 같은 서비스라도 무료 플랜은 상업적 이용을 제한하는 경우가 흔합니다.

또 하나, 여러 나라에서 사람이 만들지 않은 이미지에는 저작권이 인정되지 않는 방향으로 정리되고 있습니다. "내가 써도 되는가"와 "남이 못 쓰게 막을 수 있는가"는 다른 문제입니다.