개발 도구와 AI 연구소 전반에서 기능 확장과 보안·관리(governance) 논의가 동시에 활발하다. Grok Bot은 API가 없는 웹사이트까지 자동으로 조작하는 기능을 넓히고 Cursor Pro 구독에서도 쓸 수 있게 됐으며, 클로드 디자인은 프로젝트 안의 설정 파일에 사용자의 선호도와 문서 설정을 저장할 수 있다. 인공일반지능(AGI)에 대한 앤스로픽의 접근 방식, 클로드의 보이지 않는 텍스트 워터마크, 오픈웨이트(open-weight) 모델을 둘러싼 지정학적 논쟁까지 업계의 긴장감은 여전하다. 개발자들은 버전 관리를 개선하려고 대화 내용을 로컬 저장소에 저장하는 기능이나, 작업 성격에 맞춘 단계별 추론 배포 방식 등 새로운 업무 흐름(workflow) 개선책도 마주하고 있다. 경쟁 압박이 AI 연구소를 불안정한 소프트웨어 출시로 몰 수 있다는 경고가 나오는 가운데, 딥시크(DeepSeek)나 키미(Kimi) 같은 회사의 오픈웨이트 모델들은 폐쇄형(closed-weight) 모델과 경쟁하는 대안으로 거론된다. 자동화 도구와 관리 전략, 로컬 설정 기능이 빠르게 진화하는 변곡점이다.

01앤스로픽 AGI 독점 우려와 텍스트 워터마크

범용인공지능(AGI)의 미래 지배구조를 둘러싼 논쟁이 기술 업계 전반으로 확산되는 모습이다. 권력의 절대적 집중을 향한 강력한 경고가 이어지는 배경에서다. 딥시크(DeepSeek)의 한 엔지니어는 최근 앤스로픽만 범용인공지능에 접근하게 되는 상황을 가정하며, 이를 히틀러가 연합군보다 먼저 원자폭탄 기술을 손에 넣는 것에 빗대 심각한 우려를 제기했다. 단 하나의 조직이 통제 불능의 권력을 휘두르는 디스토피아적 현실을 막으려면, 최고 수준의 지능 기술이 오히려 개방되고 저렴한 비용으로 널리 분산되어야 한다는 주장이다.

반면 민주주의 시장 경제 체제에서 이 같은 완전한 독점이 과연 지속될 수 있느냐는 반론도 나온다. 이 반론에 따르면 민주 국가의 인력 이동성은 독점적 지식을 자연스럽게 분산시킨다. 직원들이 앤스로픽을 떠나 오픈AI로 둥지를 옮길 때 업무 경험과 통찰을 함께 가져가기 때문에, 아이디어가 교차 유입되면서 특정 기업이 고도화된 인공지능 자원에 대한 절대적 통제권을 틀어쥐는 상황을 막아준다.

이러한 지정학적·지배구조적 논쟁과 발맞추어 안전성과 출처 확인을 위한 실효성 있는 대책들도 속속 도입되는 중이다. 앤스로픽은 클로드가 생성한 콘텐츠에 보이지 않는 텍스트 워터마킹을 적극적으로 적용하고 있다. 이 시스템은 사람이 읽을 때는 전혀 눈치챌 수 없지만 기계는 감지할 수 있는 지문 정보를 생성된 텍스트 내부에 직접 심어 넣는다. 특히 이 지문은 복사해서 붙여넣거나 가벼운 편집을 거쳐도 그대로 유지되도록 설계되어, 사람이 내용을 일부 고치더라도 플랫폼 측이 인공지능 보조 결과물을 추적할 수 있도록 돕는다. 이러한 다방면의 변화는 고도화된 인공지능을 누가 통제할 것인가라는 질문이, 일상 속에서 그 결과물이 어떻게 감시되고 공유되며 관리되는지와 직결되는 급변하는 생태계를 적나라하게 보여준다.

02클로드 디자인 — 설정 파일로 스타일 기억하는 문서 작업

매번 쓸 때마다 글꼴이나 색상, 작업 방식을 AI에게 처음부터 다시 가르쳐야 했던 사용자라면 반가울 기능이다. 클로드 디자인에서는 사용자 선호와 문서 설정을 프로젝트 안의 `CLAUDE.md` 파일에 저장할 수 있다.

정식 채용 제안서 같은 문서를 만들 때 사용자는 글꼴, 색상 팔레트, 레이아웃 같은 특정 스타일을 시스템에 기억시킬 수 있다. 대화 도중 클로드에게 이 선호 사항을 저장하라고 지시하면, 선택한 내용이 설정 파일 안에 자동으로 기록된다. 이 방식은 클로드 코워크나 클로드 코드 같은 다른 도구에서 작업 맥락을 유지하는 방식과 닮았다. 설정 파일이 만들어지면 사용자는 같은 프로젝트 안에서 새로운 대화를 열고 '케빈 쿠키 컴퍼니(Kevin Cookie Company)' 같은 특정 디자인 시스템을 선택하기만 하면, 스타일 설정을 처음부터 다시 입력하지 않고도 새 문서를 바로 뽑아낼 수 있다.

이 작업 흐름 개선은 여러 번의 대화 속에서도 일관성을 유지해 문서 제작 과정을 한결 매끄럽게 만든다. 모든 새 프롬프트를 백지 상태로 대하는 대신, 저장된 파일을 참고해 사용자가 정해둔 기준에 맞춰 결과물을 내놓는다. 즉흥적인 AI 생성을 체계적인 문서 생산으로 이어주는 다리 역할을 하며, 반복적인 업무 양식을 다루는 이들의 시간과 노력을 덜어준다.

03GPT-6 Astra, 완벽한 첫 프롬프트 없이 어떻게 고품질 영상을 만들까?

고품질 AI 영상을 만들기 위해 한 번에 완벽한 프롬프트를 입력할 필요는 사라지고 있다. 이제는 여러 번 고쳐 나가는 협업 과정으로 자리 잡는 중이다. GPT-6 Astra는 스스로 평가하고 버전을 관리하는 방식을 통해 감독과 평론가 역할을 동시에 수행하며, 사용자의 머릿속 구상과 최종 결과물 사이의 간극을 좁힌다. 첫 영상이 기대에 미치지 못하면 사용자는 GPT-6 Astra에게 결과물을 분석하고 원래 의도와 다른 부분을 찾아내도록 지시할 수 있으며, 시스템은 사용자가 고를 수 있는 여러 개의 수정된 프롬프트 버전을 만들어낸다. 이 과정은 프롬프트 작성에서 감에 의존하던 부분을 없애고, 시행착오를 피드백과 개선의 체계적인 순환 구조로 바꾼다.

이 정교한 처리 과정은 외부 도구와 정밀한 자막 작업의 결합으로 구동된다. 실제로 GPT-6 Astra는 어떤 모델을 쓸지 고르는 복잡한 작업을 도맡아 처리하며, 실제 영상 생성은 배경에서 특화된 모델들에 위임해 효율적으로 클립을 뽑아낸다. 이를 통해 사용자는 기술적인 매개변수를 직접 만지지 않고 높은 수준의 창의적인 방향성에만 집중할 수 있다. 예를 들어, 크리에이터가 음성 해설에 더 잘 어울리도록 등장인물을 여성으로 바꿔 달라고 요청하면 시스템이 알아서 프롬프트 조정을 처리한다.

이 작업 흐름(workflow)의 운영 측면은 시간과 자원의 균형을 맞추는 데 초점을 둔다. 영상 하나를 만드는 데 최대 10분이 걸리고 약 270 크레딧의 비용이 소모될 수 있기 때문에, AI가 스스로 프롬프트를 평가하고 버전을 관리하는 기능은 낭비되는 비용을 줄이는 데 핵심적인 역할을 한다. 사용자는 품질 설정을 바꾸어가며 결과물이 어떻게 달라지는지 추가로 실험할 수 있다. 이렇게 AI가 관리하는 제작 루프(loop)로의 전환은 전문적인 영상 편집 경험이 없는 사람이라도 AI를 이끌며 몇 차례 수정 과정을 거치기만 하면 세련된 결과물을 만들어낼 수 있다는 뜻이다.

04구글 Anti-Gravity Preview, 새 모델이 아닌 에이전트 실행 환경

제미나이 API 사용자들 사이에서 정체 불명의 신규 항목이 포착되며 업계의 뜨거운 추측을 낳았다. 안티그래비티 프리뷰(anti-gravity preview)라는 체크포인트가 발견되면서, 구글이 차세대 코딩 모델이나 새로운 제미나이 제품군의 사전 버전을 준비하고 있다는 관측이 쏟아졌다. 급변하는 인공지능 생태계에서 예고에 없던 버전 번호가 등장할 때마다 플랫폼의 변화를 주시하는 개발팀의 이목이 집중되는 것은 당연한 수순이다.

초기에는 단독 기초 모델일 것이라는 추측이 우세했으나, 구글 개발자가 직접 나서 그 정체를 바로잡았다. 이 개발자는 해당 체크포인트가 새 모델이 아니라 구글의 안티그래비티 에이전트 실행 환경(agent harness)과 관련된 것이라고 확인했다. 이 프리뷰에는 13만 1,000토큰 입력과 6만 5,000토큰 출력이 표시됐다. 에이전트 실행 환경은 새 기초 모델이 아니라 에이전트를 구동하고 작업을 안내하는 환경이라는 점에서 차이가 있다.

제미나이 API를 활용하는 전문 개발자들에게는 기초 지능 모델과 제어 장치의 차이를 구별하는 것이 향후 기능이 현업 환경에 실제로 적용되는 방식을 파악하는 데 큰 도움이 된다. 단편적인 텍스트 프롬프트를 처리하는 데 그치지 않고, 이와 같은 특화 실행 환경은 소프트웨어 에이전트가 지시사항이나 문맥을 잃지 않고 장시간 작업을 이어가도록 돕는 기반 구조를 제공한다. 플랫폼들의 입력 및 출력 한도가 계속 늘어나면서 개발자들은 더 길어진 작업 시간 동안 매끄럽게 작동하는 정교하고 다층적인 디지털 업무 흐름(workflow)을 구축할 여유를 확보하게 된다.

05Grok Bot, API 없는 웹사이트도 시연 한 번으로 자동화

Grok Bot이 공식 프로그래밍 인터페이스(API)나 프로토콜 지원이 없는 웹사이트에서도 반복적인 웹 작업을 자동으로 처리하는 기능을 확대한다. 사용자는 특정 상품 검색, 옵션 선택, 수량 입력 같은 수동 브라우저 작업 흐름을 단 한 번만 시연해 시스템에 가르칠 수 있다. 이 플랫폼은 이러한 시각적 시연을 재사용 가능한 디지털 기술로 변환하며, 사용자가 미세한 명칭 차이가 있어도 상품 코드를 일치시키는 등의 맞춤형 비즈니스 규칙을 덧붙일 수 있도록 지원한다. 교사 작업(Teacher Task)으로 알려진 이 컴퓨터 사용 기능은 사용자에게 제공되는 전용 클라우드 가상 머신 안에서 직접 작동한다.

Grok Bot은 이제 월 20달러짜리 Cursor Pro 구독에서도 쓸 수 있다. 각 계정에 독립된 가상 머신 환경이 할당되기 때문에, Grok Bot은 사용자의 로컬 컴퓨터를 켜두지 않아도 독자적으로 웹브라우저를 열고, 로컬 파일을 다루며, 필요한 시스템 명령어를 실행할 수 있다. 사용자는 모바일 기기에서 복잡한 작업 흐름을 실행하고, 클라우드 작업이 끝난 뒤 채팅창에서 서식화된 PDF 요약본 같은 최종 결과물을 바로 받을 수 있다.

이러한 자동화 루틴은 단순한 클릭을 넘어 일반 사용자가 고도의 디지털 작업을 위임할 수 있도록 돕는다. 시스템은 가상 환경 안에서 청소비, 침대 구성, 주차 가능 여부, 이동 시간을 평가해 에어비앤비의 다단계 여행 검색을 처리한 뒤 예약을 완료하고 일정을 캘린더에 동기화할 수 있다. 나아가 사용자는 경쟁사 모니터링 일정을 설정해 타겟 웹사이트를 주기적으로 확인하고, 가격 및 상품 업데이트를 보고하며, 잠재적인 서비스 영향을 평가할 수 있다. 브라우저 자동화와 지속형 클라우드 환경을 결합함으로써, 플랫폼은 수많은 일상 업무에서 수동 데이터 입력과 반복적인 웹 탐색의 필요성을 없앤다.

06AI 연구소의 과속 경쟁: 버그 수정보다 앞서는 출시 압박

한 논평가는 풍자적인 가상의 소프트웨어 사례로 AI 연구소가 받는 압박을 설명한다. 이 사례 속 소프트웨어는 예측하기 어렵고 결과가 매번 달라지는 비결정적 특성을 지녀, 수돗물 공급망이나 전력망에 넣는다면 좋은 결과를 보장할 수 없다. 그런데도 개발사는 경쟁사가 함께 달리고 있어 속도를 줄이고 버그를 고칠 수 없다고 여긴다. 경쟁사가 2.0을 내놓으면 자신들은 3.0을 내야 한다고 믿고, 수십억 달러를 쏟아부으면서도 그만큼 빠르게 현금을 회수하지 못한다.

이 논평가는 이런 흐름이 계속되면 체르노빌급 사고가 일어나 누구도 다시는 AI를 믿지 않게 될 수 있다고 경고한다. 이 시각에서 핵심 위험은 AI가 지능을 지녀서 특별히 위험하다는 데 있지 않다. 서로 경쟁하는 민간 소프트웨어 기업들이 버그를 고치기보다 불안정한 소프트웨어를 계속 내놓을 수 있다는 데 있다. 이는 가능성에 대한 경고이며, 실제 공공 인프라 배포나 사고가 확인됐다는 뜻은 아니다.

07AI 속도 경쟁이 삼킨 장인정신과 여유

인공지능(AI)은 거의 모든 전문 업무를 빠르게 처리해주지만, 이 무자비한 효율 추구는 보이지 않는 인간적 비용을 치르게 한다. 숙련된 작업의 가치를 높여주던 깊은 장인정신과 사려 깊은 속도가 무너지는 것이다. 지름길 대신 자신의 머리로 생각하며 일부러 한 걸음 물러서는 전문가들조차, 이러한 시스템의 존재 자체만으로 심리적 환경이 바뀐다. 기계가 훨씬 짧은 시간에 똑같은 일을 끝낼 수 있다는 사실을 아는 것만으로도 지속적인 압박감이 생겨나고, 이는 실무자들이 문제를 해결하는 데 쏟는 시간에 대한 태도를 변화시킨다.

이러한 긴장감은 전통적인 아날로그 활동에서 느끼는 조용한 만족감과 닮아 있다. 창가에 앉아 빗소리를 들으며 바늘에 실을 꿰고, 몇 시간에 걸쳐 손수 무언가를 만들어내는 모습을 떠올리면 된다. 소란스러운 기계가 나타나 노동을 대신하는 순간, 그 신중한 리듬과 개인적인 숙련도는 쉽게 산산조각이 난다. 업무 환경에서도 인공지능이 작업 흐름(workflow)에 손을 대는 순간 이와 유사한 역학이 펼쳐진다. 편리함에 굴복하는 행위는 실무자의 집중력과 몰입 상태를 깨뜨린다. 빠른 자동화로 한 번 추진력이 꺾이고 나면 프로젝트 전체를 넘겨버리고 싶은 유혹이 커지고, 결국 결과물에 대한 즐거움, 몰입, 개인적인 유대감까지 사라지게 된다.

숙련된 노동에서 인간이 주도하는 느린 영역을 지켜내려면 속도가 언제나 최고의 성공 지표가 아님을 인정해야 한다. 최적화 과정이 수동 문제 해결의 즐거움과 숙련의 개인적 만족감을 앗아갈 때, 전문가들은 노동의 진정한 보상을 헛된 효율과 맞바꾸는 위험에 처한다. 전문가 업무의 사려 깊은 속도를 유지한다는 것은, 더 빠른 자동화 대안이 늘 배경에 도사리고 있더라도 과정 그 자체의 가치를 인정할 방법을 찾는다는 뜻이다.

08공개 가중치 모델 — 기업 독점과 통제에 맞설 균형추가 될까

공개된 모델 가중치가 어두운 기술 미래를 막는 중요한 안전장치가 될 수 있다는 시각이 있다. 한 비관적 전망은 인공지능의 미래가 극단적인 기업 지배나 경직된 중앙집중형 체제라는 디스토피아로 갈라질 수 있다고 본다. 공개 가중치 모델을 지지하는 쪽은 모델 가중치를 대중에게 공개하면 기술이 기업이나 관료의 장벽 뒤에 갇히지 않고 널리 쓰여 이런 전망에 맞설 수 있다고 주장한다.

이 시각에서는 모델을 공개하는 기업들이 산업이 암울한 방향으로 흘러가지 않도록 도울 수 있다. DeepSeek, Kimi, MiniMax 같은 조직은 모델을 계속 공개하는 사례로 거론된다. 지지하는 쪽은 이런 도구가 널리 퍼지면 소수 세력이 미래를 독식하는 사태를 막고 독점 전망에 맞서는 현실적 대안이 될 수 있다고 본다.

이러한 개방 방식의 진짜 파급력을 평가하기는 여전히 어렵다. 관찰자들이 다른 평행 세계의 흐름을 쉽게 예측할 수 없기 때문이다. 미래가 실제로 닥치기 전에는 가지 않은 길을 온전히 내다볼 방법은 없다. 그래도 지지하는 쪽은 공개 모델이 꾸준히 나오는 것을 비관적인 경고에 맞설 균형추로 보며, 발전의 과실이 특정 세력에 묶이지 않고 고루 나뉘는 생태계를 지키는 데 도움이 될 수 있다고 본다.

09AI가 내 컴퓨터에 대화를 저장한다면, 프로젝트 관리가 어떻게 바뀔까?

인공지능 도구를 활용해 소프트웨어를 개발할 때 작업 기록과 생성된 파일이 원격 서버에만 묶여 있어 무엇이 왜 바뀌었는지 추적하기 어려운 경우가 많다. enjoy.dev가 내놓은 새로운 방식은 모든 메시지와 문서를 로컬 프로젝트 폴더 안에 보관해 이러한 한계를 극복한다. 작업 중인 폴더 안에 전용 디렉토리를 만들어 모든 상호작용과 생성된 문서가 사용자의 기기에 직접 저장되도록 지원한다.

이 로컬 우선(local-first) 저장 모델은 개발자가 인공지능이 만든 변경 사항을 표준 버전 관리 시스템에 손쉽게 반영하고 신뢰할 수 있는 백업을 만들 수 있게 돕는다. 유용한 프롬프트를 잃어버리거나 여러 보조 시스템 사이를 오갈 때 중요한 맥락이 사라지는 일 없이, 사용자가 작업 흐름(workflow) 기록 전체에 대한 소유권을 온전히 유지한다. 기록이 로컬 폴더에 남아 있기 때문에 실험적인 변경 사항을 되돌리거나 과거의 결정을 검토하는 과정이 일반적인 코드 수정 사항을 관리하는 것만큼 단순해진다.

기술 전문가뿐만 아니라 폭넓은 사용자를 겨냥해 설계된 이 도구는 일상 업무에서 자동화 보조 도구와 협업하는 방식을 한결 수월하게 만든다. 모든 대화와 지원 파일을 로컬 프로젝트 디렉토리에 고정함으로써 일반 사용자도 탄탄한 버전 추적 기능을 쉽게 활용할 수 있다. 이 시스템은 중요한 프로젝트 기록을 원격 클라우드 저장소에만 전적으로 의존하지 않고도, 인공지능과의 상호작용을 안전하고 투명하게 관리할 수 있는 현실적인 대안을 제시한다.

10크루소 인텔리전스 파운드리, 성능과 예산 맞추는 단계별 추론 배포

인공지능(AI) 프로그램을 실행할 때 성능과 예산 사이에서 고민하던 기업들이 운영 단계에 맞춰 인프라를 직접 고를 수 있는 선택지를 쥐게 됐다. 크루소 인텔리전스 파운드리(Crusoe Intelligence Foundry)는 다양한 업무 성격에 맞춰 가격 모델과 자원 배분을 세분화한 단계별 추론 배포 방식을 선보였다. 이 체계적인 방식을 통해 기업들은 쓰지 않는 용량에 돈을 들이지 않고 꼭 필요한 만큼의 연산 능력을 골라 쓸 수 있다.

새로운 시스템 아래에서는 각 운영 단계에 알맞은 전용 공간이 마련된다. 서버리스 추론은 유연성이 가장 중요한 초기 단계의 업무, 트래픽이 적은 상황, 빠른 실험에 최적화되어 있다. 기본 테스트 단계를 넘어선 셀프 서비스 배포 방식은 전체 처리량이나 응답 속도 중 한 가지를 최적화하는 데 집중할 수 있는 힘을 팀에 제공한다. 예를 들어, 응답 속도 중심 유형은 2개의 그래픽 처리 장치를 사용하며 비용은 시간당 11달러다. 반면 처리량 중심 유형은 1개의 그래픽 처리 장치로 구동되며 비용은 시간당 약 5.5달러다.

가장 높은 등급인 맞춤형 배포는 엄격한 관리가 필요한 기업 고객과 대규모 협업 팀을 위해 전용 성능 시험(benchmark) 종단점을 제공한다. 표준 프로토콜과 호환되는 인터페이스를 통해 공개 소스(open-source) 모델의 서버리스 미세조정(fine-tuning)을 지원하는 관리형 인공지능 계층과 이 옵션들을 함께 묶어 통합된 운영 환경을 전달한다. 이를 통해 기업들은 실제 사용량에 맞춰 비용을 긴밀하게 관리하면서 밑받침이 되는 연산 인프라를 온전히 통제할 수 있다.

11공개 가중치 모델과 인재 이동 — AI 독점을 막을 수 있다는 반론

DeepSeek와 Kimi 같은 기업의 공개 가중치 모델(open-weight model)이 비공개 모델과 경쟁하고 있다는 시각이 있다. 한 논평가는 이를 근거로 소수의 거대 기업이 대다수의 컴퓨팅 자원과 고성능 시스템을 장악할 것이라는 전망에 반박한다.

이 주장에 따르면 조직이 직접 서버에 설치해 쓸 수 있는 모델은 비공개 모델의 경쟁력 있는 대안이 된다. 기업은 중앙 집중형 독점 제공업체에 전적으로 의존하는 대신 이러한 공개 가중치 모델을 직접 운영할 수 있다. 논평가는 이 덕분에 소수 과점 기업이 전체 인공지능 생태계를 가두기 어려워질 수 있다고 본다.

이 주장이 드는 또 다른 근거는 유동성 높은 인재 시장이다. 민주주의 지역에서는 최첨단 모델을 연구하는 전문가가 기업 간 이동을 자유롭게 하며, 이 과정에서 가치 있는 전문성과 엔지니어링 통찰, 현장 지식을 함께 옮긴다. 인력이 앤스로픽 같은 조직에서 경쟁사로 이동할 때, 그들은 자연스럽게 현장에서 쌓은 실무 경험과 방법론을 공유한다. 이 시각에서는 숙련된 실무자들의 순환이 지식을 여러 경쟁 기업으로 퍼뜨려 한 기업이 기술 돌파구를 독차지하기 어렵게 만든다.

논평가는 자유롭게 이동하는 인재와 자체 호스팅 옵션이 함께 시장 독점을 막을 수 있다고 결론짓는다. 이는 측정된 결과가 아니라 시장 구조에 대한 전망이지만, 고급 AI를 누가 통제할지를 둘러싼 논쟁에서 공개 가중치 모델 경쟁이 거론되는 이유를 보여준다.

12한 금융 데이터 사례: 폐쇄형 API 대신 오픈소스 모델을 택한 이유

한 고객의 도입 사례에서 기업은 내부 금융 데이터로 모델을 미세조정해야 했고, 그 전에 민감한 정보를 가리는 작업은 양보할 수 없는 조건이었다. 이 고객은 엄격한 개인정보 보호 제약 때문에 폐쇄형 API에 의존할 수 없었고, 자체 엔드포인트에서 직접 미세조정하고 배포할 수 있는 오픈소스 기반 모델(foundation model)을 써야 했다.

이는 모든 금융기업에 적용되는 의무가 아니라 이 고객이 가진 제약에서 나온 요구다. 비슷한 개인정보 보호 제약이 있는 팀이라면 직접 미세조정하고 통제할 수 있는 모델을 찾는 이유를 보여준다.

이 고객의 데이터는 준비됐고 엔지니어링 팀도 작업할 준비가 돼 있었지만, 이를 안전하게 수행할 고성능 연산 자원이 있는지는 여전히 확인이 필요했다.

정정·한국어판 복구(2026-09-16): 발행 전 교열에서 막혔던 한국어판을 복구했다. 원문 근거와 대조해 가정·전망·한 고객 사례를 확정 사실이나 일반 요건처럼 쓴 문장, 근거 없는 구독 혜택 설명, 서로 충돌하는 날짜, 잘못된 버전·파일명·용어 표기를 바로잡았다.