hello

asus hyper m.2 x16 gen 4 card로 삼성 990 pro 4장 구성해보기

Share

SSD 990 PRO 1TB 4개를 SSG 특가로 질렀습니다.

왜냐면... 무려 2년전에 사놓고 쓰지를 못했던 이녀석을 쓰기 위해서 말이죠

amd 7800x3d가 장착된 PC이다보니 이 녀석을 달기 위해선 어쩔 수 없이 GPU를 제거하기로 했습니다. GPU 없어도 내장 그래픽이 가능하니..

어차피 이 gpu는.. 다른 형제들과 함께 4gpu를 완성해야 하는 처지라서 떠날 친구였습니다.

이 asus hyper m.2 x16 gen 4를 쓰기 위해서는 pci-e를 x4/x4/x4/x4로 동작하게 해야합니다. 다행히 이 b650 보드에서는 이 기능을 지원해서 enable을 했습니다

스샷으로 해도 되는데.. 그냥 기쁜 마음으로 사진 찍었네요. 4개가 아름답게 인식이 되었군요!

이제 저장소풀을 만들고 raid 0 구성을 합니다. 이 드라이브는 vscode를 극한으로 쓰기 위한 녀석이라 데이터 백업은 중요치 않거든요

그저 보기만 해도 든든한 숫자입니다.

Corsiar MP600 PRO와 비교해도 우월하네요. 근데 랜덤 성능은 ㅠㅠ 뭐죠

근데 리뷰 사이트에서는 이랬는데.. 왜 제 랜덤 성능은 저런지 모르겠네요

어쨋건 만족스럽습니다.

하지만 이건 워밍업입니다. 본 게임은..

드래곤볼을 또 모아야겠네요..

Read more

AI가 짜준 코드가 배포 속도를 높였다면, 이제는 '신뢰성 가드레일'을 세울 때입니다

최근 많은 팀이 AI 코딩 어시스턴트나 에이전트를 도입하면서 코드 생산 속도가 비약적으로 상승했습니다. 하지만 속도가 빨라졌다는 것은 그만큼 잠재적인 결함이 프로덕션 환경으로 유입되는 속도 또한 빨라졌음을 의미합니다. DevOps.com의 이번 글은 AI가 생성한 코드의 특성과 그로 인해 발생하는 새로운 유형의 리스크, 그리고 이를 제어하기 위한 '신뢰성 가드레일(Reliability Guardrails)

By JHL

LLM 시대, 프롬프트 엔지니어링보다 '도메인 전문성'이 더 강력한 무기인 이유

최근 AI 도구들이 비약적으로 발전하면서 '프롬프트 엔지니어링'이라는 기술적 기법에 많은 관심이 쏠렸습니다. 하지만 실제 현업에서 LLM을 극한으로 활용해 고도의 결과물을 만들어내는 사람들의 공통점은 정교한 프롬프트 템플릿을 쓰는 능력이 아니라, 해당 분야에 대한 깊은 '도메인 전문성'을 갖추고 있다는 점입니다. 많은 이들이 LLM이 지식의 격차를 줄여준다고

By JHL

AI 코딩 에이전트 도입 시 고려해야 할 보안 제어 프레임워크: 속도와 안전의 균형 잡기

최근 Claude Code나 Kiro와 같은 AI 코딩 에이전트들이 단순한 코드 완성을 넘어, 자연어 프롬프트 하나로 수십 개의 PR을 생성하고 인프라를 수정하는 수준까지 발전했습니다. 하지만 이러한 생산성 향상은 '기계적 속도'라는 트레이드오프를 동반합니다. AI 에이전트는 조직의 보안 리스크나 컴플라이언스를 이해하지 못한 채 오직 '작업 완료'에만 최적화되어

By JHL

AI 벤치마크의 '포화 상태'와 평가 지표의 유효기간: 우리는 무엇을 믿어야 하는가

최근 LLM의 성능이 비약적으로 상승하면서, 역설적으로 우리가 모델의 성능을 측정하는 '자' 자체가 무용지물이 되는 현상이 가속화되고 있습니다. arXiv에 게재된 "When AI Benchmarks Plateau: A Systematic Study of Benchmark Saturation" 연구는 우리가 흔히 신뢰하는 벤치마크 점수가 왜 더 이상 모델 간의 변별력을 제공하지 못하는지, 그리고 이른바 '

By JHL