오늘의 GitHub 트렌딩은 “새 모델이 나왔나”보다 무엇을 더 빨리, 더 안정적으로, 더 재사용 가능하게 바꿀 수 있나를 묻는 쪽으로 읽힌다. 상단은 MoneyPrinterTurbo와 markitdown이 잡았고, 그 아래에는 taste-skill, stop-slop, ECC, compound-engineering-plugin, anthropics/claude-code, cursor/plugins가 이어진다. 즉, 오늘 차트는 모델 자체보다 변환기와 품질 제어 레이어를 더 크게 보상한다.
상단이 말해주는 것
MoneyPrinterTurbo는 여전히 강하다. 텍스트에서 영상으로 넘어가는 순간은 사용자가 가장 즉각적으로 체감하는 자동화다. 입력만 주면 결과가 나오고, 결과를 곧바로 공유할 수 있다. 이런 프로젝트는 “AI가 뭘 할 수 있나”보다 “AI가 사람의 반복 작업을 얼마나 짧은 경로로 끝내주나”를 보여준다.
markitdown의 힘도 비슷한 축에 있다. 문서와 오피스 파일을 Markdown으로 바꾸는 도구는 겉보기에는 조용하지만, 실제로는 후속 처리의 비용을 크게 낮춘다. 에이전트가 더 똑똑해질수록 사람들은 더 많은 자료를 맡기고, 그럴수록 읽기 가능한 입력과 후속 작업이 쉬운 출력이 중요해진다.
에이전트 품질 레이어는 아직 살아 있다
상단이 변환기로 보인다고 해서 에이전트 레이어가 약해진 건 아니다. 오히려 오늘 차트는 그 반대를 보여준다. taste-skill은 출력의 “맛”을 직접 조절하고, stop-slop은 AI 티를 줄이는 쪽으로 붙어 있다. ECC는 하네스 성능을 운영 문제로 다루고, compound-engineering-plugin은 Claude Code / Codex / Cursor 같은 도구에 공통 스킬을 붙인다.
여기에 anthropics/claude-code와 cursor/plugins가 보태지면, 오늘의 흐름은 꽤 분명해진다. 이제 관심사는 단순히 “에이전트를 만든다”가 아니라 에이전트가 어떤 규칙으로 생각하고, 어떤 형식으로 출력하고, 어떤 도구 묶음으로 재사용되는지로 옮겨가고 있다.
실용 도구가 차트의 바닥을 넓힌다
이번 캡처에서는 twenty, FreeDomain, Data Engineering Zoomcamp, project-nomad 같은 실용 레포들도 보인다. 이들은 모두 “예쁘게 보이는 데모”보다 “실제로 쓰이는 경로”를 만든다. 트렌딩은 늘 실험실처럼 보이지만, 실제로는 운영 도구와 변환 도구가 차트의 바닥을 넓혀 주는 경우가 많다.
마치며
오늘 트렌딩의 핵심은 단순하다. 모델이 좋아질수록, 입력을 정리하는 도구와 출력을 다듬는 도구의 가치가 더 커진다. 그래서 상단은 영상 생성과 문서 변환 같은 변환기가 잡고, 그 아래는 taste, harness, plugins, skills 같은 품질 제어 레이어가 촘촘하게 받친다.
다음에 더 크게 보일 프로젝트도 아마 같은 축에 있을 가능성이 높다. 더 큰 모델보다, 더 좋은 경로다.