월 200달러짜리 Claude를 10분의 1 값에 팝니다, 이 광고의 진짜 의미 텔레그램과 타오바오에 이런 광고가 떠다닙니다. "Claude Opus 4.7, 공식가의 10%" . 한 달 200달러짜리 Max 플랜을 여러 명에게 쪼개 팔거나, API 키를 한 토큰당 헐값에 넘기는 식이에요. 솔깃하시죠? 그런데 이 가격이 가능한 진짜 이유를 알면 생각이 좀 달라집니다. 당신이 입력한 모든 프롬프트가 어디로 가는지부터 짚어봐야 하거든요. 90% 할인이 가능한 네 가지 트릭 중국 암시장에서 운영되는 프록시 네트워크(중계소)는 보통 네 가지 방식으로 가격을 깎습니다. 첫째, 무료 체험 크레딧을 받는 가짜 계정을 대량으로 만들어 굴려요 . 둘째, 도난 신용카드로 유료 플랜에 가입한 뒤 API 접근권을 재판매하죠. 셋째, 캄보디아·케냐 같은 곳에서 생체인증을 1인당 30달러 이하로 대행시켜 신원 검증을 우회합니다. 가장 교묘한 게 네 번째예요. "모델 바꿔치기" 입니다. 사용자는 "Claude Opus 4.7로 답변받았다"고 믿지만, 실제로는 그보다 훨씬 저렴한 Haiku나 Qwen 같은 모델이 응답을 만들어 보낸 거죠. 의료 분야 벤치마크에서 측정해보니 공식 API는 정답률 84%, 프록시 서비스는 37% 가 나왔다고 합니다. 같은 모델을 쓰고 있다고 믿었는데 절반 이하 성능이라는 얘기예요. 앤스로픽이 잡아낸 24,000개 계정, 1,600만 건의 쿼리 2026년 2월, 앤스로픽이 보고서를 하나 냈습니다. 24,000개의 사기 계정에서 1,600만 건이 넘는 Claude 쿼리 가 발생했고, 그 배후로 DeepSeek·Moonshot·MiniMax 같은 중국 AI 연구소가 지목됐다는 내용이었어요. 한 "히드라 클러스터"는 단독으로 2만 개 넘는 계정을 굴렸다고 합니다. 일반 고객 요청 사이에 거래량을 섞어 넣어 적발을 피하...
공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱
camofox-browser, AI 에이전트가 Cloudflare를 통과하는 법 — Camoufox 엔진의 C++ 단 위장
공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱
Cloudflare도 못 잡는다는 브라우저, GitHub 별 4천 개가 붙은 이유
Playwright로 자동화 스크립트를 짜본 분이라면 한 번쯤 막힌 경험이 있으실 거예요. Cloudflare 챌린지, "사람인지 확인" 페이지, Google 캡차 같은 벽이죠. camofox-browser는 이 벽을 다른 방식으로 돌아가는 오픈소스 프로젝트인데, 5월 7일 v1.9.0이 풀린 시점에 GitHub 별이 4,000개를 넘겼습니다. 이름은 'camo + fox', 곧 위장한 파이어폭스라는 뜻이에요. 그런데 진짜 흥미로운 건 위장 방식 자체가 기존 도구들과 한 단계 다르다는 점입니다.
Camoufox 엔진을 REST API로 감쌌어요, AI 에이전트용으로
camofox-browser의 정체는 단순하게 표현하면 "Camoufox 엔진 위에 얹은 헤드리스 브라우저 서버"입니다. Camoufox는 Firefox를 포크해서 지문 위장 기능을 C++ 단에 박아 둔 별도의 브라우저 엔진이에요. jo-inc가 만든 camofox-browser는 그 엔진을 가져다 REST API + Playwright 호환 인터페이스로 감싸 주는 역할을 합니다.
설치는 보통의 Node 프로젝트와 다르지 않아요. clone 하고 npm install 한 뒤 서버를 띄우면 localhost:9377에 자동화 엔드포인트가 열립니다. AI 에이전트(예: LangChain·LlamaIndex 기반 자동화 봇)가 이 포트를 통해 페이지를 열고, 클릭하고, 텍스트를 읽는 식이죠. Playwright API와 호환돼서 기존 스크립트를 거의 수정 없이 옮길 수 있다는 점이 가장 큰 매력 포인트입니다. 라이선스는 MIT, 언어 비중은 자바스크립트 94.1%·타입스크립트 4.4%예요.
왜 C++ 레벨 패치가 다른가요
기존 안티디텍트 도구 대부분은 자바스크립트 영역에서 지문을 바꿔치기합니다. 즉 페이지가 로드된 뒤에 navigator.userAgent나 navigator.hardwareConcurrency 같은 값을 가짜로 덮어쓰는 식이죠. 문제는 봇 탐지 시스템이 "덮어쓴 흔적"까지 검사한다는 점입니다.
Camoufox는 그 위치를 한 단계 아래로 내렸어요. Firefox 엔진 자체를 C++ 레벨에서 패치해서 navigator·WebGL·AudioContext·WebRTC·화면 크기 같은 신호 자체가 처음부터 거짓을 출력하게 만듭니다. 페이지 자바스크립트가 보기엔 그냥 정상 브라우저가 정상 값을 돌려주는 셈이에요. Tor 프로젝트와 Arkenfox·CreepJS 연구가 기반이라고 명시돼 있고, Playwright의 자동화 코드도 별도 격리된 페이지 사본에서 동작해서 페이지가 자동화 흔적을 감지할 수 없게 설계됐습니다.
이런 구조 덕분에 Cloudflare·Google 같은 강력한 봇 탐지 서비스도 통과한다는 게 프로젝트의 핵심 주장이에요. 다만 지문 스푸핑 일부 모듈은 의도적으로 비공개로 두고 있다고 Camoufox 측이 밝혔습니다. 안티봇 업체들이 역공학으로 우회법을 만드는 걸 막기 위한 조치라고 해요.
AI 에이전트에 특히 좋은 세 가지가 있어요
단순 안티디텍트 기능만이라면 다른 도구도 많습니다. camofox-browser가 'AI 에이전트용'을 표방하는 데는 다른 세 가지 이유가 있어요.
하나, accessibility snapshot입니다. 일반적인 HTML 덤프 대신 접근성 트리를 압축해서 LLM에 넘겨요. 같은 페이지에 대해 토큰을 약 90%까지 절약할 수 있다고 안내돼 있습니다. 둘, 안정적인 element 참조예요. 매번 셀렉터를 새로 계산하는 대신 e1, e2 같은 ID로 요소를 잡습니다. LLM이 클릭 대상을 일관되게 가리킬 수 있어요. 셋, 세션 격리입니다. 사용자별로 쿠키·스토리지를 따로 둘 수 있고, 프록시·GeoIP 설정에 따라 로케일·타임존도 자동으로 맞춰 줘서 동시에 여러 페르소나를 돌리는 구조에 적합합니다. 그 외에 YouTube 자막 추출, 운영용 JSON 로그 같은 보너스 기능도 들어 있어요.
어디까지가 합법이고, 어디부터 위험할까요
이 도구의 성격상 사용 목적에 따라 합법성·정당성이 크게 달라집니다. 깨끗하게 합법인 영역도 분명해요. QA 자동화 테스트, 본인이 권한을 가진 사이트의 모니터링, 공공 데이터 수집, 합법적 가격 비교, AI 에이전트의 일반 웹 탐색 같은 용도가 대표적입니다. 약관에서 명시적으로 자동화를 허용하는 영역도 안전합니다.
반면 회색지대 또는 명백히 위험한 사용도 있어요. 서비스 약관에서 금지한 스크래핑, 대량 계정 생성, 광고 클릭 조작, 권한 없는 데이터 수집 등은 민·형사 책임이 따를 수 있습니다. 한국 기준으로는 정보통신망법·저작권법·부정경쟁방지법 등이 적용될 수 있고, 미국이나 EU에서는 CFAA·GDPR·CCPA 같은 법이 같은 행위를 더 엄격하게 다룹니다. 도구가 "탐지를 우회한다"는 사실이 행위를 정당화해 주지는 않는다는 점은 분명히 짚어 둘 만합니다. 사용 전에 대상 사이트의 robots.txt와 약관, 그리고 본인의 사용 목적이 어디에 해당하는지 확인하는 단계가 필요해요.
한 줄 정리
camofox-browser는 Camoufox의 C++ 단 지문 위장 엔진을 REST API로 감싸 AI 에이전트가 쓰기 좋게 다듬은 도구이고, Playwright 호환·토큰 90% 절약·세션 격리 같은 장점이 분명한 만큼, 사용 목적이 약관·법령의 어디에 위치하는지 확인하는 과정이 도구 선택만큼 중요합니다.
DDR5 가격이 4개월 만에 4배가 됐습니다 2026년 1월 기준 글로벌 DDR4·DDR5 가격이 2025년 9월 대비 4배 이상 으로 폭등했습니다. 시장조사업체 TrendForce는 같은 시기 일반 D램 1분기 계약가 상승률 전망을 처음 55~60%에서 90~95% 로 끌어올렸어요. 이런 곡선은 1990년대 이후 거의 본 적이 없는 풍경입니다. 진짜 흥미로운 건, 이번 폭등의 트리거가 단순한 'AI 학습 수요'가 아니라는 점이에요. 추론이 학습을 밀어내자, 메모리 수요가 다 깨어났어요 지난 사이클의 주인공은 엔비디아 GPU + HBM 이었습니다. AI 모델을 학습시키는 데 쓰이는 조합이었죠. 그런데 2025년 후반부터 무게 중심이 '추론(inference)' 으로 빠르게 옮겨갔습니다. 학습은 데이터센터에서 한 번 무겁게 돌리면 끝나지만, 추론은 사용자가 모델을 호출할 때마다 끊임없이 일어나요. AI 에이전트가 실제 서비스에 들어오면 호출량이 자릿수 단위로 뜁니다. 이 변화가 메모리 시장 구조를 바꿨습니다. 추론 워크로드는 GPU 외에 엔비디아의 ASIC, 일반 서버 CPU, 온디바이스 NPU 까지 다양한 칩에 분산됩니다. 결과적으로 한 종류가 아니라 HBM·DDR5·LPDDR5X·GDDR7이 동시에 부족해졌어요. 트렌드포스는 2026년 한 해 AI가 전 세계 D램 웨이퍼 생산량의 약 20%를 가져갈 것으로 봤습니다. 한 번도 본 적 없는 비중입니다. SK 70%·삼성 HBM 25만 장, 두 회사가 같은 방향으로 뛰어요 한국 메모리 두 회사가 이 흐름의 정중앙에 있습니다. SK하이닉스 는 HBM3E에 이어 차세대 HBM4 시장에서 약 70% 점유가 예상돼요. 엔비디아 차세대 'Rubin(루빈)' 플랫폼이 HBM4를 메인 메모리로 삼는 구조라, 사실상 한 회사가 한 세대 전체를 끌고 가는 그림이 그려집니다. CES 2026에서는 16층 적...
월 200달러짜리 Claude를 10분의 1 값에 팝니다, 이 광고의 진짜 의미 텔레그램과 타오바오에 이런 광고가 떠다닙니다. "Claude Opus 4.7, 공식가의 10%" . 한 달 200달러짜리 Max 플랜을 여러 명에게 쪼개 팔거나, API 키를 한 토큰당 헐값에 넘기는 식이에요. 솔깃하시죠? 그런데 이 가격이 가능한 진짜 이유를 알면 생각이 좀 달라집니다. 당신이 입력한 모든 프롬프트가 어디로 가는지부터 짚어봐야 하거든요. 90% 할인이 가능한 네 가지 트릭 중국 암시장에서 운영되는 프록시 네트워크(중계소)는 보통 네 가지 방식으로 가격을 깎습니다. 첫째, 무료 체험 크레딧을 받는 가짜 계정을 대량으로 만들어 굴려요 . 둘째, 도난 신용카드로 유료 플랜에 가입한 뒤 API 접근권을 재판매하죠. 셋째, 캄보디아·케냐 같은 곳에서 생체인증을 1인당 30달러 이하로 대행시켜 신원 검증을 우회합니다. 가장 교묘한 게 네 번째예요. "모델 바꿔치기" 입니다. 사용자는 "Claude Opus 4.7로 답변받았다"고 믿지만, 실제로는 그보다 훨씬 저렴한 Haiku나 Qwen 같은 모델이 응답을 만들어 보낸 거죠. 의료 분야 벤치마크에서 측정해보니 공식 API는 정답률 84%, 프록시 서비스는 37% 가 나왔다고 합니다. 같은 모델을 쓰고 있다고 믿었는데 절반 이하 성능이라는 얘기예요. 앤스로픽이 잡아낸 24,000개 계정, 1,600만 건의 쿼리 2026년 2월, 앤스로픽이 보고서를 하나 냈습니다. 24,000개의 사기 계정에서 1,600만 건이 넘는 Claude 쿼리 가 발생했고, 그 배후로 DeepSeek·Moonshot·MiniMax 같은 중국 AI 연구소가 지목됐다는 내용이었어요. 한 "히드라 클러스터"는 단독으로 2만 개 넘는 계정을 굴렸다고 합니다. 일반 고객 요청 사이에 거래량을 섞어 넣어 적발을 피하...
o3가 GPT-4가 못 푼 문제를 풀어요, 더 똑똑해서가 아닙니다 GPT-4는 한참을 들여다봐도 풀지 못하던 문제가 있습니다. 그런데 OpenAI의 o3 는 같은 문제를 척척 풀어냅니다. 추상 추론 벤치마크인 ARC-AGI에서 o3가 받은 점수는 45.1% 예요. 같은 시리즈 이전 모델들은 한 자릿수에 머물러 있던 영역입니다. 흥미로운 점은, o3가 GPT-4보다 단순히 '더 큰' 모델이 아니라는 사실이에요. 모델 크기가 아니라 '생각하는 시간' 을 늘려서 만든 차이입니다. 이런 모델들을 묶어서 부르는 새 카테고리가 있습니다. 답을 내기 전에 멈춰서 생각하는 AI예요 '추론형 AI(Reasoning AI)' 또는 '대규모 추론 모델(Large Reasoning Model, LRM)' 이라고 불립니다. 정의는 간단해요. 일반적인 LLM이 입력을 받으면 바로 답을 출력하는 것과 달리, 이 모델들은 답하기 전에 내부적으로 단계를 밟아 생각하는 시간을 가집니다. 수학 문제를 푸는 사람이 종이에 풀이 과정을 적어 가며 검토하듯이요. 차이를 만든 핵심 기술은 강화학습(RL) 입니다. 정답이 있는 문제에서 모델이 스스로 사고를 펼치고, 정답에 가까운 추론 경로를 찾도록 보상을 주는 방식이죠. 그러다 보니 모델이 자발적으로 문제를 분해하고, 가설을 세우고, 검증하고, 틀렸다 싶으면 되돌아가는 '습관'을 익히게 됩니다. 결과적으로 코딩·수학·과학·알고리즘 문제처럼 단계가 많은 문제 에서 큰 성능 도약이 일어났어요. OpenAI o3와 DeepSeek R1, 같은 답에 가격은 20분의 1 현재 추론 모델 시장은 크게 세 갈래예요. 첫째, OpenAI의 o 시리즈(o1·o3·o4-mini) 입니다. 추론 과정을 직접 보여주지 않고 요약만 노출하는 'private chain of thought' 방식이에요. 둘째, 중국...
댓글
댓글 쓰기