이번 주에 클로드 코드 사용량이 이전보다 훨씬 빨리 제한에 도달했어요. 제가 일을 그렇게 많이 더 하는 것도 아니고요.00:00

이건 제가 한 달에 200달러를 사용하는 최대 요금제이고, 최악인 건 제가 또 한 달에 200달러짜리 프로 구독도 가지고 있다는 거예요.00:06

코덱스(Codex)의 경우에도 거의 한도를 다 써버렸고, 00:14

그리고 둘 다 3일에서 4일 정도 후에나 재설정될 예정입니다.00:17

혹시 여러분만 더 빨리 제한에 걸린다고 생각하셨다면 걱정 마세요. 그게 아니에요.00:21

저희 모두가 이 문제로 고생하고 있고, 안타깝게도 저희는 이런 일이 예상된다고 알고 있었습니다.00:25

올해 내내 이런 경향이 있었어요. 저희의 속도 제한이 점점 더 심해지고 있지만, 이제는00:29

제가 토큰 사용량을 좀 더 효율적으로 관리한다고 해서 해결될 문제가 아니네요.00:33

정말 터무니없네요. 제가 최대 사용량 초기화를 받기까지 사흘에서 나흘이나 더 기다려야 한다니요.00:37

지난 반 년 동안 다양한 모델을 사용하는 실험을 많이 해봤습니다.00:43

특히 제 AI 코딩 워크플로우에서 오픈 소스 모델을 사용하는 것이었는데요. 하지만 이제는 실험 단계에서 벗어나,00:48

알겠습니다, 이건 제가 하는 모든 일의 중요한 부분으로 반드시 필요합니다.00:54

제가 말씀드리는 증거가 바로 여기 있습니다. 그리고 이건 저 혼자 하는 말이 아니에요.00:58

산업 전체로 봤을 때, 우리가 더 깊이 하니즈 엔지니어링이나 루프 엔지니어링, 소프트웨어 팩토리 같은 AI 코딩 워크플로우를 활용하게 되면...01:01

코딩 에이전트를 통해 출력을 확장하려고 하는 것 같습니다.01:07

하지만 이전보다 더 중요하게, 우리가 사용할 수 있는 토큰 수가 가장 큰 제약 요인입니다.01:10

그래서 저희는 전략을 세워야 합니다.01:15

그리고 더 큰 규모의 인공지능 코딩 워크플로우에서, 단일 에이전트가 아닌, 어디에 반드시 필요로 하는...01:16

가장 크고 강력한 LLM을 사용할 곳과 다른 곳에서는 작더라도01:22

더 저렴하고 빠르면서도 거의 동일한 품질의 결과를 얻을 수 있는 모델을 활용할 수 있습니다.01:27

네, 그것은 가능합니다. 믿어주세요. 이번 주에 연구실에서 깊이 파고들어 제가 이 한 해 동안 진행해 온 연구들을 확장하고 있습니다.01:31

전통적인 AI 코딩 워크플로우를 생각해 보면, 계획하고 구현하는 단계가 있을 때...01:37

검증하고 검토하면서, 어디에 최고의 LLM이 필요한지, 또 필요하지 않은지를 판단해야 합니다.01:42

지금 답해야 할 가장 중요한 질문은 바로 그거예요. 주간 초기화일에 제한에 걸리지 않도록 하기 위해서죠.01:46

그래서 이번 주에 제가 진행한 모든 테스트는 제 AI 소프트웨어 팩토리로 했는데요.01:51

최근에 이 시스템에 대해 제 채널에서 많이 다뤘습니다. 이건 제가 AI 코딩에 적용하는 최고의 방법들을 모두 활용해서 만들었습니다.01:56

기획하고 구현하고 검증하는 모든 과정을 패키지로 묶어서 완벽한 시스템을 만들었는데요. 제가02:02

작업 범위를 입력하면, 제가 개입하지 않고 알아서 빌드하고 검증하는 시스템입니다.02:06

전혀 그렇지 않습니다. 저희가 얼마나 자율적으로 코딩을 만들 수 있는지 시험하는 궁극적인 테스트입니다. 동시에 안정적일 수도 있도록 유지하면서요.02:11

하지만 이 영상에서 더 중요한 점은, 다양한 것들을 아주 쉽게 테스트할 수 있게 해준다는 것입니다.02:16

다양한 대규모 언어 모델 조합을 전체 개발 주기에 적용해 보았습니다.02:22

그래서 제가 하고 있는 일은 이 영상에 포함된 것들을 포함하여 AI 소프트웨어 팩토리를 활용해서 여러 애플리케이션을 구축하는 것입니다.02:25

오늘 보여드릴 게임입니다. 시각적인 예시로 좋긴 하지만, 다른 모든 것들도02:31

제가 만들고 얻은 결과는 다양한 것들과 거의 동일했습니다.02:36

이 게임에 적용할 수 있는 조합들을 만들어봤습니다. 클로드와 코덱스를 사용해서 오픈 모델만으로 동일한 게임을 만들었고요. 다른 여러 가지 테스트도 진행했지만, 이 세 개의 핵심 열이 가장 중요합니다.02:40

다른 많은 테스트도 해봤지만, 이 세 가지가 주요 항목입니다.02:46

그래서 기본적으로 각 그룹에서 가장 좋은 모델을 선택한 것 맞죠?02:50

오픈 소스 모델에서는 DeepSeq v4.1 Flash가 현재 최고라고 할 수 있습니다.02:54

여기 실시간 LLM 벤치마크를 보시면, 오픈 모델 중에서 '오픈' 태그가 붙은 것들 기준으로 보면, DeepSeq v4.1 Flash가 현재 가장 좋습니다.03:00

그리고 Claude의 경우, Claude Fable 5.1, Max Effort가 최고 성능을 보입니다.03:05

그리고 코덱스, GPT-6 아스트라, 맥스 에포트가 최고입니다.03:12

다시 핵심 테스트로 돌아가서요.03:16

오픈 모델을 사용할 때는 플래닝과 리뷰에는 DeepSeek Flash를 사용하고, 구현에는 GLM 5.3 Flash를 사용합니다.03:18

실제로 이 방법을 기준으로 삼아 구현에 적용해 봤습니다.03:23

모든 테스트마다 그리고 클로드의 경우, 계획 및 검토를 위해 Fable을 사용하고, CodeX의 경우에는...03:28

여기서 가장 중요한 점은 제가 항상 더 강력한 LLM을 계획 단계에 활용한다는 것을 알 수 있을 겁니다.03:34

그리고 검토를 하고 나서, 작은 모델을 빌드하는 데 사용했습니다. 이번 주 실험에서 제가 확인한 내용이고, 올해 초에도 많은 작업을 그렇게 했습니다.03:38

이번 주 실험과 올해 초에 했던 많은 작업들을 통해 알게 된 사실입니다.03:42

인공지능 코딩 워크플로우에서 가장 중요한 단계는 항상 계획 단계입니다.03:47

계획이 잘 작성되어 있다면, 그 계획을 따르는 실행 모델은 LLM으로서 그렇게 뛰어날 필요가 없습니다.03:52

거의 최고의 결과를 얻을 수 있죠? 예를 들어, 계획과 구현에 Fable을 사용하는 것처럼요.03:59

계획에는 Fable을 사용하고 구현에는 Sonnet을 사용하는 것과 거의 같은 결과를 얻게 됩니다.04:04

오늘 제가 보여드릴 테스트에서 그 점이 매우 의도적으로 잘 드러나 있을 거예요.04:09

그리고 참고로 말씀드리면, 구현 과정은 일반적으로 워크플로우에서 가장 많은 토큰을 사용하는 부분입니다.04:13

그래서 작은 모델을 그렇게 사용하면, 저희가 토큰 제한에 너무 빨리 걸리지 않도록 막아줍니다.04:18

물론 어떤 작업은 매우 어렵고 탐색되지 않은 경우라면, 혹시 다른 방법을 원하실 수도 있습니다.04:22

모든 것에 큰 모델을 사용하고 싶지는 않아요. 그리고 제 소프트웨어 공장에서 그렇게 하지는 않지만, 만약에 사람의 개입이 필요하다면,04:28

정말 작고 제한적인 작업이라면 오픈 모델을 모든 것에 사용할 수 있습니다.04:34

상황에 따라 다양한 조합이 적합할 수 있지만, 일반적으로 제가 추천하는 방식입니다.04:38

제가 이 결론을 내리기까지 수행한 테스트 결과를 많이 보여드리겠지만, 현재 제게 가장 마음에 드는 흐름은요,04:44

제가 가장 선호하는 조합은 GPT-6 아스트라를 계획과 검토에 사용하고요04:49

그리고 GLM 5.3 플래시를 아주 빠른 작업에 활용하는 겁니다.04:54

그리고 저렴하게 구현할 수 있죠. 제가 지금 하고 있는 모든 일에 대한 핵심 워크플로우입니다. 제 소프트웨어 팩토리에서도요, 그리고 그 외에도 오늘 영상의 스폰서는 스크림바입니다.04:57

스크림바는 오늘 영상의 스폰서이며, 그들이...05:03

방금 정말 놀라운 'Explain'이라는 기능을 출시했습니다. 질문을 하면 답으로05:07

완전한 내레이션이 포함된 비디오 레슨을 2~3초 안에 만들어주는데, 실시간으로 보면서 제작되고 연결됩니다.05:13

바로 코덱스와 클라우드 코드로 연결되네요. 자, 클라우드 코드에서 슬래시 mcp를 입력하니 스크리바 익스플레인이 연결된 것을 확인할 수 있습니다. 단 하나의 명령어로 이렇게 할 수 있었고요.05:19

스크리바 익스플레인을 연결하는 데는 단일 명령어만 사용했습니다. 이제 클로드에게 질문할 수 있습니다.05:24

어떤 것인지에 대한 설명을 만들 수 있는 코드이고, 이걸 보여주는 데 재미있는 시연이 될 거라고 생각했습니다.05:29

오픈 소스 프로젝트인 아키온의 더 복잡한 풀 리퀘스트에 대한 스크림바 설명서를 만드는 것입니다.05:33

그래서 클로드(Claude)는 diff를 읽고, 레슨을 만들어서 스크림바 슬라이드별로 스트리밍합니다.05:39

슬라이드 단위로 바로 링크를 받을 수 있고, 설명이 만들어지는 과정을 보면서 볼 수 있습니다. 말씀드리지만 정말 놀랍습니다.05:43

제가 다시 가져와서 끝까지 확인했던 설명 영상인데, 정말 인상적이었어요. 한번 보여드릴게요.05:49

이것은 제가 설명 영상을 만든 원본 풀 리퀘스트이고, 바로 이어서 비디오입니다.05:53

잠시 조용히 하고 몇 가지 클립을 보여드리겠습니다. PR 3416은 세 개의 어댑터를 제공하며, 하나는 CLI 어댑터와 웹 어댑터가 구현하는 계약을 공유하는 방식입니다.05:57

어댑터에 대한 내용이네요.06:03

그 단어는 코드 안으로도 들어가고요. 여기 좀 더 클릭해 보겠습니다. 코어에 위치하고 있습니다.06:11

이 도우미 함수는 어떤 객체든 받아서, 헤드리스 플랫폼이 구조적으로 동일한 객체를 전달할 수 있도록 합니다.06:15

네, 좋아요. 전체를 다 보여드리지는 않겠습니다만, 네, 정말 멋지네요.06:21

설명을 아주 쉽고 간단하게 잘 풀어주셔서 너무 좋습니다. 마음에 들어요.06:25

설명 기능은 ChatGPT에서도 사용 가능하고, 어떤 기사든 사용할 수 있는 크롬 확장 프로그램으로도 제공됩니다.06:28

제 설명 링크를 확인하시고 Explain 기능을 무료로 사용해 보세요. 지금쯤 궁금해하실 만한 질문은 어떻게...06:32

정확히 어떻게 다양한 모델과 제공업체를 활용하여 더 큰 AI 코딩 워크플로우를 구축해야 할까요?06:38

아마 저와 같은 방식으로 구현하고 싶거나, 저처럼 실험해보고 싶을 수도 있겠죠. 어떤 것이든, 다양한 방법으로 시도할 수 있습니다.06:43

가장 기본적인 방법은 수동으로 진행하는 것이지만, 각 코딩 에이전트가 마크다운 형식의 전달 문서를 출력하도록 하는 것입니다. 그렇게 하면 그 내용을06:49

다음 단계로 넘겨줄 수 있습니다.06:52

다음 모델이나 다음 코딩 에이전트를 하나씩 처리하면서, 열어서 진행하는 방식입니다. 다양한 코딩 에이전트 세션을 사용하는 방법도 있습니다.06:57

또한, 이러한 작업을 도와주는 도구들도 존재합니다.07:03

옴니젠트처럼 모델과 다양한 제공업체를 다루기 쉽게 만들어주는 것과 비슷합니다.07:06

하지만 제 AI 소프트웨어 공장이나 일반적인 코딩 워크플로우에서는 간단히...07:10

아콘이라는 제 오픈 소스 하니스 빌더를 사용하시면 됩니다. 이걸 이용해서 워크플로우를 정말 쉽게 만들 수 있습니다.07:16

지난주에 여러 번 반복해서 실행해 온 다양한 조합을 테스트하기 위한 워크플로우들을 구축할 수 있습니다.07:21

모델과 제공업체에 따라 달라집니다. 제가 실행한 모든 테스트마다, 모델 조합이 항상 이렇게 아콘 워크플로우 형태로 나타납니다.07:26

모든 경우에 워크플로우의 형태는 항상 이와 같습니다.07:32

잠시 후에 워크플로우가 어떻게 생겼는지 보여드리겠습니다. 입력은 항상 GitHub 이슈입니다.07:35

그것이 우리가 만들고 싶은 것을 설명합니다. 그리고 제가 가장 좋아하는 GPT-6 Astra 같은 강력한 모델로 계획을 세웁니다.07:39

그 계획을 가져서, 아콘 워크플로우 내에서 자동으로 다음 노드로 넘겨줍니다. 그 다음 노드는 구현 작업을 수행하는 GLM 5.3 플래시입니다.07:46

다음 단계는 GLM 5.3 플래시가 구현을 담당합니다.07:50

그리고 아스트라에서 검토를 진행하고, 발견된 내용은 GLM으로 다시 보내 수정하도록 합니다.07:54

물론 최대 재시도 횟수를 정해두고, 마지막에는 테스트를 실행하여 확인하는 과정을 거칩니다.07:59

소프트웨어 팩토리의 마지막 단계에서 병합하기 전에 빌드가 정상인지 확인하고 있습니다.08:04

이것은 상당히 일반적인 인공지능 코딩 워크플로우입니다.08:09

특별히 이상한 점은 없어요. 제가 실행했던 모든 테스트에서 이 모양 그대로입니다.08:13

AI 코딩 워크플로우를 위해 오픈 모델에 접근하는 방법도 다양하게 있습니다.08:17

하지만 최근에 제가 가장 좋아하는 방법은, 특히 아콘이 이것을 지원하기 때문에, 파이를 AI 코딩 에이전트 하니스로 사용하고 네온의 것을 사용하여 LLM에 접근하는 것입니다.08:21

LLM에 접근하는 데 파이를 AI 코딩 에이전트 하니스로 쓰고 네온을 사용하는 것이 가장 좋습니다.08:24

AI 게이트웨이요. 네온은 항상 좋아했어요. 특히 그들의 Postgres 데이터베이스 솔루션이 마음에 들더라고요.08:31

최근에는 AI 게이트웨이 같은 다른 멋진 AI 기능들도 많이 추가하고 있고, 새로운 백엔드 기능들도 계속 출시하고 있네요.08:35

객체 스토리지, 인증, 그리고 함수와 같은 기능들이 있습니다. 하지만 현재는 AI 게이트웨이를 사용하고 있어요.08:40

AI 게이트웨이는 저희에게 거의 모든 오픈 모델에 대해 안정적이고 합리적인 가격으로 접근할 수 있도록 해줍니다.08:44

상상할 수 있는 최고의 수준이랍니다. 예를 들어 키미 K3가 있습니다. 다른 건 또 뭐가 있을까요? GLM08:50

5.3 플래시가 있죠. 제가 자주 이야기했던 모델입니다. 그리고 이것은 제가 모든 것을 쉽게 접근할 수 있도록 하는 방법입니다.08:55

제가 아콘 워크플로우나 Pi를 사용할 때 필요한 모델들을 활용하고 있습니다. 하지만 어떤 방식으로 오픈 소스 모델에 접근하든 중요한 것은 제가 그렇게 하고 있다는 점입니다.09:00

많은 분들이 유혹을 느끼겠지만, 저는 Astra나 Fable만 사용하는 일은 없습니다.09:07

이런 설정은 어떤 것이든 가능합니다. 아콘이 꼭 필요하지 않습니다. 이건 제가 사용하는 도구입니다.09:11

무료이며 오픈 소스이고, 저는 이 도구를 AI 소프트웨어 팩토리를 실행하는 데 사용하고 있습니다.09:15

하지만 제 도구를 꼭 사용해야 한다고 말씀드리는 건 아니에요. 제가 실험을 하면서 얻은 결과들을 보여드리기 위해 이렇게 하고 있는 것뿐입니다.09:19

그리고 어떤 모델을 사용할지, 어떤 조합이 좋을지 생각하시는 데 도움이 될 거예요.09:25

그래서 제가 사용하는 Archon 워크플로우는 이와 같은 간략화된 모습이지만, 거의 모든 워크플로우가 이렇게 생겼습니다.09:28

처음에는 계획 단계를 거치는데, 이때는 더 강력한 모델을 사용합니다.09:35

그리고 나서 그 계획 마크다운 문서를 전달받아 빌드 단계로 넘어가서요.09:39

저렴한 모델, 예를 들어 GLM 5.3 플래시를 네온을 통해 사용하고, 다시 더 강력한 모델로 검토하는 방식으로 진행합니다.09:45

그리고 저렴한 모델에서 발생한 문제점을 수정합니다. 이건 제가 여기서 실험하는 것 이상으로, 일반적으로 코딩 작업을 할 때 사용하는 방식이기도 합니다.09:50

이제 에이전트에 대해서 말씀드리겠습니다. 제 워크플로우와 실험 과정, 그리고 사용했던 모델에 대해 충분히 설명하고 싶었습니다.09:57

제가 추천하는 방식이지만, 이제 여러분과 함께 핵심 예시로 실제 게임을 살펴보겠습니다.10:02

이걸 보여드리는 건 제가 개발해 온 다양한 앱에서 얻은 결과의 시각화를 제공하기 위해서입니다.10:06

이것은, 영상 시작 부분에서 말씀드렸듯이, 제가 어떤 것을 만들든 항상 비슷한 결과가 나왔습니다.10:11

그래서 게임의 첫 번째 버전은 정말 보기 흉측합니다. 아마도 오픈 모델만 사용해서 만들었다는 것이 눈에 바로 보일 겁니다.10:16

그래서 참고로 말씀드리면, 이 게임은 친구 아이디어에서 나온 거예요. 정말 멋있어서 공장 시스템에 넣어보려고 생각했어요.10:22

네ptune 행성에서 폭풍을 쫓는, 날씨 추적 게임이라고 할 수 있습니다.10:26

실제로 멀티플레이어 기능이 있습니다. 여러 사람이 참여해서 여기의 스테이션을 관리할 수 있어요.10:30

지금은 그걸 설정하지 않겠지만, 저희에게 주어진 PRD를 보면 상당히 포괄적인 게임입니다.10:34

이번 게임 버전에서는 계획 및 검토를 위해 오픈 모델을 사용했습니다.10:40

건물 제작에는 GLM 5.3 플래시를 사용했습니다.10:47

시각 효과가 너무 안 좋아서 제가 움직이는 것조차 알 수 없네요.10:50

창밖에는 몇몇 구름이 보이는데, 왼쪽 상단에서 방향이 바뀌는 것을 보실 수 있습니다.10:53

조종사처럼 돌아서는 모습인데, 전체적으로 게임을 시작하기에도 적절한 출발점이 아니네요.10:59

다음 버전의 게임은 클로드를 전부 사용해서 만들려고 했는데, 보여드리고 싶어서요.11:04

여기서는 오픈 모델을 전혀 사용하지 않은 예시를 보여드리겠습니다. 저는 Claude Fable 5.1로 이 모든 것을 만들었습니다.11:09

네, 토큰 제한 때문에 아주 포괄적인 내용을 담지는 못했습니다.11:15

아쉽게도 너무 아름답게 만들지는 못했지만, 그래도 괜찮은 것 같아요. 확실히 오픈 모델보다는 훨씬 나은 것 같습니다. 그리고 이제11:21

이쪽으로 가보겠습니다.11:25

조종사입니다. 달리고 싶지만 조종석으로 가서 보여드리겠습니다. 훨씬 더 보기 좋아요.11:29

훨씬 좋습니다. 예를 들어 제가 여기서 조작을 하고 방향을 바꾸면, 바로 확인하실 수 있습니다. 뭐랄까요...11:34

약간 끊기는 부분이 있지만 구름 쪽으로 이동하고 있습니다. 앞으로 나아가면 구름이11:39

실제로 더 가까워지고 있어요. 지구의 항법 기능이 여기서는 꽤 잘 작동하는 것 같습니다.11:44

다른 스테이션들도 보여드리면 좋을 텐데, 시간이 좀 걸릴 것 같습니다.11:48

클로드 페이블 5.1은 이 초기 개념 증명 단계에서 꽤 괜찮은 결과를 보여줬습니다.11:51

게임 자체는요. 토큰 수를 그렇게 많이 허용하지 않았는데, 네, 꽤 괜찮네요. 게임의 다음 버전은11:57

정말로 감명받았어요.12:02

정말 놀라울 정도는 아니지만, 사실 저는 GLM 5.3을 사용했습니다.12:04

이 게임 버전의 모든 코드를 작성하는 데 Flash를 활용했습니다.12:10

그리고 기획 및 검토 과정에서는 GPT-6 아스트라를 사용했습니다.12:14

그래서 이번 게임 버전은 토큰 사용량이 약 네 배 정도 줄었습니다.12:18

GLM을 사용해서 구현했기 때문에 전체적으로 비용이 더 적게 들었습니다.12:24

거의 동일하게 플레이됩니다. 사실 움직임도 훨씬 부드럽고, 구름 쪽으로 향하는 느낌이에요.12:29

이 버전의 게임이 실제로 더 나은 것 같아요. 제가 모든 코드를 작성하는 데 오픈 모델을 사용했지만요.12:35

물론 검토를 요청한 것이 도움이 된 것은 사실이지만, 여전히 많은 비용을 절약하고 있습니다.12:40

이 모델 조합을 사용해서 비용 절감 및 요청 제한 요금을 줄일 수 있었습니다.12:45

네, 조금 유치한 게임이지만, 개념 증명으로 만들어졌습니다.12:49

하지만 여기서 말씀드리고 싶은 건, 제가 거의 모든 애플리케이션을 만들 때 얻은 결과가 바로 이거예요.12:53

그리고 라이브 벤치마크에서 언급했듯이, 클로드 페이블 5.1과 GPT-6 아스트라는 성능이 상당히 비슷합니다.12:59

그래서 저희가 조금 더 나은 게임이나 다른 앱들을 이 조합으로 만들 수 있다는 게 정말 멋지네요. 클로드를 사용하는 것보다 훨씬 좋거든요.13:05

이게 필요한 증거입니다. 항상 그래야 하는 건 아니지만요.13:11

모든 과정에 가장 적합한 대규모 언어 모델을 갖는 것이 중요합니다.13:17

시간을 내서 확인해 볼 가치가 충분히 있습니다.13:21

그리고 제가 여기에서 실제로 증명했기를 바랍니다. 여러분의 AI 코딩 워크플로우를 분석하고 어디에 최고의 모델이 필요하고, 어디에 필요하지 않은지 파악하는 것이 중요합니다.13:23

왜냐하면 그것이 여러분의 비용을 폭탄처럼 띄우는 것을 막아줄 것이기 때문입니다.13:28

클로드나 코덱스와 같은 구독 서비스의 사용량 제한도 고려해야 합니다.13:32

그래서 제 AI 소프트웨어 공장은 제가 모든 테스트를 진행하고 현재 워크플로우를 운영하는 방식입니다.13:36

지금 하고 계시는 일이 무엇이든 이 강의는 적용됩니다.13:41

이제는 오픈 모델을 적극적으로 살펴보셔야 합니다. 왜냐하면 저희가 항상 최첨단 모델을 사용할 수 없는 것이 분명해지고 있기 때문입니다.13:45

이 테스트가 재미있으셨기를 바랍니다. 제가 다양한 조합들을 살펴보고 앱을 구축하는 과정에서,13:52

재미있게 보셨다면 좋아요와 구독 부탁드립니다.13:57

제가 소프트웨어 팩토리를 계속 구축하고 이 조합들을 테스트하는 과정을 지켜봐 주세요.14:01

그럼 다음 영상에서 만나요.14:05