가마
무료
Kiln은 AI 엔지니어링 팀을 위한
가마
핵심 매개변수 및 통계
| 매개변수 | 공식적으로 검증 가능한 정보 |
|---|---|
| 제품 포지셔닝 | 팀을 위한 AI 워크벤치 |
| 배송 형태 | 데스크탑 앱 + 오픈 소스 Python 라이브러리 |
| 지원되는 플랫폼 | macOS, 데스크탑, 데스크탑; 파이썬 3.10+ |
| 모델 범위 | 주요 제공업체, 클라우드 또는 완전 로컬 지원에서 테스트된 190개 이상의 모델 |
| 핵심프로세스 | 구축, 평가, 개선, 협업 |
| 주요 기능 | RAG, 도구 및 MCP, 기술, 하위 에이전트, 평가, 자동 최적화, 미세 조정, 합성 데이터 |
| 오픈 소스 및 라이선스 | Python 라이브러리는 MIT 라이센스입니다. 데스크탑 앱은 소스 사용 가능 |
| 시장 신호 | 10,000명 이상의 개발자, 4,500명 이상의 GitHub 스타 |
한 문장으로 간략한 리뷰: Kiln은 본질적으로 "AI 채팅 셸"이 아니지만 프로토타입부터 최적화 및 출시까지 AI 시스템의 핵심 프로세스를 동일한 워크벤치에 배치합니다.
홍보 검증: 해당 관계자는 자신을 팀이 실제로 작동하는 AI를 구축한다고 설명합니다. 이 판매 포인트는 기본적으로 사실입니다. 모델 액세스를 강조할 뿐만 아니라 평가, 최적화, 데이터, 협업 및 배포의 링크도 닫히기 때문입니다. AI 프로젝트의 가장 일반적인 문제점인 "실행할 수 있지만 왜 좋은지 나쁜지 아무도 알 수 없다"는 문제를 해결합니다.
사용자 및 시장 인지도
Kiln 홈페이지에는 '10,000명 이상의 개발자', '4,500명 이상의 GitHub 스타' 및 '190개 이상의 모델'이 공개되어 있으며 Apple, Meta, Microsoft, NVIDIA, Tesla, Netflix, Stanford, Alibaba 및 기타 조직의 관련 로고도 표시됩니다. 이 로고 그룹에 대한 공식 한정자도 상대적으로 제한적입니다. 이는 이들 회사의 사람들이 모두 유료 고객임을 직접적으로 암시하기보다는 Kiln을 등록하거나 GitHub에 별표를 부여하거나 Discord에 가입했음을 나타냅니다.
이러한 유형의 시장 신호의 가치는 두 가지 측면에 있습니다. 첫째, Kiln이 1인의 실험 도구에서 엔지니어링 커뮤니티의 영역으로 진입했음을 보여주며, 적어도 홍보 페이지에서만 지원되는 새로운 프로젝트는 아닙니다. 둘째, "더 수다스러운 모델 진입"보다는 "AI 엔지니어링 인프라"에 더 매력이 있어 R&D, 데이터 사이언스, 제품 협업이 혼합된 팀에 진입하기가 더 쉽습니다.
비용 이점
| 비용 계층 | 공식 홍보 | 꼭 살펴보고 싶은 비용 항목 |
|---|---|---|
| 개인 | 오픈 소스 Python 라이브러리 데스크톱 앱, 로컬 데이터 세트 및 git sync | 소프트웨어에 대한 비용은 없지만 모델 호출 및 로컬 컴퓨팅 성능은 여전히 사용자가 부담합니다 |
| 팀 | 팀에는 더 높은 한도, 자동 에이전트 최적화 및 이메일 지원을 포함한 요청 액세스가 필요합니다 | 실제 비용은 팀 협업, 모델 할당량 및 내부 표준화 프로세스에서 발생 |
| 기업 | SSO/SAML, SLA, 솔루션 엔지니어, 교육을 포함한 엔터프라이즈 맞춤형 | 규정 준수 액세스, 조달 프로세스, 전담 지원 및 온라인 거버넌스가 주요 예산 항목입니다. |
무료 진실: Kiln의 무료 버전은 개인 친화적이지만 "무료"는 소프트웨어 단계에만 적용됩니다. 모델 호출 비용, 실험적인 컴퓨팅 성능, 벡터 인덱싱, 로그 보존 및 팀 유지 관리 비용은 사라지지 않습니다.
정량화된 비용 절감 및 효율성 향상: AI 팀이 원래 Notion, 스크립트 및 로컬 폴더에 프롬프트, 평가, RAG 구성 및 데이터 샘플을 분산시킨 다음 이를 Kiln으로 통합한 후 일반적인 "프롬프트 변경 후 검증 재실행" 프로세스는 일반적으로 수동 연결 반나절에서 30~60분으로 완료될 수 있습니다. 이는 공식적으로 약속된 숫자가 아닌 공식 워크플로우 설계를 기반으로 한 공제입니다.
규정 준수 및 위험: 관계자는 데이터 세트와 평가가 기본적으로 컴퓨터에 저장되고 귀하가 제어하는 Git 저장소를 통해 동기화된다는 점을 강조합니다. 이는 개인 정보 보호 제어성에 도움이 됩니다. 그러나 Kiln Pro의 서버측 기능이 활성화된 후에도 데이터가 외부 서비스로 전송하기에 적합한지 여부와 다양한 모델 제공업체의 규정 준수 범위를 개별적으로 평가해야 합니다.
주요 기능
- 링크 구축: "프롬프트 단어 실험"을 재사용 가능한 작업으로 업그레이드하는 데 적합한 RAG, 문서 및 검색, 기술, 도구 및 MCP, 하위 에이전트, 구조화된 출력, 추론 및 프롬프트 생성기를 지원합니다.
- 평가 링크: LLM-판사 평가, AI 평가 빌더, 골든 데이터 세트 및 인간 평가를 제공하여 시스템 변경이 진행인지 회귀인지 판단합니다.
- 링크 개선: "문제 발견"을 "자동으로 더 나은 구성 찾기"로 발전시킬 수 있는 자동 최적화, 미세 조정 및 합성 데이터를 제공합니다.
- 협업 링크: Git 자동 동기화, 앱 내 피드백 및 평가, PM, QA 및 SME를 위한 보다 친숙한 공동 작업 인터페이스를 지원합니다.
- 보조 워크플로우: Kiln Assistant는 외부 채팅 도구와 로컬 워크벤치 사이를 오갈 필요 없이 제품 내에서 직접 실험, 분석 프로젝트 및 최적화 작업을 실행할 수 있습니다.
전문가의 관점: Kiln의 진정한 가치는 단일 능력이 아니라, 이러한 능력 간의 순차적인 관계에 있습니다. RAG, 평가, 최적화, 미세 조정 및 데이터 생성이 각각 4가지 시스템에 속한다면 팀은 구성 드리프트와 구경 불일치로 인해 많은 시간을 낭비하게 됩니다. Kiln의 숨겨진 시너지 효과는 이러한 프로세스를 동일한 프로젝트 파일에 연결하여 "기존 프롬프트에서 실행되는 평가 및 다른 버전의 데이터를 대상으로 하는 최적화"의 재작업을 줄이는 데 있습니다.
모델 및 버전의 진화
Kiln의 버전 리듬은 매우 명확하며, 기본적으로 "AI 프로젝트를 단일 작업 도구에서 팀 워크벤치로 확장"하는 방향으로 발전하고 있습니다.
| 버전 | 날짜 | 주요 변경 사항 |
|---|---|---|
| v1.0.3 | ~2026-06 | 보조 스트리밍 API, 입력 변환, 추가 모델/공급자, UI/UX 연마 |
| v1.0.2 | 2026-05-12 | 1.0 안정성 이정표 종합 데이터 가이드, 새로운 모델 확장 |
| v0.28.0 | 2026-04-23 | Kiln Chat, 자동 Git 동기화, 협업 및 보조자가 주요 라인이 됩니다 |
| v0.26.0 | 2026-03-18 | 기술 표준은 추론적 사고 수준과 더 많은 모델을 지원합니다 |
| v0.25.0 | 2026-02-21 | 자동 프롬프트 최적화 프로그램, MCP 실행 구성 |
이 궤적에서 Kiln이 더 이상 "모델 테스트 GUI"를 만드는 데 만족하지 않는다는 것을 알 수 있습니다. 이는 AI 개발 라이프사이클 플랫폼, 특히 Git Sync, Assistant, Optimizer 및 MCP Run Configurations의 기능으로 발전하고 있으며, 모두 단일 사용자 실험을 협업적이고 재현 가능하며 비교 가능한 팀 엔지니어링 프로세스로 전환하도록 설계되었습니다.
기술적인 장점
주요 유형 판단: Kiln의 주요 제공 형태는 별도로 판매되는 모델이나 데이터베이스보다는 AI팀을 위한 생산성/비즈니스 측면 애플리케이션에 더 가깝습니다. '도구 및 MCP', '스킬' 및 '하위 에이전트'는 보조 기술 기능입니다.
통합 프로젝트 파일로 구성 드리프트 감소: 동일한 작업, 데이터 세트, 평가 및 최적화 구성을 데스크탑 애플리케이션과 Python 라이브러리 간에 재사용할 수 있습니다. 이는 "웹 페이지 데모용 세트 하나와 프로덕션 스크립트용 세트 하나"보다 훨씬 안정적입니다.
로컬 데이터는 기본적으로 우선순위를 갖습니다: 공식적으로는 데이터 세트와 평가가 로컬에 존재하며 사용자가 제어하는 Git 저장소를 통해 동기화된다는 것이 명확하게 명시되어 있습니다. 이는 협업 접근 방식이 기존 블랙박스 SaaS보다 코드 협업에 더 가깝고 감사 및 롤백 기능을 팀에 다시 제공한다는 것을 의미합니다.
모델 및 제공업체 분리: 190개 이상의 모델을 포괄하는 클라우드 또는 완전 로컬을 지원합니다. 즉, 팀은 마이그레이션할 때마다 프로세스를 다시 구축하는 대신 모델 교체, 비용 최적화 및 공급업체 전환을 동일한 워크벤치에 넣을 수 있습니다.
인간-기계 협업의 명확한 경계: Kiln은 데이터 생성, 후보 프롬프트 검색, 평가 배치 실행 및 모델 비교를 자동으로 완료할 수 있지만 중요한 온라인 결정, 되돌릴 수 없는 비즈니스 조치 및 최종 승인 결론에는 여전히 수동 확인 지점이 필요합니다. 특히 에이전트 최적화 시나리오에서 가장 주의해야 할 점은 "자동 최적화가 더 높은 점수를 달성하지만 실제 비즈니스 제약 조건도 최적화된다"는 것입니다.
사용방법
| 입구 | 적용대상 | 설명 |
|---|---|---|
| 데스크탑 앱 | 제품, 데이터, R&D 혼합팀 | 그래픽 인터페이스를 사용하여 작업, 데이터, 평가 및 최적화 프로세스 구축 |
| 파이썬 라이브러리 | 개발자, 프로덕션 배포 팀 | Kiln 작업을 자체 서비스 또는 추론 링크에 연결 |
| 가마 프로 | 보조자, 자동 생성 평가자, 최적화 도구가 필요한 팀 | 공식 서버 기능으로 보완된 고급 최적화 및 지원 |
| 기업 | SSO, SLA, 조달 및 교육이 필요한 조직 | 기업 워크플로우의 공식 도입에 더 적합 |
일반적인 시작 경로는 다음과 같습니다. 데스크톱 애플리케이션 다운로드, 작업 생성, 모델 구성 및 구성 실행, 문서 또는 데이터 세트 가져오기, 평가 추가, 그런 다음 최적화 프로그램 또는 미세 조정을 사용하여 반복합니다. 작업을 프로덕션 환경으로 가져오려는 경우 공식 홈페이지에서 동일한 프로젝트 파일을 직접 재사용할 수 있는 Python 빠른 시작을 제공합니다.
``파이썬 작업 = Task.load_from_file(TASK_PATH) run_config = task.default_run_config()
어댑터 = Adapter_for_task( 작업, run_config_properties=run_config.run_config_properties, )
task_run, run_output = 어댑터를 기다립니다.invoke_returning_run_output(입력)
## 제품 가격
| 패키지 | 공식 홍보 | 누구에게 적합합니까 |
|---|---|---|
| 개인 | 무료; 오픈 소스 Python 라이브러리, 데스크톱 앱, git 동기화가 포함된 로컬 데이터 세트, 속도 제한 표준 모델, 커뮤니티 지원 포함 | 개인개발자, 프로토타입 검증 |
| 팀 | 액세스를 요청합니다. 향상된 모델, 더 높은 제한, 자동 에이전트 최적화, 우선 기능 액세스, 이메일 지원 포함 | AI 워크플로 표준화를 시작한 소규모 팀 |
| 기업 | 관습; SSO/SAML, 연간 계약, SLA, 솔루션 엔지니어, 맞춤형 온보딩 포함 | 공식적인 조달 및 규정 준수 지원이 필요한 조직 |
Kiln의 과금 논리는 비교적 명확합니다. 로컬 프로젝트 관리 및 기본 도구 체인은 최대한 무료이며, 공식적으로 호스팅되는 고급 AI 기능과 엔터프라이즈 서비스가 상용화됩니다. 이것의 장점은 체험판 임계값이 낮다는 점이지만, 단점은 일단 팀이 Optimizer와 Assistant에 크게 의존하게 되면 공식 서버 할당량 및 권한 시스템에 의해 제한되기 시작한다는 것입니다.
## 애플리케이션 시나리오
- **AI 제품팀이 반복 검증**: 프롬프트 조정, 모델 변경, 추가 평가를 자주 수행하는 팀에 가장 적합합니다. 모델 업그레이드가 품질에 미치는 영향을 '엄청난 평가'에서 '골든 데이터 및 심사위원 점수와의 비교'로 변경합니다.
- **RAG 및 에이전트 시스템 개발**: Kiln은 문서 가져오기, 검색, 도구 호출, 에이전트 수준 및 평가를 번들로 제공하며 "실행할 수 있지만 정량화해야 하는" 지식 질문 및 답변 또는 자동화 도우미로 사용하기에 적합합니다.
- **AI 프로젝트에 대한 역할 간 협업**: 엔지니어에게 모든 작업을 위임할 필요 없이 PM, QA, SME가 평가, 피드백, 데이터 수정에 직접 참여할 수 있습니다.
**차원성 감소 공격 시나리오**: 팀이 매주 "변경 프롬프트 -> 데이터 실행 -> 결과 보기 -> 결론 작성"의 주기를 반복해야 한다면 단일 세대 속도뿐만 아니라 프로세스 마찰도 줄여주기 때문에 Kiln의 가치가 가장 분명합니다.
## 해당자
- **AI 엔지니어 및 플랫폼 팀에 적합**: 일회성 데모만 수행하는 개인 사용자보다 실험 프로세스를 팀 자산으로 전환해야 하는 사람들에게 특히 적합합니다.
- **데이터 과학 및 제품 협업 팀에 적합**: 평가, 피드백, 데이터 및 모델 전환을 동일한 워크벤치에 넣기 때문에 엔지니어링 외 역할도 주요 문제에 참여할 수 있습니다.
- **로컬 데이터에 대한 제어권을 유지하려는 조직에 적합**: 로컬 저장은 기본적으로 개인 정보 보호 및 감사 친화적인 Git과 동기화됩니다.
**설득 경계**: 단지 "몇 가지 모델을 시험해 볼 수 있는 채팅 상자를 찾는 것"만 필요하다면 Kiln은 분명히 편향되어 있습니다. 팀에 평가 문화가 없고 데이터 및 작업 구조를 유지하려는 의지가 없다면 지나치게 엔지니어링된 시스템처럼 보일 것입니다.
## 요약 및 전망
Kiln의 가장 주목할만한 점은 얼마나 많은 모델을 지원하는지가 아니라 AI 프로젝트의 구축, 평가, 개선 및 협업의 네 가지 라인을 동일한 작업 표면에서 진정으로 평준화하려는 시도입니다. 성숙한 팀의 경우 이는 테스트 수준 드리프트, 평가 부족 및 협업 오류를 직접적으로 줄여주기 때문에 채팅을 한 번 더 시작하는 것보다 더 가치가 있습니다.
현재 인수/채택 위험도 분명합니다. 첫째, 팀은 보다 엔지니어링적인 작업 방식을 수용해야 합니다. 그렇지 않으면 도구의 복잡성이 이점보다 더 커질 것입니다. 둘째, Kiln Pro를 심층적으로 사용하는 경우 일부 최적화된 링크는 다시 공식 서버 기능에 의존하게 됩니다. 셋째, 당신에게 "좋은 결과란 무엇인가"를 정의하지 않습니다. 여전히 자체 데이터, 평가 기준 및 수동 승인 메커니즘을 유지해야 합니다. 이러한 전제를 마스터할 수 있는 팀은 그것이 작업대라고 느낄 것입니다. 그렇지 않으면 많은 기능을 갖춘 AI IDE와 같을 것입니다.
관련 도구: <a href="https://www.aistarmap.com/ko-KR/aitool/github-copilot" target="_self" class="tool-link"><img src="https://res.aistarmap.com/uploads/images/tools/zh-CN/github-copilot/logo_1785413097.svg" alt="GitHub 코파일럿" class="tool-logo" style="width: 20px; height: 20px; margin-right: 5px; vertical-align: middle;">GitHub 코파일럿</a>, <a href="https://www.aistarmap.com/ko-KR/aitool/cursor" target="_self" class="tool-link"><img src="https://res.aistarmap.com/uploads/images/tools/zh-CN/cursor/logo_1785767163.svg" alt="커서" class="tool-logo" style="width: 20px; height: 20px; margin-right: 5px; vertical-align: middle;">커서</a>버전 정보
- 가마 데스크탑 v1.0.3 ：최신 공개 버전은 현재 Assistant의 스트리밍 API, 입력 변환, 더 많은 모델 및 공급자, UI/UX 및 미세 조정 구성 조정에 초점을 맞춘 200개 이상의 커밋으로 업데이트를 제공합니다. 아직 공식적인 정확한 날짜는 없습니다.
- 가마 데스크탑 v1.0 ：Marks Kiln은 공식적으로 안정성과 견고성의 이정표로 정의되는 1.0 단계에 진입하면서 합성 데이터 가이드와 새로운 모델 지원을 추가합니다.
- 가마 데스크톱 v0.28.0 ：Kiln Chat 및 자동 Git 동기화를 추가하여 팀 협업 및 AI 보조 기능을 워크벤치에 직접 포함하세요.
- 가마 데스크탑 v0.25.0 ：외부 에이전트를 Kiln의 평가 및 비교 링크에 연결하기 위해 자동 프롬프트 최적화 프로그램 및 MCP 실행 구성이 도입되었습니다.
사용자 후기