11월 3일 깃허브 트렌딩 AI 오픈소스 TOP 9 (2026)

2026년 11월 3일 깃허브 트렌딩에 올라온 AI·개발 오픈소스 9개를 골랐습니다. AI 모델을 직접 학습하거나 고치는 도구부터, 노트북에서 초대형 모델을 돌리는 엔진, AI 에이전트에게 데스크톱 조작을 맡기는 CLI까지 종류가 다양합니다. 영상 한 편을 참고해서 출발했지만, 숫자와 설명은 모두 각 저장소의 README와 GitHub 정보로 다시 확인했습니다. 스타 수는 2026년 11월 4일 GitHub API로 조회한 값입니다.

1. Heretic: 재학습 없이 언어 모델 성향 바꾸기

출처: GitHub

Heretic(스타 약 38,800개, AGPL-3.0, Python)은 모델을 다시 학습하지 않고 수학적 기법으로 행동을 조정하는 도구입니다. 기본 설정은 거절과 검열을 줄이는 것이고, 설정 파일을 바꾸면 상투적인 표현(slop)이나 아첨하는 말투(sycophancy)를 줄일 수도 있습니다. README에는 "게이밍 PC에서 오후 한나절이면 된다"고 적혀 있고, 4비트 양자화로 VRAM 요구량을 낮출 수 있습니다.

누가 쓰면 좋을까: 로컬 LLM의 말투나 성향을 연구하는 사람.
주의: 안전장치를 없앤 모델은 유해한 요청에도 답할 수 있습니다. 모델 원본 라이선스와 이용 정책을 지키고, 서비스에 배포한다면 별도의 안전 필터를 꼭 두세요. AGPL이라서 네트워크 서비스로 제공하면 소스 공개 의무가 생길 수 있습니다.

2. nanochat: 나만의 작은 ChatGPT를 처음부터

출처: GitHub

안드레이 카파시의 nanochat(스타 약 60,200개, MIT)은 토크나이저, 사전학습, 파인튜닝, 평가, 추론까지 LLM 전 과정을 최소한의 코드로 담은 실험용 환경입니다. README 기준으로 2019년에 약 4만 3천 달러가 들던 GPT-2급 모델을 8×H100 노드 약 2시간, 약 48달러로 학습할 수 있고, 스팟 인스턴스면 15달러 안팎까지 내려간다고 합니다. 학습이 끝나면 CLI로 바로 대화할 수 있습니다.

누가 쓰면 좋을까: LLM이 어떻게 만들어지는지 코드로 배우고 싶은 개발자. GPU 클라우드 비용은 미리 계산해 두세요.

3. Worktrunk: AI 코딩 에이전트 여러 개를 동시에

출처: GitHub

Worktrunk(스타 약 10,500개, MIT 또는 Apache-2.0, Rust)는 Git worktree를 쉽게 관리하는 CLI입니다. 에이전트마다 별도의 작업 트리를 주기 때문에 여러 에이전트가 같은 폴더에서 서로의 수정을 덮어쓰는 문제를 피할 수 있습니다. Claude Code 같은 도구를 병렬로 돌리는 사람에게 특히 유용합니다.

4. colibri: 수천억 파라미터 MoE 모델을 내 컴퓨터에서

출처: GitHub

colibri(스타 약 47,300개, Apache-2.0, C)는 MoE(전문가 혼합) 모델이 토큰마다 일부 전문가만 쓴다는 점을 이용합니다. 자주 쓰는 부분은 RAM이나 GPU에 두고, 나머지 전문가는 필요할 때 NVMe 디스크에서 읽어 옵니다. README 예시에서는 744B 규모의 GLM-5.2를 int4로 올렸을 때 상주 메모리가 약 9.9GB로 나옵니다. 최소 사양은 RAM 8GB(16GB 이상 권장)에 디스크 여유 공간 22GB이고, GPU는 없어도 됩니다.

주의: 디스크에서 데이터를 계속 읽어 오기 때문에 큰 모델은 응답이 느릴 수 있습니다. 실제 속도는 직접 측정해 보세요.

5. Kronos: 금융 캔들 차트를 위한 파운데이션 모델

출처: GitHub

Kronos(스타 약 46,600개, MIT)는 캔들(OHLCV) 데이터를 토큰으로 바꿔 학습한 오픈소스 금융 시계열 모델입니다. 45개가 넘는 글로벌 거래소 데이터로 학습했고, 논문은 arXiv에 공개됐으며 AAAI 2026에 채택됐습니다. 한국어 README도 있습니다.

주의: 연구용 모델입니다. 커뮤니티에서는 예측 성능에 회의적인 테스트 결과도 나오고 있으니, 실제 투자 판단에 그대로 쓰지 마세요.

6. FreeToken: 소비자용 GPU로 대형 MoE 서빙

출처: GitHub

FreeToken(스타 약 16,500개, Apache-2.0)은 GPU, CPU, 메모리를 하나의 추론 자원처럼 묶어서 대형 MoE 모델을 개인 PC에서 서빙하는 엔진입니다. 전문가 캐싱으로 자주 쓰는 부분을 GPU에 두고, Anthropic/OpenAI 호환 API를 제공해서 Codex나 Claude Code 같은 에이전트와 바로 연결할 수 있습니다. 공식 지원은 NVIDIA RTX 30/40/50 시리즈이고, 데스크톱 앱은 Windows와 Linux용이 있습니다.

7. Hyprland: 보기 좋은 Wayland 타일링 컴포지터

출처: GitHub

Hyprland(스타 약 40,200개, BSD-3-Clause, C++)는 리눅스용 동적 타일링 Wayland 컴포지터입니다. 창이 겹치지 않게 자동으로 배치되고, 애니메이션과 투명도 같은 효과를 세밀하게 설정할 수 있습니다. 리눅스 전용이며, 서버보다는 개발용 데스크톱 환경에 어울립니다.

8. Scrapling: 적응형 웹 스크래핑 프레임워크

출처: GitHub

Scrapling(스타 약 95,000개, BSD-3-Clause, Python)은 HTTP 요청, 스텔스 브라우저, 파싱, 동시 크롤링을 하나로 묶은 라이브러리입니다. 페이지 구조가 바뀌어도 요소를 다시 찾아내는 적응형 추적 기능이 있고, MCP 서버를 통해 AI 에이전트에서도 쓸 수 있습니다. README에는 Cloudflare Turnstile 처리 기능도 명시돼 있습니다.

책임 있는 사용: 기술적으로 봇 차단을 통과할 수 있다고 해서 수집이 허락된 것은 아닙니다. 사이트 이용약관과 robots.txt, 개인정보보호법, 저작권을 확인하고, 요청 빈도를 낮추세요. 가능하면 공식 API를 먼저 쓰는 것이 좋습니다.

9. agent-desktop: AI 에이전트용 데스크톱 조작 CLI

출처: GitHub

agent-desktop(스타 약 12,900개, Apache-2.0, Rust)은 Vercel Labs에서 공개한 도구입니다. 스크린샷이나 픽셀 매칭을 쓰지 않고 운영체제의 접근성 트리를 JSON으로 읽어 오고, 에이전트는 각 요소의 ref를 지정해 클릭하거나 입력합니다. macOS, Windows, Linux를 지원하고, 도구 안에 AI 모델은 들어 있지 않습니다.

주의: README가 직접 경고하듯 스냅샷과 클립보드에 개인 정보가 담길 수 있으니 로그나 업로드에 섞이지 않게 관리하세요.

한눈에 보기

프로젝트	분야	라이선스	스타(11/4 기준)
Heretic	LLM 성향 수정	AGPL-3.0	약 3.9만
nanochat	LLM 학습	MIT	약 6.0만
Worktrunk	AI 코딩 워크플로	MIT/Apache-2.0	약 1.1만
colibri	로컬 추론	Apache-2.0	약 4.7만
Kronos	금융 시계열	MIT	약 4.7만
FreeToken	로컬 MoE 서빙	Apache-2.0	약 1.7만
Hyprland	리눅스 데스크톱	BSD-3-Clause	약 4.0만
Scrapling	웹 스크래핑	BSD-3-Clause	약 9.5만
agent-desktop	에이전트 컴퓨터 조작	Apache-2.0	약 1.3만

마치며

이번 트렌딩에서는 큰 모델을 내 하드웨어에서 돌리려는 흐름(colibri, FreeToken)과 AI 에이전트가 실제로 일하게 만드는 도구(Worktrunk, agent-desktop)가 함께 눈에 띕니다. 강력한 도구일수록 라이선스와 윤리 문제를 같이 따져 봐야 한다는 점도 잊지 마세요. 관심 가는 프로젝트가 있다면 README부터 직접 읽어 보시길 권합니다.

출처

• 영감을 받은 영상: 민둥이 | 쉽게 배우는 AI, "봇 차단까지 무력화한 오픈소스? 오늘 깃허브 트렌딩 TOP 9 총정리 (11월 3일)"
• 각 저장소 README와 GitHub API(2026-11-04 조회): 본문의 링크 참고