top of page

Google 양자 맥락성, 게임 한계 돌파

14분 전
9분 분량
Image from the source report. Source: research.google.

Google은 최선의 고전 전략이 88.89%에 그치는 양자 게임에서 98.30%의 승률을 기록했다고 밝혔다. Google의 양자 맥락성 실험은 양자물리와 고전물리의 추상적인 차이를 측정 가능한 하드웨어 성능으로 전환한다. 다만 한 가지 단서는 필요하다. 고전 플레이어도 개별 라운드에서는 이길 수 있으며, 실제 양자 하드웨어 역시 오류에서 자유롭지 않다.

Google은 2026년 11월 19일 공개한 설명에서 자사의 초전도 양자 프로세서 Willow에서 수행한 실험을 소개했다. 맥락성이란 측정 결과가 호환 가능한 측정 배열 전반에서 일관되게 유지되는 단일한 사전 결정값 집합에 항상 들어맞을 수는 없다는 뜻이다. 여기서 비교 대상은 모든 가능한 고전 컴퓨터가 아니라, 명시된 제약 아래 작동하는 고전 전략이다.

이 구분은 결과에 어느 정도의 의미를 부여해야 하는지를 결정한다. 당장의 질문은 이러한 과제가 하드웨어 품질에 관한 유용한 증거를 제공하는지다. 상업적으로 유용한 컴퓨팅에 대한 더 폭넓은 주장을 하려면 다른 시험이 필요하다. 개발자와 기업 구매자에게는 이 두 질문을 분리해야 연구의 과학적 가치를 놓치지 않으면서도 더 쉽게 평가할 수 있다.

Google 양자 맥락성, 명확히 정의된 기준 통과

Google은 매직 스퀘어 게임의 9개 질문 조합을 각각 10만 번씩 실행했다고 밝혔다. 별도의 맥락성 측정에서는 비맥락성 한계 4와 양자 상한 6에 비해 5.590 ± 0.008을 기록했다.

회사는 또한 71큐비트에 도달한 멀티플레이어 게임, 45큐비트 전반에 걸친 진정한 얽힘, 105큐비트에 도달한 얕은 계산 과제를 보고했다. 큐비트는 양자 정보 단위이며, 얽힘은 그 상관관계를 일반적으로 독립적인 설명으로 환원할 수 없는 공유 양자 상태를 뜻한다.

이 수치들은 서로 다른 대상을 측정하므로 구분해서 봐야 한다. 맥락성 실험은 하나의 보편적인 성능 점수를 입증하지는 않는다.

이 결과는 고전적 비교를 정의하는 규칙에서 의미를 얻는다.

승률만으로는 계산상 우위를 입증할 수 없다. 독자는 무엇이 유효한 답변인지, 각 측이 어떤 자원을 받는지, 성공 여부가 어떻게 계산되는지를 알아야 한다. 그렇지 않으면 정밀한 숫자가 부정확한 결론을 뒷받침할 수 있다.

“이길 수 없다”라는 표현을 생각해 보자. 이는 한 라운드도 이길 수 없다는 뜻일 수도 있고, 가능한 모든 라운드를 이길 수 없다는 뜻일 수도 있다. 두 진술은 근본적으로 다르다. 여기서 고전적 상한은 규정된 규칙 아래 완벽한 성과는 배제하면서도 빈번한 승리는 허용한다.

마찬가지로 양자 전략의 이상적 성공률은 측정된 하드웨어 성능과 다르다. 수학적으로 가능하다고 해서 실험 오류가 사라지는 것은 아니다. 프로세서는 필요한 상태를 준비하고, 의도한 연산을 실행하며, 활용 가능한 측정값을 반환해야 한다.

따라서 발표를 평가하는 독자에게 유용한 비교에는 여러 층위가 있다. 수학적 과제, 이상적 전략, 물리적 구현, 관측된 결과가 그것이다. 경고 없이 이 층위들 사이를 오가면 연구 결과가 증거보다 더 광범위하게 들릴 수 있다.

발표 시점도 신중하게 다뤄야 한다. 이 연구에는 2025년 12월 1일 제출된 이전 프리프린트가 있다. 따라서 Google의 2026년 11월 설명은 이미 공개 이력이 있는 연구를 나중에 소개한 것으로 이해해야 한다.

이 연대기는 새로움의 정도를 평가할 때 중요하다. 새로 공개된 설명은 기존 연구를 더 쉽게 접할 수 있게 만들 수 있지만, 기반 실험이 처음 공개됐음을 의미하지는 않는다. 독자는 접근하기 쉬운 설명의 날짜와 기술적 결과가 처음 공개된 날짜를 구분해야 한다.

버전 이력을 보존해야 하는 실무적 이유도 있다. 프리프린트와 이후 설명이 다르면, 수치를 비교하기 전에 관련 버전을 확인해야 한다. 서로 다른 버전의 수치를 조용히 결합하면 정확성을 희생한 채 더 매끄러운 이야기가 만들어진다.

접근 가능한 프리프린트는 Google의 11월 설명과 다른 별도 맥락성 측정값을 제시한다. 위 수치는 날짜가 명시된 블로그 설명을 따른 것이다. 이 차이는 버전에 대한 인식이 필요함을 보여주지만, 그 자체로 실험적 모순을 입증하지는 않는다.

따라서 핵심 뉴스 판단은 제한적이지만 실질적이다. Google은 명시된 고전적 한계에서 실험적으로 측정된 이탈을 제시하고 있다. 다음 질문은 이 이탈이 선택된 시험을 통과했다는 사실을 넘어 프로세서에 대해 무엇을 보여주는지다.

압박은 하드웨어 벤치마킹으로 향한다

가장 강력한 실용적 해석은 양자 하드웨어 품질 측정 방식에 대한 도전이다.

하드웨어 팀에게 유용한 시험은 문제를 식별하거나 개선 방향을 제시해야 한다. 특이한 물리를 입증하는 점수도 그러한 목적에 기여할 수 있지만, 그 연결에는 증거가 필요하다. 이론적 임계값을 통과하는 일과 엔지니어링 결함을 진단하는 일은 관련된 목표이지만 허용 기준은 다르다.

동일한 프로세서의 두 설정을 비교하는 보정 엔지니어를 상상해 보자. 한 설정은 종합 점수를 개선하고, 다른 설정은 팀이 실제로 필요로 하는 구조화된 계산을 개선한다. 가치 있는 벤치마크는 이 차이를 설명하고 반복 가능한 결정을 뒷받침하는 벤치마크다.

이는 이러한 실험이 주목받을 만한 구체적인 상황이다. 상업적 관련성은 실험실 내부에서 더 나은 엔지니어링 결정을 내리는 데서 시작될 수 있다. 기업 고객이 양자 게임을 비즈니스 애플리케이션으로 채택할 필요는 없다.

Google은 맥락성 기반 과제가 다른 시험에서는 가려질 수 있는, 의도한 양자 연산에서 체계적으로 벗어나는 일관성 오류를 드러낼 수 있다고 제안한다. 이는 기존 벤치마크 제품군을 대체할 것으로 확립된 사실이라기보다, 제안된 진단상의 이점이다.

이 구분은 유용한 입증 부담을 만든다. 진단이 오류를 식별했다면 해당 오류를 수정했을 때 관련 결과가 개선돼야 한다. 이런 후속 검증이 없다면, 유난히 민감한 시험은 엔지니어가 장비를 얼마나 효과적으로 운용하는지를 바꾸지 못한 채 흥미로운 측정값만 만들어낼 수 있다.

민감도에도 맥락이 필요하다. 시험은 한 종류의 오류에는 강하게 반응하면서 다른 오류는 놓칠 수 있다. 엔지니어는 어떤 고장 모드를 감지하고 무엇을 간과하는지, 또 그 특성이 서로 다른 구현 방식에서도 안정적으로 유지되는지를 알고 싶어 할 것이다.

IBM은 양자 벤치마크 표준에 관한 공개 연구에서 관련 비교 기준을 제시한다. IBM 연구진은 명시적인 벤치마크 규칙과 최적화 및 오류 완화의 투명한 보고를 강조한다. 오류 완화는 추정 결과에 미치는 오류의 영향을 줄이는 기법이다.

이 연구는 Google의 발표에 대한 대응이 아니라 배경 자료다. 이는 공급업체를 비교하려면 각자가 선호하는 핵심 지표를 모으는 것만으로는 부족한 이유를 보여준다. 점수를 얻기 위해 사용한 절차는 점수 자체만큼 중요할 수 있다.

구매자 관점에서 그에 따른 압박은 보고 품질에 가해져야 한다. 공급업체는 자사의 지표가 물리적 특성을 측정하는지, 애플리케이션 동작을 예측하는지, 다른 시스템과의 비교를 뒷받침하는지를 설명해야 한다. 이러한 주장은 서로 다른 증거를 요구한다.

조달팀은 공개된 절차가 구매하려는 워크플로와 유사한지도 물어야 한다. 신중하게 선택된 실험은 일상적인 신뢰성 문제를 해결하지 못한 채 중요한 과학적 질문에는 답할 수 있다. 이 두 관찰은 실험의 가치를 훼손하지 않으면서 동시에 참일 수 있다.

따라서 실질적 이해관계가 가장 뚜렷한 집단은 하드웨어 연구자, 벤치마크 설계자, 기술 평가자다. 이들은 물리적 거동을 운영상의 선택과 연결하는 측정을 필요로 한다. 또한 그 연결이 어디에서 끝나는지 파악할 수 있을 만큼 충분한 세부 정보도 필요하다.

이 이야기를 따라가는 지식 근로자의 과제는 더 단순하다. 실험 결과와 상업적 약속을 분리해 두는 것이다. 이 습관은 신뢰할 만한 실험실 발견이 소프트웨어, 일자리 또는 비즈니스 생산성에 대한 근거 없는 전망으로 바뀌는 일을 막는다.

Google의 양자 맥락성 연구가 주목받는 이유는 구체적으로 검증 가능한 명제를 제시하기 때문이다. 그 측정이 하드웨어 진단을 개선한다면, 그 가치는 양자 모델과 고전 모델의 차이를 전달하는 일을 넘어설 수 있다.

규칙이 양자 우위를 만든다

제약된 고전적 비교가 과학적으로 의미 있는 이유는 바로 그 제약이 명시적이기 때문이다.

이론적 토대는 그 이유를 설명하는 데 도움이 된다. Sergey Bravyi, David Gosset, Robert König은 입력 크기가 커져도 깊이가 고정된 양자 회로로 해결할 수 있는 문제를 연구했다. 회로 깊이는 순차적 연산 계층의 수를 뜻한다.

이들의 얕은 회로 연구는 명시된 깊이 및 연결성 가정 아래 고전 회로와의 분리를 확립한다. 그 의미는 특정 상용 장비 간의 경쟁이 아니라 계산 모델 간의 증명된 관계에서 나온다.

이는 “양자 대 고전”을 구매 비교로 읽는 사람에게 중요한 구분이다. 정리는 제한된 고전 회로의 전체 부류가 무엇을 할 수 없는지를 확립할 수 있다. 그러나 이용 가능한 어떤 장비가 고객의 워크로드를 가장 먼저 끝내는지를 자동으로 입증하지는 않는다.

자원 제약은 계산 분석에 필수적이다. 시간, 메모리, 통신, 회로 구조는 전략이 무엇을 달성할 수 있는지를 규정한다. 제약을 제거하면 비교 자체가 바뀌고, 그로부터 도출된 결론도 무효가 될 수 있다.

별도의 입력을 받은 뒤 메시지를 주고받지 않고 결정을 내리는 분산 팀을 친숙한 비유로 생각해 볼 수 있다. 그 팀에 공유 통신 채널을 제공하면 과제가 달라진다. 새로운 구성을 원래 결과에 대한 직접적인 반박으로 취급하는 것은 오해를 불러일으킨다.

반대로 원래 결과를 상상 가능한 모든 고전적 구성을 극복한 것으로 설명하는 것 역시 오해를 낳는다. 제약은 주장의 일부다. 좋은 보도는 우위를 논의할 때마다 이 제약을 함께 명시한다.

매직 스퀘어 실험은 이러한 원칙을 특히 뚜렷하게 보여준다. 그 협력적 설정은 참가자들이 조율하는 방식을 제한한다. 질문은 이들의 상관관계가 허용된 고전 전략이 제공할 수 있는 수준을 넘어서는지이지, 일반 컴퓨터가 일치하는 답변을 표시할 수 있는지가 아니다.

더 큰 계산 실험에도 같은 보도 원칙이 적용된다. 얕은 회로 비교는 회로 모델 아래에서 일어나는 일을 다룬다. 이를 제한 없는 고전 시뮬레이션, 전체 실행 시간 또는 상업적 유용성에 관한 주장으로 조용히 바꿔서는 안 된다.

이론적 스케일링과 유한한 실험 사이에도 또 다른 구분이 있다. 정리는 문제 크기 계열 전반에서 자원 요구량이 어떻게 변화하는지를 설명한다. 하드웨어 실험은 특정 구현 방식으로 선택된 사례를 시험한다.

두 종류의 증거는 모두 중요하다. 정리는 실험 과제에 지적 동기를 부여한다. 실험은 물리 장치가 불완전한 연산에도 불구하고 필요한 거동을 유지할 수 있는지를 조사한다. 어느 한쪽도 다른 쪽의 범위를 명시할 필요를 없애지는 않는다.

맥락성은 계산과도 더 긴 이론적 연결고리를 갖고 있다. Mark Howard, Joel Wallman, Victor Veitch, Joseph Emerson은 특정 양자 컴퓨팅 방식에서 사용되는 특수 자원 상태를 생성하는 절차인 매직 상태 증류에서 맥락성의 역할을 연구했다.

이들의 연구는 정의된 계산 프레임워크 안에서의 연결을 뒷받침한다. 이를 맥락성 점수가 모든 양자 알고리즘의 유용성을 예측한다는 주장으로 단순화해서는 안 된다. 자원은 완전한 성능 모델을 제공하지 않더라도 중요할 수 있다.

보도 관점에서 보면, 이는 명확한 위계를 남긴다. 게임은 이해하기 쉬운 예시를 제공한다. 회로 결과는 논의를 계산상의 제약과 연결한다. 더 폭넓은 이론은 연구자들이 왜 맥락성을 자원으로 연구하는지 설명한다.

상업적 추론은 그보다 한 단계 더 나아간다. 구매자는 허용 가능한 운영 제약 안에서 유용한 문제에 대한 정확한 결과를 얻어야 한다. 필수 요소에 관한 증거가 그 전체 조건을 충족시키는 것은 아니다.

이 때문에 Google 양자 게임을 정확하게 설명하는 일은 가장 극적인 해석보다 더 흥미롭다. 이 성과는 정밀하게 규정된 경계에 관한 것이다. 그 경계를 보존하면 결과를 과장하기는 더 어려워지고, 후속 연구의 토대로 삼기는 더 쉬워진다.

더 높은 점수에도 유용한 목적지는 필요하다

해결되지 않은 쟁점은 이러한 측정이 벤치마크를 넘어 실제로 중요한 작업의 개선을 예측하는지 여부다.

그 질문이 모든 기초 실험이 즉시 제품을 내놓아야 한다는 요구로 바뀌어서는 안 된다. 연구는 이론을 검증하거나 측정 기법을 개발한다는 이유만으로도 가치가 있을 수 있다. 문제는 한 목적을 위한 증거가 다른 목적의 증거로 격상될 때 시작된다.

물리적 관측은 실험 조건 아래에서 관측된 시스템에 관한 주장을 뒷받침한다. 벤치마크는 그 절차로 정의된 비교를 뒷받침한다. 응용 분야에 관한 주장은 해당 응용의 출력과 자원 요구사항에 대한 증거를 필요로 한다.

상업적 주장은 추가 질문을 더한다. 다른 팀도 결과를 재현할 수 있는가? 다양한 운영 조건에서도 결과가 유지되는가? 이 워크플로는 얼마나 많은 준비와 반복 측정을 요구하는가? 동일한 유용한 출력을 제공하는 고전적 대안은 무엇인가?

이러한 질문은 보고된 게임 성능을 부정하지 않는다. 그 성능을 제품이나 서비스에 관한 판단으로 옮기기 전에 필요한 추가 정보를 식별한다.

반복 시행과 신뢰할 수 있는 계산의 구분은 특히 주목할 필요가 있다. 반복은 추정 평균을 더 정밀하게 만들 수 있다. 그러나 개별 실행을 자동으로 더 정확하게 만들거나 체계적인 구현 문제를 해결하지는 않는다.

마찬가지로 통계적 신뢰도는 특정 불확실성에 대응한다. 좁은 불확실성 구간이 실험 설계의 모든 가정을 보증하지는 않는다. 독자는 정밀도를 타당성에 대한 보편적 보증으로 간주하지 않아야 한다.

게임에서는 점수 규칙이 성공의 직접적인 정의를 제공한다. 과학 응용에서는 관련 결과가 요구 정확도를 갖춘 추정 특성일 수 있다. 허용 기준이 달라지면 엔지니어링 과제도 달라진다.

경쟁하는 워크플로를 평가하는 가상의 소재 팀을 생각해 보자. 그 팀의 결정은 필요한 특성, 허용 가능한 오차, 결과를 얻는 데 필요한 자원에 달려 있다. 맥락성 점수는 하드웨어 평가에 정보를 제공할 수 있지만, 그 응용 질문에 단독으로 답하지는 못한다.

여기서 “가상”이라는 표현은 중요하다. 게임 실험을 문서화된 소재 발견이나 실제 운영 중인 화학 워크플로로 제시해서는 안 된다. 이러한 예시는 추가 검증이 무엇을 확립해야 하는지 설명한다.

또 다른 위험은 서로 다른 실험을 하나의 암시된 성능으로 결합하는 것이다. 소규모 시스템 게임, 더 큰 얽힘 테스트, 얕은 계산 작업은 서로 다른 질문을 던진다. 그 결과를 조합해 보고된 모든 속성을 동시에 달성한 가상의 프로세서를 만들어서는 안 된다.

동일한 원칙은 공급업체 비교에도 적용된다. IBM의 벤치마크 연구는 절차를 해석하는 데 유용한 기준을 제공한다. 하지만 IBM 프로세서가 Google의 정확한 실험에서 어떻게 수행할지를 확립하지 않으며, 이 발표에 대한 직접적인 답도 제공하지 않는다.

또한 이용 가능한 증거는 경쟁사들이 양자 컴퓨팅 전반에서 뒤처졌다고 묘사하는 것을 뒷받침하지 않는다. 순위 평가는 비교 가능한 작업, 절차, 운영 조건을 요구한다. 광범위한 경쟁 언어는 보고된 실험이 해결하지 못한 논지를 도입하게 된다.

따라서 적절한 회의적 입장은 구체적이다. Google은 범위가 제한된 실험적 주장을 뒷받침하는 증거를 보고한다. 제안된 진단적 활용에는 시험 결과와 엔지니어링 개선을 연결하는 검증이 필요하다. 응용 성능에는 또 다른 층위의 증거가 요구된다.

이러한 틀은 반대편의 실수도 피한다. 즉각적인 상업적 유용성이 없다는 이유로 범위가 명확히 제한된 결과를 폄하하는 일이다. 명확히 제한된 실험도 중요한 질문에 답할 수 있다. 그 한계는 가치를 지우는 것이 아니라 결과가 무엇을 의미하는지 확립하는 데 도움이 된다.

Google 양자 맥락성을 추적하는 독자에게 생산적인 질문은 측정이 언제 실행 가능한 정보가 되는지다. 점수는 보정 선택을 바꾸거나, 재현 가능한 결함을 식별하거나, 독립적으로 선택된 작업의 성능을 예측할 때 더 유용해진다.

그 연결이 확립되기 전까지 이 연구는 신중한 관심을 뒷받침한다. 이는 검토할 증거와 시험할 진단 제안을 제공하지만, 더 광범위한 상업적 논지는 열어 둔다.

다음 단계를 결정할 세 가지 신호

다음으로 유용한 증거는 이 순서대로 재현성, 진단, 응용 관련성을 연결해야 한다.

향후 1~3개월 동안 가장 먼저 주목할 신호는 충분히 명시적인 절차 아래에서 독립적으로 재현된 결과다. 이는 다른 팀이 이미 재현 일정을 잡았다는 주장이 아니라 보도 우선순위다.

설득력 있는 재현은 작업의 규칙을 보존하고 구현 방식을 설명해야 한다. 어떤 연산, 측정, 가정이 비교를 뒷받침하는지 명확히 해야 한다. 그러한 세부 사항이 없다면 주요 점수의 일치만으로는 정보 가치가 낮다.

서로 다른 하드웨어에서의 재현은 이식성을 평가하는 데 특히 유용하다. 여러 구현 환경으로 옮겨갈 수 있는 방법은 광범위한 진단적 관련성에 대해 더 강한 근거를 갖는다. 한 구현에 크게 의존하는 방법도 유용할 수 있지만, 적용 범위는 더 좁다.

더 낮은 재현 점수는 자동적인 판정이 아니라 해석을 필요로 한다. 다른 하드웨어나 준비 과정이 그 격차를 설명할 수 있다. 중요한 질문은 보고된 절차가 연구자들이 그 설명을 식별하고 검증할 수 있게 하는지다.

두 번째 신호는 진단에 의해 이끌어진 문서화된 엔지니어링 개선이다. 팀은 특정 오류를 식별하고, 시스템을 조정하며, 무엇이 달라졌는지를 보여야 한다. 이상적으로는 그 개선이 별도의 관련 테스트에서도 나타나야 한다.

이는 또 하나의 고립된 기록보다 실용적 근거를 더 직접적으로 강화할 것이다. 관측과 행동을 연결하기 때문이다. 그러면 엔지니어는 추가 측정 노력이 시간을 절약하는지, 신뢰성을 높이는지, 기존 도구가 놓치는 문제를 드러내는지 평가할 수 있다.

반대 결과 역시 유용한 정보가 될 수 있다. 점수는 개선되지만 관련된 구조화 계산이 변하지 않는다면, 그 예측 가치는 단서를 달아야 한다. 이는 기초 물리 결과를 뒤집지 않으면서 진단적 주장의 범위를 좁힌다.

연구자들은 이 방법이 유용한 변화를 구분하지 못하는 경우도 보고해야 한다. 부정적 결과는 진단 기법이 주목받을 만한 조건을 정의할 수 있다. 신뢰할 수 있는 경계는 무제한적인 약속보다 더 가치 있다.

세 번째 신호는 응용 지향 작업과의 투명한 연결이다. 비교는 유용한 출력, 요구 정확도, 반복 실행, 고전적 처리, 관련 대안 워크플로를 명시해야 한다. 또한 맥락성 측정이 왜 도움이 되는지 설명해야 한다.

성공적인 연결은 이러한 실험이 유용한 컴퓨팅에 정보를 제공한다는 논지를 강화할 것이다. 약한 연결은 이를 주로 기초 테스트나 특수 진단 기법으로 남겨 둘 것이다. 어느 결과든 연구의 목적지를 명확히 할 것이다.

독자는 후속 발표를 따라갈 때 이 신호들을 분리해서 살펴봐야 한다. 독립 재현은 견고성을 뒷받침한다. 성공적인 보정 개입은 엔지니어링 가치를 뒷받침한다. 관련 응용 비교는 실용적 성능을 다룬다.

한 번의 발표가 세 가지를 모두 확립할 필요는 없다. 문제는 하나에 관한 증거가 전체 순서를 완성한 것처럼 설명될 때 발생한다. 절제된 설명은 진전을 인정하면서도 남은 질문을 보존할 수 있다.

개발자에게 즉각적인 행동은 우위 주장에 동의하기 전에 작업 정의를 검토하는 것이다. 구매자에게는 해당 지표가 검토 중인 워크로드와 어떻게 연결되는지 묻는 일이다. 연구자에게는 의미 있는 비교를 위한 충분한 세부 사항을 보존하는 일이다.

이 이야기를 계속 따른다면, 각 주장을 실험 조건과 연결하는 짧은 증거 기록을 유지하라. 검색 가능한 지식 기반은 논문, 수정본, 후속 발표 전반에서 이러한 구분을 보존하는 데 도움이 될 수 있다. 또 다른 Google 양자 맥락성 결과가 나오면 점수를 비교하기 전에 자원 제약을 비교하라. 업데이트가 재현성을 확립했는지, 진단을 개선했는지, 응용을 검증했는지 확인하라. 그런 다음 무엇이 아직 검증되지 않았는지 물어보라. 가장 유용한 다음 헤드라인은 그 진행 과정을 보여 주는 헤드라인일 것이다. 새로운 증거가 다른 팀이 더 나은 기술적 결정을 내리는 데 도움이 되는가, 그리고 그 팀은 그 이유를 검증할 수 있는가?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page