i-have-adhd vs 레이 서브
두 AI 도구의 기능, 가격, 특징을 상세하게 비교합니다.
| 특성 | i-have-adhd | 레이 서브 |
|---|---|---|
| 가격 유형 | 무료 | 무료 |
| 한국어 지원 | 미지원 | 미지원 |
| 플랫폼 | Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, Cursor, Zed | Web, API, CLI |
| 오픈소스 | No | Yes |
| API 제공 | - | 제공 |
| SDK | - | 제공 |
| LLM 기반 | - | - |
| 멀티모달 | - | Yes |
| AI 모델 | ||
| GitHub Stars | 17.4K | 42.6K |
| 개발사 | - | Anyscale |
| 카테고리 | - | 인프라 및 모델 서빙 |
| 상세보기 | 보기 | 보기 |
i-have-adhd 장단점
- 무료 오픈소스로 사용 가능
- 여러 코딩 에이전트와 호환
- 답변을 즉시 실행 가능한 형태로 정리
- 설정 규칙이 명확하고 커스터마이즈 가능
- 독립적인 대화형 AI 서비스가 아님
- 사용하려면 지원되는 코딩 에이전트가 필요함
- 모델 자체의 성능을 향상시키지는 않음
레이 서브 장단점
- 파이썬 생태계와의 통합이 매우 뛰어나며, 복잡한 비즈니스 로직을 서빙 레이어에 직접 포함시키기 용이합니다. 분산 환경에서의 오토스케일링이 강력하여 트래픽 변동에 유연하게 대응할 수 있습니다.
- Ray 프레임워크 자체에 대한 학습 곡선이 존재하며, 소규모 단일 모델 서빙에는 설정 과정이 다소 과할 수 있습니다.
i-have-adhd 주요 기능
- 답변과 다음 행동을 먼저 제시
- 다단계 작업을 번호 목록으로 구성
- 진행 상태를 매 턴 재표시
- 구체적인 시간 추정 제공
- 오류를 위치·원인·해결책 중심으로 설명
- 불필요한 서론과 맺음말 억제
레이 서브 주요 기능
- 수천 개의 LoRA를 단일 클러스터에서 처리하는 모델 멀티플렉싱
- OpenAI 호환 API 서버 내장
- Prefill-Decode 분리 최적화로 LLM 추론 성능 향상
- 트래픽 변동에 자동 대응하는 동적 오토스케일링
- FastAPI 기반 HTTP 및 gRPC 동시 지원
- 복잡한 추론 그래프를 파이썬으로 구성하는 DAG 파이프라인