갤러리 이슈박스, 최근방문 갤러리
연관 갤러리
그라비아 갤러리 타 갤러리(0)
이 갤러리가 연관 갤러리로 추가한 갤러리
0/0
타 갤러리 그라비아 갤러리(0)
이 갤러리를 연관 갤러리로 추가한 갤러리
0/0
개념글 리스트
1/3
- 여자들이 생각하는 최악의 플러팅 긷갤러
- 싱글벙글 MLB 구단 주주된 박찬호와 BTS 멤버 슈가 ㅇㅇ
- 트럼프의 250주년 연설 하이라이트 ㅇㅇ
- “똥고집 버리고 연애하면 60세부터 머리가 더 좋아진다” 日 의사 주장 뉴스봇
- 아이돌 뺨치는 일본호스트 실물 ㅇㅇ
- 학식 옽붕이의 꾸릉꾸릉 꼬물 컬렉션 (스압, 장문주의) 꼬물내음
- 키리기리 레진 피규어 근황 -2 히데오코지마
- 싱글벙글 한국 아재가 모로코에서 데이트 어플을 사용한 후기 모다
- 굴 껍질에 사는 생물들 ㅇㅇ
- 드라마 찍을 때 방구 그냥 뀐다는 여배우 ㅇㅇ
- 싱글벙글 외노자들이 한국에 오는 이유 HORITOKI
- 정부 "1차 민생지원금 21일부터 신청...전국민 15~45 ㅇㅇ
- 오들오들 축구 척척박사인 박주호 아들..... ㅇㅇ
- [단독] 원희룡 출국금지…'삼부토건·양평고속도' 본격 수사 ㅇㅇ
- 어메이징 의주빈과 다를게 없는 약사들..jpg ㅇㅇ
오늘의 김하성.webp
미네소타 트윈스 vs 7번타자 유격수부상 복귀, 탬파베이 이적 후 데뷔 경기경기 전 김하성 활약 보여주는 방송사이 미친수비 라이브로 봤던 게 뿌듯하노더 벌크업 된 팔근육으로 경기 전 타격훈련어떻게 상대선발 이름이 파딱ㅋㅋㅋ직구 위주 피칭최고구속 96마일탬파베이 김하성의 야구 이제 시작합니노첫타석 선두타자 입갤초구 바깥쪽 94마일 강하게 쳤지만 2루수땅볼투수 맞고 굴절되는 안타 될 수 있었는데 ㄲㅂ두번째타석 1사 주자없이 입갤 5구까지 모음스트-볼-스트-볼-볼로 풀카운트3구 한복판 직구 지켜본게 아쉽노6구 존보다 높은 96마일 하패에배트 나오다가 멈췄지만 배트 맞으면서 1땅세번째타석 불펜상대7회초 선두타자 입갤 2구까지 모음1구 라인에 묻은 96마일 하패 볼 판정 갓맙다2구 높은 96마일 직구 스트로 카운트 1-13구 치기 좋게 온 96마일 직구를 놓치지 않고!!105마일 초하드힛으로 받아친 깔끔한 안타!!!부상 복귀, 탬파베이 이적 후 첫 경기부터안타 신고하는 킹하성!!김하성의 도루 능력을 알고 견제하는 투수견제에도 불구하고 도루 성공하는 킹하성!시즌 첫 도루MLB 통산 79도루빠르다 빨라이후 볼넷-유뜬으로 1사 1,2루 상황더블스틸 했지만 3루 도루는 아웃 판정챌린지 신청하는 김하성챌린지 결과 기다리는 존잘신기다리면서 다리가 불편한지 몸상태 체크 챌린지 결과는 아쉽게 아웃으로 도루 실패종아리 경련으로 7회말 수비 나가지 않고 교체된 김하성팀은 9회말 끝내기 홈런 맞으면서 3 : 4 팀은 키움수비장면1 탬파베이 이적 후 첫 수비수비장면2 상대 도루에 잘 태그했지만 세잎 판정주루 방해라고 판정하는듯한 2루심김하성 챌린지 요청하다가 뭔 소리냐는 제스처덕아웃에서도 챌린지 신청하려고 했지만 그대로 진행이 정도로 주루 방해로 판정하나ㅡㅡ2루심 레이시스트인지 조사해라ㅡㅡ수비장면3 땅볼 포구 실패다행히 안타로 기록골글 수상자 샌하성은 코 파면서 아웃시키는 타구인데아직 몸이 덜 풀렸노수비장면4 타구속도 105마일 잘 잡은 좋은수비골드글러브 김하성의 활약을 기대해주세요내일의 김하성 출전한다면 03:10부상 복귀, 이적 후 첫 경기 안타로 스타트
작성자 : 카디네스고정닉
바이브코딩 '해줘' - 솔루션편 (1/2)
- 관련게시물 : 바이브코딩 '해줘' - 가설편??? : '바...바이브코딩은 개발자를 대체 못한다...!!!'누군가 눈물을 머금고 저런 말들을 많이 하고 있다. 솔직히 말하면 나도 약간 그런 종류였고.하지만 개발자의 특정한 기능들은 이미 AI에 의해 대체가 되어 버렸는데, 이 악물고 현실부정 하고 싶은것이 사실이기도 하다.하지만 X-ray, MRI가 개발됨으로 인해 '진단의 일부 기능'이 대체 된 것은 맞지만, 의사라는 직업이 사라지진 않았다.그렇다면 아직 완벽하게 대체되지 않은 '개발자가 가진 기능'은 무엇일까?바이브코더들에게 부족한 바로 이 '대체 안 된 개발자 직무의 기능'은 무엇일까?-가 바로 내가 던지고 싶은 프로토타입의 질문이다. Feat. 너희도 개발자, 될 수 있어! ( 하지만 그냥은 아니야 )혹시 '메멘토'라는 영화를 본 적이 있는가? 인셉션/다크나이트로 유명한 놀란 감독의 작품인데...이 영화의 주인공은 졸라 똑똑한데도 불구하고 머갈통이 터져서 단기기억 상실증에 걸려서 기억력 지속이 10분밖에 안된다.그래서 절.대.로 잊어버리면 안되는건 몸에다가 새겨서 타투를 하고 다닌다.그리고 AI도 똑같이 절대로 잊어버리면 안 되는 내용들은 타투(장기기억/보관메모리)에 내용을 적을 수가 있는데 문제는 몸에다 새길 수 있는 타투의 양은 얼마 안된다는 것이다.근데 기억력이 나쁘다고 해서 이 똑똑한 주인공과 일을 안 할 수는 없다.기억력이 나쁜거지, 똑똑한건 맞잖아?그러니까 기억력이 좀 나쁜건 그냥 그러려니 하고 함께 열심히 일을 한다. 근데 메멘토의 주인공이 10분지나면 기억을 다 잊어버리듯, AI도 좀 일하다보면 전에 말한 내용을 다 잊어버린다.= 이 것이 바로 우리가 AI와 함께하는 채팅창(인스턴스 세션)인 셈이다.( 커서나 윈드서프같이 API를 사용하는 환경이라도, 하나의 세션을 관리하는 주체가 토큰량 설정을 어떻게 하느냐에 따라 결국 제한은 반드시 찾아옴 )= 이래서 바이브코딩을 할 때 답답해지는거다.그렇게 주인공(레너드, AI)이랑 열심히 함께 일을 하다가, 주인공(레너드, AI, 36세)이 지금 기억력이 간당간당한 순간에...'어이 김씨. 지금 사진한방 찍읍시다. 내가 기억력이 좀 나빠서 기억좀 할라고'라고 말하면, 사진을 찍어서 보관해 놓을 수 있긴 한데....저거 사진 찍은걸 나중에 보면 뭐 주인공(레너드, AI)이 나중에 내용을 참고 할 수는 있겠지만... 그렇다고 해서 기억상실증 걸린 양반이 기억이 돌아오는건 아니잖아?그래서 우리는 최대한 '효율적인 사진찍기'에 온몸 비틀기를 하면서 공을 들이고 있는 것이다.이걸 -> RAG, 캐싱 메모리, 컨텍스트 압축 등... 여러가지 말과 용어로 이래저래 다양한 개념을 제안하긴 하는데... 결론은 그거다.'사진 한장에 온몸비틀기 하면서 최대한 뭔가 쑤셔넣기'그럼 당신에게 이제 묻는다.기억상실증 걸린 AI한테 뭔가 설명해야 한다면, 당신은1. 말로 설명 할래?2. 사진으로 줄래?뭐 둘다 해도 되지만... 매번 '말로 설명'하기엔 당신이 지칠 것이다. (이게 일반적으로 우리가 하는 방식)10분마다 한번씩 설명해야 하고, 한번 설명하는데 시간도 오래 걸리잖아?그냥 사진 찍어서 주는게 차라리 낫지... (이게 캐싱이니 스냅샷이니 압축이니 정제니 뭐니 하는 방식)실제로 AI의 세션 컨텍스트가 망가질 때 마다 매번 이러한 압축 스냅샷을 만들어 다음 세션에 전달하는 것은 꽤나 번거로운 일이다.일부 서비스에서는 이러한 부분을 자동화 시키고 있기도 하지만, 당신이 원하는 '정확한 스냅샷'을 만들어줄 수 있을지는 모르는 일이다.당신은 금붕어를 찍고 싶었는데, AI 서비스는 어항에 포커스를 맞춰 버릴 수도 있는 일이니까.( 이처럼 벡터 임베딩 과정에서의 데이터 포이즈닝 문제는 여전히 여러분들이 크게 경험할 수 있는 배드-유즈 케이스라고 볼 수 있다. )그래서 이런 '스냅샷'이라는 개념을 구현하기 위해 AI씬에서는 여러가지 기법들을 온몸비틀기 하면서 개발하고 구현하고, 합치고...뭐 대충 그러고 있는 것이다.왜 이런 문제가 발생하냐고?혹시 AI가 어떤식으로 데이터를 가공하고, 여러분과 말하는지 궁금하지 않은가?일반적으로 AI는 데이터를 벡터 차원에 저장해놨다가, 그 것에 대한 유사성 접근으로 비슷한 정보들을 꺼내온다.무슨 소리냐면...대충 아래 세개는 여러분들도 다 알 것이다. 그러면 3차원을 넘어가면 어떻게 되느냐?바로 4차원 시공간의 세계.... 가 아니라, 이후의 좌표를 벡터 좌표계로 분류하여 군집도를 측정한다.시각적으로 정확하게 나타 낼 수는 없지만 대충 아래와 같다. (실제로는 차원 축소 작업을 하므로 아래와 동일할수는 없지만, 개념적 접근으로서)갑자기 이 말을 꺼낸 이유는, 기존 우리 사람들이 인지하는 방식을 기준으로 뭔가를 물어보고 찾는다는 개념은,사람이 '남자고추'를 구글에서 검색하면 텍스트 [남자고추]를 데이터베이스에서 찾는데,AI는 [남자고추]를 찾기 위해 이러한 '비교방식'이 아니라 위와 같이 '개념적 위치'의 응집/군집 모양을 찾는다.그래서 [컨텍스트]를 잘 전달한다라는 개념은 이러한 [모양]을 다음 AI에게 재현 가능하도록,즉 AI가 걔네 머리속에서 저런 [좌표계 벡터 모형]을 최대한 비슷한 모양으로 만들 수 있게 해준다는 뜻이다.우리가 '섹스 남자 고추에 여자 엉덩이 쪽에 너어서 여자는 앙 이라고하고 남자는 개좋아함 섹스 여자가슴 ㅈㄴ큼'이라는 문장을 AI에게 입력하면1. AI는 위의 글자들을 각자섹스 - (123,234,345,456,567,678,312,243,....몇백 몇천차원)남자 - (423,534,131,532,423,111,312,323,...몇백 몇천차원)고추에 - (423,555,333,221,234,324,123,434,....몇백 몇천차원)->이런식으로 500차원 ~ 4천차원, 모델에 따라서는 그 배수의 차원->저장되어 있는 위치에 접근2. 그리고 사용자가 요청한 위치를 기반으로 근처에 있는것들 비슷하게 생긴 다차원 그래프 모형을 만듬.-> 그리고 그걸 사람이 볼 수 있는 언어, 사진, 비디오 같은거로 다시 번역해서 보여줌.-> 그게 우리가 보는 결과물.따라서 우리도 우리의 프로젝트의 정보를 AI가 잘 찾을 수 있게 미리 가공해 두면 좋을 것이다.바로 단기기억 상실증에 걸린 레너드를 위해서!다시 본론으로 돌아와서,아무튼 이 AI라는 새끼는 기억력 지속이 10분밖에 안된다. ㅆㅂ년...그래서 당신이 '이전에 하던 작업'을 설명 하기 위해, 다음에 시작한 10분짜리 세션에서 이전의 대화를 설명하기 위해 1분을 할애할지, 5분을 할애할지에 따라서...당신이 총 10분동안 작업할 수 있는 '남은 컨텍스트의 양'이 달라지는 것이다.채팅 기억의 총 량 : [ ------------------------- ]그 다음 채팅 세션 : [---][--------------------] // 이전 채팅의 대화를 빨간색으로 압축. 그리고 쓸 수 있는 나머지 용량.// 압축을 많이 할수록 (최대한 저번 대화를 요약) -> 작업은 많이 할 수 있겠지만 -> 대신 맥락을 잃는다.그 다음 채팅 세션 : [-----------][------------] // 이전 채팅의 대화를 빨간색으로 압축. 그리고 쓸 수 있는 나머지 용량.// 압축을 적게 할수록 (저번 대화를 최대한 가져옴) -> 이전에 하던 것과 비슷한 일을 자세히 할 수는 있지만 -> 대신 일을 앞으로 많이 못한다.그러나 위의 말이 반드시 진실은 아닌데, 아래 상황을 보자.[ 케이스 1 ]Q. "우리 특갤쿤. 지금부터 내가 한가지 단어를 얘기할건데 외우세요."A. "넵, 무슨 단어이죠?"Q. "자지보지섹스"A. "넵, 외웠습니다."[ 케이스 2 ]Q. "우리 특갤쿤. 지금부터 내가 한가지 문장을 얘기할건데 외우세요."A. "넵 무슨 문장이죠?"Q. "캠릿브지 대학의 연결구과에 따르면, 한 단어 안에서 글자가 어떤 순서로 배되열어 있지는 중요하지 않고, 첫 번째와 마지막 글자가 올바른 위치에 있는 것이 중다요하고 한다. 나머지 글들자은 완전히 엉진망창의 순서로 되어 있라을지도 당신은 아무 문제 없이 이것을 읽을 수 있다. 왜하냐면, 인간의 두뇌는 모든 글자를 하하나나 읽는 것이 아니라 단어 하나를 전체로 인하식기 때이문다."A. "이걸 어떻게 외워요 시발"그럼 이제 현실적인 빡침이 남는다. ( LLM프로덕트 스펙 레벨의 기술적 캐싱이 아닌 실질적 컨텍스트 프롬포팅을 말함. )그래서 씨발 많이 가져오라고 적게 가져오라고?-> 기본은 다다익선, 그러나 희석효과(Context Dilution) 때문에 선별 컨텍스트보다는 덜함.-> 즉, 현재 개발중인 내용 중 필요한 컨텍스트만 선별(Distillation)하여 수동으로 압축해야 최상의 결과를 얻는다는 말이다.-> 그런데 사람에 따라서는 뭘 선별해야 할지 모르는 경우도 있고, 또 사람에 따라서는 시간이 오래 걸리는 귀찮은 경우도 있다.-> 그렇다고 전체 다 떠서 다음 컨텍스트에 넣으면, 내용 희석(Context Dilution)으로 원치않는 결과의 생성이(Contextual Noise) 심해진다.-> 대충 내용은 전달 되긴 하지만, 디테일 캐칭이 안된다.그리고 위에 어렵게 설명한 개념은 한 단어로 정의된다."빡치네 ㅅㅂ"따라서 위와 같은 빡침은 대부분의 바이브코더가 겪는 현실적인 어려움이라고 볼 수 있을 것이다.뭐라고 구체적으로 말하긴 어려운데 뭔가.... 뭔가 빡쳐... 그게 바로 위의 과정을 통해 발생한 문제였던 것이다.물론, 조만간 AI의 성능이 더 발전하면 저 10분의 자원이 1시간이 될 수는 있겠지만, 그렇다고 해서 그게 24시간이 되거나 1년이 되지는 않는다.언젠가 혹은 조만간 도달 할 수는 있겠지만 일단 그게 오늘은 아니다. 그리고 무한한 양에 도달한다고 해도 그 자원이 우리가 접근 가능하리라는 보장도 없고.경험상 (거의)무한한 자원은 빌게이츠가 가졌지 내가 가지진 않았다는걸 나는 알고 있다.이러한 문제를 해결하기 위해 몇가지 기술의 Use-case를 합치는 설계를 해 보았다.Solution : 레너드야 이제 폴라로이드 사진 들고다니지 말고 스마트폰 보면 더 빨리 찾을 수 있지 않을까?1. Tag 생성 기능 .(원클릭 ok, 하나씩도 당연히 ok)( 아무것도 몰라도 걍 클릭하면, 알아서 자네의 프로젝트를 이 친구가 분석하고 적절한 방식으로 분류함 )아주 흔하디 흔한 기능이지만, 보통 우리가 개발 과정에서 말하는 태그는 '심볼릭 태그'를 의미한다.하지만 나는 정말 말 그대로 진짜 업무중 사용하는 노션같은데서 말하는 그 '태그'를 말한다.이 기능은 오로지 우리(유저) 인간 레벨의 시각적 탐색 인터페이스만을 위해 설계되었다.실제 폴더, 실제 파일, 그리고 소스파일 내부의 심볼릭 단위까지 모두 태그화 할 수 있다.그리고 이러한 태그 노드-엣지 데이터를 Graph Neural Network 기반 노드 중요도 계산 및 시각적 표현으로 가공하여 보여준다.이 것이 전에 말한 '가정치'에 대한 아이디어인데, Tag Graph Attention + Visual Encoding Layer 개념의 서비스 로직인 셈이다.( 이전에 설명한 것과 같이 GNN을 활용해 “어떤 태그/노드가 중요한가” 같은 가중치·추천 값을 계산한 뒤, 그 결과를 시각화 레이어에 전달하는 방식 )2. 벡터 임베딩 (위의 태그 기능에 이것도 함께 들어가서 작동함. )우리는 AI와 자연어로 대화 하지만, AI는 데이터에 접근하기 위해 벡터차원 유사성을 기반으로 지식에 접근한다.이처럼 '우리가 가진 지식'을 벡터 차원에 치환하여 AI가 접근하기 쉬운 형태로 만들어 준다.이 과정의 비용은 매우 저렴하기 때문에 부담없이 접근 가능하다. 심지어 로컬 모델도 왠만한 환경에서는 다 돌아가는데도 성능이 나쁘지 않다.하지만 정밀한 모델 스캐닝도 사용 가능하게 하려면 이 부분은 서비스 로직을 좀 더 고도화(Multistage Semantic Embedding) 시켜야 할 가능성이 보인다.뭐 고급모델도 설치 가능하게 지원 한다던지, 외부 api 연결해서 서비스 한다던지... 근데 일단은 mvp구현에만 집중하도록 할 예정이다.3. 단일 소스 공급원 원칙에 기반한 DB 설계DB에 Tag노드와 임베딩데이터를 하나로 치환해 엮는다. 그렇게 새로울건 없지만 잘만 가공하면 보기 좋은것도 사실이다.인간은 태그라는 시각적 인터페이스에 접근하여 작업하기 좋고, AI는 임베딩 데이터를 기준으로 탐색하기 좋다.근데 그 두개의 개념 자체는 새로울 것이 전혀 없지만, 이를 묶어서 '어떻게 보여 주느냐'의 서비스 로직은 만드는 사람 나름이라는 것이다.이른바 Symbolic Layer + Semantic Layer의 Dual Indexing 구조인 셈이다.즉, 하나의 데이터에 [태그]만 붙여서 관리하던게 기존의 올드스쿨형 관리 시스템이고, AI가 접근할 수 있게 [데이터 임베딩]한게 요새 트렌드라면,그걸 [하나로 묶어서] 관리(Symbolic-Vector Dual Representation)하는게 내가 제안하는 모델이다.물론 진짜 물리적으로 같이 저장되는건 아니고, 태그의 id키를 기반으로 연결된다.이렇게 설계 한 이유는 이후 엔터프라이즈 환경까지의 확장을 위해 DB 어댑터를 사용할 수 있게 하기 위함이다.4. RAG ( Retrieval-Augmented Generation )( 이제 우리 특갤쿤들이 제일 좋아할 부분인데 아쉽게도 현재 구현 중. 스샷 없음 )그렇게 통합된 DB를 더 잘 쓸 수 있게, 우리가 데이터를 픽업해서 LLM에게 push하는게 아니라...AI가 우리 시스템에서 일하게 pull 할 수 있는 환경(RAG-compatible Interface)이 클라이언트에 있다면 매우 좋을 것이다.즉, 우리가 AI에게 '해줘'하려면 우리가 직접 내용을 AI에게 던져야 하지만,AI가 우리의 내용에 직접 접근 가능한 환경(Pull-based Context Access)을 구축 한다면, 조금 더 우리가 설명해야 할 일이 줄어 들 것이다.5. 근데 이걸 바이브코더가 직접 하면 의미 없음.코드리뷰 및 명세작성, 스펙시트 설계 등을 우리 '해 줘'충 바이브코더들이 할거 였으면 이런 프로그램을 만들지도 않았을 것이다.한방에 모든게 다 끝나야 우리 해줘충이라고 할 수 있겠다.Source -> Context Distillation → Natural Prompting → Automated Instruction Flow를 자동화 하는것이 이 프로젝트의 목표이다.님들은 기술적인걸 아무것도 모르고 그냥 '폴더 열기'한 다음에 '태그 붙이기'하고 '분석 실행'하면 끝이다.그 다음에 클릭해서 '이거 수정할랭~'하면 알아서 된다는 말이다.일단 여기까지만 쓰겠다 밥먹으러 가야해서.한줄요약 : 오늘은 서브웨이 샌드위치가 땡기는듯
작성자 : 아브소고정닉
(결산) 2025년 상반기 경마 직관의 주요 장면.webp
[시리즈] 경마 직관 결산용 · (결산) 2023년 상반기 경마 직관의 주요 장면.webp · (결산) 2023년 하반기 경마 직관의 주요 장면.webp · (결산) 2024년 상반기 경마 직관의 주요 장면.webp · (결산) 2024년 하반기 경마 직관의 주요 장면.webp · 경마 직관 후기 모음 (2022년) · (결산) 경마장에서 나온 우마무스메 연주 모음 (추가) 올해도 상반기 직관을 결산해서 올림.2025년 1월 19일, 나카야마 경마장 11R, G3 케이세이배니시노 에이전트가 이기고 니시야마 마주가 기념 촬영을 하러 나타났을 때 경마장이 술렁이기 시작했다WIN5(메인 5개 레이스의 1착을 전부 맞추는 마권)의 적중이 하나도 없어서 다음주로 이월이 된 것.이로 인해, 그 다음주였던 G2 AJCC는 WIN5를 맞추기 위한 대혼란의 상태가 되었다.2025년 2월 14일, 도쿄 경마장 11R, G1 페브러리S올해 첫 G1이었던 페브러리S, 2번 인기였던 코스타 노바가 1착을 따냈다.단기 면허로 일본에서 뛰고 있던 레이첼 킹 기수는 여성 기수로 첫 일본의 평지 G1을 따냈다.https://youtu.be/QOY7VhEkVzE2025년 3월 16일, 오비히로 경마장 11R, BG1 반에이기념팡파레 연주 : 육상자위대 제5음악대올해도 폭설 속에서 열린 반에이기념메무로 밥샙이 2년만에 다시 반에이기념을 따냈고, 19년만의 반에이 경마 역사상 8번째 1억엔 상금마가 되었다.https://youtu.be/i5Ct62FXqNw2025년 3월 30일, 주쿄 경마장 11R, G1 다카마츠노미야기념팡파레 연주 : 나고야시 폿카레몬 소방음악대2번 인기의 사토노 레브가 사토노 관명으로는 8년만에 1착을 따냈다.벌써 9번째의 G1 도전이었던 1번 인기 나무라 클레어는 또 다시 이기지 못하고 돌아가야했다.https://youtu.be/PFKzMopMTLo2025년 4월 6일, 한신 경마장 11R, G1 오사카배팡파레 연주 : 오사카 음악대학작년 우승마 벨라지오 오페라가 연패에 성공하면서, G2 산케이 오사카배 시절을 통틀어서 첫 연패마가 되었다.카즈오 기수가 이긴 직후 타이틀 홀더 때 처럼 팔을 높게 올렸다.2025년 4월 19일, 나카야마 경마장 11R, JG1 나카야마 대장해5번 인기 에코로 듀얼이 처음으로 JG1 1착을 따냈고, 1번 인기의 마이넬 그론은 열사병으로 인해 부진했다.쿠사노 기수는 첫 JG1에 다시 한번 눈물을 흘렸다.https://youtu.be/Rq3NEoW9Lbk2025년 4월 20일, 나카야마 경마장 11R, G1 사츠키상팡파레 연주 : 후나바시, 이치카와 소방음악대가장 빠른 말이 이긴다는 사츠키상.같은 코스의 G1 호프풀S를 이겼던 크로와 듀 노르가 유력 인기(1.5배)로 꼽혔지만,결과는 3번 인기의 뮤지엄 마일이었고 관객들은 이에 당황했다.https://youtu.be/Xnjpx8hyNWI2025년 5월 4일, 교토 경마장 11R, G1 천황상(봄)팡파레 연주 : 육상자위대 제3음악대개최 시기가 1주씩 밀려나면서 골든 위크가 끝나는 시기에 열리게 된 하루텐,1번 인기 헤덴토르가 1착을 따냈고, 여태까지 열린 G1 중 오사카배를 제외하고 전부 외국인 기수가 가져갔다.2025년 5월 5일, 후나바시 경마장 11R, Jpn1 카시와기념샤말이 카시와기념 연패에 성공했고, 카와스 기수는 이에 흥분했다.1번 인기의 코스타 노바는 늦출발에 고전했다.2025년 5월 11일, 도쿄 경마장 11R, G1 NHK마일컵3세 마일전, 주요 유력마가 부진한 가운데에 9번 인기 판자 타워가 1착을 따냈다.오랜만의 일본인 기수가 이긴 것이기에 "K. 마츠야마"에게 축하하는 사람들이 많았다.https://youtu.be/8aWpomyXqFo2025년 5월 25일, 도쿄 경마장 11R, G1 오크스팡파레 연주 : 해상자위대 도쿄음악대카무냑이 1착을 따내고 슈타르케 기수가 기뻐하는 모습.독일의 슈타르케 기수는 1997년 일본에 처음 단기 면허로 오고나서, 현재까지 일본에서 따낸 G1은 없었다.51세의 나이가 된 마지막이 될 단기면허 기회에서 G1을 따냈고, 이 날엔 와이프가 가장 기뻐했었다.https://youtu.be/PmxXSm9Hp7E2025년 6월 1일, 도쿄 경마장 11R, G1 일본 더비팡파레 연주 : 육상자위대 중앙음악대"모든 것은 이 뜨거운 날을 위해(すべては、この熱きの日のために)"매년 바뀌지 않는 이 문구가 경마 관계자에게 더비가 어떤 레이스인지 알려준다.1번 인기 크로와 듀 노르가 사츠키상에서의 2착을 설욕하면서 1착을 따냈다.키타무라 유이치 기수는 긴 시간의 부상 복귀 후에 첫 더비를 따내게 되었고,이를 지켜봤던 주변 사람들의 축복 속에서 위닝런을 마쳤다.https://youtu.be/sb4Z775TW9E2025년 6월 8일, 도쿄 경마장 11R, G1 야스다기념팡파레 연주 : 도쿄 트윙클 팡파레홍콩에서의 부진 후 긴 방목 끝에 돌아온 잔타르 만타르.작년에서 이겼을 때와 같은 코스에서 1착을 따냈다.카와다 기수는 좀처럼 기분 표현을 안 하지만, 이 날은 리퀘스트가 있어서 세러모니가 있었다.https://youtu.be/VYybQwsVwMo2025년 6월 15일, 한신 경마장 11R, G1 다카라즈카기념팡파레 연주 : 육상자위대 제3음악대혹서 대책으로 평년보다 2주 빨리 열리게 된 다카라즈카기념,전날 폭우가 심했지만 당일 내내 맑은 날씨 속에서 약간 무거운 상태까지 회복한 마장이었다.타케 기수팬, 고루시 산구 팬들에게도 "설마 타바루가 이기기야 하겠어" 싶은 생각이 실현되자,많은 눈물 속에서 유타카 콜이 나왔다.https://youtu.be/NbeURFDpCOg2025년 6월 29일, 하코다테 경마장 11R, G3 하코다테기념팡파레 연주 : 육상자위대 제11음악대사실 여름 경마 시즌이지만 일정 조정으로 인해 상반기에 자리잡힌 하코다테기념,더 이른 시기에 열리게 되면서 더 좋은 잔디 상태에서 열린 이 레이스에서 레코드가 나왔다.벨로체 에라가 기록한 이 레코드는 27년(사커 보이)만에 깨진 레코드이다.여름에도 경마는 열리기에 당장 이번주에도 고쿠라로 향하지만,하반기에는 어떤 레이스가 열릴지 기대해보도록 하자.
작성자 : ㅇㅇ고정닉
차단 설정
설정을 통해 게시물을 걸러서 볼 수 있습니다.
[전체 갤러리]
차단 기능을 사용합니다. 차단 등록은 20자 이내, 최대 10개까지 가능합니다.
설정된 갤러리
갤러리 선택
설정할 갤러리를 선택하세요.
[갤러리]
차단 기능을 사용합니다. 전체 설정과는 별개 적용됩니다.
