AI 모델·도구 9종 공개…월드 모델부터 음성 AI까지

텐센트는 10월 23일 텍스트 명령과 카메라 움직임에 맞춰 장면을 이어 만드는 월드 모델 ‘Hy-Nomas’를 오픈소스로 공개했습니다. 영상 생성 도중 사물과 인물 행동, 배경, 화풍을 바꿀 수 있고 카메라 시점과 이동 경로도 지정할 수 있습니다. 앞서 만든 장면의 정보를 다음 구간에 활용하도록 설계했으며, 모델 가중치와 실행 코드, RTX 4090 한 장에서 구동하는 저메모리 설정을 제공합니다.

잭 도시가 이끄는 블록은 텍스트 데이터나 사전 학습 모델 없이 사람 대화 음성만으로 처음부터 학습한 음성 AI ‘데사’를 소개했습니다. 회사는 실시간 대화 능력을 익혔으며 사람의 음성만으로 학습해 자연스러운 실시간 대화가 가능한 첫 AI라고 주장했습니다. 글 중심 모델에 음성 기능을 붙이는 방식과 달리 소리 자체로 대화를 배우게 했다고 설명했습니다.

IBM은 20억개 매개변수의 ‘그래니트 스피치 5.0 2B’를 출시했습니다. 영어·프랑스어·독일어·스페인어·포르투갈어·일본어 음성을 처리하며, 이전 버전과 같은 모델 크기를 유지하면서 소음과 울림이 있는 환경의 인식 정확도, 긴 음성과 대화의 번역 성능을 개선했습니다. 제품명이나 전문용어 인식을 돕도록 최대 2000개 키워드를 지정할 수 있고, 아파치 2.0 라이선스로 배포됩니다. 앤트그룹 산하 인클루전AI는 의료 전문 모델 ‘링 3.0 플래시 상테’의 가중치를 공개했습니다. ‘링 3.0 플래시’를 바탕으로 의학 지식, 의료 추론, 문헌 검색과 근거 종합을 강화했습니다. 전체 매개변수 1240억개 중 토큰당 51억개를 활성화하고 최대 25만6000토큰을 처리합니다. 도구 활용과 여러 에이전트의 협업도 지원하지만, 개발팀은 독립 진단이나 처방용 의료기기가 아닌 연구용이라고 밝혔습니다.

퍼플렉시티는 40억개 매개변수의 의사결정 모델 ‘pplx-decider-flash-v1.2’를 맥에서 실행하는 ‘디사이더 포 맥’을 내놨습니다. 텍스트와 이미지를 읽어 분류나 선택에 필요한 확률을 반환하며, 고객 문의 배정이나 문서·스크린샷 분류에 쓸 수 있습니다. 입력 자료는 외부 서버로 보내지 않고 API 키나 사용 요금도 필요 없습니다. 애플 실리콘 기반 맥과 메모리 16GB 이상이 필요하며, 첫 실행 때 5.8GB 모델을 내려받습니다. 베이스텐 산하 베이스랩스는 270억개 매개변수 ‘매머드-1’과 90억개 ‘엘리펀트-1’을 공개했습니다. 두 모델은 상황과 질문에 따라 선택지별 확률을 산출하며 MIT 라이선스로 제공됩니다. 개발팀에 따르면 매머드-1은 ‘Jev 디시전 인덱스 0.4’에서 208개 모델 가운데 71.24점으로 1위를 기록했습니다. 고객 문의 분류, AI 작업 배정, 안전성 점검 등에 활용할 수 있습니다.

개발자 압둘라 아바바크레는 AI 에이전트가 스마트폰 화면을 읽고 터치·입력·스크롤로 앱을 조작하도록 하는 ‘폰유즈’를 선보였습니다. 클로드 코드, 코덱스, 커서 등에 MCP나 API로 연결할 수 있으며 클라우드 안드로이드와 실제 스마트폰을 제공합니다. 실제 아이폰은 카메라로 화면을 읽고 물리적 스타일러스로 조작하는 방식도 지원합니다.

VAST AI 리서치는 게임 화면이나 참고 영상을 실시간 AI 영상으로 바꾸는 ‘에덴라이브’를 오픈소스로 공개했습니다. 게임 엔진 화면과 원하는 첫 장면, 텍스트 지시를 입력하면 사물 배치와 움직임을 따르면서 실사풍 또는 다른 화풍으로 렌더링합니다. 개발팀에 따르면 50억개 매개변수 모델은 RTX 5090 한 장에서 720p 영상을 초당 24프레임 이상 생성합니다. 게임 규칙과 사물 위치는 기존 프로그램이 관리하고 AI가 화면 표현을 맡으며, 50억개 및 140억개 매개변수 모델 가중치를 제공합니다. 카일론은 참고 영상을 분석하고 주석으로 수정 방향을 더해 자사 제품에 맞는 새 영상으로 재구성하는 ‘어노테이션’을 도입했습니다. 팀원들이 의견을 모아 연출과 취향을 반영할 수 있는 협업 기능이며, 새 생성 모델의 가중치 공개는 아닙니다.

텐센트는 10월 23일 텍스트 명령과 카메라 움직임에 맞춰 장면을 이어 만드는 월드 모델 ‘Hy-Nomas’를 오픈소스로 공개했습니다. 영상 생성 도중 사물과 인물 행동, 배경, 화풍을 바꿀 수 있고 카메라 시점과 이동 경로도 지정할 수 있습니다. 앞서 만든 장면의 정보를 다음 구간에 활용하도록 설계했으며, 모델 가중치와 실행 코드, RTX 4090 한 장에서 구동하는 저메모리 설정을 제공합니다.

잭 도시가 이끄는 블록은 텍스트 데이터나 사전 학습 모델 없이 사람 대화 음성만으로 처음부터 학습한 음성 AI ‘데사’를 소개했습니다. 회사는 실시간 대화 능력을 익혔으며 사람의 음성만으로 학습해 자연스러운 실시간 대화가 가능한 첫 AI라고 주장했습니다. 글 중심 모델에 음성 기능을 붙이는 방식과 달리 소리 자체로 대화를 배우게 했다고 설명했습니다.

IBM은 20억개 매개변수의 ‘그래니트 스피치 5.0 2B’를 출시했습니다. 영어·프랑스어·독일어·스페인어·포르투갈어·일본어 음성을 처리하며, 이전 버전과 같은 모델 크기를 유지하면서 소음과 울림이 있는 환경의 인식 정확도, 긴 음성과 대화의 번역 성능을 개선했습니다. 제품명이나 전문용어 인식을 돕도록 최대 2000개 키워드를 지정할 수 있고, 아파치 2.0 라이선스로 배포됩니다. 앤트그룹 산하 인클루전AI는 의료 전문 모델 ‘링 3.0 플래시 상테’의 가중치를 공개했습니다. ‘링 3.0 플래시’를 바탕으로 의학 지식, 의료 추론, 문헌 검색과 근거 종합을 강화했습니다. 전체 매개변수 1240억개 중 토큰당 51억개를 활성화하고 최대 25만6000토큰을 처리합니다. 도구 활용과 여러 에이전트의 협업도 지원하지만, 개발팀은 독립 진단이나 처방용 의료기기가 아닌 연구용이라고 밝혔습니다.

퍼플렉시티는 40억개 매개변수의 의사결정 모델 ‘pplx-decider-flash-v1.2’를 맥에서 실행하는 ‘디사이더 포 맥’을 내놨습니다. 텍스트와 이미지를 읽어 분류나 선택에 필요한 확률을 반환하며, 고객 문의 배정이나 문서·스크린샷 분류에 쓸 수 있습니다. 입력 자료는 외부 서버로 보내지 않고 API 키나 사용 요금도 필요 없습니다. 애플 실리콘 기반 맥과 메모리 16GB 이상이 필요하며, 첫 실행 때 5.8GB 모델을 내려받습니다. 베이스텐 산하 베이스랩스는 270억개 매개변수 ‘매머드-1’과 90억개 ‘엘리펀트-1’을 공개했습니다. 두 모델은 상황과 질문에 따라 선택지별 확률을 산출하며 MIT 라이선스로 제공됩니다. 개발팀에 따르면 매머드-1은 ‘Jev 디시전 인덱스 0.4’에서 208개 모델 가운데 71.24점으로 1위를 기록했습니다. 고객 문의 분류, AI 작업 배정, 안전성 점검 등에 활용할 수 있습니다.

개발자 압둘라 아바바크레는 AI 에이전트가 스마트폰 화면을 읽고 터치·입력·스크롤로 앱을 조작하도록 하는 ‘폰유즈’를 선보였습니다. 클로드 코드, 코덱스, 커서 등에 MCP나 API로 연결할 수 있으며 클라우드 안드로이드와 실제 스마트폰을 제공합니다. 실제 아이폰은 카메라로 화면을 읽고 물리적 스타일러스로 조작하는 방식도 지원합니다.

VAST AI 리서치는 게임 화면이나 참고 영상을 실시간 AI 영상으로 바꾸는 ‘에덴라이브’를 오픈소스로 공개했습니다. 게임 엔진 화면과 원하는 첫 장면, 텍스트 지시를 입력하면 사물 배치와 움직임을 따르면서 실사풍 또는 다른 화풍으로 렌더링합니다. 개발팀에 따르면 50억개 매개변수 모델은 RTX 5090 한 장에서 720p 영상을 초당 24프레임 이상 생성합니다. 게임 규칙과 사물 위치는 기존 프로그램이 관리하고 AI가 화면 표현을 맡으며, 50억개 및 140억개 매개변수 모델 가중치를 제공합니다. 카일론은 참고 영상을 분석하고 주석으로 수정 방향을 더해 자사 제품에 맞는 새 영상으로 재구성하는 ‘어노테이션’을 도입했습니다. 팀원들이 의견을 모아 연출과 취향을 반영할 수 있는 협업 기능이며, 새 생성 모델의 가중치 공개는 아닙니다.