← 데일리 목록

AI 기술 데일리 리포트

2026-07-09 (목, KST) · 수집: paper-fetch 스킬(HF·arXiv 공식 API) + RSS 10개 피드
구성: HF Daily Papers(2026-07-08 배치) 8편 + arXiv 신규 3편 + RSS 주요 항목(번역·요약)

오늘의 핵심 3건

PAPER · 72

RynnWorld-4D (4D 체화 월드모델)

소속 미표기

로봇 조작을 위해 컬러·깊이·움직임(RGB-DF)을 한 확산모델로 동시 예측. HF 최다 추천(72). 동일 교신저자의 RynnWorld-Teleop(3위)까지 시리즈 2편이 나란히 상위권에 올라 로봇 월드모델에 관심이 집중됐다.

MODEL · NEWS

xAI, Grok 4.5 공개…머스크 "Opus급 모델"

xAI

더 저렴하고 효율적인 고성능 모델을 표방하며 출시(TechCrunch). 같은 날 구글 Gemma 4 기술보고서(HF 6위, 저자 301인)도 공개돼 프론티어·오픈모델 양쪽에서 신세대 모델 발표가 겹쳤다.

INDUSTRY · NEWS

中 AI반도체 국산화 가속…딥시크도 '탈엔비디아'

DeepSeek · Huawei

딥시크가 화웨이 의존도까지 낮추려 추론전용 AI칩을 1년째 자체개발 중(THE AI). 오늘 arXiv DSpark 논문이 DeepSeek-V4 실서비스에 채택된 추론가속 기법이라는 점과 맞물려, 딥시크의 기술 내재화가 반도체까지 확장되는 흐름이 보인다.

도식 1. HF Daily Papers 추천(upvote) 순위 (2026-07-08 배치)

RynnWorld-4D (4D 체화 월드모델)
72
AlayaWorld (플레이가능 비디오 월드생성)
71
RynnWorld-Teleop (디지털 원격조작 월드모델)
67
HiLS Attention (무한문맥 희소어텐션)
37
SenseNova-Vision (통합 멀티모달 비전생성)
31
Gemma 4 기술보고서
28
Light-Omni (장기기억 비디오에이전트)
19
DSpark (신뢰도스케줄 추측디코딩)
19

도식 2. 오늘의 분야 분포 (전체 11편 기준)

체화AI·로봇(월드모델·조작) 4 LLM 효율화(어텐션·디코딩) 2 통합 멀티모달·비전 생성 2 파운데이션 모델 공개 1 에이전트 시스템(장기메모리) 1 문화·언어 AI 1

경향: 체화AI·로봇(월드모델·조작)이 4편으로 최다 - RynnWorld 시리즈 2편(4D 예측, 디지털 원격조작)과 AlayaWorld(플레이가능 비디오 월드), Lift3D-VLA(3D기하 인지 조작)가 모두 "로봇이 세상을 어떻게 예측하고 조작하는가"를 각기 다른 각도에서 다뤘다. LLM 효율화(HiLS 무한문맥 어텐션, DSpark 추론가속 - 이 중 DSpark는 DeepSeek-V4 실서비스에 실제 배포)와 통합 멀티모달·비전 생성(SenseNova-Vision, 픽셀공간 밀집예측 ReChannel)이 각 2편으로 뒤를 이었다. Gemma 4 공개, 장기기억 비디오에이전트 Light-Omni, 문화유산 보전 관점의 Indic AI 서베이가 다양성을 더했다.

HuggingFace Daily Papers (2026-07-08 배치)

RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation

RynnWorld-4D: 로봇 조작을 위한 4D 체화 월드모델

연구진: 소속 미표기 · 교신저자 Zhongyu Li (저자 6인)
쉽게 말하면: 로봇이 물건을 잘 조작하려면 "지금 뭐가 보이는지"뿐 아니라 이 장면이 상호작용에 따라 3차원으로 어떻게 움직일지까지 미리 내다봐야 한다. 이 연구는 컬러영상·깊이·움직임(광류)을 한 번에 예측하는 모델을 만들어 로봇이 다음 행동을 더 정확히 판단하게 했다.
도식 · RGB-깊이-광류 동시예측으로 월드예측과 로봇행동 사이 간극 축소
RGB영상만 쓰는
기존 로봇 월드모델
▶
RGB-깊이-광류(RGB-DF)
동시예측 확산모델
▶
3분기 구조 + 프레임별
3D RoPE로 정합 유지
▶
단일 순전파 행동생성
(RynnWorld-4D-Policy), 양손조작 SOTA
  • 배경: 로봇 조작은 장면이 어떻게 보이는지뿐 아니라 상호작용에 따라 3D 구조가 어떻게 움직이는지 예측해야 함. RGB만 쓰는 기존 월드모델은 로봇 행동에 필요한 저수준 표현과 거리가 있음.
  • 표현: 동기화된 RGB·깊이·광류(RGB-DF)가 외형·기하·시간적 움직임을 함께 담아 로봇 행동에 더 가까운 표현공간을 만든다는 통찰.
  • 모델: 단일 RGB-D 이미지+언어지시로 미래 RGB·깊이·광류를 하나의 확산과정에서 함께 생성하는 3분기 구조, 교차모달 어텐션+프레임별 3D RoPE로 일관성 유지. 2억5440만 프레임 규모 Rynn4DDataset 1.0 구축.
  • 결과: 내부 4D 표현을 단일 순전파로 소비하는 역동역학 헤드 RynnWorld-4D-Policy가 실제 양손 정밀조작 과제에서 SOTA 달성.

오픈월드 로봇 조작은 장면이 어떻게 보이는지를 인식하는 것을 넘어, 상호작용에 따라 3D 구조가 어떻게 움직일지 예측해야 한다. 저자들은 동기화된 RGB·깊이·광류, 즉 RGB-DF가 장면의 4D 역학을 포착하는 물리적으로 근거있는 표현이라 주장한다. 2D 픽셀 영상과 달리 이 다중모달 조합은 시각적 외형을 기하학적 구조·시간적 움직임과 정렬시켜, 로봇 시스템이 요구하는 저수준 엔드이펙터 행동에 훨씬 가까운 표현공간을 만들어 월드예측과 정책학습 사이 간극을 좁힌다.

이 통찰을 바탕으로 저자들은 단일 RGB-D 이미지와 언어지시로부터 미래 RGB 프레임·깊이맵·광류를 하나의 통합 확산과정 안에서 함께 생성하는 4D 월드모델 RynnWorld-4D를 소개한다. 교차모달 어텐션과 프레임별 3D RoPE를 결합한 3분기 구조로 외형·기하·움직임이 일관되게 진화하도록 보장한다. 대규모 학습데이터 공급을 위해 2억5440만 프레임이 넘는 1인칭 인간·로봇 조작 영상에 고품질 깊이·광류 의사라벨을 붙인 Rynn4DDataset 1.0을 구축했다. 나아가 RynnWorld-4D의 내부 4D 표현을 단일 순전파로 소비해 값비싼 다단계 디노이징을 건너뛰고 로봇 행동을 폐루프로 출력하는 역동역학 헤드 RynnWorld-4D-Policy를 제안한다. 실험 결과 RynnWorld-4D는 시공간적으로 일관된 4D 예측을 생성했고, RynnWorld-4D-Policy는 실세계 정밀 양손조작 과제에서 최신 성능을 달성했다.

RGB-DF4D world modelrobotic manipulation원문 →

AlayaWorld: Long-Horizon and Playable Video World Generation

AlayaWorld: 장시간·플레이 가능한 비디오 월드 생성

연구진: 소속 미표기 · 교신저자 Zihui Gao (저자 17인)
쉽게 말하면: 게임 속 세상은 지금까지 사람이 하나하나 손으로 만들어야 해서 개발비도 비싸고 나중에 고치기도 힘들었다. 이 연구는 지금까지의 화면과 사용자 조작만 보고 다음 장면을 실시간으로 그려내는 AI로, 전투나 마법 같은 자유로운 상호작용이 가능한 세계를 즉석에서 만들어낸다.
도식 · 자기회귀 비디오 생성으로 수작업 없이 플레이가능 월드 실시간 구현
수작업 제작 게임월드
(개발·수정 비용 높음)
▶
자기회귀 비디오 월드모델
(현재상태+조작 조건부 생성)
▶
데이터준비~학습~추론가속~배포
풀스택 오픈소스 프레임워크
▶
전투·주문시전·소환 등
실시간 자유상호작용 플레이가능 월드
  • 배경: 게임월드는 노동집약적 제작 파이프라인으로 만들어져 개발비가 높고 커스터마이징이 어려우며 배포 후 수정 비용도 큼.
  • 패러다임 전환: 가상환경의 모든 요소를 일일이 저작하는 대신, 현재 월드상태와 사용자 상호작용을 조건으로 미래 관측을 자기회귀적으로 합성해 플레이가능한 월드를 온라인으로 생성.
  • AlayaWorld: 게임 플레이 녹화와 실제영상을 함께 학습해 다양한 시각적 외형·물리역학을 포착, 전투·주문시전·몬스터소환 등 자유로운 실시간 상호작용 지원. 데이터준비부터 모델 아키텍처·학습·추론가속·배포까지 하나의 모듈형 구조로 통합.
  • 공개: 재현가능한 파이프라인, 참조구현, 평가도구, 문서를 함께 공개해 후속 연구·실시간 응용의 실용적 토대 제공.

게임 세상은 전통적으로 노동집약적 제작 파이프라인을 통해 만들어져 개발비용이 크고, 커스터마이징이 어려우며, 배포 이후 수정하는 데도 비용이 많이 든다. 최근 비디오 월드모델의 발전은 근본적으로 다른 패러다임을 제시한다. 가상환경의 모든 구성요소를 명시적으로 저작하는 대신, 이 모델들은 현재 월드 상태와 사용자 상호작용을 조건으로 미래 관측을 자기회귀적으로 합성해 플레이 가능한 월드를 온라인에서 생성할 수 있게 한다. 게임플레이 녹화와 실세계 영상을 함께 학습하면 다양한 시각적 외형과 물리적 역학을 포착할 수 있어, 게임을 넘어 체화지능을 포함한 상호작용 응용의 새로운 기회를 연다.

이 논문에서 저자들은 상호작용형 생성월드를 구축하기 위한 풀스택 오픈소스 프레임워크 AlayaWorld를 제시한다. AlayaWorld는 개방형 실시간 상호작용을 지원해, 사용자가 자유롭게 이동하고 전투·주문시전·몬스터소환 같은 다양한 행동을 수행할 수 있게 한다. 이 프레임워크는 데이터 준비-모델 아키텍처-모델 학습-추론 가속-배포에 이르는 전체 개발과정을 모듈형이고 확장 가능한 구조 안에 통합한다. 프레임워크와 함께 재현 가능한 파이프라인, 참조 구현, 평가 도구, 상세 문서를 공개해 생성형 월드모델의 향후 연구와 실시간 응용을 위한 실용적 토대를 마련했다.

video world modelsreal-time interactionopen-source framework원문 →

RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation

RynnWorld-Teleop: 디지털 원격조작을 위한 행동조건부 월드모델

연구진: 소속 미표기 · 교신저자 Zhongyu Li (저자 9인, RynnWorld-4D와 동일 교신저자)
쉽게 말하면: 로봇에게 시범을 보여주는 원격조작(텔레옵)은 사람이 실제 로봇 앞에서 일일이 조작해야 해서 시간과 장비가 많이 든다. 이 연구는 사람 손 움직임만 기록하면 그 움직임으로 실제 로봇을 대신할 가상 로봇 영상을 실시간으로 만들어내는 방법을 제안해, 물리적 로봇 없이도 학습데이터를 대량으로 만들 수 있게 했다.
도식 · 손동작 스트림만으로 물리적 로봇 없이 학습데이터를 실시간 생성
물리적 원격조작
(로봇·조작자 시간·작업공간에 종속)
▶
손동작 스트림 →
로봇중심 생성모델로 영상합성
▶
깊이인지 골격조건화+점진적
인간→로봇 학습+스트리밍 증류
▶
H100 1장·40FPS+ 실시간생성
제로샷 Sim2Real 전이 확인
  • 배경: 로봇학습 확장에는 방대하고 다양한 궤적 데이터가 필요하지만, 물리적 원격조작에 매인 수집 방식은 시연마다 조작자 시간을 특정 하드웨어·작업공간에 묶어 병목이 됨.
  • 디지털 원격조작: 실제 로봇을 생성형 월드모델로 대체해 데이터수집을 물리적 제약에서 분리. 조작자의 손 자세 스트림이 로봇중심 생성 월드모델을 구동해 단일 참조이미지로부터 고충실도 1인칭 영상 합성. 기록된 자세 스트림은 임의 로봇에 표준 리타겟팅으로 전이 가능한 행동라벨 역할.
  • RynnWorld-Teleop: 깊이인지 골격조건화, 비디오 확산트랜스포머 위 점진적 인간→로봇 학습, 스트리밍 자기회귀 증류를 통합. 생성과정을 단일패스 추론으로 압축해 H100 1장에서 40FPS 이상 실시간 생성.
  • 결과: 이 데이터만으로 학습한 정책이 다양한 양손 정밀조작에서 제로샷 Sim2Real 전이에 성공, 실세계 데이터에 디지털 원격조작 데이터를 더하면 성공률이 일관되게 향상.

로봇학습을 확장하려면 방대하고 다양한 궤적 데이터가 필요하지만, 현재 수집은 물리적 원격조작에 발목 잡혀 있다. 매 시연마다 조작자의 시간이 특정 하드웨어와 작업공간에 묶이기 때문이다. 저자들은 실제 로봇을 생성형 월드모델로 대체함으로써 데이터 수집을 물리적 제약에서 분리하는 패러다임인 디지털 원격조작을 도입한다. 이 프레임워크에서 조작자의 손 자세 스트림이 로봇중심 생성 월드모델을 구동해 단일 참조 이미지로부터 고충실도 1인칭 영상을 합성한다. 기록된 자세 스트림은 표준 리타겟팅을 통해 어떤 목표 로봇에도 전이 가능한, 체화에 무관한 행동 라벨 역할을 해 물리적 하드웨어와 무관하게 모방학습용 완전한 상태-행동 궤적을 만들어낸다.

저자들은 이 패러다임을 RynnWorld-Teleop으로 구체화한다. 깊이인지 골격조건화, 비디오 디퓨전 트랜스포머 위에서의 점진적 인간-로봇 학습, 스트리밍 자기회귀 증류를 통합한 시스템이다. 이 파이프라인은 생성과정을 단일패스 추론으로 압축해 단일 H100 GPU에서 40FPS 이상의 실시간 상호작용 생성을 가능케 한다. RynnWorld-Teleop이 생성한 데이터만으로 학습한 정책은 다양한 양손 정밀조작 과제 전반에서 효과적인 제로샷 Sim2Real 전이를 달성한다. 더 나아가 실세계 데이터셋에 디지털 원격조작 데이터를 보강하면 성공률이 일관되게 향상돼, RynnWorld-Teleop이 차세대 로봇 에이전트를 위한 고충실도·확장가능 데이터 엔진으로 기능함을 보여준다.

digital teleoperationworld modelSim2Real원문 →

Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling

제대로 된 계층적 희소 어텐션: 무한 문맥 모델링을 향해

연구진: 소속 미표기 · 교신저자 Leo Liang (저자 13인)
쉽게 말하면: 문맥을 길게 다루려면 연산량이 급격히 늘어나는데, 지금까지의 "청크 단위로 대충 골라 보는" 방식은 어디를 볼지 고르는 정확도가 떨어져 성능이 아쉬웠다. 이 연구는 어디를 볼지 고르는 판단 자체를 학습 손실에 직접 연결해, 필요한 부분만 정확히 보면서도 학습 길이의 64배가 넘는 문맥까지 안정적으로 확장했다.
도식 · 청크선택을 LM손실로 직접 학습해 초장문맥 외삽 달성
조밀 어텐션
(문맥 길수록 연산 제곱증가+길이외삽 취약)
▶
청크단위 희소어텐션 +
선택정확도를 LM손실로 직접학습(HiLS)
▶
질의별 검색점수를
순전파에 포함해 종단간 학습
▶
학습길이 64배+ 외삽·
검색정확도 90%, 조밀어텐션 상회
  • 배경: LLM을 긴 문맥으로 확장하는 데는 조밀 어텐션의 제곱연산비용과 부족한 길이외삽 능력이 걸림돌. 청크단위 희소어텐션이 대안이지만 기존 방법들은 청크선택이 부정확해 조밀어텐션에 못 미침.
  • HiLS: 언어모델링(LM) 손실 아래 청크선택을 종단간으로 학습하는 계층적 랜드마크 희소(HiLS) 어텐션. 각 질의가 검색된 청크마다 독립적으로 어텐션해 청크별 정보를 추출한 뒤, 청크 검색점수에 따라 결과를 융합.
  • 학습 방식: 검색점수를 순전파 어텐션 계산에 포함시켜 LM손실로 직접 최적화, 종단간 검색학습과 네이티브 희소학습을 동시에 가능하게 함.
  • 결과: 도메인내 문맥길이에서 조밀어텐션과 대등하거나 더 나은 성능. 학습 문맥길이의 64배 넘게 외삽하면서도 검색정확도 90% 유지. 기존 조밀어텐션 모델도 경량 지속사전학습만으로 HiLS로 전환 가능.

현대 대형언어모델을 긴 문맥으로 확장하는 일은 조밀 어텐션의 제곱연산비용과 열악한 길이외삽 능력에 의해 제한된다. 청크단위 희소 어텐션이 유망한 대안을 제공하지만, 기존 방법은 모두 부정확한 청크선택 때문에 완전 어텐션에 미치지 못한다. 저자들은 언어모델링(LM) 손실 아래 청크선택을 종단간으로 학습하는 청크단위 희소 어텐션 메커니즘인 계층적 랜드마크 희소(HiLS) 어텐션을 제안한다. HiLS는 어텐션을 계층적으로 분해해, 각 질의가 검색된 각 청크와 독립적으로 어텐션을 수행해 청크별 정보를 추출하고, 그 결과를 청크 검색점수에 따라 융합한다.

검색점수를 순전파 어텐션 계산에 포함시킴으로써 HiLS는 이를 LM손실로 직접 최적화해 종단간 검색학습과 네이티브 희소학습을 가능케 한다. 실험 결과 HiLS-어텐션은 도메인내 문맥길이에서 완전 어텐션과 대등하거나 경우에 따라 더 나은 성능을 달성한다. 동시에 HiLS-어텐션은 학습 문맥길이의 64배 넘게 외삽하면서도 90%의 검색정확도를 유지해, 완전 어텐션을 훨씬 능가한다. 더구나 기존 완전어텐션 모델은 경량의 지속적 사전학습만으로 HiLS-어텐션으로 전환할 수 있어, 도메인내 성능을 보존하면서 초장문맥 외삽능력을 새로 획득한다. 희소한 KV 접근과 연산을 함께 갖춘 HiLS-어텐션은 통상의 효율성-성능 트레이드오프를 깨뜨려, 완전어텐션 대비 더 효율적이면서도 일반 장문맥 과제에서 더 효과적인 장문맥 LLM을 가능케 한다.

sparse attentionlong-contextend-to-end retrieval learning원문 →

Vision as Unified Multimodal Generation

통합 멀티모달 생성으로서의 비전

연구진: SenseTime (추정, SenseNova 브랜드) · 교신저자 Quan Wang (저자 17인)
쉽게 말하면: 지금까지 컴퓨터비전은 과제(탐지·분할·깊이추정 등)마다 전용 모델을 따로 만들었다. 이 연구는 이 모든 과제를 "글과 그림을 생성하는 통합 모델"의 언어로 다시 표현해, 하나의 모델이 자연어 지시만으로 탐지부터 카메라 자세 추정까지 다 처리하게 만들었다.
도식 · 이질적 비전과제를 텍스트·이미지 생성공간 하나로 통일
탐지·분할·깊이·자세 등
이질적 비전과제(과제별 전용구조)
▶
자연어지시+시각프롬프트로
과제·영역·디코딩방식 지정
▶
SenseNova-Vision Corpus로
대규모 지시-응답 데이터 변환
▶
텍스트·이미지·혼합출력
하나의 통합모델, 과제전용 시스템과 대등
  • 배경: 이질적 비전과제들을 통합 멀티모달모델의 고유한 텍스트·이미지 생성공간으로 표현, 과제전용 아키텍처 없이 처리한다는 정식화.
  • SenseNova-Vision: 자연어 지시와 선택적 시각프롬프트로 과제·대상영역(또는 시점)·디코딩 관례를 지정. 기호적 출력은 텍스트로, 밀집 공간예측은 이미지로, 복합과제는 텍스트+이미지 혼합으로 응답 생성.
  • 데이터: 다양한 컴퓨터비전 주석을 이 생성공간에 맞는 지시-응답 예제로 변환한 SenseNova-Vision Corpus 구축, 텍스트·이미지·혼합 타깃을 아우름.
  • 결과: 기성 사전학습 통합 멀티모달모델에서 출발해 이 말뭉치로 학습, 과제전용 예측헤드·아키텍처 수정 없이 탐지·OCR·키포인트추정·분할·깊이추정·표면법선예측·점지도·카메라자세추정까지 폭넓게 커버. 단일 통합모델이 선두 과제전용 시스템과 대등한 성능.

저자들은 컴퓨터비전을 통합 멀티모달 생성으로 정식화한다. 이질적인 시각 과제들을 과제전용 아키텍처 없이 통합 멀티모달모델의 고유한 텍스트·이미지 생성공간 안에서 표현하는 것이다. 이 정식화 아래 SenseNova-Vision은 자연어 지시와 선택적 시각프롬프트를 사용해 과제, 대상영역 또는 시점, 디코딩 관례를 지정하고, 기호적 출력은 텍스트로, 밀집 공간예측은 이미지로, 복합적인 과제는 텍스트와 이미지가 섞인 출력으로 응답을 생성한다.

대규모 학습을 지원하기 위해 저자들은 다양한 컴퓨터비전 주석을 이 생성공간과 호환되는 지시-응답 예제로 변환해, 텍스트·이미지·혼합 타깃을 아우르는 컴퓨터비전 지시-응답 말뭉치인 SenseNova-Vision Corpus를 만들었다. 기성 사전학습 통합 멀티모달모델에서 출발한 SenseNova-Vision은 이 말뭉치를 중심으로 학습되며, 능력보존용 보조 멀티모달데이터를 혼합해 사용하고, 과제전용 예측헤드나 아키텍처 수정을 전혀 요구하지 않는다. 결과 모델은 탐지, OCR, 키포인트추정, 분할, 깊이추정, 표면법선예측, 점지도, 카메라자세추정을 포함한 폭넓은 비전과제를 다루며, 범주·색상·영역 등 시각단서를 결합하는 언어정의 변형도 지원한다. 실험은 단일 통합모델이 구조화된 시각이해, 밀집 기하예측, 분할, 다중시점 시각기하 전반에 걸쳐 선두 과제전용 시스템과 대등할 수 있음을 보인다. 모델과 말뭉치는 공개돼 있다.

unified multimodal generationcomputer visioninstruction-following원문 →

Gemma 4 Technical Report

Gemma 4 기술보고서

연구진: Google DeepMind (Gemma 모델 패밀리, 공식 확인) · 교신저자 Chen Zou (저자 301인)
쉽게 말하면: 구글의 오픈웨이트 모델 패밀리 Gemma가 4세대로 업그레이드됐다. 이미지·오디오를 원본 그대로 받아들이는 구조를 갖추고 답하기 전에 "생각"까지 하는 모드가 생겨, 더 작은 크기로도 훨씬 똑똑해졌다.
도식 · 인코더프리 구조+사고모드로 STEM·장문맥 성능 도약
Gemma 3세대
(비전·오디오 별도 인코더, 사고모드 없음)
▶
조밀+MoE 아키텍처 2.3B~31B
12B모델은 인코더 없는 원시입력 처리
▶
사고모드(thinking mode) 도입 +
추론속도·메모리·장문맥 효율화
▶
STEM·멀티모달·장문맥 벤치마크 도약
대형 프론티어 오픈모델과 대등
  • 구성: 오픈웨이트 네이티브 멀티모달 모델군, 조밀·MoE 아키텍처를 아울러 2.3B~31B 파라미터로 구성. 전 크기에 개선된 비전·오디오 인코더 탑재.
  • 12B 모델: 원시 오디오·이미지 패치를 직접 받아들이는 통합형 인코더프리 아키텍처 제안.
  • 사고모드: 응답 전에 추론과정을 생성하는 사고모드를 통합, 핵심 설계선택으로 추론속도·메모리·연산효율·장문맥 능력까지 개선.
  • 결과: STEM·멀티모달·장문맥 벤치마크에서 도약, 사람평가 과제에서 더 큰 프론티어 오픈모델과 대등.

저자들은 Gemma 모델 패밀리의 새로운 세대인 Gemma 4를 소개한다. 오픈웨이트이면서 네이티브로 멀티모달인 이 세대는 연산효율과 추론능력 향상을 목표로 설계됐다. Gemma 4 모델군은 조밀·전문가혼합(MoE) 아키텍처를 아우르며 2.3B에서 31B 파라미터까지 다양하다. 모든 크기에 개선된 비전·오디오 인코더를 갖췄으며, 12B 모델에는 원시 오디오와 이미지 패치를 그대로 받아들이는 통합형 인코더프리 아키텍처를 새로 제안한다.

나아가 저자들은 사고모드(thinking mode)를 통합해 Gemma 모델이 응답 전에 추론과정을 생성할 수 있게 했다. 핵심 설계선택을 통해 추론속도·메모리·연산효율은 물론 장문맥 능력까지 개선했다. Gemma 4는 STEM·멀티모달·장문맥 벤치마크 전반에서 성능의 도약을 이뤄내며, 사람 평가 과제에서 훨씬 더 큰 프론티어 오픈모델들과 대등한 수준을 보인다.

open-weight LLMmultimodalthinking mode원문 →

기타 주목 논문 (HF 7~8위)

Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory

Light-Omni: 장기기억을 갖춘 에이전트형 비디오이해에서 추론 대신 반사

연구진: 소속 미표기 · 교신저자 Caifeng Shan (저자 5인)
쉽게 말하면: 긴 영상을 계속 보면서 답해야 하는 AI 에이전트는 지금까지 "탐정처럼" 몇 단계씩 검색하고 추론해야 해서 느리고 비쌌다. 이 연구는 지금까지의 흐름을 압축한 요약노트를 항상 들고 있다가 필요할 때 단번에 반응하도록 만들어 속도를 12배 넘게 끌어올렸다.
도식 · 전역상태+잠재상태 이중구조로 반복추론 없이 즉시 반응
장시간·연속 멀티모달 스트림
(기존엔 탐정식 반복추론으로 검색)
▶
전역상태(계층적 병합으로
최근사건 보존+과거요약)
▶
전역상태 조건부 잠재상태로
검색임베딩+행동을 단일 순전파 생성
▶
M3-Agent 대비 정확도 +2.4%p
속도 12.1배·메모리효율 2.6배
  • 배경: 에이전트형 비디오이해는 장기기억으로 길고 연속적인 멀티모달 스트림을 자율처리하지만, 기존 고급 비디오에이전트는 탐정식 반복추론(검색 등 행동제어와 근거수집)에 의존해 비용과 지연이 큼.
  • 통찰: 이런 무거운 추론은 대체로 전역맥락 부재와 검색시 의미불일치를 보완하기 위한 것이라는 관찰.
  • Light-Omni: 이중 맥락상태로 단일 순전파에서 즉시 필요한 맥락을 구성. 전역상태(에피소드기억에서 지속 통합되는 유한크기 멀티모달 스크립트)가 계층적 병합으로 최근 세부는 보존하고 과거사건은 요약. 이 전역맥락에 조건화한 파라메트릭 잠재상태가 자율행동과 검색임베딩을 직접 구동, 지연을 최소화.
  • 결과: 여러 비디오벤치마크에서 M3-Agent 대비 평균 정확도 2.4%포인트 향상, 속도 12.1배, GPU메모리 효율 2.6배 개선. 기존 MLLM의 성능·효율을 함께 끌어올리는 메모리시스템으로도 작동.

에이전트형 비디오이해는 모델에 장기기억을 부여해 연속적이고 장시간에 걸친 멀티모달 스트림을 자율적으로 처리하고 응답하게 한다. 그러나 고급 비디오에이전트들은 흔히 행동제어(예: 검색)와 근거취합을 위해 "탐정식" 반복추론에 의존해 막대한 비용과 지연을 초래한다. 저자들은 이러한 무거운 추론이 주로 전역맥락의 부재와 검색과정의 의미적 불일치를 보완하기 위한 것이라 주장한다. 이 논문은 반사적이고 경량인 비디오이해를 위한 멀티모달 에이전트 프레임워크 Light-Omni를 소개한다.

Light-Omni는 단일 순전파로 필요한 맥락을 즉시 구성하는 이중 맥락상태를 통해 이를 달성한다. 먼저 에피소드기억으로부터 지속적으로 통합되는 유한크기 멀티모달 스크립트인 전역상태를 유지하며, 이는 Light-Omni의 전역맥락 역할을 한다. 계층적 병합을 통해 최근의 세부는 보존하면서 과거사건은 요약한다. 다음으로 이 전역맥락에 조건화해 자율행동을 직접 구동하고 검색임베딩을 만들어내는 파라메트릭 잠재상태를 최소한의 지연으로 생성한다. 이 결합된 설계 덕분에 Light-Omni는 반복추론을 피하면서도 의미적으로 정렬된 검색과 반사적 응답을 달성한다. 다수의 비디오벤치마크에 걸친 광범위한 실험이 Light-Omni의 효과를 입증하며, 특히 M3-Agent 대비 평균 2.4%포인트의 정확도 향상, 12.1배의 속도향상, 2.6배의 GPU메모리 효율개선을 보인다. 나아가 기존 MLLM들의 성능과 효율을 함께 끌어올리는 메모리시스템으로도 기능한다.

agentic video understandinglong-term memoryreflexive inference원문 →

DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation

DSpark: 준자기회귀 생성 기반 신뢰도스케줄 추측 디코딩

연구진: DeepSeek (본문에 "DeepSeek-V4 서빙 시스템에 배포" 명시) · 교신저자 Wenfeng Liang (저자 33인)
쉽게 말하면: LLM 응답 속도를 높이는 "추측 디코딩"은 초안을 빨리 여러 개 만들어두고 나중에 검증하는 방식인데, 초안이 길어질수록 뒤로 갈수록 틀릴 확률이 급격히 올라가고 그걸 다 검증하려면 서버 처리용량을 낭비하게 된다. 이 연구는 초안 자체의 품질을 높이고, 검증 길이도 "이 초안이 얼마나 살아남을지"에 따라 그때그때 다르게 조절해 실제 서비스에서 속도를 60~85% 끌어올렸다.
도식 · 초안품질 개선 + 동적 검증길이로 서빙 처리량 낭비 방지
병렬 초안생성기(토큰간 의존성
부재로 수락률 급감)+획일적 검증
▶
준자기회귀 구조(병렬 백본+
경량 순차모듈)로 블록내 의존성 모델링
▶
신뢰도스케줄 검증(생존확률+
엔진별 처리량 프로파일로 검증길이 동적조정)
▶
DeepSeek-V4 실서비스 배포
동일처리량 대비 체감속도 60~85%↑
  • 배경: 추측디코딩은 초안생성과 목표검증을 분리해 LLM추론을 가속하지만, 최근 병렬 초안생성기는 토큰간 의존성 부족으로 수락률이 급격히 떨어지고, 확장된 블록을 무차별 검증하면 기각위험 높은 토큰에 배치용량을 낭비해 고동시성 서빙에서 처리량이 크게 저하됨.
  • DSpark: 고처리량 병렬생성과 적응형·부하인지 검증을 통합한 프레임워크. 병렬 백본에 경량 순차모듈을 결합한 준자기회귀 구조로 블록내 의존성을 모델링해 초안 품질저하(suffix decay)를 완화.
  • 신뢰도스케줄 검증: 요청별 추정 접두사 생존확률과 엔진별 처리량 프로파일에 따라 검증길이를 동적으로 맞춤, 시스템효율을 최적화.
  • 결과: 오프라인 벤치마크에서 최신 자기회귀·병렬 초안생성기 대비 수락길이 대폭 개선. DeepSeek-V4 서빙시스템에 실사용자 트래픽으로 배포해 검증낭비를 성공적으로 완화, 기존 생산기준선(MTP-1) 대비 동일 처리량에서 사용자별 생성속도 60~85% 가속.

추측 디코딩은 초안생성과 목표검증을 분리함으로써 대형언어모델(LLM) 추론을 가속한다. 최근의 병렬 초안생성기들은 한 번의 순전파로 긴 토큰 시퀀스를 효율적으로 제안하지만, 토큰간 의존성 모델링이 부족해 수락률이 빠르게 감소하는 문제를 겪는다. 더욱이 이렇게 확장된 블록을 무차별적으로 검증하면 기각위험이 높은 토큰에 핵심적인 배치용량을 낭비해, 고동시성 서빙 시스템에서 처리량을 심각하게 저하시킨다. 저자들은 고처리량 병렬생성과 적응적·부하인지 검증을 통합하는 추측디코딩 프레임워크 DSpark를 소개한다.

초안 품질을 유지하기 위해 DSpark는 병렬 백본과 경량 순차모듈을 결합한 준자기회귀 아키텍처를 활용해 블록내 의존성 모델링을 도입하고 접미부 품질저하를 완화한다. 시스템 효율을 최적화하기 위해 DSpark는 신뢰도스케줄 검증을 사용해, 추정된 접두사 생존확률과 엔진별 처리량 프로파일을 바탕으로 각 요청의 검증길이를 동적으로 맞춤화한다. 다양한 도메인에 걸친 오프라인 벤치마크에서 DSpark는 최신 자기회귀·병렬 초안생성기 대비 수락길이를 대폭 개선한다. 실사용자 트래픽 아래 DeepSeek-V4 서빙시스템에 배치됐을 때 DSpark는 검증낭비를 성공적으로 완화한다. 기존 생산기준선(MTP-1) 대비 DSpark는 동일 처리량 수준에서 사용자별 생성속도를 60~85% 가속한다. 더 중요하게는, 엄격한 상호작용성 제약 아래 심각한 처리량 저하를 방지함으로써 이전에는 달성 불가능했던 성능등급을 가능케 해, 서빙 시스템의 파레토 프런티어 자체를 밀어올린다.

speculative decodingsemi-autoregressiveproduction serving원문 →

arXiv 최신 (신규 3편)

Lift3D-VLA: Lifting VLA Models to 3D Geometry and Dynamics-Aware Manipulation

Lift3D-VLA: VLA모델을 3D 기하·역학 인지 조작으로 끌어올리기

연구진: 베이징대 (추정) · 교신저자 Shanghang Zhang (저자 11인)
쉽게 말하면: 로봇에게 "이거 집어서 저기 놓아"를 시키는 비전언어행동(VLA) 모델은 언어는 잘 이해해도 정확히 어디에 얼마나 떨어져 있는지 같은 3D 감각은 약했다. 이 연구는 3D 점구름을 기존 2D 모델 구조에 자연스럽게 끼워넣고, 지금 모습과 곧 어떻게 변할지를 동시에 예측하도록 학습시켜 3D 감각과 시간 흐름을 모두 갖춘 조작 모델을 만들었다.
도식 · 3D점구름 정렬 인코딩 + 현재·미래 동시학습으로 기하인지 조작력 확보
VLA모델(언어일반화는 강하나
3D기하·시간역학 인지 부족)
▶
2D모델리프팅 확장으로 3D점을
사전학습 2D 위치임베딩에 기하정렬
▶
기하중심 마스킹 오토인코딩(GC-MAE)
현재점구름 재구성+미래기하 예측 동시학습
▶
MetaWorld·RLBench서 최고VLA 대비
+10.8%p·+11.1%p, 실로봇 +4%p
  • 배경: VLA모델은 다양한 과제에 걸쳐 강한 일반화를 보이지만, 물리환경에서 효과적인 로봇조작은 근본적으로 기하이해와 공간추론을 요구. 일부 VLA가 3D정보를 통합하려 하지만 데이터부족과 3D인코딩과정의 기하정보손실에 발목잡혀 동적환경에서 3D기하와 시간구조를 가진 행동을 함께 포착하지 못함.
  • Lift3D-VLA: 명시적 3D점구름추론과 시간적으로 일관된 행동생성을 갖춘 통합 VLA 프레임워크. 기존 Lift3D 위에 개선된 2D모델리프팅 전략으로 3D점을 사전학습 2D 위치임베딩에 기하학적으로 정렬, VLA 비전인코더 안에서 공간정보손실을 최소화하며 점구름을 직접 인코딩.
  • GC-MAE: 현재 점구름을 재구성하면서 동시에 미래 기하학적 변화를 예측하는 이중목표 자기지도 프레임워크로, 2D비전인코더가 3D구조와 물리역학을 함께 내재화하도록 함. 여기에 LLM의 여러 층이 협력해 행동청크를 예측하는 계층별 시간행동모델링을 더해 시간적으로 일관된 예측 구현.
  • 결과: 22개 시뮬레이션 과제와 8개 실세계 조작과제에서 MetaWorld·RLBench 최고성능 VLA 대비 평균성공률 10.8%p·11.1%p 향상, 최강 실세계 기준선 대비 4%포인트 상회, 분포외 교란에도 더 강한 일반화.

최근 비전-언어-행동(VLA) 모델은 다양한 과제에 걸쳐 강한 일반화 능력을 보여왔다. 그러나 물리환경에서 효과적인 로봇조작은 근본적으로 기하학적 이해와 공간추론을 요구한다. 일부 VLA 접근법이 3D정보를 통합하려 시도하지만, 제한된 데이터 가용성과 현재 3D인코딩 파이프라인의 기하정보 손실에 제약받으며, 동적환경에서 3D기하와 시간적으로 구조화된 행동을 함께 포착하는 데 실패한다. 이런 한계를 해결하기 위해 저자들은 모델에 명시적 3D 점구름추론을 갖추고 시간적으로 일관된 행동생성을 가능케 하는 통합 VLA 프레임워크 Lift3D-VLA를 소개한다.

먼저 이전 연구 Lift3D를 발전시켜, 사전학습된 2D 위치임베딩에 3D점을 기하학적으로 정렬하는 개선된 2D모델리프팅 전략을 제안한다. 이 설계는 공간정보 손실을 최소화하면서 VLA 비전인코더 안에서 점구름을 직접 인코딩할 수 있게 한다. 명시적 3D입력을 바탕으로 저자들은 현재 점구름을 재구성하면서 동시에 그 미래 기하학적 변화를 예측하는 이중목표 자기지도 프레임워크인 기하중심 마스킹 오토인코딩(GC-MAE)을 제안한다. 이 정식화는 2D비전인코더가 3D구조와 물리적 역학을 함께 내재화할 수 있게 한다. 3D표현을 온전히 활용하기 위해 LLM의 여러 층이 협력해 행동청크를 예측하는 계층별 시간행동모델링을 추가로 설계해 시간적으로 일관된 예측을 가능케 한다. 22개 시뮬레이션 과제와 8개 실세계 조작과제에 걸쳐 Lift3D-VLA는 MetaWorld와 RLBench에서 기존 최고성능 VLA방법 대비 각각 10.8%포인트, 11.1%포인트 더 높은 평균성공률을 달성하고, 가장 강력한 실세계 기준선을 4퍼센트포인트 상회하며, 분포외 교란에 대해서도 더 강한 일반화를 보인다.

Vision-Language-Action3D point cloudrobotic manipulation원문 →

From RGB Generation to Dense Field Readout: Pixel-Space Dense Prediction with Text-to-Image Models

RGB생성에서 밀집필드 판독까지: 텍스트-이미지모델 기반 픽셀공간 밀집예측

연구진: UC San Diego (추정) · 교신저자 Pengtao Xie (저자 6인)
쉽게 말하면: 깊이·경계선처럼 그림이 아닌 정보를 뽑아낼 때도 지금까지는 굳이 그걸 새로운 이미지인 것처럼 변환해 그리는 방식을 썼다. 이 연구는 그럴 필요 없이, 모델 내부의 각 조각(토큰)이 이미 담당하고 있는 화면 위치에 색상 대신 원하는 수치를 바로 채워넣게 해 훨씬 적은 파라미터로 더 빠르고 정확하게 만들었다.
도식 · 생성모델의 패치-토큰 격자를 그대로 활용한 초경량 밀집예측
깊이·법선·마스크를 RGB학습
VAE잠재공간에 욱여넣어 이미지처럼 생성
▶
사전학습 DiT의 패치-토큰-패치
격자 구조 그대로 활용(ReChannel)
▶
VAE인코더만 유지+디코더 제거
토큰별 선형헤드(약 3.3만 파라미터)로 수치 직접기록
▶
트라이맵없는 매팅·KITTI깊이·
참조분할 SOTA, 동급 대비 2.48배 빠름
  • 배경: 대규모 텍스트-이미지모델은 RGB생성 사전학습으로 풍부한 의미·구조·기하 사전지식을 학습해 밀집예측의 매력적 백본이 됨. 기존 생성·편집 접근은 깊이·법선·알파매팅·마스크·히트맵 같은 주석을 RGB학습 VAE잠재공간에 인코딩해 이미지처럼 디코딩하는 방식으로 이 사전지식을 재사용.
  • 문제의식: 이는 밀집예측에 필요한 것보다 더 많은 "생성출력 인터페이스"를 물려받는 셈. RGB합성과 달리 밀집예측은 같은 이미지평면 위의 픽셀단위 정확한 과제고유 필드를 요구하지, 새로 렌더링할 RGB콘텐츠를 요구하지 않음.
  • ReChannel: 사전학습 DiT가 이미 이미지평면 위에서 패치-토큰-패치 격자로 RGB입력을 조직한다는 관찰을 활용, 각 토큰이 색인하는 고정 출력패치의 채널에 RGB외형 대신 과제고유 수치를 담게 함. VAE인코더는 유지하되 타깃측 디코더는 제거, 동결DiT에 과제별 LoRA를 적용하고 공유 토큰단위 선형헤드(약 3.3만 파라미터, 공간혼합 없음) 사용.
  • 결과: FLUX-Klein으로 6개 밀집예측과제·십수개 벤치마크 평가. 트라이맵없는 매팅·KITTI깊이·참조분할에서 최신성능 경신, 법선·현저성·자세추정에서도 경쟁력 유지. 동급 4B 설정에서 편집+잠재디코드 방식보다 정확하면서 2.48배 빠름.

대규모 텍스트-이미지모델은 RGB생성 사전학습이 풍부한 의미적·구조적·기하학적 사전지식을 학습하기 때문에 밀집예측을 위한 매력적인 백본이다. 기존의 생성·편집 접근법들은 밀집예측을 목표생성으로 취급함으로써 이 사전지식을 재사용한다. 깊이·법선·알파매팅·마스크·히트맵 같은 주석을 RGB로 학습된 VAE잠재공간에 인코딩하고 이미지형태의 타깃으로 다시 디코딩하는 식이다. 저자들은 이것이 밀집예측이 실제로 요구하는 것보다 더 많은 생성출력 인터페이스를 물려받는다고 주장한다. RGB합성과 달리 밀집예측은 같은 이미지평면 위에서 픽셀단위로 정확하고 과제고유한 필드를 요구하지, 렌더링할 새로운 RGB콘텐츠를 요구하지 않기 때문이다.

핵심관찰은 사전학습된 DiT가 이미 이미지평면 위에서 패치-토큰-패치 격자를 통해 RGB입력을 조직하고 있어, 각 토큰이 고정된 출력패치를 색인하며 그 채널이 RGB외형 대신 과제고유 수치를 담을 수 있다는 점이다. 저자들은 이를 ReChannel로 구체화한다. DiT의 입력분포를 위해 VAE인코더는 유지하되 타깃측 디코더는 제거하고, 동결된 DiT를 과제별 LoRA로 적응시키며, 각 토큰을 공간혼합 없이 그 픽셀공간 패치에 매핑하는 공유 토큰단위 선형헤드, 약 3.3만 개의 파라미터만 사용한다. FLUX-Klein을 이용해 여섯 개의 밀집예측과제와 십수 개 벤치마크에서 평가한 결과, 이 최소한의 인터페이스는 트라이맵 없는 매팅, KITTI깊이, 참조분할에서 새로운 최신성능을 세우고 법선·현저성·자세추정에서도 경쟁력을 유지한다. 동일한 4B 설정에서 편집후 잠재디코드 방식의 대응물보다 더 정확하면서 2.48배 더 빠르다.

dense predictiondiffusion transformerpixel-space readout원문 →

Rethinking Indic AI from a Lens of Cultural Heritage Preservation

문화유산 보전의 렌즈로 인도아대륙 AI(Indic AI) 다시 보기

연구진: 소속 미표기 · 교신저자 Tulika Saha (저자 4인)
쉽게 말하면: AI가 인도아대륙 곳곳에 퍼지면서 언어와 세계관까지 AI가 획일화시킬 위험이 있다. 이 연구는 인도 언어들이 문화와 얼마나 밀접히 엮여있는지 짚어보고, 지금까지 나온 인도어 특화 AI 모델들이 이 문제를 어떻게 다뤄왔는지 정리한 뒤 "문화를 감지하는 AI"라는 새 연구방향을 제안한다.
도식 · 언어의 사회문화적 특성 분석에서 "문화감지" 연구방향 도출
인도아대륙 전역 확산 AI
(포용 확대 vs 세계관 획일화)
▶
인도어의 풍부한 형태론·복잡문자·
이중언어사용·방언다양성 분석
▶
인도어 특화 NLP 발전사 종단조사+
파운데이션모델의 자원·표현격차 대응 분석
▶
'문화감지(Culture Sensing)'
연구방향 제안(해석학적 추론 기반)
  • 문제의식: AI는 대규모 인구에 접근성·포용을 제공할 수도 있지만, 세계관을 획일화하고 자원이 부족한 언어·세계관을 배제할 수도 있는 양날의 검.
  • 특성분석: 인도 언어의 광범위한 특유성과 그것이 문화적 관행·세계관과 밀접히 얽혀있는 방식을 짚고, 이것이 AI 파운데이션모델 구축에 어떤 고유한 도전을 만드는지(풍부한 형태론, 복잡한 문자·문법규칙, 이중언어사용, 방언다양성) 설명.
  • 종단조사: 이 공간에서 자연어처리(NLP) 기법이 어떻게 발전해왔는지 추적, 인도어 NLP의 역사적 발전·주요 이정표·방법론적 전환·자원구축 노력을 다룸.
  • 결론·제안: 성장하는 인도어 특화 파운데이션모델의 역할을 논하고 이들이 오래된 자원·표현격차를 어떻게 다루는지 분석한 뒤, 해석학적 추론에 기반해 AI를 재구상하는 '문화감지(Culture Sensing)' 연구방향을 제안. 저자원언어 전반의 공평한 성능 확보와 문화적으로 의미있는 출력 산출이라는 미해결 문제를 겨냥.

인공지능(AI)이 인도아대륙 곳곳에 파고들면서, AI가 이 문명의 언어적·문화적 기반에 어떤 영향을 미치는지 연구하는 데 상당한 관심이 쏠리고 있다. AI는 '양날의 검'으로 여겨진다. 한편으로는 방대한 인구에 접근성과 포용을 가능케 하지만, 다른 한편으로는 세계관을 획일화하고 대표성이 부족한 언어와 세계관을 배제할 수 있다. 이 논문에서 저자들은 인도 언어학의 광범위한 특유성과 그것이 문화적 관행·세계관과 밀접하게 연결되는 방식을 짚어봄으로써 이 문제를 특징짓고자 한다. 이어 이 공간에서 자연어처리(NLP) 기법이 어떻게 발전해왔는지에 대한 종단적 조사를 수행해, 인도어 NLP의 역사적 발전, 핵심 이정표, 방법론적 전환, 자원구축 노력을 추적한다.

나아가 이 논문은 풍부한 형태론, 복잡한 문자와 문법규칙, 이중언어사용(diglossia), 방언 간 큰 차이 같은 인도 언어의 구조적·사회언어학적 특성을 살펴보고, 이들이 AI 파운데이션모델 구축에 어떤 고유한 도전을 만들어내는지 설명한다. 이어 성장하는 인도어 특화 파운데이션모델의 역할을 논하고, 이 모델들이 오래된 자원·표현격차를 어떻게 다루고 있는지 분석한다. 마지막으로 저자들은 해석학적 추론에 기반해 AI를 재구상하는 연구방향인 '문화감지(Culture Sensing)'를 제안한다. 문화감지는 저자원 언어 전반에 걸친 공평한 성능확보와 문화적으로 의미있는 출력산출이라는 미해결 문제를 다루는 것을 목표로 한다. 과거 연구와 현재 기법, 새로 떠오르는 흐름을 한데 모음으로써 이 논문은 인도어 NLP의 다음 단계를 이끌고 더 견고하고 포용적인 인도어 파운데이션모델 발전에 기여할 연구방향을 제시한다.

Indic NLPcultural heritagelow-resource languages원문 →

AI 뉴스 통합 (RSS 주요 항목, 번역·요약)

사용자 지정 RSS 10개 피드를 Python으로 직접 파싱한 뒤, 주요 항목만 선별해 한국어로 번역·요약. 각 항목 원문 링크 포함. (수집 2026-07-09 09:09, KST)

국내 (AI타임스 · THE AI)

AI타임스2026-07-09

"최고 모델이 공짜"…오픈AI·앤트로픽이 무료 토큰 경쟁에 나선 이유

미국 AI 업계에 새로운 가격경쟁이 시작됐다는 분석. 요금 인하가 아니라 최고성능 모델을 아예 무료로 여는 방식이며, 이를 가장 비싸고 성능이 뛰어난 프론티어모델 기업인 오픈AI·앤트로픽이 주도한다는 점이 특징. 다만 전체 사용자 대상은 아니고 일부 대형 고객사 등 한정된 범위에 적용된 것으로 전해짐.

원문 →
AI타임스2026-07-08

MS, 엑셀·아웃룩에 자체 'MAI' 모델 도입...오픈AI·앤트로픽 의존도 낮춘다

마이크로소프트가 AI 서비스 운영비용 절감을 위해 자체개발 모델 'MAI(Microsoft AI)'의 활용범위를 확대. 그간 오픈AI·앤트로픽 모델에 크게 의존해온 엑셀·워드·아웃룩 등 핵심 생산성 소프트웨어에서 자체모델 비중을 늘려 외부 AI 의존도를 낮추는 전략(블룸버그 인용 보도).

원문 →
THE AI2026-07-08

딥시크도 화웨이도 '탈 엔비디아', 국산화 경쟁 열린 中 AI 반도체

딥시크가 엔비디아에 이어 화웨이 의존도까지 낮추려 1년째 비밀리에 추론전용 AI칩을 자체개발 중인 것으로 확인. 화웨이 어센드는 이미 중국기업 AI클러스터 도입률에서 엔비디아를 앞질렀고, 트렌드포스·IDC는 중국 AI반도체 내수점유율이 올해 최소 80%대까지 오를 것으로 전망.

원문 →
THE AI2026-07-08

LG AI연구원, ICML 2026 참가… 탈모 신소재·주식 예측 AI 현장 공개

LG AI연구원이 서울 코엑스에서 처음 열린 세계 3대 AI학회 중 하나인 ICML 2026(6~11일)에 참가, 자사 엑사원의 신소재·금융·데이터 등 3개 분야 산업현장 적용사례와 연구성과를 공개.

원문 →

해외 매체 (OpenAI · TechCrunch)

OpenAI2026-07-08

새 음성모델 'GPT-Live' 공개, 챗GPT 보이스에 즉시 탑재

원제: Introducing GPT-Live

자연스러운 사람-AI 음성 상호작용을 위한 신세대 음성모델을 공개하고, 챗GPT의 음성기능(Voice)에 곧바로 적용했다는 소식.

원문 →
OpenAI2026-07-08

코딩 평가에서 신호와 잡음 가려내기…SWE-Bench Pro 신뢰성 지적

원제: Separating signal from noise in coding evaluations

오픈AI의 새 분석이 널리 쓰이는 코딩벤치마크 SWE-Bench Pro의 문제점을 지적, AI모델 평가의 신뢰성·정확성에 대한 우려를 제기했다는 내용.

원문 →
TechCrunch2026-07-09

xAI, Grok 4.5 공개…머스크 "Opus급 모델"

원제: SpaceXAI releases Grok 4.5, which Elon describes as an 'Opus-class model'

일론 머스크의 xAI가 수요일 신형 Grok 4.5를 공개, 다른 고성능 AI모델 대비 더 저렴하고 효율적인 대안이라고 자평. 머스크는 이를 "Opus급 모델"로 소개.

원문 →
TechCrunch2026-07-09

"러버블, 밸류에이션 132억달러로 두 배 논의 중"

원제: Lovable reportedly in talks to double its valuation to $13.2B

바이브코딩 스타트업 러버블이 기업가치를 132억달러로 두 배 끌어올리는 논의를 진행 중이라는 보도. 3억달러 규모 라운드를 멘로벤처스가 주도할 것으로 전망(Sifted 인용).

원문 →
TechCrunch2026-07-09

"로보틱스도 챗GPT 모먼트 온다"…비디오게임 데이터로 로봇 학습

원제: This startup thinks robotics is about to have its ChatGPT moment

제너럴인튜이션이 수백만 시간 분량의 비디오게임 데이터로 물리적AI 파운데이션모델을 학습시켜, 실세계 데이터를 최소화하면서도 더 똑똑한 로봇을 만들 수 있다는 데 베팅. 해당 CEO는 별도 인터뷰에서 비디오게임 데이터가 인터넷데이터보다 로봇학습에 더 나은 훈련데이터라고 주장.

원문 →
TechCrunch2026-07-09

구글 딥페이크 탐지시스템, 매코널 상원의원 병상사진 가짜로 확인

원제: Google's deepfake detector system used to debunk McConnell hoax pic

이번주 미치 매코널 상원의원이 병상에서 극도로 고통스러운 모습을 담은 사진이 돌았으나, 구글 딥페이크 탐지시스템이 이를 AI로 생성된 가짜임을 확인해 논란을 잠재웠다는 소식.

원문 →

블로그·커뮤니티 (Simon Willison)

이번 수집 주기(최근 4일)에는 Hacker News(100+ 포인트 기준)·The Gradient·Last Week in AI에서 새 게시물이 확인되지 않아, 블로그·커뮤니티 섹션은 Simon Willison 2건으로 구성.
Simon Willison2026-07-08

sqlite-utils 4.0 공개, 데이터베이스 스키마 마이그레이션 지원

원제: sqlite-utils 4.0, now with database schema migrations

사이먼 윌리슨이 sqlite-utils 프로젝트의 124번째 릴리스이자 2020년 11월 3.0 이후 첫 메이저버전인 4.0을 공개. 작지만 중요한 호환성 변경(breaking change) 일부를 포함하며 데이터베이스 스키마 마이그레이션 기능을 새로 지원.

원문 →
Simon Willison2026-07-05

대부분 클로드 페이블이 작성한 sqlite-utils 4.0rc2 (비용 약 149.25달러)

원제: sqlite-utils 4.0rc2, mostly written by Claude Fable (for about $149.25)

몇 주 전 4.0rc1을 다룬 데 이어, Max 구독으로 클로드 페이블을 쓸 수 있는 기간이 얼마 남지 않아 4.0 정식판 완성 작업에 실제로 투입해본 후기. 약 149.25달러 비용으로 대부분의 코드를 클로드 페이블이 작성했다고 밝힘.

원문 →