AI

구글 딥마인드, 목소리 설계·복제 기능 갖춘 TTS 모델 '제미나이 3.8' 2종 공개

구글 딥마인드는 공식 블로그를 통해 텍스트를 음성으로 바꾸는(TTS) 신규 모델 '제미나이 3.8 플래시 TTS'와 '제미나이 3.8 플래시-라이트 TTS'를 공개했다고 밝혔다. 회사는 두 모델을 지금까지 내놓은 오디오 생성 모델 가운데 표현력이 가장 뛰어난 모델로 소개했다.새 모델을 쓰면 기존의 음성 프리셋 30종에서 벗어나, 자연어 프롬프트만으로 억양과 감정 톤을 지정해 새로운 캐릭터 목소리를 만들 수 있다. 대사를 한 줄씩 연출할 수 있고 두 화자가 나누는 대화 장면도 제어할 수 있으며, 지원 언어는 100개가 넘는다. 구글 딥마인드는 플래시 TTS가 Hume AI의 보이스 디자인 벤치마크에서 71.4점으로 종합 1위에 올랐다고 밝혔다.목소리 복제는 본인 동의를 확인한 경우에만 쓸 수 있다. 목소리 주인이 직접 녹음한 동의 음성을 제출해야 하고, 이 음성이 참조 화자와 일치해야 한다. 생성된 모든 오디오에는 AI 생성물임을 식별할 수 있는 워터마크 'SynthID'가 삽입된다. 두 모델은 발표 당일부터 구글 AI 스튜디오와 제미나이 API 등을 통해 순차적으로 제공된다.

샘 올트먼 오픈AI CEO, 유엔 안보리서 AI 안전·국제협력 강조

사진 Steve Jurvetson / CC BY 2.0 (위키미디어 커먼즈)오픈AI는 자사 공식 뉴스 채널인 OpenAI News를 통해 샘 올트먼 최고경영자(CEO)가 유엔 안전보장이사회(안보리)에서 발언했다고 밝혔다. 오픈AI가 공개한 날짜는 제공된 자료에서 확인되지 않았다.OpenAI News에 따르면 올트먼 CEO는 이번 발언에서 인공지능(AI) 안전, 인간의 통제, 국제협력을 주요 주제로 다뤘다. 국제 평화와 안보를 다루는 안보리에서 AI 기업 최고경영자가 이 세 가지를 직접 거론했다는 점이 이번 발표의 핵심이다.다만 공개된 요약에는 올트먼 CEO가 구체적으로 어떤 제안을 내놓았는지, 국제협력의 방식이나 인간 통제를 보장할 방안을 어떻게 설명했는지는 담기지 않았다. 안보리 회의의 성격과 다른 참석자들이 어떤 반응을 보였는지도 확인되지 않았다.오픈AI는 이번 발언을 AI 안전과 국제협력을 다룬 CEO 연설로 소개했다.

NVIDIA, AI 에이전트와 함께 로봇 만드는 'Isaac ROS 5.0' 공개

NVIDIA는 공식 블로그(NVIDIA Blog)에서 캐나다 토론토 ROS 개발자 콘퍼런스 'ROSCon'에서 로봇 개발용 GPU 가속 패키지 모음 'Isaac ROS 5.0'을 공개했다고 밝혔다. 오픈소스 로봇 프레임워크 ROS를 기반으로 한 이번 버전은 AI 에이전트가 개발자와 함께 로봇 애플리케이션을 만들 수 있게 하는 에이전트형 워크플로를 새로 도입했다.Isaac ROS 5.0은 ROS Lyrical과 우분투 24.04를 지원한다. 로봇의 초기 설정과 물체 조작(매니퓰레이션)에 쓸 수 있는 'Isaac 스킬'도 새로 나왔다. 개발자와 AI 에이전트가 모두 반복해서 쓸 수 있는 작업 흐름이다. AI 에이전트가 읽고 이해하기 쉽게 만든 문서도 함께 제공된다. 물체의 자세를 추정하는 모델 FoundationPose에는 에이전트용 추론 라이브러리가 추가됐다. NVIDIA는 이를 통해 로봇이 물체의 위치와 방향을 최대 5.5배 빠르게 추적할 수 있다고 설명했다.NVIDIA에 따르면 리얼센스, 인트린직, 유니버설 로봇, 로보티즈, 마그나 등 여러 기업이 Isaac ROS를 자사 로봇과 개발 도구에 통합하고 있다. Isaac ROS 5.0은 보급형 젯슨 오린 나노부터 고성능 젯슨 토르까지 지원하며, 무료 오픈소스로 깃허브에서 바로 받을 수 있다.

허깅페이스 트랜스포머스, llama.cpp GGUF 양자화 모델 직접 실행 지원

허깅페이스(Hugging Face)는 자사 블로그를 통해 오픈소스 AI 라이브러리 '트랜스포머스(transformers)'가 llama.cpp의 GGUF 양자화 모델을 직접 실행하도록 지원한다고 밝혔다. 사용자는 허깅페이스 허브에서 GGUF 파일을 골라 기존 from_pretrained 함수로 불러오기만 하면 된다. 이렇게 하면 노트북 메모리에 맞는 크기의 모델을 로컬에서 돌릴 수 있다.허깅페이스는 속도를 llama.cpp 수준에 가깝게 맞추려고 llama.cpp의 기반인 ggml 커널을 kernels 라이브러리로 가져와 재사용했다. 텍스트 생성 과정에서 CPU와 GPU가 서로 기다리는 동기화 부담도 줄였다. 첫 지원 대상은 애플 실리콘에서의 로컬 추론이며, Qwen3.5 아키텍처부터 적용된다. 회사에 따르면 M2 맥스 칩을 탑재한 맥북 프로에서 GGUF 모델 세 종을 측정한 결과 모두 llama.cpp에 가까운 속도가 나왔다. 다만 트랜스포머스 측정에는 입력 처리(프리필) 시간이 포함됐고 llama.cpp 측정에는 포함되지 않아 조건이 같지는 않다.허깅페이스는 효율적인 로컬 추론이 우선이라면 여전히 llama.cpp를 권장한다고 밝혔다. 회사는 이번 작업의 더 큰 의미로 llama.cpp가 지원하지 않는 새 모델과 연구용 모델에도 ggml의 성능을 적용할 길이 열렸다는 점을 꼽았다.

딥시크, 이미지·텍스트 입력 모델 'DeepSeek-V4.1-Flash' 허깅페이스에 공개…내려받기 54만 회 넘어

딥시크(deepseek-ai)가 이미지와 텍스트를 함께 입력받아 텍스트를 생성하는 AI 모델 'DeepSeek-V4.1-Flash'를 공개했다. 허깅페이스(Hugging Face) 모델 정보에 따르면 이 모델은 2026년 9월 10일 AI 모델 공유 플랫폼 허깅페이스에 등록됐다. 공개 이후 내려받기는 54만2014회, 즐겨찾기는 3608회를 기록했다. 라이선스는 MIT다.허깅페이스에 등록된 모델 유형은 '이미지·텍스트 입력 텍스트 생성'이다. 글만 처리하는 언어 모델과 달리 이미지와 텍스트를 함께 입력받아 텍스트로 답을 내는 이른바 멀티모달 모델이다. 이런 유형의 모델은 보통 사진이나 문서 이미지를 넣고 질문하면 그 내용을 바탕으로 답을 쓰는 방식으로 쓰인다.모델 이름에 붙은 'V4.1'과 'Flash'도 눈에 띈다. 이름으로 보면 V4 계열의 후속 버전이다. AI 업계에서 'Flash'라는 이름은 흔히 가볍고 빠른 응답에 초점을 맞춘 모델에 붙는다. 다만 이번에 정리한 허깅페이스 모델 정보에는 매개변수 규모, 성능 평가 결과, 이전 버전과 무엇이 다른지가 나와 있지 않다. 이 모델이 실제로 경량화 모델인지, 성능이 어느 정도인지는 확인되지 않았다.초기 반응은 수치로 나타난다. 공개일부터 이 기사를 쓴 9월 23일까지는 약 2주다. 그 사이 내려받기가 54만 회를 넘었다. 허깅페이스는 공개 AI 모델이 가장 많이 모이는 곳이어서 이 수치가 개발자 관심을 가늠하는 지표로 쓰인다. 다만 내려받기 횟수는 사용자 수와 같지 않다. 한 사람이 여러 번 받거나 서버가 자동으로 받은 횟수도 함께 집계되기 때문이다. 이용자가 직접 눌러야 하는 즐겨찾기 3608회는 개발자들이 따로 표시해 둘 만큼 관심을 보였다는 뜻으로 볼 수 있다.라이선스도 주목할 부분이다. MIT 라이선스는 오픈소스 라이선스 가운데 제약이 적은 편에 속한다. 저작권·라이선스 고지만 유지하면 상업적 이용과 수정, 재배포를 폭넓게 허용한다. 공개 모델 중에는 상업적 이용을 막거나 일정 규모 이상의 서비스에 별

OpenAI, GPT-6 'Sol'·'Luna' 공개…프롬프트 캐싱도 개편해 비용·지연 줄인다

OpenAI가 공식 뉴스 채널 OpenAI News에 올린 두 편의 글을 종합하면, 회사는 차세대 모델군 GPT-6의 두 모델 'Sol(솔)'과 'Luna(루나)'를 공개했다. 이와 함께 GPT-6에서 달라진 프롬프트 캐싱 기능도 별도 글로 안내했다. 모델 소개 글 'Introducing GPT-6 Sol and Luna'는 두 모델이 최상위급(frontier) 지능을 일상 업무에 쓸 수 있게 하되, 성능과 비용의 균형을 서로 다르게 맞췄다고 설명한다. 캐싱 안내 글 'Better prompt caching for GPT-6'는 캐시 적중률 향상, 새 진단 기능, 명시적 브레이크포인트, 지연 시간과 비용을 줄이는 제어 기능을 주요 개선점으로 내세웠다. 두 글이 게시된 날짜는 제공된 자료에 나와 있지 않다.모델 소개 글의 요지는 GPT-6를 모델 하나가 아니라 두 가지 선택지로 내놓았다는 점이다. OpenAI는 Sol과 Luna를 '일상 업무'를 위한 모델로 소개했고, 두 모델의 차이는 성능과 비용의 배분에 있다고 밝혔다. 다만 어느 모델이 더 높은 성능을 내는지, 요금이 얼마인지, 벤치마크 결과가 어떤지는 제공된 자료로는 확인되지 않았다. 모델 이름이 각각 태양과 달을 뜻하는 단어라는 점은 눈에 띄지만, 이름을 어떻게 지었는지에 대한 회사 설명도 자료에는 없다. ChatGPT와 API 중 어디에 먼저 적용되는지, 어떤 순서로 제공되는지도 아직 확인되지 않았다.캐싱 안내 글은 개발자와 기업 고객이 모델을 운영할 때 드는 부담을 다룬다. 프롬프트 캐싱은 요청마다 반복되는 입력의 앞부분을 매번 새로 처리하지 않고, 이전 계산 결과를 다시 쓰는 기술이다. 긴 시스템 지시문이나 공통 문서를 여러 번 보내는 서비스일수록 응답이 빨라지고 비용이 줄어든다. OpenAI는 GPT-6에서 캐시 적중률을 높였다고 밝혔다. 또 캐시가 제대로 작동하는지 확인할 수 있는 진단 기능과, 캐시로 저장할 구간을 명시하는 브레이크포인트를 새로 넣었다고 설명했다. 다만 각 기능이 구체적으로 어

멀티버스 컴퓨팅, LLM 블록 제거를 '이징 모형' 최적화로 푼다

허깅페이스에 공개된 멀티버스 컴퓨팅 연구팀의 블로그 글에 따르면, 이 팀은 대형언어모델(LLM)에서 트랜스포머 블록을 통째로 삭제하는 '깊이 가지치기'를 물리학의 이징(Ising) 모형 최적화 문제로 바꿔 푸는 방법을 논문 'LLM Compression by Block Removal with Constrained Binary Optimization'에서 제시했다.방법의 핵심은 각 블록에 '유지=0, 제거=1'의 이진 변수를 붙이고 손실 함수를 2차 테일러 전개해 헤세 행렬을 구하는 것이다. 대각 성분은 블록 하나의 중요도, 비대각 성분은 블록 간 상호작용(결합)에 해당한다. 기존 기법이 블록을 개별 평가해 순위를 매기는 것과 달리, 연구팀은 이 상호작용까지 반영한 에너지를 최소화하는 조합을 찾는다. 헤세 행렬은 소규모 교정 데이터로 한 번만 계산하면 되고 이후에는 실제 모델을 돌리지 않고도 후보 조합을 값싸게 평가할 수 있으며, 어려운 사례는 QUBO 형태로 바꿔 타부 탐색 등 기존 솔버에 넘길 수 있다고 설명했다.성능 차이는 압축률이 높을 때 두드러졌다. 라마-3.3-70B-인스트럭트의 블록 80개 중 40개를 제거한 50% 압축 조건에서 MMLU 점수가 약 77로, 50점대 중반에 머문 기존 최고 기법보다 23%포인트가량 높았다. 큐원3-14B는 40개 중 12개 제거 시 MMLU에서 약 10점 앞섰다. 또 최저 에너지 상태가 항상 최선은 아니어서, 라마-3.1-8B에서는 모델 앞부분 블록을 제거하는 17번째 들뜬 상태가 가벼운 재학습 후 여러 벤치마크에서 바닥상태를 앞섰다. 코드는 깃허브에 공개됐다.

Qwen 연구진 '리크리에이션월드' 공개… 5개 OS 넘나드는 컴퓨터 사용 에이전트 시험대

논문 사전공개 사이트 arXiv에 공개된 초록에 따르면, 슈아이 바이(Shuai Bai) 등 32명의 Qwen 소속 연구진이 그래픽 조작과 코딩을 함께 수행하는 이른바 '하이브리드 컴퓨터 사용 에이전트(CUA)'를 훈련·평가하기 위한 환경 프레임워크 '리크리에이션월드(RecreationWorld)'를 내놨다. 해당 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 60회를 받았다.연구진이 문제로 지목한 것은 컴퓨터 사용 에이전트 연구가 지금까지 두 갈래로 갈라져 발전해 왔다는 점이다. 한쪽은 화면 속 버튼을 누르고 창을 옮기는 그래픽 인터페이스 조작이고, 다른 한쪽은 코드와 명령줄을 통한 소프트웨어 개발이다. 그러나 실제 디지털 업무는 두 가지를 순서대로 쌓아 올리는 것이 아니라 번갈아 오가며 이뤄진다는 것이 연구진의 설명이다. 이에 연구진은 에이전트가 언제 인터페이스를 탐색하고, 언제 소프트웨어를 구현하며, 언제 결과물을 실행해 눈으로 검증할지 스스로 판단하도록 하는 구도를 택했다.리크리에이션월드의 과제 설계는 '재현(recreation)'이다. 실제로 돌아가고 있는 참조 애플리케이션을 하나 주고, 에이전트가 그 동작을 직접 알아낸 뒤 충실하게 구현해 내도록 한다. 정해진 작업 절차는 주어지지 않는다. 환경은 우분투·맥OS·윈도우·안드로이드·웹 등 5개 플랫폼에서 재현 가능한 형태로 제공되며, 네이티브 GUI 제어 기능과 코딩 도구를 함께 묶은 통합 하네스가 붙는다. 돌아가는 참조 프로그램 자체가 정답 역할을 하기 때문에, 겉으로 드러나지 않는 동작까지 시험하는 숨은 행동 테스트와 실행에 근거한 보상 신호를 만들 수 있다는 것이 연구진의 주장이다.연구진은 품질이 확보된 오픈소스 애플리케이션을 활용해 학습용 궤적 데이터를 대량으로 생성했다고 밝혔다. 이 데이터로 훈련한 모델은 학습 분포 바깥에 있는 코딩·하이브리드 컴퓨터 사용 벤치마크 5종에서 성능이 개선됐고, 자신이 만들어 화면에 띄운 결과물을 스스로 검증하는 빈도도 늘었다. 재현 과제를

Qwen, 이미지 생성 모델 'Qwen-Image-2.1' 공개… 즐겨찾기 833·내려받기 183

AI 모델 공유 플랫폼 허깅페이스(Hugging Face)에 올라온 모델 정보에 따르면, Qwen이 지난 9월 14일 이미지 생성 모델 'Qwen-Image-2.1'을 공개했다. 공개 이후 이 모델은 즐겨찾기 833회, 내려받기 183회를 기록한 것으로 집계됐다. 적용된 라이선스는 'other'로 표기됐고, 모델은 허깅페이스 내 Qwen 계정 페이지(huggingface.co/Qwen/Qwen-Image-2.1)에서 확인할 수 있다.허깅페이스는 전 세계 개발자와 기업이 공개한 AI 모델을 올리고 내려받는 플랫폼이다. 모델을 공개할 때 가중치 파일과 설명 문서를 함께 올리는 구조여서, 새 모델이 나왔을 때 개발자들이 얼마나 빨리 반응했는지를 가늠하는 1차 지표로 쓰인다. 즐겨찾기와 내려받기 수치가 대표적이다.두 수치는 성격이 다르다. 즐겨찾기는 클릭 한 번으로 '나중에 보겠다'는 관심을 표시하는 행위에 가깝고, 내려받기는 모델 파일을 실제로 확보해 직접 돌려보려는 단계에 해당한다. 이번 모델은 즐겨찾기가 내려받기보다 4.5배가량 많다. 이미지 생성 모델은 일반적으로 파일 용량이 크고 구동에 필요한 그래픽 메모리 요구도 높은 편이어서, 공개 직후에는 우선 북마크해 두고 실행 환경을 갖춘 뒤 내려받는 흐름이 나타나기도 한다. 다만 이번 수치만으로 그 이유를 단정하기는 어렵다.라이선스가 'other'로 분류된 점도 눈여겨볼 대목이다. 허깅페이스는 아파치 2.0이나 MIT처럼 널리 쓰이는 표준 오픈소스 라이선스를 별도 항목으로 제공하는데, 공개 주체가 자체적으로 작성한 이용 조건을 붙였을 때 'other'로 표시된다. 모델 파일을 공개했더라도 상업적 이용이나 재배포 범위에 별도 조건이 걸려 있을 수 있다는 의미인 만큼, 서비스에 적용하려는 개발자라면 모델 페이지에 첨부된 라이선스 원문을 직접 확인할 필요가 있다.이번 자료는 허깅페이스 모델 페이지에 표시된 공개일과 이용 지표, 라이선스 항목을 정리한 것이다. 모델의 파라미터 규모와 학습 데이터, 이전 버전 대비 개선 내

엔비디아, AI 팩토리 전력·냉각 인증 프로그램 'DSX 레디' 출범… LG 2개사 포함

엔비디아가 공식 블로그를 통해 AI 데이터센터용 전력·냉각 제품을 검증하는 파트너 인증 프로그램 'NVIDIA DSX 레디(DSX Ready)'를 새로 선보인다고 밝혔다. 자사의 DSX AI 팩토리 레퍼런스 디자인 요건을 충족하는 제품에 인증을 부여하는 방식으로, 배터리 에너지저장장치(BESS)와 냉각분배장치(CDU) 두 개 분야로 먼저 시작한다.출범 시점에 인증을 받은 BESS 공급사는 히타치에너지, LG에너지솔루션, 테슬라이며, CDU 분야에서는 LG전자와 리퀴드스택, 버티브가 이름을 올렸다. 엔비디아는 인프라와 소프트웨어 전반에 걸쳐 인증 분야를 순차적으로 늘려가겠다고 설명했다.인증 절차는 분야별로 다르다. BESS의 경우 파트너사가 정해진 시험을 직접 수행한 뒤 근거 데이터를 제출하면 엔비디아가 검토·승인한다. CDU는 자가 인증 도구를 활용해 해당 제품이 엔비디아의 기능 요건을 충족하는지 판정하는 방식이다.다만 엔비디아는 인증 통과가 개별 부지 단위의 설계 검토를 대체하거나 현장 안정성을 보증하는 것은 아니라고 선을 그었다. 인증된 CDU라 하더라도 냉각 기준 충족 여부와 별개로, 실제 시설 조건에 맞는지는 구축 사업자가 따로 판단해야 한다는 것이다.엔비디아는 AI 인프라가 확장되면서 전력과 냉각, 용수, 부지, 전력망 제약이 구축 가능한 범위를 좌우하고 있으며, AI 팩토리의 한 부분을 최적화하면 병목이 다른 곳으로 옮겨가는 구조라고 밝혔다. 이번 프로그램은 이런 상황에서 공급사에게는 레퍼런스 디자인에서 인증 제품으로 가는 경로를, 구축 사업자에게는 제품을 비교·평가할 기준을 제공하려는 조치라는 설명이다.

엔비디아 "AI 보안은 엔지니어링 문제"…에이전트 스택 전 계층 통제 강조

엔비디아(NVIDIA)는 공식 블로그를 통해 AI 보안은 추상적 원칙이 아니라 '엔지니어링 문제'로 다뤄야 한다며, AI 에이전트 스택의 모든 계층에 실행 가능한 통제 장치를 적용해야 한다고 밝혔다.엔비디아는 AI 보안이 성립하려면 명확히 정의된 보안 요구사항, 강제력 있는 통제, 책임을 지는 담당자, 그리고 보호 장치가 실제로 작동한다는 증거가 갖춰져야 한다고 설명했다. 인터넷과 클라우드가 소프트웨어 운영 방식을 바꿨어도 신원 확인, 접근 통제, 노출 최소화, 보호 장치 검증이라는 핵심 책무는 변하지 않았으며, 추론하고 도구를 사용하며 마주한 데이터에 따라 행동을 바꾸는 AI 에이전트에도 같은 원칙을 새로운 조건에 맞게 적용해야 한다는 것이다.엔비디아는 에이전트가 잘못된 판단을 내리더라도 보안 경계는 유지돼야 한다고 강조했다. 예컨대 고객 정보를 수정하는 에이전트가 첨부 문서에 숨겨진 악성 지시를 읽고 데이터를 외부로 내보내려 할 경우, 네트워크 정책이 전송을 차단하고 보호된 로그가 시도된 도구 호출과 권한 결정, 결과를 기록해야 한다는 설명이다. 고객 정보 수정 권한이 데이터 반출 권한으로 자동 확장돼서는 안 되며, 에이전트는 추가 권한을 요청할 수는 있어도 스스로 승인할 수는 없다고 덧붙였다.구체적 수단으로는 정책을 에이전트가 건드릴 수 없는 영역에서 강제하고 샌드박스 실행을 제공하는 오픈소스 런타임 '오픈셸(OpenShell)'이 제시됐다. 엔비디아는 오픈 시큐어 AI 얼라이언스 파트너들이 오픈셸을 기반으로 시스코의 거버넌스 계층 '디펜스클로', 제이프로그의 에이전트 스킬 검증 기능 등을 구축하고 있다고 밝혔다. 또 배포 전에는 권한 탈취나 무단 전송 시도가 차단되는지 시험해야 하고, 모델·도구·워크플로가 크게 바뀌면 시험을 다시 수행해야 한다고 권고했다.

오픈AI "AI 다음 단계, 공통 국제 표준 필요"… 평가·보고·거버넌스 조율 제안

오픈AI(OpenAI)는 자사 뉴스룸에 게시한 'Building standards for the next phase of AI'(AI의 다음 단계를 위한 표준 만들기)에서 인공지능(AI) 안전성을 높이기 위해 국제적으로 공유되는 AI 표준이 필요하다고 밝혔다.오픈AI는 이 글에서 AI 기술이 다음 단계로 넘어가는 시점에 맞춰 각국과 업계가 따로 움직이기보다 공통의 기준을 갖춰야 한다는 입장을 내놨다. 구체적으로는 AI 모델의 평가(evaluation) 방식, 위험과 성능에 대한 보고(reporting) 체계, 그리고 이를 관리하는 거버넌스(governance) 세 영역에서 조율이 이뤄져야 한다고 제시했다.오픈AI는 이런 조율이 이뤄질 때 AI 시스템의 안전성이 개선될 수 있다고 설명했다. 표준을 마련하는 구체적인 일정이나 참여 대상, 다른 기업·정부와의 협의 진행 상황 등 세부 내용은 확인되지 않았다.오픈AI는 앞서도 AI 안전 관련 정책 제안을 자사 뉴스룸을 통해 공개해 왔다.