Microsoft AI가 음성 인식 모델 MAI-Transcribe-2를 발표했다. FLEURS의 60개 언어에서 평균 Word-Error-Rate 5.2%로 1위를 차지했으며, Artificial Analysis에서는 정확도와 지연 시간의 Pareto Frontier를 형성하고 있다. 화자 분리, 단어 단위 타임스탬프, verbatim/clean 출력 설정을 지원하며, OpenAI의 GPT-Transcribe보다 10배 빠르다고 한다. 가격은 연말까지의 기간 한정으로 시간당 $0.10이다.
Hugging Face가 260M과 800M 두 가지 크기로 구성된 다국어 멀티모달 인코더 「NeoMME」를 발표했다. 사전 학습된 비전 타워를 사용하지 않고, 단일 양방향 Transformer로 텍스트 토큰과 이미지 패치를 동시에 처리한다.
Hugging Face 블로그가 Surya Narreddi의 수채화 생성 기법을 TRL과 OpenEnv로 재현했으며, 데이터셋, RL 환경, 학습 스크립트, 학습된 모델을 모두 공개했다고 밝혔다. Qwen/Qwen3.5-35B-A3B에게 p5.brush용 JavaScript를 작성하게 하고, 심사 모델과 미적 평가 모델의 보상으로 학습시켰다. 세 가지 보상 배분 방식 모두에서 보상이 상승했다.
선정 이유: 보상 설계에서 실패한 실험과 비용까지 구체적인 수치로 정리되어 있어, 선호도를 보상으로 삼는 RL을 직접 재현할 때 판단 근거로 활용할 수 있다.
LFM2.5-350M을 TRL의 Group Relative Policy Optimization(GRPO)으로 약 500개 샘플, 100스텝 학습해 IFStruct 벤치마크 점수를 22.6%에서 29.7%로 끌어올리는 절차를 공개했다. 학습은 무료 등급의 Colab과 Kaggle GPU에서 실행할 수 있으며, 노트북은 GitHub에서 공개되어 있다. 평가는 llama.cpp를 사용해 MacBook에서 로컬로 진행했고, 베이스라인은 22.6%로 IFStruct 공식 블로그가 보고한 21.1%에 가까운 결과였다.
Anthropic이 ant CLI v1.30.0에 ant apply를 추가했다. 저장소 안의 파일에 정의한 agents, environments, skills, memory stores, deployments를 생성·갱신할 수 있으며, 실행 시 표시되는 계획을 승인한 뒤에 적용하는 방식이다.
Hugging Face는 Claude Code, Codex, pi, Hermes의 과거 세션을 색인화해 에이전트가 스스로 검색할 수 있는 오픈소스 메모리 레이어 funes를 공개했다. 임베딩과 리랭킹은 로컬에서 동작하며, 원하면 자신의 Hugging Face 데이터셋에 비공개로 동기화할 수 있다. handoff-vs-recall 벤치마크에서 recall은 서면 인계보다 한쪽 작업에서는 8배, 다른 쪽에서는 4배 저렴했다.
영국 건설·인프라 기업 Kier Group은 직원 약 11,000명 가운데 약 40%가 Microsoft 365 Copilot을 이용한다고 밝혔다. 나머지 직원은 Teams Premium을 사용한다. 소규모 피어 그룹이 참여하는 'prompt-a-thon'으로 도입을 촉진하면서 이용이 확산됐다. 현재는 안전 데이터의 수집과 정리 등을 맡는 AI 에이전트를 개발하는 초기 단계에 있으며, 운용 방침은 'Human at the Helm'이다.
Google은 정부와 신뢰할 수 있는 파트너를 대상으로 한 한정 제공 프로그램 'Fairwind Program'을 시작했다. 이 프로그램은 최첨단 사이버 방어 모델 'Gemini 3.8 Flash Cyber'와 CodeMender를 결합해 취약점의 발견, 검증, 수정을 자율적으로 수행한다. 참여 조직은 사내 사이버보안, 인시던트 대응, 침투 테스트 각 팀으로 이용을 한정해야 하며, 다요소 인증 도입 등의 운영 기준에 동의해야 한다.
Google DeepMind는 추론과 코딩 성능을 높인 Gemini 3.8 Flash와 사이버보안 특화 모델 Gemini 3.8 Flash Cyber를 발표했다. 3.8 Flash는 100만 토큰당 입력 $0.75, 출력 $3.75의 도입 가격으로 제공되며, HLE-Verified에서 54.9%를 기록했다. Cyber 버전은 새로 마련된 Fairwind Program을 통해 신뢰할 수 있는 방어자에게만 제공된다.
선정 이유: 범용 Flash와 방어자용 Cyber를 동시에 출시하고 가격, 벤치마크, 제공 조건까지 정리되어 있어 용도에 따라 어떤 모델을 쓸지 판단하기 쉽다.
Google AI Developers@googleaidevsAI 점수3838
Google은 정부 및 신뢰할 수 있는 파트너에 한정해 최첨단 사이버 방어 기능을 제공하는 'Fairwind Program'을 시작했다. Gemini 3.8 Flash Cyber와 CodeMender를 결합해 취약점의 발견, 검증, 수정을 자율적으로 수행할 수 있도록 한다. 검증된 패치는 조직의 안전한 클라우드 환경 안에서 수 분 만에 생성할 수 있으며, 참여 조직은 사내 사이버보안 부서 등에 대한 접근 제한과 다중 인증 도입에 동의해야 한다.
Hugging Face가 LLM 벤치마크를 개별 프롬프트 단위로 분석하는 기법 「BenchMIRT」를 발표했다. 100개의 LLM, 16개의 벤치마크, 34K개가 넘는 질문의 결과로부터 사전 지정 없이 「안전성」과 「범용 추론」이라는 두 가지 주요 차원을 추출했다. 예를 들어 BBQ는 안전성 벤치마크로 분류되지만 범용 추론과의 상관이 강했고, WMDP도 안전성보다 범용 추론과 강하게 연관되어 있었다.
Google이 8월 AI 관련 발표를 정리했다. Gemini 3.7 Flash, Gemini 3.5 Transcribe, Pixel 11 시리즈 등을 공개했다. Gemini 앱의 월간 이용자 수가 10억 명을 넘었다고 설명했다.
선정 이유: Gemini 3.7 Flash, Pixel 11, Gemini Omni 1.1 Flash 등 8월 발표를 한눈에 볼 수 있어 Google의 제품 전개 전체 모습을 파악하기 쉽다.
Google Research는 NASA의 EMIT 초분광 데이터에서 딥러닝으로 메탄 플룸(배출원에서 퍼져 나가는 띠 모양의 메탄 가스)을 탐지하는 "MAPL-EMIT"를 개발했다고 밝혔다. 전문가가 주석을 단 플룸에 대한 재현율은 84%였으며, 기존 matched-filter 방식보다 높은 신호 대 잡음비를 보였다. 플룸 데이터베이스는 Earth Engine에, 학습된 모델과 합성 플룸은 Kaggle에, 추론 라이브러리는 GitHub에 공개되어 있다.
Google AI Developers@googleaidevsAI 점수3333
Google DeepMind는 Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite용 에이전트형 동영상 이해 기능의 제공을 시작했다. 표준 동영상 분석 벤치마크에서 비용은 최대 66%, 토큰 소비는 최대 88% 줄었고 정확도는 최대 7% 향상됐다고 한다. Gemini API(Google AI Studio)와 Gemini Enterprise Agent Platform에서 동영상 업로드와 YouTube 동영상을 지원하며, 추가 요금은 없다.
선정 이유: 고정 FPS로 동영상을 읽어 들이는 기존 방식과의 차이, 토큰 88% 감소 등의 수치, 활성화 설정 방법이 함께 제시되어 있어 도입 판단에 참고할 만하다.
Google은 Nano Banana 모델을 기반으로 한 이미지 생성·편집 도구 'Google Pics'를 Google AI Pro 및 Ultra 전 구독자와 대부분의 Workspace 기업 고객을 대상으로 수주에 걸쳐 순차 출시한다고 밝혔다. 단독 제품으로 사용할 수 있을 뿐 아니라 Slides, Docs, Drive에도 차례로 통합되며, 체험은 pics.new에서 가능하다.
Z.ai@Zai_orgAI 점수2020Hugging Face가 WebGPU 커널 207개와, Hub에서 커널을 불러와 실행하는 JavaScript 라이브러리 @huggingface/kernels를 공개했다. 각 커널은 webgpu-kernels 조직 아래 개별 리포지토리로 배포되며, 라이선스는 Apache-2.0이다. 아울러 브라우저에서 커널의 성능과 정확성을 측정하는 벤치마크 도구 Fleet도 함께 공개했으며, 사용자의 동의를 얻은 뒤 실제 기기에서 얻은 결과를 수집해 개선에 활용할 계획이다.
Anthropic은 장시간 실행되는 에이전트형 코딩, 지식 업무, 연구용 Claude Fable 5.1(claude-fable-5-1)을 공개했다. Project Glasswing 참여자에게는 Claude Mythos 5.1(claude-mythos-5-1)도 제공한다. 두 모델은 1M 토큰 컨텍스트 윈도우, 최대 128k 출력 토큰, 상시 켜진 적응형 사고를 지원한다. 요금은 Claude Fable 5와 같은 $10 / $50 per MTok이며, 캐시 읽기는 $0.25 per MTok으로 내려갔다.
Google이 시계열 기반 모델 「TimesFM-3」을 발표했다. 서로 관련된 여러 시계열을 동시에 예측하는 다변량 예측을 추가 학습 없이 제로샷으로 수행할 수 있는 모델이다. 파라미터 수는 3억 3000만 개이며, 1조 개가 넘는 시점의 실제 세계 데이터와 합성 데이터로 사전 학습되었다. 예측 기간 전체를 한 번의 포워드 패스로 생성하며, 각 시점마다 10~90퍼센타일의 9개 분위점을 출력한다.
Hugging Face와 Voice Arena는 Open ASR Leaderboard에 Monsoon en-IN과 Monsoon hi-IN 두 개의 평가 세트를 추가했다. Hindi는 지금까지 유럽 언어만 있던 다국어 탭에서 처음으로 인도계 언어가 된다. 네 개의 분할에는 총 4,888명의 화자가 포함되며, 각 화자에게 12개의 속성이 기록되어 있다.
Google은 Earth AI의 실험적 연구 기능인 「planetary prediction engine(PPE)」을 발표했다. 데이터 탐색부터 모델 학습까지의 지리공간 모델링을 자율적으로 수행하며, 기존에 수 주가 걸리던 작업을 수 분으로 줄인다고 밝혔다. 미국 CDC의 21개 건강 지표에서는 평균 R²가 수동 전문가 파이프라인의 60.0%인 데 비해 76.8%를 기록했다. 콩고민주공화국의 에볼라 유행 예측에서는 Recall@10이 83.3%로, 공개된 베이즈 모델의 약 73%를 10.3%포인트 웃돌았다.
Google DeepMind는 개발자용 동영상 생성 모델 Gemini Omni 1.1 Flash를 발표했다. 장면 연장, 첫 프레임과 마지막 프레임 지정, 360p 드래프트, 1080p/4K 출력, 동영상 참조 입력을 지원한다. Google AI Studio의 Gemini API와 Google Flow 등에서 오늘부터 이용할 수 있다.
Google DeepMind는 Singapore AI Safety Institute, OpenMined, AVERI, MLCommons와 함께 Gemini Flash Lite를 비공개 벤치마크로 평가하는 이중 맹검 방식의 AI 평가를 시범 운영하고 있다고 밝혔다. 외부 평가 문항은 암호 기술로 만든 '상자' 안에 가둬져, 모델이 사전에 문항을 보고 성능을 최적화하는 것을 막는다. 프라이버시를 보호하는 환경에서 평가의 완전성을 높이기 위한 조치다.
Anthropic은 Python SDK 1.2.0을 포함한 6개 언어의 SDK에서 client.beta.files와 client.beta.skills가 beta 헤더를 보내지 않아도 정식 버전과 같은 형식으로 응답하도록 변경했다고 밝혔다. Claude Console에서는 개인용 키와 서비스 계정용 키를 만들 수 있으며, 연결된 계정이 조직에서 삭제되면 해당 키는 무효화된다.
Google Research는 연속혈당측정(CGM) 데이터를 위한 자기지도 학습 기반 모델 「GlucoFM」을 발표했다. 4개 코호트와 7개 임상 예측 과제(총 14개 평가)에서 PR-AUC 평균은 58.8로, 같은 데이터로 재학습한 최강의 CGM 전용 베이스라인 54.7보다 4.1포인트 높았다. 라벨이 없는 CGM 데이터 109,066시간으로 사전 학습했으며, 식후 혈당 반응(PPGR) 예측에서도 같은 조건에서 MAE가 가장 낮았다.
Google AI Developers@googleaidevsAI 점수3131
Google DeepMind가 음성 인식 모델 Gemini 3.5 Transcribe를 발표했다. 원본 음성에서 말 고치기와 군더더기 말(필러)을 다듬은 정리된 텍스트를 바로 출력하며, 85개 이상의 언어를 자동으로 감지해 받아쓴다. Gemini API와 Gemini Enterprise Agent Platform에서 퍼블릭 프리뷰로 제공된다.
Sentence Transformers v6.0에 새로 추가된 모델 타입 MultiVectorEncoder를 사용해 ColBERT 방식의 레이트 인터랙션 검색용 멀티벡터 모델을 파인튜닝하는 절차가 소개된다.
Anthropic은 Claude Platform 릴리스 노트에서 Cowork 및 Claude Code 세션을 대상으로 한 Compliance API의 세션 엔드포인트가 베타를 종료했다고 밝혔다. Admin API는 ant CLI와 Python, TypeScript, C#, Go, Java, PHP, Ruby SDK에서 client.beta.organization 아래를 통해 이용할 수 있게 됐다.
Google은 XR에서 AI 에이전트의 음성에 맞춰 손 제스처를 생성하는 연구 프로토타입 「AgentHands」를 발표했다. CHI 2026에서 발표된 연구로, LLM 응답에 삽입된 제스처 이벤트를 단어 단위 타임스탬프를 이용해 음성과 동기화한다. 12명을 대상으로 한 피험자 내 실험에서는 음성만 사용하는 기준선과 비교해 공간적 그라운딩이 유의미하게 향상된 것으로 보고됐다.
IBM의 Granite 4.2는 3B, 8B, 30B 세 가지 크기로 제공되는 추론 특화형 디코더 전용 dense형 LLM 패밀리다. Granite-4.1 베이스 모델을 사후 학습하여 만들었으며, 모두 Apache 2.0 라이선스로 공개된다. 8B와 30B는 샌드박스 환경에서 도구를 조작하는 에이전트 RL을 거쳤으며, 전 모델이 사고/비사고 모드 전환과 네이티브 도구 호출을 지원한다.
Multiverse Computing은 압축과 양자화를 거친 모델을 회복하는 Quantization-Aware Healing(QAH)을 제안했다. GPT-OSS 120B를 60B로 압축해 MXFP4로 만든 모델이 자체 bfloat16 버전을 9개 벤치마크 중 7개에서 상회했다. 압축 전 원본 모델을 교사로 삼아 KL 발산으로 증류한다는 점이 특징이다.
Gradio의 새 기능 gr.Workflow는 타입이 지정된 노드의 그래프로 AI 파이프라인을 정의하며, 드래그 앤 드롭으로 실행할 수 있는 캔버스로 제공된다. 같은 그래프는 REST API로도 공개되며, 명령어 한 줄로 Hugging Face Spaces에 배포할 수 있다. 이미지 편집, 이미지 생성에서 이어지는 배경 제거와 음성 합성, ZeroGPU를 이용한 GPU 모델 실행 등의 데모가 Hugging Face Spaces에서 공개되어 있다.
Mistral AI와 HUMAIN은 사우디아라비아 및 중동 지역에서 주권 AI를 추진하기 위한 전략적 제휴를 발표했다. 제휴 대상은 AI 인프라, 첨단 모델의 개발과 현지화, AI 솔루션의 전개이며, 초기 중점 분야는 사이버 보안과 음성이다. 두 회사는 아랍어에 강한 프런티어 모델 개발도 계획하고 있으며, 규모는 수억 유로로 알려졌다. Mistral은 HUMAIN의 데이터센터 기반 활용을 검토하고 있으며, 규제 산업을 위한 공동 시장 개척 전략도 사우디아라비아에서 추진한다.
Google Research가 웨어러블 센서 데이터에서 후보 바이오마커의 우선순위를 매기는 멀티 에이전트 시스템 「Biomarker Discovery Framework」를 소개했다. 사람의 감독 아래에서 가설 생성, 통계 분석, 적대적 검증 등을 반복적으로 수행하는 구조다.
Google DeepMind는 게임 개발자와 협업해 새로운 게임플레이 경험을 프로토타입으로 개발하고 있으며, EVE Universe를 만든 Fenris Creations와의 새로운 연구 파트너십도 그 일환이다. 회사는 Atari 2600 게임을 학습한 DQN부터 AlphaGo, AlphaStar에 이르기까지 게임을 통한 AI 연구의 성과를 돌아보고 있다.
Google Research는 집계·익명화된 이동 데이터를 언어 모델의 장소 표현에 통합하는 「ME-POIs」 프레임워크를 소개했다. 학습 시 보지 못한 장소를 대상으로 한 평가에서 방문 의도 예측은 최대 81.9%의 상대적 향상을, 가격대 분류는 75.1%의 개선을, 혼잡도 추정 정확도는 24.7%의 향상을 보였다. 이동 데이터는 공개 벤치마크 데이터셋에서 가져왔으며, 자기지도 학습을 통해 텍스트 설명과 통합된다.
DeepSeek@deepseek_aiAI 점수6262