NVIDIA는 OCP Global Summit에서 Vera Rubin 랙과 컴퓨트 트레이 설계를 개방형 NVIDIA MGX 아키텍처를 통해 OCP에 기증했다고 밝혔다. MGX 1.2 사양은 수냉식 5,000A 버스바와 19인치 장비 지원을 추가했으며, 랙 배포 용량을 최대 250kW까지 지원한다. 아울러 DSX AI Factory용 Config Manager, Cluster Readiness Engine 등 오픈소스 컴포넌트도 함께 공개됐다.
Qwen@Alibaba_QwenAI 점수5656Meet Qwen-Image-2.1, the most balanced and cost-effective image generation model in the Qwen-Image series! Now open weights! 🎨 A unified model for both generation and editing, delivering top-tier quality in a lightweight package. Highlights: 👀 - Compact & exceptionally fast: A lightweight 7B architecture that outperforms most closed-source models, with drastically accelerated inference for multi-image inputs. - Native transparency: Natively generates and edits RGBA layers, enabling seamless compositing and text editing within transparent images. - Versatile, high-fidelity editing: Supports up to 10 reference images and precise local control while preserving strict fidelity for portraits and products. - Broad coverage & stunning aesthetics: Excels at panoramas, infographics, and virtual try-ons, delivering realistic textures and elegant typography. Start to create your next masterpiece with Qwen-Image-2.1! 🖼️ - Blog: https://qwen.ai/blog?id=qwen-image-2.1 - GitHub: https://github.com/QwenLM/Qwen-Image-2.1 - Model Scope: https://www.modelscope.cn/models/Qwen/Qwen-Image-2.1 - Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2.1
Anthropic@AnthropicAIAI 점수3434Anthropic@AnthropicAIAI 점수4343
Mistral AI@MistralAIAI 점수5353
통신사업자는 비용 절감에 그치지 않고 신뢰성, 통제성, 커스터마이즈 가능성을 이유로 오픈 모델을 중심으로 AI 전략을 구축하고 있다. NVIDIA의 「State of AI in Telecommunications」 보고서에서 응답자의 89%는 오픈소스 모델과 소프트웨어가 자사 AI 전략에 중요하다고 답했다.
Hugging Face가 다국어 및 보이스 클로닝을 지원하는 오픈소스 TTS 모델을 객관적 지표로 평가하는 「Open TTS Leaderboard」를 공개했다. 인식 정확도를 나타내는 WER/CER, 추론 속도를 나타내는 RTFx/TTFA, 화자 유사도를 나타내는 SIM을 활용하며, 아레나형 평가에 비해 모델 평가 기간을 수 주에서 수 시간으로 단축할 수 있다고 밝혔다. 사람의 선호도를 측정하는 평가는 「Listen」 탭의 투표에 맡긴다.
Mistral AI는 뮌헨에 새로운 거점을 개설해 산업용 AI의 연구 및 개발을 강화한다고 발표했다. 거점에는 Physics AI와 산업 AI를 담당하는 전문 연구팀과 기업 파트너를 위한 응용 엔지니어를 배치한다. 2030년까지 유럽에서 1기가와트 규모의 컴퓨팅 능력을 구축할 계획이며, BMW, Siemens Energy와도 협업하고 있다.
Hugging Face Hub에 RL 환경(RL Environments)용 필터가 추가되었다. rl-environment 태그가 붙은 데이터셋 리포지토리가 목록에 표시되며, Harbor, Verifiers, OpenEnv, NeMo Gym 등 4개 프레임워크의 태그도 등록되었다. 새로운 리포지토리 유형이나 레지스트리, 회원 가입은 필요 없다.
선정 이유: 기존 데이터셋 저장소에 태그만 붙이면 여러 프레임워크에서 공통으로 사용할 수 있는 설계가 제시되어 있어, 환경 공개 절차를 구체적으로 파악할 수 있다.
OpenAI와 Grab은 동남아 파트너 3만 명이 실무형 AI 역량을 갖추도록 지원하는 지역 프로그램 'GO Forward with AI'를 시작했다고 밝혔다.
Qwen@Alibaba_QwenAI 점수2626We're excited to offer Day0 OpenVINO support for Qwen-Image-2.1 Read more about what you can accomplish here: https://ms.spr.ly/6019a5nm5
Hugging Face는 transformers에 GGUF 모델을 `from_pretrained`로 불러와 실행하는 기능을 추가했다. ggml 커널을 kernels 라이브러리를 통해 재사용하며, 우선 Apple Silicon의 Qwen3.5 아키텍처를 대상으로 한다. 현재는 main 브랜치에서 이용할 수 있으며, 패킹된 추론 경로는 MPS만 지원한다.
선정 이유: GGUF를 transformers API로 불러오는 절차와 llama.cpp와의 역할 분담, Apple Silicon에서의 현재 지원 범위가 구체적으로 정리되어 있다.
Higgsfield AI는 GPT-6 Astra를 활용해 새로운 동영상 기능을 하루 이내에 출시했다고 밝혔다. 이 회사의 Alex Mashrabov에 따르면 개발은 엔지니어 한 명이 감당할 수 있었다고 한다. Astra는 여러 단계에 걸친 작업을 계획하는 장기 작업 계획 능력을 갖추고 있으며, 기존 광고에서 국가별 등 변형물을 생성하는 기능을 뒷받침하고 있다.
OpenAI는 수학과 AI에 관한 독립 자문그룹(Advisory Group on Mathematics and Artificial Intelligence)과 협력해 새로운 AI 성과의 검증과 발표를 추진하고 있다. 이 그룹은 검증과 발표의 진행 방식을 이끄는 역할을 맡는다.
Qwen@Alibaba_QwenAI 점수4444Day-0 support for @Alibaba_Qwen’s Qwen-Image 2.1 is here in SGLang-Diffusion! 🖥️ Native precision on a single RTX 4090 24GB with CPU offload - 1024×1024 generation in 18.7s and image editing in 21.7s with 22.7 GiB peak GPU memory during requests. - On an RTX PRO 6000 96GB: 8.0s generation and 9.6s editing. 🎨 Text-to-image, multi-image editing, and transparent RGBA output—all with one checkpoint. ⚡ Native inference with TP/SP, LoRA, and OpenAI-compatible APIs. 40 denoising steps, one image per request, warmed HTTP latency including PNG output. No quantization. Cookbook and GPU-specific commands below 👇
Qwen@Alibaba_QwenAI 점수4444Qwen Image 2.1 is here! 🖼️ A 7B params native image generation and editing model, with up to 10 image references The model comes with it's own prompt enhancement LLMs, integrated with diffusers 🧨 and ComfyUI ▶️ on Spaces https://huggingface.co/spaces/hugging-apps/qwen-image-2-1
Qwen@Alibaba_QwenAI 점수4747Qwen-Image-2.1이 ComfyUI에서 지원되기 시작했습니다. 직접 사용해 보시고 작품을 공유해 주세요. 🖼️
Qwen-Image-2.1 is now supported in ComfyUI! Open weights. One 7B checkpoint that generates and edits. → Image generation at native 2K → Instruction editing from up to 10 reference images in a single pass → RGBA output, alpha included
Google은 AI & Economy Research Program에 새로운 전문가를 영입했다. 학술 고문으로는 노벨 경제학상 수상자 Philippe Aghion 씨가, 객원 연구원으로는 Ajay Agrawal 씨가 합류했으며, 디렉터로는 Anu Madgavkar 씨와 Daniel Rock 씨가 새로 참여했다. 연구 분야는 일의 미래, 생산성과 성장, 기술 보급, AI를 통한 과학적 발견이다.
Mistral은 Mozilla와 제휴해 AI 브라우징 지원 기능인 "Firefox Smart Window"(베타 버전)의 모델로 Mistral의 모델을 채택했다고 밝혔다. 프랑스와 북미 사용자에게 제공되며, 영국과 독일에는 올해 하반기에 확대될 예정이다. 대화는 기본 설정상 Mozilla 서버에 저장되지 않으며, Mistral은 제로 데이터 리텐션(Zero Data Retention)에 동의했다.
Google의 기술과 제품은 300개 이상의 언어로 일상적인 소통을 지원하고 있으며, 이 언어를 사용하는 사람은 70억 명 이상으로 전 세계 인구의 86%에 해당한다. 실시간 음성 번역 기능인 Gemini 3.5 Live Translate는 70개 언어, 2,000개 이상의 언어 쌍을 지원한다. 경량 오픈 번역 모델 TranslateGemma는 55개 언어로 학습되었으며 기기에서 효율적으로 작동하기 때문에, 클라우드나 인터넷 연결 없이도 고품질 번역이 가능해진다고 밝혔다.
Google은 AI & Economy ATLAS 데이터를 탐색할 수 있는, 누구나 이용 가능한 인터랙티브 시각화 도구를 공개했다. Google DeepMind와 MIT FutureTech의 연구에서는 조사 대상 과학자의 약 절반이 매일 어떤 형태로든 AI를 사용하고 있으며, AI로 인해 주당 7시간 가까이 시간을 절약하고 있다고 보고됐다. 반면 AI 출력물을 검증하는 데 많은 시간이 쓰이고 있으며, 검증되지 않은 가설도 늘고 있다고 한다.
Hugging Face가 AUTOMATIC1111의 stable-diffusion-webui 기능 대부분을 단일 워크플로 캔버스에서 재현한 'Workflow1111'을 소개했다. 11개의 파이프라인과 73개의 노드로 구성되며, text-to-image, FLUX.1-Kontext를 활용한 hi-resolution fix, prompt matrix, PNG Info 등을 포함한다. 이용하려면 Hugging Face 계정으로 로그인하거나 액세스 토큰이 필요하며, 모델 호출은 이용자 본인의 할당량을 소비한다.
Mistral AI가 시리즈D 자금 30억 유로 조달을 발표했다. 조달 후 기업가치는 210억 유로를 넘어, 유럽 기술기업의 지분 조달 사상 최대 규모가 된다. Samsung Electronics가 주도했으며, EQT 산하 Scaleup Europe Fund와 기존 투자자 PSG Equity가 공동 주도했다. 자금은 프론티어 연구와 컴퓨트 확장, 인프라 및 상업화 가속에 투입된다.
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.
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.
Hugging 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.
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.
Sentence Transformers v6.0에 새로 추가된 모델 타입 MultiVectorEncoder를 사용해 ColBERT 방식의 레이트 인터랙션 검색용 멀티벡터 모델을 파인튜닝하는 절차가 소개된다.
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.
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.
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.
Liquid AI가 LFM2.5-1.2B-Instruct, LFM2.5-2.6B, LFM2.5-8B-A1B 3개 모델용 DSpark 드래프트 모델을 공개했다. 투기적 디코딩을 통해 출력 품질을 바꾸지 않고 GPU에서 최대 3.18배, 온디바이스에서 최대 2.87배의 처리량 향상을 보였다. llama.cpp와 SGLang에서 출시 첫날부터 사용할 수 있으며, LFM2.5-2.6B의 함수 호출 지연 시간은 평균 57% 줄었다.
Hugging Face가 2026년 1월부터 8월까지의 Hub 동향을 정리한 보고서를 공개했다. 공개 모델 저장소는 243만 개에서 296만 개로, 데이터셋은 71.1만 개에서 100만 개로 늘었다. 중국 기업의 대규모 모델, 다운로드 수와 좋아요 수의 괴리, Qwen의 파생 모델 수 151,448개, AI 에이전트의 Hub 이용 확대 등을 주요 쟁점으로 제시했다.
선정 이유: 다운로드 수와 좋아요 수의 괴리, Qwen의 파생 모델 수 등 Hub의 실제 데이터에 기반한 수치가 제시되어 있어, 오픈 모델의 현황을 비교해 파악하기 쉽다.
Mistral은 추론을 유럽 또는 미국에서 실행할 수 있는 Mistral Regional Endpoints를 일반 제공으로 전환하고, 가동률 SLA가 적용되는 Mistral Priority Tier를 공개 프리뷰로 시작했다고 밝혔다. 아울러 Z.ai의 GLM-5.2를 시작으로 서드파티 오픈 모델을 지원하며, 유럽 컴퓨팅 자원을 장기간 확보하기 위한 기업 연합 구상도 내놓았다. 2030년까지 최대 1 GW의 용량 구축을 계획하고 있다.
Kimi.ai@Kimi_MoonshotAI 점수3131Kimi K3가 @databricks에서 이용 가능해졌다!
Moonshot AI's latest open-weight model, Kimi K3, is now available on Databricks through Unity AI Gateway. @Kimi_Moonshot Run Kimi K3 where your data already lives - governed, secure, and ready for custom AI apps and agents built with the data in your Lakehouse. Unity AI Gateway lets you deploy Kimi K3 with enterprise-grade access controls. Govern every call, monitor performance, and scale securely across your AI apps. Test Kimi K3 alongside other frontier models without changing your application code. The open-weight frontier just arrived on Databricks. Try it today. https://www.databricks.com/blog/kimi-k3-moonshot-ai-now-available-databricks-through-unity-ai-gateway
NVIDIA의 오픈 웨이트 음성 합성 모델 「Magpie TTS Multilingual」은 파라미터 364M으로 12개 언어를 지원하며, 이번에 현대 표준 아랍어, 한국어, 브라질 포르투갈어가 새로 추가됐다. NIM을 이용한 온프레미스 측정에서 B200의 단일 스트림 TTFA는 32ms, 64스트림에서는 239ms이고, RTFX는 319.81배다. 자체 인프라에 배포하거나 미세 조정할 수 있으며, Hugging Face에서는 오픈 체크포인트가 제공된다.
교사 모델의 Top-K logits를 사전에 오프라인으로 계산해 캐시하고, 어휘 전체×시퀀스 길이 행렬을 만들지 않는 융합 청크 방식 KL 손실과 결합함으로써 지식 증류의 학습 비용을 줄이는 기법이 제시되었다. gpt-oss-120b(어휘 201,088개), 시퀀스 길이 32K, 배치 크기 4인 경우 기존 Dense KL은 학습 이터레이션 1회당 피크 VRAM이 약 250GB 필요한 반면, 융합 청크 KL은 약 128GB로 억제된다. 이를 통해 단일 GPU에서 장문 컨텍스트 회복(healing)이 가능해진다.