xAI의 Grok 4.6이 Gemini Enterprise Agent Platform의 Model Garden에서 이용할 수 있게 됐다. Grok 4.6은 장시간 실행되는 에이전트와 대화형·시각적 작업을 위한 플래그십 모델로, 500k 컨텍스트 윈도우를 갖추고 있으며 추론 수준을 low, medium, high, xhigh 중에서 설정할 수 있다. 요금은 입력이 100만 토큰당 2달러, 캐시 입력이 같은 기준 0.50달러, 출력이 같은 기준 6달러다.
xAI의 Grok 4.6이 Microsoft Foundry에서 이용할 수 있게 됐다. 컨텍스트 윈도우는 500K이며, 추론 강도는 low, medium, high, xhigh에서 설정할 수 있다. Foundry에서는 다른 프런티어 모델과의 비교 평가, 관리형 엔드포인트 배포, 엔터프라이즈용 보안 및 거버넌스 관리를 할 수 있다.
Microsoft AI(MAI)는 자사 최초의 음성 생성 모델 MAI-Voice-1과 처음으로 엔드투엔드로 학습한 기반 모델 MAI-1-preview를 발표했다. MAI-Voice-1은 단일 GPU로 1분 분량의 음성을 1초 미만에 생성할 수 있으며, Copilot Daily와 Podcasts에서 사용되고 있다. MAI-1-preview는 LMArena에서 공개 테스트를 시작했다.
Microsoft AI가 완전히 자체 개발한 첫 이미지 생성 모델 MAI-Image-1을 발표했다. LMArena의 텍스트-이미지 생성 모델 부문에서 상위 10위에 올랐다. 11월 4일 업데이트에서는 Bing Image Creator와 Copilot Audio Expressions에서 제공을 시작한다고도 전했다.
Google DeepMind, 텍스트·이미지·동영상 프레임·오디오를 하나의 벡터 공간에 매핑하는 오픈 웨이트 임베딩 모델 EmbeddingGemma 2 공개
Google은 Gemma 4를 기반으로 한 Apache 2.0 라이선스 오픈 모델 EmbeddingGemma 2를 공개했다. 텍스트, 코드, 이미지, 동영상, 오디오를 768차원 공통 벡터 공간으로 변환하며, 270M부터 740M 파라미터까지 필요한 인코더만 불러올 수 있다. MTEB (Code)에서는 EmbeddingGemma 1보다 14% 높은 점수를 기록했다.
선정 이유: 모듈식 인코더와 차원 축소 선택 방법이 수치와 함께 정리되어 있어, 자체 검색 기반의 구성을 검토할 때 비교 자료로 활용할 수 있다.
Google은 Gemini 4 Argon을 공개했다고 밝혔다. 물리적 이해, 코드 생성, 시각·의미 추론이 향상되었으며, ERQA 벤치마크에서 추론만으로 87%를 기록해 다른 프런티어 모델을 앞질렀다고 한다. 로봇 제어, Real2Sim, 물리 이해, 연구·자기 개선 등 4개 분야의 대표적인 프롬프트도 소개했다. Google AI Studio와 Gemini API 등에서 이용할 수 있다.
Apple과 Meta가 협력해 개발자가 고사양 Mac에서 AI 모델 「Muse Spark Open」을 로컬로 실행할 수 있도록 하는 작업을 추진하고 있다. 원문에 제공된 부분에는 대응 Mac의 구체적인 사양과 성능, 제공 시기 등 세부 정보는 나와 있지 않다.
DeepSeek가 V4.1-Flash의 소규모 업데이트 버전인 DeepSeek-V4.1-Flash-1017을 10월 17일 웹사이트, 앱, 개발자 플랫폼에서 공개했다. HLE 점수는 36.8~42.6으로, 기존 V4.1-Flash의 36.8~39.1을 웃돈다. DeepSeek는 벤치마크 성능 향상, 작업 완료 속도 개선, 출력 길이 단축을 장점으로 꼽았다.
인도 여러 언어를 위한 텍스트 음성 합성 모델 Bulbul V4 Flash가 공개되었다. 실서비스 환경에서 첫 오디오까지의 시간(time-to-first-audio)을 250ms 미만으로 구현했으며, 요금은 10,000자당 ₹20으로 Bulbul V3의 ₹30에서 3분의 1 낮아졌다. 사전 학습은 V4에서 처음부터 새로 진행했고, 자체 음성 데이터는 V3의 약 7배로 늘렸다.
Reflection이 오픈 웨이트 MoE 모델 'Beam'을 공개했다. 전체 파라미터 수는 501B, 활성 파라미터 수는 23B이며, 1토큰 컨텍스트가 아닌 1M 토큰 컨텍스트를 지원하고, 라이선스는 Apache 2.0이다.
CoEvo-RSI는 재귀적 자기 개선 에이전트에서 하네스(몸체)와 모델(뇌) 사이의 불일치를 양방향 이력 상속으로 완화하는 프레임워크다. 지도 파인튜닝(SFT)만을 사용하며, Qwen3.5-9B가 다양한 수직 응용 분야에서 대형 모델에 필적하는 성능을 보였다고 밝혔다. TraceElephant에서는 DeepSeek-V4-Pro를 웃돌았고(에이전트 정확도 +14.16), HomeBench VM에서는 GLM-5.3을 넘어섰다(성공률 +4.90).
DeepSeek는 Flash 모델의 업데이트 버전인 DeepSeek-V4.1-Flash-1017을 공개했다. 공식 사이트, 앱, API에서 이용할 수 있으며, 가중치는 Hugging Face와 ModelScope에서 오픈소스로 공개됐다. 회사는 DeepSWE에서 평균 태스크당 약 0.20달러로 77.0%를 달성했다고 밝혔다. 사내 검색 엔진인 Search & Fetch API도 개발자에게 제공한다.
DeepSeek@deepseek_aiAI 점수6262
Google DeepMind@GoogleDeepMindAI 점수4343Four Gemini 4 Argon agents, one shared Minecraft world, one goal: defeat the Ender Dragon. 27 hours and 2,783 self-written programs later, the dragon fell. https://x.com/i/article/2111007444981645312
Elorian이 첫 모델 'Glimpse'를 연구 프리뷰로 공개했다. API와 채팅 화면으로 제공되며, 추론 과정에서 이미지의 일부를 잘라내고, 동영상의 프레임을 추출하고, 코드로 측정할 수 있다. 가격은 100만 토큰당 입력 $0.60, 출력 $3이며, 회사의 평가에서는 과학 차트 추론과 짧은 동영상 캡션 생성에서 GPT-6 Astra를 앞섰다.
TypeSafe AI의 AI 모델 'Jev'는 비공개 출시 2주 만에 Vercel 유료 팀의 35%가 사용했으며, 두 번째로 인기 있는 Sonnet 5.5의 거의 두 배에 달하는 도달률을 기록했다고 밝혔다. Jev는 출력을 사전에 정해진 선택지 중에서 고르는 경량 모델로, 9월 15일 비공개 출시되었다. 출력을 제한함으로써 Sonnet보다 낮은 비용과 빠른 속도로 동작한다.
Reflection AI가 에이전트형 코딩과 장기 작업을 위한 오픈 웨이트 모델 Beam을 공개했다. 총 파라미터 501B, 활성 파라미터 23B의 희소 MoE(Mixture of Experts) 구조이며, 회사 측은 실효 컨텍스트 길이가 1M 토큰이라고 밝혔다. 가중치는 Apache 2.0 라이선스로 Hugging Face에서 제공되며, 발표 시점에는 Amazon SageMaker JumpStart의 미국 동부(버지니아 북부, 오하이오) 리전에서 이용할 수 있다.
Perplexity@perplexity_aiAI 점수3939Gemini 4 Argon이 WANDR에서 신기록을 세웠다. 현재 Perplexity에서 Pro 및 Max 구독자를 대상으로 제공되고 있다.
Hugging Face@huggingfaceAI 점수3030라이브 방송: 새로운 오픈 웨이트 모델 https://x.com/i/broadcasts/1DxleVaPLagKL
Hugging Face@huggingfaceAI 점수6060Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection
Mistral AI@MistralAIAI 점수2121
신생 미국 연구소 Reflection이 첫 모델 Beam을 Apache 2.0 라이선스로 공개했다. 총 파라미터 501B, 토큰당 23B만 활성화되는 MoE 모델이며, 컨텍스트 윈도우는 1M 토큰이고 코딩과 에이전트 용도에 중점을 둔다. transformers, vLLM, SGLang이 Day-0부터 지원하며, BF16, FP8, NVFP4 세 종류의 체크포인트를 제공한다.
선정 이유: 아키텍처 구성, 정밀도별 체크포인트의 벤치마크, 필요한 GPU 구성, SFT와 GRPO 절차가 정리되어 있어 자체 운영 규모를 산정할 때 유용하다.
Cursor@cursor_aiAI 점수4848
AI at Meta@AIatMetaAI 점수2929
Granite Switch 4.1의 8B와 30B 모델은 범용 Decision aLoRA, 안전성 판정용 Guardian aLoRA, OpenASR Leaderboard에서 가장 빠른 것으로 알려진 ASR 모델 Granite-Speech-5.0-Turbo-CTC를 하나의 모델로 통합하여, 하나의 엔드포인트에서 채팅, 판정, 문자 변환을 처리한다. 필요한 VRAM은 베이스 모델 단독과 거의 같으며 KV 캐시도 재사용할 수 있다. vLLM에서는 플러그인으로 동작하고, llama.cpp도 네이티브로 지원한다.
Meta는 미국에서 '가장 높은 성능'을 갖췄다고 밝힌 오픈 웨이트 모델 'Muse Spark Open'을 공개했다. 816B 파라미터와 100만 토큰 컨텍스트 윈도우를 갖췄으며, Meta가 공개한 평가 결과에서는 다른 주요 오픈 웨이트 모델보다 우수한 성능을 보였다고 한다. Apple 컴퓨터에서의 로컬 실행을 전제로 설계되었으며, 여러 API 플랫폼에서 이용할 수 있다.
AI at Meta@AIatMetaAI 점수5959
Microsoft AI가 활성 파라미터 80B, 총 2.8T 파라미터 규모의 MoE 기반 모델 MAI-Base-2의 사전학습을 완료했다. 보류 평가에서는 테스트한 모든 오픈 웨이트 모델을 웃돌았으며, DeepSeek-V4-Pro-Base 대비 사전학습 FLOPs 효율은 4~12배다. 16k GB200 GPU로 38일간 학습했으며, 현재 사후학습 중이다. 가중치는 Foundry를 통해 신뢰할 수 있는 파트너에게 라이선스 제공할 방침이다.
NVIDIA@nvidiaAI 점수6262Meet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵
NVIDIA는 120B 파라미터의 오픈 모델 Nemotron 3.5 Super VL과 엣지용 Nemotron 3.5 Bolt 74B-A9B 24GB, Bolt E4B 4GB를 발표했다. Super VL과 Bolt 74B-A9B는 현재 제공 중이며, Bolt E4B는 Oct. 23에 제공될 예정이다. NVIDIA는 Super VL이 같은 급의 차점 모델보다 최대 5배의 처리량을 보였다고 밝혔으며, 가중치와 데이터셋도 공개했다.
선정 이유: 서버용과 엣지용 3개 모델을 메모리 용량 및 배포 대상과 함께 정리하고 있어, 자사 환경에 맞는 규모를 비교해 고르기 쉽다.
Mistral AI가 시계열 기반 모델 패밀리 「Timestral」을 공개했다. 가장 큰 209M 파라미터 모델은 GIFT-Eval, TIME, fev-bench 등 3대 주요 벤치마크에서 1위를 차지했으며, 기존 최첨단 모델보다 파라미터 수를 3분의 2 적게 쓰고도 성능에서 앞섰다. 5M부터 209M까지 4가지 크기로 제공되며, 추론에 GPU는 필요하지 않다. 표준 서버 CPU(8스레드) 기준으로 하루 뒤 예측에 5M 모델은 10ms, 209M 모델은 140ms가 소요되는 것으로 알려졌다.
Apertus 1.5는 Apertus 1.0의 8B 및 70B 모델을 확장한 최신 버전으로, 이미지와 음성 이해, 선택적으로 사용할 수 있는 사고 모드, 4배인 262,144토큰의 컨텍스트 윈도우를 갖췄다. 8B와 70B의 가중치는 2026년 7월 24일 Hugging Face에서 Apache 2.0 라이선스로 공개되었다. 학습 데이터는 8B 모델에 4조 토큰, 70B 모델에 2조 토큰의 지속 사전학습을 추가했으며, 합계는 각각 19T와 17T이다.
Meta가 오픈 웨이트 모델 「Muse Spark Open」을 공개했다. 총 파라미터는 약 816B이며, 토큰당 활성 파라미터는 약 42B인 MoE 구조다. 텍스트, 이미지, 음성, 동영상을 입력으로 받을 수 있고, 컨텍스트 윈도우는 최대 1M 토큰이다. Hugging Face 블로그에서는 transformers, llama.cpp, SGLang, vLLM, MLX에서의 실행 방법과 TRL을 활용한 파인튜닝, 데모를 소개하고 있다.
선정 이유: 총 파라미터 약 816B, 활성 파라미터 약 42B라는 구성과 각 추론 환경에서의 실행 방법 및 필요한 메모리 용량이 정리되어 있어, 도입 규모를 가늠하는 데 참고가 된다.
Black Forest Labs의 FLUX.3 Image Klein이 공개되었으며, Diffusers에서 출시 첫날부터 작동한다. 하나의 모델로 text-to-image, 여러 참조 이미지를 이용한 image-to-image, 바운딩 박스를 통한 레이아웃 제어를 지원한다. 증류 버전은 16스텝, CFG 없이 H100에서 1024 × 1024 이미지를 약 2초 만에 생성한다. NVFP4와 FP8 가중치, LoRA 학습 스크립트, Modular Diffusers 파이프라인도 함께 제공된다.
선정 이유: 프롬프트에 bbox를 적어 배치와 이동을 지정하는 방법과 H100에서의 속도 및 메모리 실측치가 함께 제시되어 있어, 도입 부담을 가늠하기 쉽다.
AI at Meta@AIatMetaAI 점수4141
MJev-Spatial은 공간 추론 과제를 단일 패스 분류 프레임워크로 통합한 멀티모달 판단 모델로, Qwen3.5-4B를 기반으로 학습되었다. 테스트한 8개 모델 가운데 종합 점수 65.64%를 달성했으며, 12개 벤치마크 중 7개에서 1위를 차지했다. 수정하지 않은 자기회귀 베이스 모델은 12개 전부에서 뒤처졌고, 가장 빠른 자기회귀 베이스라인보다 2.5배, 베이스 모델보다 5.6배 빠르게 동작한다.
Google DeepMind@GoogleDeepMindAI 점수2626Gemini 4 Argon은 양자 컴퓨팅, 핵융합, 단백질 설계 등의 분야에서 이미 새로운 과학적 돌파구를 열고 있다. 🧵
Ai2가 기후 에뮬레이터 HiRO-ACE의 신판인 HiRO-ACEv2를 발표했으며, 전 지구 3km 해상도의 기후 데이터를 X-SHiELD 대비 약 300분의 1의 비용으로 생성할 수 있다고 밝혔다. 새로운 다운스케일링 모델 HiROv2는 여러 고해상도 필드를 동시에 예측하며, 극단적인 강수·풍속·기압의 재현 정확도가 향상되었다. X-SHiELD의 고해상도 통계와는 100만 데이터 포인트에 한 번만 발생하는 사건에서도 3% 이내로 일치한다고 한다. 모델은 다운로드할 수 있으며, 튜토리얼 노트북과 데모도 함께 공개되었다.
Qwen@Alibaba_QwenAI 점수3838685 output tokens/s per user on @Alibaba_Qwen Qwen3.8-Flash-Next. Running TokenSpeed on 4× NVIDIA GB300 with NVFP4. A look at the kernel and serving optimizations behind the results: 👉 https://lightseek.org/blog/tokenspeed-qwen3-8-flash-next.html ⭐ https://github.com/lightseekorg/tokenspeed