새 모델의 발표, 공개, 업데이트. 주요 기업의 플래그십 업데이트, 오픈 웨이트, 성능과 가격 변화를 가장 빠르게.
Mistral Large 4(애칭 Le Chonk)가 Hugging Face에서 공개됐다. 텍스트와 이미지를 입력할 수 있는 다국어 MoE 모델로, 총 파라미터는 약 1T, 활성 파라미터는 49B, 컨텍스트 윈도우는 1M 토큰이다. Mistral Ecosystem Open-Weight License로 배포되며, transformers, vLLM, llama.cpp가 day-0부터 지원한다.
선정 이유: 아키텍처, 벤치마크, 각 추론 환경에서의 실행 절차와 실측값이 한 편의 기사에 정리되어 있어 도입 시 비교 자료로 활용하기 좋다.
Google은 최신 프런티어 모델 Gemini 4 Carbon을 발표했다. Artificial Analysis Intelligence Index v5.0에서 59점을 기록해 1위에 올랐으며, SEC-bench Pro에서 88.2%, ExploitGym에서 54.8%, CWE-bench에서 71.0%를 나타냈다. 우선 일부 사이버 방어 담당자에게 제공하고, Fairwind Program을 통해 신뢰할 수 있는 파트너로 단계적으로 확대한다. 가격은 Argon과 같으며, 입력 100만 토큰당 $2, 출력 $10이다.
선정 이유: 사이버보안 계열 벤치마크 수치와 단계적 제공 방침이 함께 제시되어, 모델의 강점과 공개 범위를 동시에 파악하기 쉽다.
Moonshot은 Kimi K3.1 Pro를 발표했다. 총 파라미터 2.8T, 활성 파라미터 104B, 1M 토큰 컨텍스트 윈도우를 갖춘 멀티모달 MoE 모델이며, 가중치는 2026년 11월 4일까지 공개할 예정이라고 예고했다. Artificial Analysis의 Intelligence Index에서는 55점으로 4위를 기록했다. Highspeed 버전은 출력이 2~3배 빠르고 요금은 표준의 2배라고 설명되었다.
선정 이유: 독립 평가, API 가격, 사이버 역량의 취급, 벤치마크 제시에 대한 의문이 나란히 정리되어 있어, 공식 발표와 제3자 평가를 구분해 읽을 수 있다.
NVIDIA는 기업 데이터베이스에서 추가 학습 없이 예측할 수 있는 사전 학습된 관계형 기반 모델 Kumo Relational을 공개했다. 최대 10,000건의 과거 사례를 컨텍스트로 읽어 들여, 한 번의 포워드 패스로 이탈, 수요, 부정 거래 등을 예측한다. 15개 데이터베이스에 걸친 41개 과제에서 지도 학습 모델과 전문가가 설계한 그래디언트 부스팅 트리 파이프라인을 능가했다고 밝혔다.
선정 이유: 관계형 데이터를 위한 기반 모델의 구조, 벤치마크 결과, 한계, 활용 방법이 한 흐름으로 정리되어 있어 기존 예측 파이프라인과 비교하는 자료로 쓸 만하다.
구글은 Gemini 4 세대의 첫 모델인 Gemini 4 Argon을 일반에 공개했으며, Google AI Pro 및 Ultra 구독자가 Gemini 앱에서 사용할 수 있게 됐다. Artificial Analysis Intelligence Index에서는 53점으로 GPT-6 Astra와 나란히 올랐고, API 도입 가격은 입력 100만 토큰당 $2, 출력 $10이다.
선정 이유: Google 자사 비교표와 제3자 Intelligence Index를 나란히 제시하고 가격도 경쟁사와 대비하고 있어, 성능과 비용상의 위치를 파악하기 쉽다.
SpaceXSI는 코딩, 에이전트형 작업, 지식 노동을 위한 모델 Grok 4.5를 공개했다. 80 TPS로 제공되며, 가격은 입력 100만 토큰당 $2, 출력 100만 토큰당 $6이다. Grok Build, 모든 요금제의 Cursor, SpaceXSI 콘솔에서 이용할 수 있으며, Grok Build와 Cursor에서는 기간 한정으로 무료 이용도 가능하다.
선정 이유: 코딩 계열 벤치마크의 비교 수치와 함께 토큰 효율 및 가격이 병기되어 있어, 다른 모델과의 비용 대비 효과를 비교해 볼 수 있는 자료가 된다.
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.
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.
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.
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.
xAI는 speech-to-speech 모델 Grok Voice 3.0을 발표하고 같은 날부터 API로 제공을 시작했다. Artificial Analysis의 Speech-to-Speech Index에서 86.9점으로 1위를 차지했으며, 지연 시간은 1초 미만이라고 밝혔다. 요금은 이전 세대와 같은 $0.08 / min($4.80 / hr)이다.
선정 이유: 독립 평가 기관의 점수와 경쟁 모델과의 비교, 요금과 도입 실적이 함께 정리되어 있어 음성 에이전트를 선택할 때 참고하기 좋다.
Google DeepMind가 Gemini 4 Argon을 공개했다. 물리 이해, 코드 생성, 시각·의미 추론이 크게 발전했다고 밝혔으며, Embodied Reasoning(ERQA) 벤치마크에서 순수 추론만으로 87%를 기록해 다른 프런티어 모델을 앞선다고 설명했다. gemini-4-argon이라는 이름으로 Google AI Studio, Gemini API, Google Antigravity에서 사용할 수 있다.
선정 이유: 로봇 제어와 Real2Sim 등 네 개 영역의 구체적인 프롬프트 예시가 실려 있어, 물리 추론 모델의 활용법을 자신의 작업에 옮겨 검토하기 쉽다.
Google DeepMind는 최신 프런티어 모델 Gemini 4 Argon을 API, Google Antigravity, Gemini 앱, 검색의 AI 모드에서 제공하기 시작했다. 도입 가격은 입력 100만 토큰당 $2, 출력 $10이며, Vals Index에서 1위를 차지했다고 한다. 코딩, 금융, 법무, 사이버 보안, 과학 등 복잡한 업무를 상정하고 있다.
선정 이유: 코딩과 과학, 안전성 평가에 이르기까지 구체적인 적용 사례와 제공 조건이 정리되어 있어 실무에서의 활용처를 비교하기 쉽다.
Google이 Gemini 앱과 Antigravity에서 Gemini 4 Argon의 본격 제공을 시작했으나, 대상은 유료 사용자로 한정되며 하위 요금제에서는 모든 기능을 쓸 수 없다. 성능 자체는 달라지지 않았으며, 사내에서는 YouTube 댓글 시스템 개선 등에 활용됐다고 한다.
선정 이유: 유료 사용자로 제공 범위가 한정되어 있고, Google 사내 활용 사례가 정리되어 있어 도입 시기와 용도를 검토하는 데 참고가 된다.
Google이 최신 프런티어 모델 Gemini 4 Argon의 제공을 시작했다. AI Studio와 Gemini Platform의 API, Google Antigravity, Gemini 앱, AI Mode에서 이용할 수 있으며, 도입 가격은 입력 100만 토큰당 $2, 출력 $10이다. Vals Index에서 1위를 차지했다고 하며, 코딩, 금융, 법무, 사이버 보안, 과학 분야의 활용 사례도 함께 소개됐다.
선정 이유: 코딩과 과학 연구, 안전성 평가까지 구체적인 수치가 포함된 사례가 제시되어 도입처별 활용법과 제공 조건을 비교하기 쉽다.
Google이 Gemini 4 Argon을 Gemini 앱에서 제공하기 시작했다. 추론 성능과 복잡한 작업에서의 성능이 향상됐고 코딩도 크게 개선됐다고 한다. Google AI Pro와 Ultra 구독자는 오늘부터 이용할 수 있으며, 40개 이상의 앱과 연동되는 작업 기능도 사용할 수 있다.
선정 이유: 회답의 직접성과 진행 상황 공유가 개선된 점, 그리고 macOS 앱에 코딩 기능이 통합되고 채팅에서 작업으로 쉽게 전환할 수 있게 된 점이 한꺼번에 소개되어 있다.
Meta Superintelligence Labs(MSL)가 2세대 모델군인 Muse Wonder와 Muse Wonder Full을 발표했다. Artificial Analysis의 Intelligence Index v4.3에서 Full(max)은 56점, Wonder(max)는 52점을 기록해 Muse Spark 1.3(max)의 48점을 웃돌았다. Wonder는 입력 $4, 출력 $20(100만 토큰당), 1M 컨텍스트로 제공되며, Full은 가격이 공개되지 않았고 Muse Code 구독자에게만 제공된다.
선정 이유: 독립 평가, Meta 자체 주장, 실무자 평가가 구분되어 정리되어 있어 Muse Wonder의 위치를 비교하며 읽기 좋다.
OpenAI@OpenAI주요 뉴스AI 점수6767
선정 이유: GPT-6와 새로운 답변 표시 방식이 전체 사용자에게 확대된다고 발표되었으며, 일상적인 질문과 복잡한 주제에서 답변이 어떻게 보이는지 달라지는 점을 파악하는 실마리가 된다.
OpenAI는 GPT-6를 Intelligent UI와 함께 ChatGPT에서 전 세계에 순차적으로 제공하고 있다. 응답이 빨라지고 시각적 요소와 그대로 조작해 쓸 수 있는 인터랙티브 경험이 제공된다고 한다.