LLM으로 연금술 지식의 계보를 추적하고 17세기 편지를 해독하기
역사 연구자가 GPT-6 Astra와 Opus 5.5를 암호 해독, 문헌 추적, 기록물 대조에 활용한 사례를 소개합니다. 저자는 사료 접근성과 전문 연구자의 협업이 뒷받침되면 모델이 새로운 역사적 연결을 찾을 수 있다며, 자료 디지털화와 연구자 대상 연산 자원 지원을 제안합니다.
AI 모델 · 최신기사
모델 공개와 성능, 가중치와 이용 조건을 다룹니다.
은유에 지나치게 기대지 마세요
은유는 익숙한 개념을 발판 삼아 새로운 대상을 설명하지만, 동시에 정보도 가립니다. 뇌를 컴퓨터로 설명하는 관점도 과거의 시계 장치나 전신망 비유처럼 현재의 기술에 기대는 부분적 설명일 수 있다고 짚습니다.
Audio8 ASR Infinite — 24시간 연속 동작을 목표로 한 스트리밍 음성 인식 모델
Audio8 ASR Infinite는 중국어와 영어를 실시간으로 받아쓰는 스트리밍 음성 인식 모델입니다. 80·120·160ms 오디오 클록과 전사 지연을 조절하며, Rolling KV Cache로 24시간 연속 동작에서도 메모리와 지연을 일정하게 유지하도록 설계했습니다.
NVIDIA Model Optimizer — 다양한 기법으로 모델을 압축해 추론을 가속하는 라이브러리
NVIDIA Model Optimizer는 양자화, 가지치기, 증류, 희소화, speculative decoding 등으로 딥러닝 모델을 최적화하는 오픈소스 라이브러리입니다. Hugging Face·PyTorch·ONNX 모델을 최적화한 뒤 TensorRT-LLM, vLLM, SGLang 등에서 사용할 체크포인트로 내보냅니다.
leejet/stable-diffusion.cpp — C/C++로 실행하는 이미지·비디오 확산 모델
stable-diffusion.cpp는 ggml 기반 C/C++ 확산 모델 추론 프로젝트입니다. CPU와 CUDA, Vulkan, Metal 등 여러 백엔드에서 이미지·비디오 생성 모델을 실행하며, GGUF를 포함한 다양한 가중치 형식과 LoRA, ControlNet 같은 기능을 지원합니다.
ThinkingCap Qwen3.8-27B 공개 — 추론 토큰 평균 37% 절감
BottleCap AI가 Qwen3.8-27B를 바탕으로 추론 토큰을 줄인 ThinkingCap 모델을 공개했습니다. 자체 평가에서 평균 추론 토큰은 37.2% 감소했고 정확도는 86.6%에서 85.8%로 낮아졌습니다. vLLM·SGLang 배포와 MTP 자기 추측 디코딩도 지원합니다.
Mercury 2.5, 초당 770토큰 생성
Inception의 Mercury 2.5는 출력 속도 780.8토큰/초를 기록했지만, Artificial Analysis Intelligence Index 점수는 12로 비슷한 가격대 추론 모델의 중앙값과 같습니다. Hacker News에서는 빠른 응답이 유용한 작업이 있다는 의견과, 품질이 낮으면 속도와 가격의 이점도 제한적이라는 지적이 맞섰습니다.
Antigravity SDK, 로컬 AI 모델 지원 추가
Google이 Antigravity SDK에서 LiteRT 기반 Gemma 4 26B A4B를 비롯한 로컬 모델 실행을 지원합니다. 오프라인 에이전트와 클라우드·로컬 모델을 조합한 작업 흐름을 구성할 수 있으며, Ollama·LM Studio·vLLM 같은 OpenAI 호환 서버도 연결합니다.
NVIDIA Nemotron 3 Diarization, 최대 8명 화자 실시간 분리
NVIDIA가 최대 8명의 화자를 구분하는 오픈 웨이트 음성 분리 모델 Nemotron-3-Diarization을 공개했습니다. 스트리밍 지연 시간은 0.32초부터 설정할 수 있으며, 공개 평가에서 기존 Streaming Sortformer 모델보다 낮은 화자 분리 오류율(DER)을 기록했습니다.
Ming-Image-0.1-Design — 텍스트가 많은 시각 콘텐츠 생성 모델
Ming-Image-0.1-Design은 UI, 인포그래픽, 포스터처럼 글자가 많은 디자인을 만드는 6B 텍스트-이미지 모델입니다. 투명 배경 RGBA 출력도 지원하며, 권장 설정은 2048×2048 해상도와 12회 샘플링입니다.
Qwen-Image-2.1용 Heretic 텍스트 인코더와 ComfyUI GGUF 로더 패치
Qwen-Image-2.1의 텍스트 인코더를 GGUF로 실행할 때 생기는 ComfyUI 로딩 오류를 해결하는 패치와 모델 파일을 제공합니다. 설치 방법, 양자화별 선택지, CFG 단계 조정법을 안내하며, 제작자는 Heretic 파생 모델의 거부율이 100회 중 100회에서 5회로 줄었다고 보고합니다.
Gemini 3.8 음성 합성 모델 공개
Google이 자연어로 음성을 설계하고 대사별 연기 지시를 넣을 수 있는 Gemini 3.8 Flash TTS와 대량 처리에 맞춘 Flash-Lite TTS를 공개했습니다. 100개 이상 언어 지원, 30초 샘플 기반 음성 복제, SynthID 워터마크를 내세웠지만, 댓글에서는 실제 음성 품질과 안전장치, 가격 및 제품별 출시 시점에 대한 의견이 엇갈립니다.
Spirula Studio — Vulkan·CUDA로 영상에서 3D Gaussian Splatting과 메시까지
Spirula Studio는 사진·영상에서 3D Gaussian Splatting 모델과 텍스처 메시를 만드는 데스크톱 도구입니다. Python·PyTorch나 별도 COLMAP 설치 없이 NVIDIA, AMD, Intel, Apple GPU에서 실행하며, 8GB VRAM으로 최대 1,000만 개의 SH3 Gaussian을 학습한다고 소개합니다.
MiMo-V2.6 — 공개 훈련 과정을 거친 오픈 옴니모달 모델
Xiaomi가 텍스트·이미지·오디오·비디오를 처리하고 100만 토큰 문맥을 지원하는 MiMo-V2.6 Pro와 Flash를 공개했습니다. 모델 가중치와 기술 보고서뿐 아니라 RL 환경과 훈련 코드도 함께 공개합니다.
Show HN: 타입 지정 의사결정 모델을 위한 재현 가능한 벤치마크, JevBench
JevBench는 상태와 제한된 평가 기준을 입력받아 구조화된 답을 내는 Jev 계열 모델을 정확도·보정·속도·비용으로 비교합니다. 534개 결정 과제를 같은 조건에서 측정한 v1.3.0 결과와 점수 산정 규칙을 공개해, 모델 선택 시 성능과 운영 비용을 함께 살피게 합니다.
AI를 의인화하지 않고 말하는 법
Emily M. Bender와 Nanna Inie는 소프트웨어에 사고력·감정·행위 의도가 있는 듯한 표현을 줄이고, 시스템 기능과 이를 사용하는 사람을 드러내는 대체 표현을 제안합니다. ‘환각’을 ‘바람직하지 않은 출력’으로, ‘AI 에이전트’를 ‘확률적·검증되지 않은 소프트웨어 조작기’로 바꾸는 식입니다.
OpenAI는 나비에–스토크스 문제를 잘못 풀었을까요?
OpenAI가 푼 문제는 클레이 수학연구소의 공식 조건에는 들어맞지만, 외력을 쓰지 않는 나비에–스토크스 문제는 여전히 풀리지 않았습니다. 새 연구는 OpenAI의 방법이 외력을 제거한 문제에는 적용되지 않는다고 보이며, 수학적 성과의 의미를 둘러싼 논쟁도 이어집니다.
토큰 가격이 계량하기도 어려울 만큼 낮아지고 있습니다
기계학습 추론 비용이 하드웨어·소프트웨어·모델 개선으로 빠르게 낮아지고 있으며, 작업당 비용은 토큰 단가보다 더 큰 폭으로 줄고 있다고 분석합니다. 글쓴이는 모델이 도구보다 저렴해지면 소프트웨어에 지능을 내장하는 사례가 늘고, 값싼 지능이 개발과 산업의 선택지를 바꿀 수 있다고 전망합니다.
OpenAI는 Jev를 빠르게 따라잡을 유리한 위치에 있습니다
TypeSafe의 Jev는 자연어로 분류 기준을 지정하고 결과와 확률을 빠르게 얻는 모델입니다. 글쓴이는 LLM이 다음 토큰 확률을 활용해 이미 도구 호출 같은 분류를 수행해 왔다고 설명하며, OpenAI가 이 능력을 모델 내부에 넣어 추론 비용과 지연을 줄일 수 있다고 주장합니다. Jev의 경쟁력은 구조보다 학습 데이터와 보정 과정, 실제 정확도에 달렸다는 분석입니다.
GPT-6 Sol·Luna 공개 — 가격은 절반, 캐싱 효율은 개선
OpenAI가 GPT-6 계열의 중간·경량 모델 Sol과 Luna를 공개하고 API 가격을 이전 GPT-5.6 모델보다 50% 낮췄습니다. 업무 자동화·코딩·컴퓨터 사용 성능과 프롬프트 캐싱 개선치를 제시했으며, Hacker News에서는 낮은 가격을 반기는 반응과 구독 사용량·실사용 성능을 따져야 한다는 의견이 함께 나왔습니다.