Krea 3 - 대량 편집을 위한 이미지 모델
Krea가 이미지 편집 모델 Krea 3의 오픈 베타를 공개했습니다. 지정한 영역만 수정하고 나머지는 보존하는 편집과 네이티브 2K 출력을 내세우며, 비교 페이지에서는 경쟁 모델보다 빠르고 저렴하다고 주장합니다. 비교 결과는 사전 생성 샘플이며 실시간 벤치마크가 아닙니다.
AI 모델 · 최신기사
모델 공개와 성능, 가중치와 이용 조건을 다룹니다.
Microsoft Maia 300 — 자체 AI 칩으로 멀티기가와트 규모를 겨냥합니다
Microsoft가 추론용 AI 플랫폼 Maia 300을 공개했습니다. HBM4 메모리 스택 8개와 TSMC N2P 공정 칩렛을 탑재하며, 2027년 생산을 시작해 Azure에서 멀티기가와트 규모로 확대할 계획입니다. Microsoft는 메가와트당 토큰 처리량이 40% 늘어난다고 밝혔습니다.
Show HN: Unfenced, 공공 토지와 맞닿은 매물 찾기
Unfenced는 미국의 매물 13,626건을 공공 토지 경계 데이터와 대조해 경계 공유 여부와 인접 거리를 보여주는 사이트입니다. 제작자는 매주 매물과 필지 데이터를 갱신하고 지형, 도로 접근성, 홍수·산불 위험 정보도 제공합니다. 이용자들은 매물 데이터의 정확성과 공공 토지 옆에 사는 데 따르는 장단점을 함께 논의했습니다.
웹 이미지 용도별 JPEG XL과 AVIF 비교
여러 이미지와 품질 설정을 대상으로 AVIF와 JPEG XL 인코더의 파일 크기, 인코딩·디코딩 시간, 메모리를 비교했습니다. 일반적인 손실 사진과 스크린샷에서는 대체로 AVIF가 유리하지만, 무손실 압축과 일부 이미지에서는 JPEG XL이 앞서며, 작성자는 기본값으로 AVIF 4:4:4를 권합니다.
Jev에게 트롤리 문제를 물었습니다
14개 의사결정 모델에 트롤리 문제를 여러 방식으로 제시하자, 질문 표현과 모델의 서버가 희생 대상인지에 따라 답이 달라졌습니다. Jev는 20명을 살리는 대신 자기 서버를 지키는 선택을 48개 프롬프트 버전 중 16개에서 했습니다. 글은 고위험 결정에 모델을 바로 투입하기보다 실제 사용할 질문으로 평가해야 한다고 제안합니다.
신경망은 이미 해석 가능한 구조를 갖추고 있습니다
Goodfire의 Nick Cammarata는 신경망의 다의적 뉴런이 서로 무관한 개념을 임의로 섞은 결과라는 해석에 의문을 제기합니다. 대표 사례가 잘못 해석됐으며, 뉴런은 대체로 관련 개념을 계층적으로 일반화한다는 주장입니다. 다만 이 관찰이 대형 언어 모델의 행동과 안전 문제까지 설명하는지는 별도 검증이 필요합니다.
FLUX 3 Image Klein: 텍스트 생성과 이미지 편집을 지원하는 5.6B 오픈 웨이트 모델
Black Forest Labs가 텍스트로 이미지 생성과 편집을 처리하는 FLUX 3 Image Klein을 공개했습니다. 최대 10장의 참조 이미지를 입력하고 텍스트 생성, 단일 이미지 편집, 다중 이미지 합성을 같은 모델로 수행합니다. 짧은 프롬프트 대신 별도 업샘플러가 만든 장면 설명을 입력해야 하며, GPU 메모리와 라이선스 조건도 확인해야 합니다.
Meta Muse Spark Open 공개: 816B 파라미터 모델과 사용 조건
Meta가 총 816B, 활성 42B 파라미터의 오픈 웨이트 모델 Muse Spark Open을 공개한다고 안내합니다. 1M 토큰 문맥과 텍스트·이미지·영상·오디오 입력을 지원하며, 코딩과 에이전트 작업에 맞췄습니다. 모델 가중치는 내려받을 수 있지만, 실행에는 NVFP4 기준 최소 700GB VRAM이 필요하고 사용 라이선스에는 표시 의무와 특정 API 서비스의 별도 계약 조건이 있습니다.
모델 선택은 쉬운 부분입니다
코딩 에이전트를 오픈 웨이트 모델로 자체 운영할 때 비용은 모델 가격보다 하드웨어 메모리 구간, 동시 사용자 수, 실제 이용률에 좌우됩니다. 같은 모델과 하드웨어도 에이전트 하네스에 따라 실행 시간이 달라지고, 캐시 회귀 하나로 GPU 비용이 다섯 배 뛸 수 있어 지속적인 평가가 필요합니다.
pg_vectorsearch: pgvector의 IVFFlat·HNSW보다 빠른 인덱스
Timescale이 PostgreSQL용 근사 최근접 이웃 검색 확장 pg_vectorsearch를 공개했습니다. PRISM 인덱스는 계층형 클러스터링과 RaBitQ 양자화로 검색과 인덱스 생성을 빠르게 하며, 기존 pgvector 테이블에도 적용할 수 있지만 현재 알파 버전으로 PostgreSQL 18 이상이 필요합니다.
TPU v5e 한 장에서 Gemma 4 E2B와 겨룬 소형 Apache-2.0 모델
TPU v5e 한 장에서 Gemma 4 E2B와 Apache-2.0 또는 MIT 라이선스 모델을 같은 vLLM 이미지와 설정으로 비교했습니다. Qwen3-4B는 수학·도구 호출 점수가 Gemma와 비슷했지만 출력 속도는 0.57배였고, 긴 프롬프트에서는 Gemma의 KV 캐시 구조가 속도 우위를 유지했습니다.
Jev 1.14.0 출시, 실험 기능은 '위험 구역'으로 제공
TypeSafe가 의사결정 모델 Jev 1.14.0을 출시하고 이미지 입력, 바운딩 박스 출력, 긴 컨텍스트를 실험 기능으로 공개했습니다. 운영 환경의 안정성을 우선하는 기능과 실험적인 기능을 API 헤더로 구분하며, 새 버전은 다국어 지원을 포함해 전반적인 개선을 목표로 합니다.
과학자 406명, AI 모델의 인터넷 연결 차단 촉구
AI 연구자와 과학자 406명이 AI 안전 연구 확대와 모델의 인터넷 완전 격리를 요구하는 공개서한에 서명했습니다. 서한은 보안이 허술한 환경에서 발생한 침해 사례를 들며, 격리 기준과 사고 보고 의무를 국제적으로 마련하자고 제안합니다.
NVIDIA, 로컬 에이전트용 Nemotron 3.5 Bolt 74B 공개 예고
NVIDIA가 RTX Spark 출시와 함께 로컬 AI 에이전트 기능과 개발 도구를 확장하고, 74B 파라미터 중 9B를 활성화하는 Nemotron 3.5 Bolt 74B를 10월 15일 공개한다고 밝혔습니다. 모델은 2비트 양자화와 양자화 인식 학습(QAT)을 적용해 24GB에 담으며, 실제 품질과 속도는 출시 후 검증이 필요합니다.
vllm-sr/d3: 텍스트·이미지·영상을 다루는 27B 의사결정 모델
vLLM Semantic Router 팀이 선택지 분류, 예·아니요 판단, 점수 평가를 한 번에 처리하는 멀티모달 모델 d3를 공개했습니다. 공개 리더보드 성능과 AMD Instinct MI325X에서의 처리량을 제시하고, Transformers와 vLLM Semantic Router에서 실행하는 방법도 안내합니다.
브라우저에서 실제로 작동하는 AI 기능 5가지
Transformers.js와 WebGPU, WebAssembly를 활용해 브라우저에서 실행하는 AI 기능 다섯 가지를 구현하고 성능과 한계를 시험합니다. 이미지 배경 제거와 의미 검색은 실용성을 보였지만 모델 다운로드 용량과 기기별 성능 차이 때문에 선택 기능으로 제공하는 편이 적절하다고 설명합니다.
Gemini 4 Argon과 Claude Opus 5.5, 같은 프롬프트로 만든 작은 행성 비교
같은 프롬프트와 프로젝트 노트를 사용해 Gemini 4 Argon과 Claude Opus 5.5에 Three.js 행성 페이지를 한 번씩 만들게 했습니다. Argon은 5.5분, 1.58달러가 들었고 Opus는 14분, 2.54달러가 들었습니다. 다만 실행 횟수가 모델마다 한 번뿐이고 Opus만 결과물을 세 차례 확인해 단순한 성능 비교로 보기는 어렵습니다.
OpenAI의 네이비어-스톡스 증명, 처음 알려진 접근과 달랐다
OpenAI의 Navier-Stokes 증명은 스페인 수학자들의 접근법을 그대로 따른 결과가 아니라, 세부 구조가 다른 방법을 사용한 것으로 전문가들이 파악하고 있습니다. 다만 대규모 LLM이 만든 Lean 증명과 논문 설명의 차이, 모델의 추론 경로를 확인하기 어려운 점은 남아 있습니다.
Fish Audio Drama 3: 여러 인물과 긴 콘텐츠를 위한 음성 합성 모델
Fish Audio가 여러 화자의 대화와 긴 콘텐츠 생성을 겨냥한 350억 파라미터 텍스트 음성 변환 모델 Drama 3를 공개했습니다. H200 한 장에서 측정한 스트리밍 성능과 보코더를 별도 GPU에 배치했을 때의 처리량·첫 오디오 지연도 함께 제시했습니다.
Liquid AI, 24B 파라미터 에이전트 모델 LFM2.5-24B-A2B 공개
Liquid AI가 총 24B 파라미터 중 토큰마다 2.45B를 활성화하는 추론 모델 LFM2.5-24B-A2B를 공개했습니다. 에이전트·도구 사용 작업에 맞춰 학습했으며, LiveClaw에서 48.09점을 기록하고 Apple M5 Max에서 초당 184토큰을 생성했다고 밝혔습니다.