Baidu의 Unlimited-OCR, 이미지와 여러 페이지 문서를 파싱하는 OCR 모델
Baidu가 공개한 Unlimited-OCR은 단일 이미지와 여러 페이지 문서, PDF를 처리하는 OCR 모델입니다. Hugging Face Transformers로 실행하거나 vLLM·SGLang 서버에 배포할 수 있으며, 모델 카드에는 OmniDocBench 평가 수치도 공개되어 있습니다.
AI · 최신기사
AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.
“전기가 나가면”: 나이지리아 정전 때 노트북이 저를 밖으로 보냅니다
나이지리아의 잦은 정전을 활용해 노트북 배터리 전환을 감지하고, 사용자가 잠깐 밖에 나가도록 안내하는 오프라인 도구를 만들었습니다. 코드가 사실과 수치를 맡고 로컬 Gemma가 짧은 문장만 쓰도록 분리한 설계와 실제 정전에서 발견한 문제를 소개합니다.
Foley — 음성으로 할 일을 기록하고 계획하며, 모호하면 먼저 묻는 목록
Foley는 음성으로 말한 할 일을 프로젝트·날짜·알림과 함께 정리하는 할 일 목록 앱입니다. 일정이 모호하면 추측하지 않고 되묻고, 상대 날짜는 기기 시계를 기준으로 앱 코드에서 확인합니다.
Open WebUI — Ollama와 OpenAI 호환 API를 지원하는 셀프호스트 AI 플랫폼
Open WebUI는 Ollama와 OpenAI 호환 API를 한곳에서 연결하는 셀프호스트 AI 인터페이스입니다. 로컬·클라우드 모델 대화뿐 아니라 RAG, 도구·에이전트, 팀 권한 관리, 관측 기능까지 제공하며, Docker·Kubernetes 등으로 배포할 수 있습니다.
Linus Torvalds, Claude Code와 리눅스 커널 메모리 관리 개선 작업
Linus Torvalds가 Claude Code의 도움을 받아 페이지 캐시 읽기 경로를 개선하는 리눅스 커널 패치 작업을 진행하고 있습니다. 여러 스레드가 같은 파일을 작게 읽을 때 발생하는 folio 참조 횟수 경합을 줄이는 것이 목표이며, Torvalds는 코드와 테스트, 리뷰에 LLM을 활용했다고 밝혔습니다.
QGIS, AI 보조 코드 기여 금지 정책 채택
QGIS가 저장소에 제출하는 코드 기여에 LLM·AI·에이전트 사용을 금지하는 정책을 채택했습니다. 유지보수자들은 AI가 만든 저품질 기여를 검토하느라 감당하기 어려운 부담을 겪고 있다고 설명하지만, 금지 범위가 모호해 자동완성이나 코드 검토까지 막는지 논쟁이 이어집니다.
신규 사용자를 막던 ‘레이어가 있는 PSD가 필요합니다’라는 조건, 그래서 이미지 분할 기능을 만들었습니다
캐릭터를 리깅하고 애니메이션으로 만드는 Riggy가 레이어가 분리된 PSD 대신 평면 PNG·JPG로 작업을 시작하는 기능을 추가했습니다. 이미지에서 움직일 부위를 나누고 가려진 부분을 채우며, 결과는 그림의 윤곽과 팔다리 배치에 크게 좌우됩니다.
LLM이 이미 익힌 Unix와 컴퓨터과학 형식 활용하기 — 프롬프트 DSL을 새로 만들지 말아야 하는 이유
글은 긴 자연어 지침이나 새로 만든 프롬프트 DSL보다 Makefile, EBNF, Circuit Breaker 같은 익숙한 시스템 형식으로 에이전트 작업을 표현하자고 제안합니다. 저자는 Gemini 4개 모델을 대상으로 한 1,680회 A/B 실험에서 여러 작업의 준수율이 개선됐다고 보고하지만, 댓글에서는 형식 자체의 효과와 실행 환경이 강제하는 효과를 구분해야 한다는 지적도 나옵니다.
Microsoft BitNet — 1비트 LLM 추론 프레임워크
BitNet은 삼진 가중치를 쓰는 1비트 LLM을 CPU와 GPU에서 추론하는 Microsoft의 오픈소스 프레임워크입니다. 프로젝트가 공개한 벤치마크에서 x86은 최대 6.17배, ARM은 최대 5.07배 빨라지고 에너지 소비는 각각 최대 82.2%, 70.0% 줄었습니다. 임베딩 모델과 실시간 음성 인식 엔진으로도 적용 범위를 넓히고 있습니다.
LLM이 영상 내용을 살펴보도록 돕는 브라우저 기반 프레임 그리드 도구
Frame Grid는 동영상이나 GIF에서 프레임을 추출해 번호와 시간 정보가 있는 PNG 그리드로 묶습니다. 브라우저에서 오프라인으로 작동하며 자막 동기화, 중복 프레임 제거, 프레임별 구조 지문과 JSON 내보내기도 지원합니다. 비슷한 작업은 ffmpeg로도 가능하지만, 설치 없이 쓸 수 있는 점을 내세웁니다.
Chhaya: 그늘을 우선하는 열대 도시 도보 지도
Chhaya는 콜카타의 건물 그림자를 계산해 보행자가 햇볕을 덜 받는 경로를 찾도록 돕는 오픈소스 지도입니다. 작성자는 UTM 기반 그림자 계산과 이중 경로 탐색, 음성 안내를 결합했으며, 미세 조정한 모델의 요청 해석 정확도와 기온 예측 결과도 공개합니다.
Ayven — 팀의 안건을 실행까지 이끄는 에이전트
Ayven은 팀의 안건을 실행 가능한 작업으로 나누고 담당자와 기한을 정해 Jira나 YouTrack에 등록하는 에이전트입니다. 이후 Slack에서 구성원에게 질문하고 응답을 기다리며 진행 상황을 추적합니다. 개발팀은 계획 수립과 반복적인 후속 확인을 맡기고 기존 대화 도구에서 답할 수 있습니다.
Free Claude Code — 여러 코딩 에이전트와 모델을 한곳에서 연결하는 오픈소스 도구
Free Claude Code(FCC)는 여러 코딩 에이전트와 모델 제공자를 로컬 서버 하나에 연결하는 오픈소스 도구입니다. 모델 장애 시 대체 모델로 요청을 넘기고, 터미널·IDE·브라우저·메신저에서 사용할 수 있습니다. 무료 티어의 제공량과 한도는 각 제공자가 정합니다.
대표 AI 게이트웨이 5종 비교
AI 게이트웨이 5종의 모델 연결, 라우팅, 관측성, 비용 관리, 배포 방식을 비교합니다. 글은 프로덕션 성능과 자체 인프라 통제를 원하는 팀에 Bifrost를 추천하며, 나머지 제품은 Cloudflare·Vercel 환경, Python 기반 자체 운영, 폭넓은 모델 탐색 등 서로 다른 용도에 맞춘다고 설명합니다.
MePersona — 크리에이터 말투로 팬 댓글에 답하는 소셜 미디어 받은편지함
MePersona는 여러 소셜 플랫폼의 댓글과 DM을 한곳에 모으고, 크리에이터의 말투를 학습해 답변 초안을 작성합니다. 팬별 대화 기억과 답변 검토 절차를 두어 대량 댓글에도 개인화된 응대를 돕습니다.
앤스로픽 AI 에이전트, 바이러스 DNA에서 CRISPR 유사 효소군 발견 주장 — 한 연구자는 2022년부터 같은 효소를 연구했다고 밝혀
앤스로픽은 AI 에이전트 950개가 바이러스 DNA에서 CRISPR와 구조가 비슷한 효소 체계를 찾았다고 발표했습니다. 다만 실제 유전자 편집 기능은 확인되지 않았고, 같은 서열을 연구해 온 연구자가 비공개 자료가 모델에 쓰였을 가능성을 제기하면서 발견의 독립성과 AI 연구의 자율성을 둘러싼 논쟁이 이어집니다.
OpenScreen 2 — 데모를 녹화하고 AI 에이전트에 편집 맡기기
OpenScreen 2는 클릭을 바탕으로 줌을 계획하고, 로컬 MCP 서버를 통해 AI 에이전트가 녹화 영상을 편집하는 화면 녹화 도구입니다. 자막과 대본 편집, 3D 카메라, GPU 렌더러를 추가했으며 Windows·macOS·Linux에서 무료로 사용할 수 있습니다.
16.9MB 음성 인식 모델 Whistle
Cactus Compute가 모바일과 임베디드 기기에서 실행하는 16.9MB 음성 인식 모델 Whistle을 공개했습니다. 기기 안에서 전사, 단어별 타임스탬프, 음성 임베딩을 처리하며, 일부 벤치마크에서는 Whisper base보다 높은 점수를 기록했지만 모든 데이터셋에서 앞서지는 않았습니다.
화면 없이 걷는 만큼 진행되는 음성 RPG, Zero-Screen Dungeon Master
Zero-Screen Dungeon Master는 GPS로 걷는 거리를 측정해 이야기를 진행하는 음성 중심 RPG입니다. React PWA와 로컬 Gemma 기반 스토리 생성기를 결합하고, 오프라인 사용과 화면을 보지 않는 조작을 목표로 설계했습니다.
kōdlo — 맥락을 통합한 엔드투엔드 영업 작업 공간
kōdlo는 잠재 고객 발굴부터 조사, 맞춤형 영업 자료 작성, 팀 협업까지 한곳에서 처리하는 영업 작업 공간입니다. MCP로 Claude Desktop이나 ChatGPT Work 같은 도구에 고객 맥락을 연결하며, 회사는 사용자 데이터를 모델 학습에 쓰지 않는다고 밝혔습니다.