Miso, 감정 표현 특화 8B 음성 모델 'Miso One' 오픈소스 공개
Miso가 80억 파라미터 규모의 텍스트 음성 변환 모델 'Miso One' 가중치를 오픈소스로 공개했다. 세계에서 가장 감정 표현력이 뛰어난 모델을 표방하며 지연 시간은 110밀리초에 불과하다. 실시간 대화에 적합하며 API도 곧 제공될 예정이다.
오픈소스
Llama, Qwen, DeepSeek 등 오픈소스·오픈 웨이트 모델과 주목할 만한 데이터셋, 프레임워크, 개발 도구.
최신 소식 보기
구글, 인코더 없앤 'Gemma 4 12B' 공개: 16GB 노트북서 로컬 구동
구글이 인코더를 완전히 제거한 오픈소스 멀티모달 모델 'Gemma 4 12B'를 공개했다. 시각 및 오디오 입력을 LLM 백본에 직접 연결해 26B MoE급 성능을 절반 이하의 메모리로 달성했다. 16GB 램을 갖춘 노트북 환경에서도 로컬 멀티모달 에이전트를 원활하게 구동할 수 있다.
nex-agi, 코드·에이전트 특화 오픈소스 추론 모델 'Nex-N2' 공개
nex-agi가 긴 호흡의 작업과 코딩에 특화된 오픈소스 추론 모델 'Nex-N2' 제품군을 공개했다. Qwen 3.5 기반 397B 및 35B MoE 구조로 난이도에 따라 생각 깊이를 조절하는 적응형 추론을 지원해, 불필요한 계산을 줄이면서 도구 활용과 터미널 실행을 매끄럽게 처리한다.
트리포AI, 2D 이미지를 3D 가우시안으로 변환하는 'TripoSplat' 오픈소스 공개
트리포AI가 단일 2D 이미지를 최대 26만 개 3D 가우시안 모델로 변환해 주는 'TripoSplat'을 MIT 라이선스로 공개했다. 의존성을 줄인 약 2000줄 코드와 ComfyUI 연동이 특징이지만, 단순 사물에 비해 인물 얼굴 표현은 아직 뭉개지는 한계가 있다.
제트브레인, 12B MoE 오픈소스 모델 'Mellum2' 공개
제트브레인이 12B 파라미터의 텍스트·코드 특화 혼합 전문가 모델 Mellum2를 Apache 2.0 라이선스로 공개했다. 토큰당 2.5B 파라미터만 활성화해 동급 오픈 모델 대비 추론 속도를 2배 이상 높였으며, 라우팅, RAG 파이프라인, 서브 에이전트 등 지연 시간에 민감한 작업에 맞춰 설계됐다.
오픈소스 UI 디자인 도구 'Impeccable 3.5' 출시… 모델별 'AI 슬롭' 잡는다
오픈소스 프론트엔드 디자인 도구 Impeccable 3.5가 공개됐다. AI가 생성한 웹페이지의 전형적인 베이지색 배경과 가독성 문제를 해결하기 위해 모델별 맞춤형 규칙을 적용하고, 브라우저에서 자연어나 음성으로 UI를 실시간 수정해 소스에 반영하는 라이브 모드를 지원한다.
바이두, 영상·음성 동시 생성 모델 NAVA 공개: 63억 파라미터로 싱크 구현
바이두 ERNIE 팀이 63억 파라미터 규모의 영상·음향 동시 생성 모델 NAVA를 오픈소스로 공개했다. 영상을 만든 뒤 소리를 입히는 대신 하나의 프롬프트에서 영상과 스테레오 음성을 함께 생성하며, 참조 음성을 통한 화자 음색 제어도 지원한다.
MAMMA: 카메라 4대만으로 구현하는 고정밀 3D 모션 캡처
막스플랑크 연구소와 CMU 연구진이 마커리스 다인 모션 캡처 시스템 MAMMA를 오픈소스로 공개했습니다. 특수 센서나 마커 없이 일반 카메라 4대의 다각도 영상만으로 춤이나 포옹 같은 복잡한 상호작용을 정밀한 3D 모델로 복원합니다. 매트릭스 스타일의 불릿 타임 구현도 가능하며, GitHub에 웹 UI와 코드가 공개되었습니다.
엔비디아 SANA-Streaming 공개, RTX 5090서 1분 영상 실시간 편집
엔비디아가 비디오 편집 AI 모델 'SANA-Streaming'을 오픈소스로 공개했다. 20억 파라미터 크기로 영상 재생 중 의상과 배경을 실시간 수정하며, RTX 5090에서 720p 영상을 초당 24프레임으로 처리한다. 코드와 모델 가중치는 깃허브 및 허깅페이스에 공개되었다.
MS, 3.8B 이미지 생성 모델 'Lens' 가중치 공개…0.84초 만에 이미지 생성
마이크로소프트가 38억 파라미터 규모의 텍스트-투-이미지 모델 'Lens'의 전체 가중치를 공개했다. 증류 기반의 터보 모델은 4단계 만에 0.84초 속도로 이미지를 생성하며, 기존 대형 모델 대비 19.3%의 학습 연산량만으로 최대 1440x1440 해상도를 지원한다.
오픈소스 경량 비디오 모델 'Marlin 2B' 공개: 20억 파라미터로 타임스탬프 추출
NemoStation이 Qwen 3.5 2B 기반의 오픈소스 비디오 언어 모델 'Marlin 2B'를 공개했다. 영상 속에서 '무슨 일이 언제 일어났는지'를 정확한 타임스탬프와 함께 찾아낸다. 대형 상용 모델에 맞먹는 이해 성능을 갖춰 로컬 환경에서 비디오 검색과 분석에 유용하다.
메이퇀, 다자 대화 지원하는 디지털 휴먼 모델 'LongCat Avatar 1.5' 오픈소스 공개
메이퇀이 디지털 휴먼 영상 생성 모델 'LongCat-Video-Avatar 1.5'를 오픈소스로 공개했다. 사진 한 장과 오디오만으로 자연스러운 발화 영상을 제작하며, 애니메이션 스타일과 다자간 대화 인터랙션까지 지원한다. 8스텝 생성으로 추론 효율을 15배 높였으며, 16GB 크기의 INT8 가중치가 깃허브와 허깅페이스에 풀렸다.
FPS 인터랙티브 월드 모델 'SCOPE' 공개: 10자유도 컨트롤 지원
연구팀이 Wan2.2 기반의 FPS 인터랙티브 월드 모델 SCOPE를 오픈소스로 공개했다. 이동과 조준, 사격 등 10자유도 조작을 프레임 단위로 비디오에 반영하며, 처음 보는 게임 환경에서도 제로샷으로 동작한다. 모델 가중치와 추론 코드, 데이터셋이 모두 GitHub에 공개됐다.
퍼플렉시티, 개발자 보안 스캐너 '범블비' 오픈소스 공개
퍼플렉시티가 내부 개발 환경 보호 도구 '범블비'를 오픈소스로 공개했다. 순수 읽기 전용으로 작동해 설치 스크립트 실행 없이 위험 패키지, 에디터 확장 프로그램, MCP 등 AI 에이전트 설정을 점검한다. 스캔 과정 자체가 공격을 유발하는 문제를 차단한 것이 핵심이다.
ASASR: FLUX.1-dev 기반으로 환각 아티팩트를 줄인 4배 이미지 초해상도 도구
ASASR은 FLUX.1-dev 기반의 오픈소스 이미지 초해상도 도구로, 기존 생성형 업스케일러의 고질적 문제인 왜곡된 환각 디테일을 억제하며 선명한 4배 확대를 지원합니다. 소볼레프 공간 정렬 기반 DPO와 듀얼 LoRA 구조를 적용했습니다. 코드와 가중치가 공개되었으며 Hugging Face Spaces에서 바로 체험할 수 있습니다.
MS, 소형 모델 특화 에이전트 앱 MagenticLite 공개
마이크로소프트가 소형 모델에 최적화된 에이전트 앱 MagenticLite를 공개했습니다. 14B 조율 모델 MagenticBrain과 브라우저 작업용 Fara1.5를 결합해 웹 탐색과 로컬 파일 작업을 단일 워크플로로 처리하며 저비용으로 높은 에이전트 성능을 구현합니다.
바이트댄스, 영상 생성과 편집 통합한 'Bernini' 오픈소스 공개
바이트댄스가 영상 생성과 편집을 단일 구조로 처리하는 프레임워크 'Bernini'를 오픈소스로 공개했습니다. 멀티모달 시맨틱 플래너와 DiT 렌더러를 결합해 텍스트·이미지·영상 입력을 모두 지원하며, 사전에 의미를 계획해 정밀한 비디오 편집을 구현합니다. 추론 코드와 가중치는 깃허브와 허깅페이스에 공개되었습니다.
텐센트, 다국어 번역 모델 'Hy-MT2' 오픈소스 공개…1.8B 모델 440MB로 초경량화
텐센트가 33개 언어를 지원하는 다국어 번역 모델 'Hy-MT2'를 오픈소스로 공개했다. 1.8B, 7B, 30B-A3B MoE 등 3가지 규격으로 제공되며, 1.8B 버전은 AngelSlim 1.25비트 극단적 양자화를 거쳐 440MB 크기로 줄어 온디바이스 구동에 유리하다. JSON 서식 보존과 전문 용어 통일 등 제어 가능한 번역에 집중해 현지화 작업에 적합하다.
시끄러운 현실 음향에 특화된 음성 인식 모델 'Mega ASR' 오픈소스 공개
극심한 소음과 울림 등 열악한 환경의 오디오를 전사하는 음성 인식 모델 Mega ASR이 공개됐다. 260만 건의 음향 변형 데이터로 학습되어 복잡한 조건에서 기존 주요 모델 대비 약 30% 향상된 성능을 보인다. 전체 크기가 5GB 미만이라 일반 소비자용 GPU에서도 로컬 구동과 파인튜닝이 가능하다.
바이트댄스, 이미지·영상 통합 AI 모델 '랜스' 오픈소스 공개
바이트댄스가 이미지와 영상의 이해·생성·편집을 모두 아우르는 통합 멀티모달 모델 '랜스(Lance)'를 오픈소스로 공개했다. 활성 파라미터 30억 개로 멀티턴 대화를 통한 영상 편집이 가능하지만, 로컬 구동에는 최소 40GB VRAM이 필요하다.