사진 한 장으로 걸어 다니는 3D 세계 생성…'AnchorWeave' 오픈소스 공개
단 한 장의 이미지에서 키보드로 탐색 가능한 3D 영상을 생성하는 프레임워크 'AnchorWeave'가 공개됐다. 국소 기하학적 메모리와 다중 앵커 제어를 활용해 시선을 돌렸다가 다시 봐도 배경이 바뀌지 않는 일관성을 확보했다. 현재 깃허브에서 코드를 내려받을 수 있다.
오픈소스
Llama, Qwen, DeepSeek 등 오픈소스·오픈 웨이트 모델과 주목할 만한 데이터셋, 프레임워크, 개발 도구.
최신 소식 보기
dots.ocr-1.5 공개: 차트와 도표를 SVG 코드로 직접 변환하는 3B OCR
rednote-hilab이 Hugging Face에 3B 멀티모달 OCR 모델 'dots.ocr-1.5'를 공개했습니다. 거의 모든 인류 문자를 지원하는 고성능 다국어 문서 파싱은 물론, 차트와 다이어그램을 바로 편집 가능한 SVG 코드로 변환해 주는 점이 가장 큰 특징입니다.
바이트댄스, AR 기반 이미지 생성 모델 '비트댄스' 공개…생성 속도 30배 향상
바이트댄스가 자기회귀(AR) 기반 이미지 생성 모델 '비트댄스(BitDance)'를 오픈소스로 공개했다. 바이너리 토큰과 병렬 디퓨전 디코딩 기법을 적용해 1024x1024 해상도 생성 속도를 기존 AR 모델 대비 30배 이상 끌어올렸으며, ImageNet에서 1.24 FID를 기록했다. AR 방식의 속도 한계를 극복했다는 점에서 주목받고 있다.
홍콩대, AI 경제 압박 벤치마크 'ClawWork' 공개…API 비용 못 벌면 파산
홍콩대 데이터지능연구실이 AI 에이전트의 실전 업무 능력을 평가하는 'ClawWork'를 공개했다. AI는 초기 자금 10달러로 시작해 API 비용을 직접 지불하며 44개 업종의 전문 업무를 완수해 생존해야 하고, 적자가 나면 파산한다. 단순 벤치마크 점수가 아닌 실제 경제적 자립도와 가성비를 검증한다는 점이 핵심이다.
알리바바, 'Mobile-Agent-v3.5' 공개: PC·모바일·웹 넘나드는 GUI 에이전트
알리바바가 멀티 플랫폼 GUI 에이전트 Mobile-Agent-v3.5를 공개했다. Qwen3-VL 기반의 GUI-Owl-1.5 모델군(2B~235B)을 탑재해 PC, 모바일, 웹 환경의 인지·계획·실행을 하나로 통합했으며 20개 이상의 벤치마크에서 SOTA를 달성했다. 모델 가중치와 데모가 함께 공개됐다.
바이트댄스, 파일 시스템 기반 AI 에이전트 컨텍스트 관리 시스템 'OpenViking' 오픈소스 공개
바이트댄스가 AI 에이전트의 컨텍스트 관리 시스템 'OpenViking'을 오픈소스로 공개했다. 텍스트를 단순 분할하지 않고 파일 시스템 형태로 기억과 스킬을 계층화하며, L0~L2 단계별 로딩으로 토큰 소모를 줄이고 검색 과정을 시각화해 준다.
엔비디아 가이드 공개: RTX GPU와 DGX Spark에서 AI 에이전트 'OpenClaw' 무료 실행
엔비디아가 GeForce RTX GPU와 DGX Spark 시스템에서 로컬 AI 에이전트 OpenClaw를 무료로 구동하는 가이드를 공개했습니다. Ollama나 LM Studio 등으로 로컬 LLM을 연동해 클라우드 API 비용을 없애고 개인 데이터를 기기 내에 안전하게 보관할 수 있습니다. 상시 가동되는 에이전트 특성상 보안 수칙 준수가 권장됩니다.
문샤인 AI, 온디바이스 음성인식 모델 공개: 위스퍼보다 7.5배 작고 정확해
문샤인 AI가 iOS, 안드로이드, 라즈베리 파이 등에서 실시간 작동하는 온디바이스 음성인식 모델 ‘문샤인 보이스’의 가중치를 공개했다. 2억 개 매개변수의 스트리밍 모델은 위스퍼 라지 v3보다 7.5배 작으면서도 단어 오류율에서 앞서며 다국어를 지원한다.
모나크 RT 공개: RTX 5090 한 장으로 16 FPS 실시간 영상 생성
실시간 비디오 확산 모델 가속 프레임워크 'Monarch RT'가 공개됐다. 단 한 장의 RTX 5090 GPU에서 초당 16프레임의 실시간 생성을 달성하며, 플래시어텐션 대비 약 4배 빠르면서도 원본 화질의 95% 수준을 유지한다. 고가 데이터센터 없이도 실시간 비디오 생성이 가능해진 점이 핵심이다.
알리바바, 이미지 생성·편집 통합 모델 DeepGen 1.0 오픈소스 공개
알리바바가 이미지 생성 및 편집 모델 DeepGen 1.0을 오픈소스로 공개했다. 5B 규모 설계로 텍스트 렌더링과 객체 수정은 물론 미로 풀이 같은 시각적 추론까지 지원한다. 벤치마크에서 대형 모델을 앞서는 성능을 입증했으나, 모델 크기가 72GB에 달해 일반 PC 환경 구동에는 부담이 따른다.
LobsterAI: 넷이즈 유다오, 오피스 편집과 원격 지시 지원하는 데스크톱 AI 에이전트 오픈소스 공개
넷이즈 유다오가 오픈소스 데스크톱 AI 에이전트 LobsterAI를 공개했다. MIT 라이선스로 제공되며 PC 로컬에서 오피스 문서를 직접 편집하고 브라우저를 제어하며 메신저를 통해 모바일에서 원격으로 작업을 지시할 수 있다. 샌드박스 기반의 실행 승인 단계를 거쳐 안전하게 PC 업무를 자동화한다.
MOSS-TTS 오픈소스 공개: 몇 초 만에 음성 복제, 다중 화자 대화 지원
OpenMOSS 팀이 다국어 음성 합성 모델 패밀리 MOSS-TTS를 오픈소스로 공개했다. 몇 초 분량의 오디오만으로 음성을 정밀하게 복제하며, 다중 화자 대화와 초저지연 실시간 스트리밍을 두루 지원한다. 8B 및 1.7B 크기로 일반 GPU에서도 손쉽게 구동할 수 있다.
SoulX-Singer: 단 몇 초 음성으로 노래 클론, 3GB 미만으로 CPU 구동 지원
Soul-AILab이 제로샷 가창 음성 합성 모델 'SoulX-Singer'를 오픈소스로 공개했다. 몇 초 분량의 말소리와 참고 노래 음원만 입력하면 해당 목소리로 노래를 합성해 낸다. 모델 용량이 3GB 미만이라 저사양 GPU나 CPU에서도 로컬 구동이 가능하다.
바이트댄스, 알파폴드 3 뛰어넘은 오픈소스 생체분자 예측 모델 'Protenix-v1' 공개
바이트댄스가 단백질, 핵산, 리간드 등의 구조를 예측하는 생체분자 모델 'Protenix-v1'을 오픈소스로 공개했다. 동일한 모델 규모 및 데이터 기준에서 알파폴드 3의 벤치마크 성능을 넘어섰으며, 아파치 2.0 라이선스로 가중치와 전체 학습 파이프라인까지 모두 개방했다.
상하이 AI 랩, 1조 파라미터 과학 특화 오픈소스 모델 'Intern-S1-Pro' 공개
상하이인공지능실험실이 과학 연구용 멀티모달 대형 모델 'Intern-S1-Pro'를 오픈소스로 공개했습니다. 총 1조 개(1T) 파라미터의 MoE 구조로 추론 시 22B만 활성화하며, 화학·물리·생명과학 등 복잡한 과학 추론에서 올림피아드 수준의 성능을 발휘합니다. 상업적 무료 사용도 지원합니다.
영상 더빙과 립싱크를 한 번에 해결하는 오픈소스 도구 'Just Dub It'
영상 다국어 더빙과 입모양 동기화를 함께 생성하는 오픈소스 도구 Just Dub It이 공개됐다. LTX-2 모델 기반 경량 LoRA 어댑터로 작동해 화자의 얼굴 특징을 유지하며 번역 음성과 일치하는 입모양을 만들어낸다. 코드와 가중치가 모두 공개돼 일반 소비자용 GPU에서도 실행할 수 있다.
음성·음향·음악 생성을 하나로 합친 오픈소스 오디오 모델 'UniAudio 2.0' 공개
TTS, 음향 효과, 음악 생성 및 음성 스타일 편집을 하나의 아키텍처로 처리하는 통합 오디오 언어 모델 'UniAudio 2.0'이 오픈소스로 공개됐다. 전용 코덱을 통해 음성 이해와 고음질 파형 생성을 단일 모델 안에서 구현했다.
10MB 메모리로 돌아가는 초경량 AI 비서 프레임워크 '피코클로' 등장
초경량 오픈소스 개인 AI 비서 프레임워크 'PicoClaw'가 공개됐다. Go 언어로 개발되어 10MB 미만의 메모리와 1초 미만의 부팅 속도를 자랑하며, 10달러짜리 초저가 하드웨어에서도 텔레그램이나 왓츠앱을 연동해 24시간 작업을 자동 처리할 수 있다.
미스트랄, '복스트랄 트랜스크라이브 2' 출시…4B 실시간 음성인식 모델 오픈소스 공개
오늘 미스트랄 AI가 차세대 음성인식 모델군 'Voxtral Transcribe 2'를 발표했습니다. 실시간 스트리밍 모델인 4B 규모의 Voxtral Realtime은 아파치 2.0 라이선스로 가중치가 공개되었으며, 200ms 이하 초저지연으로 온디바이스 구동이 가능합니다. 한국어를 포함한 13개 언어와 화자 분리를 지원합니다.
See-Through: 단 한 장의 2D 일러스트를 23개 레이어로 분해
오픈소스 프로젝트 See-Through는 정적 2D 캐릭터 일러스트 한 장을 최대 23개의 독립 레이어로 분해하고 가려진 영역까지 복원합니다. 깊이 맵이 포함된 투명 PSD 파일로 내보낼 수 있어 포토샵 수정뿐 아니라 Live2D 애니메이션 제작 준비 과정을 대폭 줄여줍니다.