1X, 휴머노이드용 '월드 모델' 공개…영상 보고 토스트 굽기 자율 학습
로봇 스타트업 1X가 물리 기반의 '1X 월드 모델'을 공개했다. 인터넷 영상과 텍스트 프롬프트를 통해 휴머노이드 로봇 Neo가 사전 훈련 없이도 토스터에 빵 넣기, 에어프라이어 바구니 꺼내기, 하이파이브 같은 동작을 스스로 익힐 수 있도록 돕는다. 1X는 올해 가정용 Neo 배송을 준비 중이다.
로봇 스타트업 1X가 물리 기반의 '1X 월드 모델'을 공개했다. 인터넷 영상과 텍스트 프롬프트를 통해 휴머노이드 로봇 Neo가 사전 훈련 없이도 토스터에 빵 넣기, 에어프라이어 바구니 꺼내기, 하이파이브 같은 동작을 스스로 익힐 수 있도록 돕는다. 1X는 올해 가정용 Neo 배송을 준비 중이다.
구글이 동영상 생성 모델 Veo 3.1을 업데이트하고 이미지 기반 비디오 기능에 9:16 세로 비율과 최대 4K 해상도를 추가했다. 참조 이미지를 활용해 다른 장면에서도 인물과 배경의 일관성을 유지할 수 있어 숏폼 제작에 유용하다. Gemini 앱 등에서 쓸 수 있다.
큐타이가 GPU 없이 CPU만으로 구동되는 초경량 음성 합성 도구 '포켓 TTS'를 오픈소스로 공개했다. 1억 파라미터 크기로 M4 맥북 에어 2개 코어에서 6배 실시간 속도와 200ms 응답 지연을 제공하며, 음성 복제와 무제한 텍스트 입력을 지원한다.
YC의 지원을 받는 스타트업 GRU Space가 달 호텔 건설 계획을 발표하고 초기 승객을 대상으로 25만~100만 달러의 예약금을 받기 시작했다. 2032년 SpaceX 우주선 탑승객을 위한 4인용 팽창식 숙소를 쏘아 올린다는 구상이지만, 현재 창업자 외 정규직은 단 한 명뿐이다.
앤트로픽이 일상 업무를 자율 처리하는 도구 '클로드 코워크'의 연구 프리뷰를 공개했다. 지정한 폴더 내 파일을 직접 읽고 쓰며 보고서 작성과 지출 정리 등을 백그라운드에서 알아서 끝낸다. 현재 macOS 데스크톱 앱의 맥스(Max) 플랜 구독자에게 우선 제공된다.
애플이 구글과 다년 파트너십을 맺고 차세대 시리와 자체 파운데이션 모델에 제미나이를 도입한다고 발표했다. 연간 라이선스 비용은 약 10억 달러로 알려졌다. 자체 AI 개발에 고전하던 애플이 핵심 두뇌를 최대 경쟁사에 맡긴 셈이며, 기존 ChatGPT와의 협력도 유지된다.
개발자 yatharthsharma3501이 초경량 오디오 업샘플링 모델 NovaSR을 오픈소스로 공개했다. 모델 크기가 약 52KB에 불과하며, 10개 미만의 Conv1D 계층 구조로 A100에서 실시간 대비 3600배 속도를 기록한다. 16kHz 음성을 48kHz 고음질로 복원해 온디바이스 기기나 TTS 실시간 품질 향상에 유용하다.
ShowLab이 사람의 화면 녹화와 마우스·키보드 조작을 보고 PC 작업을 학습하는 에이전트 ShowUI-Aloha를 오픈소스로 공개했다. 한 번의 시연만으로 작업 흐름을 추상화해 새 업무를 처리하며, OSWorld 벤치마크에서 60.1%의 성공률을 기록했다.
PixVerse가 실시간 대화형 세계 모델 'PixVerse R1'을 발표했다. 렌더링을 기다릴 필요 없이 연속으로 1080P 영상을 스트리밍하며, 중간에 프롬프트를 넣어 사물을 즉시 추가하거나 바꿀 수 있다. 아직 일관성 부족과 왜곡 현상이 있지만, AI 영상을 실시간 시뮬레이션으로 전환했다는 점에서 주목할 만하다.
구글이 월마트 및 쇼피파이 등과 함께 범용 커머스 프로토콜(UCP)을 발표했습니다. 상품 탐색부터 상담, 결제, 사후 지원까지 전 과정을 아우르는 오픈 표준으로, 구글 검색과 제미나이 내 즉시 결제를 지원합니다. AI가 상품 추천을 넘어 직접 주문까지 대신해 주는 구조이며, 현재 미국 일부 유통사를 대상으로 시범 적용 중입니다.
3D 메시 시퀀스에서 골격과 동작을 자동으로 추론하는 프레임워크 RigMo 논문이 발표됐다. 사람이 일일이 리깅을 라벨링하지 않아도 인간, 동물, 기계류까지 정확한 뼈대를 구성해 움직이게 만든다. 현재 논문이 공개되었으며 코드와 데이터셋도 곧 오픈소스로 제공될 예정이다.
알리바바 연구진이 이미지 위치 추정 모델 Thinking with Map을 발표했다. 사람이 지도를 보듯 탐색하는 강화학습과 병렬 테스트 시점 스케일링을 결합해 500m 이내 위치 정확도를 22.1%까지 끌어올렸으며, 지도 검색을 연동한 Gemini-3-Pro보다 2.8배 뛰어난 성능을 보였다.
텐센트 연구진이 4D 기하학적 제어가 가능한 비디오 월드 모델 VerseCrafter를 공개했습니다. 단일 이미지를 3D 포인트 클라우드로 변환해 블렌더에서 카메라 구도와 물체의 3D 궤적을 직접 지정할 수 있으며, Wan2.1을 기반으로 시공간 일관성이 높은 영상을 생성합니다.
Z.ai가 허깅페이스에 새로운 이미지 생성 모델 'GLM-Image'를 공개했습니다. 자기회귀와 확산 디코더를 결합한 하이브리드 구조로 단일 모델 내 이미지 생성을 지원하며, CVTG-2K 벤치마크에서 91.2%의 단어 렌더링 정확도를 기록해 경쟁 모델을 앞섰습니다.
개발자 multimodalart가 허깅페이스에 Qwen 이미지 편집용 3D 카메라 제어 Space를 공개했다. fal의 LoRA 모델을 기반으로 구현되어, 3D 뷰포트의 핸들이나 슬라이더를 조작해 방위각, 앙각, 카메라 거리를 정밀하게 바꿀 수 있다. 프롬프트에만 기대던 2D 이미지 각도 조정을 3D 소프트웨어처럼 직관적으로 다룰 수 있게 된 셈이다.
초고속 오픈소스 이미지 편집 모델 VIBE가 공개됐다. 2B 파라미터의 Qwen3-VL과 1.6B의 Sana 1.5를 결합해, H100에서 2K 이미지를 약 4초 만에 편집하며 증류 버전은 2초 이내로 단축된다. 가벼운 크기로 원본 디테일을 정교하게 유지하는 점이 특징이다.
사카나 AI는 자체 개발한 'ALE-Agent'가 앳코더(AtCoder) 휴리스틱 프로그래밍 대회 AHC058에서 804명의 인간 참가자를 제치고 1위를 차지했다고 밝혔다. 4시간 동안 약 1,300달러 상당의 컴퓨팅 비용을 투입해 다중 모델 추론으로 출제자의 예상을 뛰어넘는 최적화 알고리즘을 스스로 발견했다. AI 에이전트가 실시간 대규모 최적화 프로그래밍 대회에서 우승한 것은 이번이 처음이다.
UniSH가 단일 영상에서 3D 배경과 인체의 동적 움직임을 동시에 복원하는 순방향 프레임워크를 공개했습니다. 복잡한 반복 최적화 없이 흔들리는 영상에서도 장면 포인트 클라우드, 카메라 궤적, 인체 메쉬를 한 번에 추론합니다. 코드는 GitHub에 공개되어 로컬에서 실행할 수 있습니다.
싱가포르국립대 쇼랩(Show Lab)이 부드러운 마우스 궤적을 생성하는 450M 파라미터 GUI 에이전트 'ShowUI-π'를 공개했다. 기존 모델이 취약했던 드래그, 손글씨, 캡차 해결 등 연속 조작을 유연하게 처리하며, 영상 편집과 캡차 테스트에서 대형 모델을 앞서는 성능을 보였다.
12월, 통이 연구소가 텍스트-투-이미지 모델 'Qwen-Image-2512'를 오픈소스로 공개했다. 특유의 인위적인 느낌을 줄이고 모공과 주름, 동물 털 등 극사실적 질감을 강화했으며, 텍스트 렌더링 정확도를 대폭 끌어올려 인포그래픽과 발표 슬라이드 제작까지 지원한다.
일론 머스크는 xAI가 'MACROHARDRR'라는 세 번째 시설을 매입했다고 밝혔다. 이를 통해 xAI의 AI 학습용 연산 규모는 약 2GW에 달하게 된다. 차세대 그록(Grok) 개발을 목표로 인프라를 빠르게 흡수하는 모양새다.
런웨이(Runway)는 어도비와 다년간의 전략적 파트너십을 체결하고 어도비 크리에이티브 도구에 자사 AI 모델 및 기술을 도입한다고 발표했다. 양사는 어도비 애플리케이션 전용 전문 워크플로 AI 기능도 공동 개발할 계획이다. 영상 제작자가 별도 툴 없이 기존 작업 환경에서 바로 생성형 AI를 쓰게 된다.
바이트댄스 Seed 팀이 생체 분자 구조 예측 모델 'SeedFold'를 공개했다. 네트워크 폭을 4배로 확장하고 연산 복잡도를 O(n²)으로 줄인 선형 삼각 어텐션을 도입했으며, 알파폴드2에서 2650만 개 샘플을 증류해 학습 데이터를 147배 늘렸다. 항체-항원 결합을 비롯한 다수 단백질 과제에서 알파폴드3의 성능을 앞섰다.
알리바바 Qwen 팀이 코딩 도구 Qwen Code v0.6.0을 공개했다. 이번 버전은 기능 확장을 위한 실험적 Skills 기능과 /compress, /summary 명령어를 도입했으며, 제미나이와 앤트로픽 모델 연동을 지원한다. VS Code 확장 프로그램에서는 클릭 가능한 Bash 도구 호출 출력 등 사용성도 개선됐다.
CNBC는 소프트뱅크가 오픈AI에 대한 400억 달러 규모의 투자 약정을 전액 집행 완료했다고 보도했다. 지난주 마지막 트랜치인 220억~225억 달러를 송금하며 지분 약 11%를 확보했다. 조달된 자금은 오라클 등과 함께하는 AI 인프라 합작 사업 '스타게이트' 등에 투입된다.
텐센트가 텍스트 기반 3D 애니메이션 생성 모델 'HY-Motion 1.0'을 오픈소스로 공개했다. DiT 구조와 플로우 매칭을 기반으로 10억 개 이상의 파라미터를 갖췄으며, 200개 이상의 동작 범주를 지원해 생성된 3D 에셋을 기존 제작 파이프라인에 바로 통합할 수 있다.
메타가 싱가포르의 AI 스타트업 마누스(Manus)를 약 20억 달러에 인수한다고 외신이 전했다. 마누스는 업무를 엔드투엔드로 처리하는 AI 에이전트로 8개월 만에 연간 반복 매출(ARR) 1억 달러를 돌파했다. 메타는 독립 운영을 유지하면서 페이스북, 인스타그램, 왓츠앱에 해당 에이전트를 통합할 계획이다.
fal이 오픈웨이트 이미지 모델 'FLUX.2 [dev] Turbo'를 공개했다. DMD2 증류 기술을 통해 생성 단계를 50단계에서 8단계로 단축했으며, 1024x1024 이미지를 6.6초 만에 장당 약 0.008달러로 생성한다. 가중치는 Hugging Face에 공개되었으나 상업적 이용 시에는 fal의 API를 거쳐야 한다.
영상 편집 플랫폼 캡윙(Kapwing)의 연구 결과, 유튜브 알고리즘이 신규 계정에 추천하는 영상의 20% 이상이 저품질 AI 생성 콘텐츠(AI slop)인 것으로 나타났다. 신규 계정에 처음 추천된 500개 영상 중 104개가 AI 저품질 영상이었으며, 이러한 채널들이 연간 약 1억 1,700만 달러의 수익을 올리는 것으로 추정된다.
샘 알트만 오픈AI CEO는 최신 AI 역량의 남용 방지와 위험 관리를 총괄할 '준비 책임자(Head of Preparedness)' 채용을 발표했다. 모델이 심각한 보안 취약점을 직접 찾아내기 시작함에 따라, 사이버 보안 방어 및 자기 개선 시스템의 안전성을 검증하는 중책을 맡게 된다.