이미지 생성 모델의 레이아웃 제어 기술과 최신 인공지능 동향

주장이미지 생성 분야에서 레이아웃 제어는 과거 범용인공지능(AGI) 수준의 난제로 평가받았습니다. 최근 정밀한 라벨링과 코드 기반의 레이아웃 기술이 도입되면서 이러한 기술적 장벽이 해소되고 있습니다.

팩트이미지 내 객체와 텍스트 영역을 정확히 배치하는 능력은 모델의 핵심 경쟁력으로 자리 잡았습니다. 레브(Reve) 2.0은 4K 이미지 생성 모델로서 정밀한 레이아웃을 바탕으로 이미지 편집 기능을 제공합니다.

팩트아이디오그램(Ideogram) 4.0은 바운딩 박스를 영역 설명과 연결하여 객체와 텍스트 배치를 학습시켰습니다. 해당 모델은 현재 오픈 소스 이미지 생성 모델 중 가장 높은 성능을 기록합니다.

교차검증이러한 모델의 발전에도 불구하고 인공지능 아레나 순위에서는 지피티-이미지(GPT-Image)-2 모델이 여전히 압도적인 성능 격차를 보입니다. 확산 모델은 대규모언어모델(LLM)보다 컴퓨팅 자원을 많이 소모하지만, 레이아웃을 토큰 예측 문제로 전환하여 효율성을 높입니다.

팩트마이크로소프트는 엠에이아이-씽킹(MAI-Thinking)-1 모델을 공개했습니다. 이 모델은 에이아이엠이(AIME) 2025에서 97%, 에스더블유이-벤치(SWE-Bench) 프로에서 53%의 성능을 기록했습니다.

팩트엠에이아이-씽킹-1은 외부 증류 없이 학습되었으며 추론과 도구 사용 능력을 사후 학습으로 습득했습니다. 마이크로소프트는 기술 보고서를 통해 제로 합성 데이터와 제로 사전 모델 증류를 강조하며 투명성을 확보했습니다.

교차검증마이크로소프트의 고성능 모델 학습 데이터는 코드 50%, 과학·기술·공학·수학(STEM) 17.5%, 수학 17.5%로 특정 분야에 편중된 구성을 보입니다.

팩트구글이 공개한 젬마(Gemma) 4 12B는 인코더가 없는 구조로 설계되었습니다. 이 모델은 약 16기가바이트(GB) 비디오램(VRAM) 환경에서 구동 가능하며 이미지와 오디오를 텍스트 토큰 공간에 직접 투영하여 효율성을 극대화합니다.

팩트미소(Miso) 원은 80억 개의 파라미터를 가진 오픈 웨이트 텍스트투스피치(TTS) 모델입니다. 이 모델은 110밀리초(ms)의 낮은 지연 시간을 구현하며 음성 복제 기능을 제공합니다.

팩트알리바바의 펀-리얼타임(Fun-Realtime)-TTS는 음성 아레나에서 1219 엘로(Elo) 점수를 기록하며 1위를 차지했습니다.

주장인공지능 산업의 중심은 단순한 프레임워크 제공에서 에이전트 하네스 및 실행 환경 구축으로 이동합니다. 이제는 파이썬 래퍼 형태의 추상화보다 도구, 기술, 문맥의 품질을 높이는 작업이 더 중요한 과제가 됩니다.

팩트다중 에이전트 시스템인 마쿠(MACU)는 방향성 비순환 그래프(DAG) 기반의 작업 분해를 통해 벤치마크 성능을 4.7%에서 25.5%까지 향상했습니다. 마이크로소프트의 스킬옵트(SkillOpt)는 멀티모달 추출 작업의 정확도를 0.73에서 0.93으로 개선했습니다.

출처https://www.latent.space/p/ainews-reve-2-and-ideogram-4-layouts 정보를 교차 검증했습니다.