AI 연구

씽킹 머신즈가 975B 파라미터 규모의 오픈 웨이트 모델 잉클링을 선보였습니다. 아파치 2.0 라이선스를 채택해 접근성을 높였으며 실무 중심의 에이전트 작업에 최적화했습니다.

데이터브릭스가 씽킹 머신즈 랩의 오픈 웨이트 모델인 잉클링을 자사 플랫폼에 통합했습니다. 기업은 이를 통해 자체 데이터를 활용한 코딩 및 에이전트 추론 작업을 효율적으로 수행할 수 있습니다.

허깅페이스가 기존의 기술 중심 평가 방식을 넘어 인간의 대화 능력을 측정하는 새로운 벤치마크 리얼 월드 보이스 이큐를 공개했습니다. 이 지표는 100만 건 이상의 인간 평가 데이터를 바탕으로 음성 AI의 실질적인 성능을 분석합니다.

칭화대학교와 바이트댄스 등 공동 연구진이 소형 모델의 강화학습 결과를 대형 모델로 효율적으로 전이하는 Direct-OPD 기법을 발표했습니다. 이 기술은 고비용의 강화학습 과정을 거치지 않고도 대형 모델의 추론 성능을 크게 향상합니다.

코덱스와 챗GPT 워크의 사용자 수가 지난 6개월 동안 10배 이상 증가하며 700만 명을 넘어섰습니다. 인공지능 업계는 단순 모델 성능 경쟁을 넘어 작업당 비용을 최적화하는 방향으로 전략을 수정하고 있습니다.

세종대학교 연구진이 기존 비디오 이해 인공지능 모델 평가 방식의 문제점을 분석한 '비디오-오아시스'를 발표했습니다. 연구 결과 기존 벤치마크 데이터의 절반 이상이 영상 없이도 정답을 맞힐 수 있는 것으로 나타났습니다.

오픈에이아이가 차세대 모델의 데이터 처리 효율과 비용 대비 성능을 극대화하는 전략을 발표했습니다. 단순한 모델 크기 확장을 넘어 복잡한 추론 능력을 강화하는 방향으로 기술 개발을 추진합니다.

오픈에이아이가 현재 인공지능 코딩 능력 평가에 사용되는 스웨-벤치 프로의 정확도 문제를 제기했습니다. 평가 과정에서 발생하는 노이즈가 모델 성능을 왜곡할 수 있다는 분석입니다. 더 정교한 평가 체계 구축을 위한 개선 방안도 함께 제시했습니다.

데이터브릭스가 자사 코드베이스를 활용해 코딩 에이전트의 성능과 비용 효율성을 평가했습니다. 작업 성격에 따라 모델과 하네스를 조합하는 전략이 생산성 향상에 효과적임을 확인했습니다.

엑스에이아이가 경쟁 모델 대비 가격 경쟁력을 극대화한 인공지능 모델 그록 4.5를 출시했습니다. 주요 벤치마크에서 대등한 성능을 보이면서도 이용료를 대폭 낮춰 시장 공략에 나섭니다.