[AI 모델 신작] 텐센트 월드 모델부터 잭 도시의 음성 AI까지 9종

AI타임스 'AI 모델 신작' 묶음 기사(임대준 기자)를 항목별로 정리했어요.

| 회사 | 모델·도구 | 한 줄 | |---|---|---| | 텐센트 | Hy-Nomas | 명령에 따라 장면이 바뀌는 오픈소스 월드 모델 | | 블록 | 데사(Dessa) | 사람 대화 음성만으로 학습한 실시간 음성 AI | | IBM | Granite Speech 5.0 2B | 다국어 받아쓰기·음성 번역 | | 앤트그룹 | Ling-3.0-flash-Sante | 의료 추론·문헌 분석 연구용 모델 | | 퍼플렉시티 | Decider for Mac | 맥에서 무료로 도는 4B 의사결정 모델 | | 베이스랩스 | 매머드-1, 엘리펀트-1 | 의사결정 특화 오픈소스 모델 | | 압둘라 아바바크레 | PhoneUse | AI 에이전트에 스마트폰을 연결 | | VAST | EdenLive | 게임 화면을 실시간 AI 영상으로 | | 카일론 | Annotations | 참고 영상을 내 제품용으로 재구성 |

텐센트 Hy-Nomas

텍스트 명령과 카메라 움직임에 맞춰 영상을 이어 만드는 월드 모델을 오픈소스로 공개했어요. 생성 도중 사물을 더하거나 인물 행동, 배경, 화풍을 바꿀 수 있고 카메라 시점과 경로도 지정해요. 앞 장면 정보를 다음 구간에 쓰는 월드 메모리가 있고, 로봇 같은 분야용 경량 LoRA 적응도 지원해요. 가중치와 실행 코드를 주고, RTX 4090 한 장용 저메모리 설정도 있어요.

블록 데사

잭 도시가 이끄는 블록이 소개했어요. 텍스트 데이터나 사전 학습 모델 없이 처음부터 사람 대화를 듣는 방식으로 실시간 대화를 익혔대요. 사람 음성만으로 학습해 자연스러운 실시간 대화가 되는 첫 AI라고 주장해요.

IBM Granite Speech 5.0 2B

20억 매개변수 소형 모델로 영어, 프랑스어, 독일어, 스페인어, 포르투갈어, 일본어 음성을 처리해요. 크기는 그대로 두고 소음·울림 환경 인식과 긴 음성·대화 번역을 개선했어요. 제품명·전문용어용 키워드를 최대 2,000개 지정할 수 있고 Apache 2.0이에요.

앤트그룹 Ling-3.0-flash-Sante

앤트그룹 인클루전AI가 가중치를 공개한 의료 특화 모델이에요. 전체 1,240억 매개변수 중 토큰당 51억 개를 활성화하고, 최대 25만 6천 토큰을 처리해요. 도구 활용과 다중 에이전트 협업도 지원해요. 개발팀은 진단·처방용 의료기기가 아닌 연구용 모델이라고 밝혔어요.

퍼플렉시티 Decider for Mac

40억 매개변수 의사결정 모델 pplx-decider-flash-v1.2를 맥에서 직접 돌려요. 텍스트와 이미지를 읽고 분류·선택에 필요한 확률을 돌려줘, 고객 문의 배정이나 문서·스크린샷 분류에 쓸 수 있어요. 자료를 외부로 보내지 않고 API 키·요금도 필요 없어요. Apple Silicon 맥, 메모리 16GB 이상이 필요하고 처음 실행할 때 5.8GB 모델을 받아요.

베이스랩스 매머드-1·엘리펀트-1

베이스텐 산하 베이스랩스의 의사결정 특화 모델로 각각 270억, 90억 매개변수예요. 상황과 질문을 읽고 선택지별 확률을 내요. 개발팀에 따르면 매머드-1은 'Jev 디시전 인덱스 0.4'에서 71.24점으로 208개 모델 중 1위였어요. MIT 라이선스예요.

PhoneUse

Claude Code, Codex, Cursor 등에 MCP나 API로 연결하면 에이전트가 휴대전화 화면을 읽고 터치·입력·스크롤해요. 클라우드 안드로이드와 실제 스마트폰을 제공하고, 실제 아이폰은 카메라로 화면을 읽고 물리 스타일러스로 조작하기도 해요.

VAST EdenLive

게임 엔진의 단순한 화면, 원하는 첫 장면, 텍스트 지시를 넣으면 배치와 움직임을 따라 실사풍이나 다른 화풍 영상을 만들어요. 50억 매개변수 모델이 RTX 5090 한 장에서 720p 초당 24프레임 이상이래요. 게임 규칙과 사물 위치는 기존 프로그램이 맡고 AI는 화면 표현만 맡아요. 50억·140억 모델 가중치를 함께 공개했어요.

카일론 Annotations

마음에 드는 참고 영상을 분석하고 주석으로 수정 방향을 더해 자사 제품에 맞는 새 영상으로 재구성하는 기능이에요. 새 모델 가중치 공개가 아니라 영상 분석과 협업을 묶은 제작 기능이에요.