11월 8일 (일)

앤트그룹이 전체 5,600억 매개변수 중 작업마다 250억 개를 활성화하는 멀티모달 모델 Ling-3.2-flash를 발표했습니다. 이미지 한 장으로 3D 게임 자산을 만들고 Blender를 조작하는 기능을 소개했습니다.

소개된 평가 결과에 따르면 OmniDocBench1.5에서 92.21점을 기록해 Claude Opus 5의 90.56점을 웃돌았습니다. 이 수치는 해당 평가에서의 비교 결과입니다.

Dar-Yen Chen과 Yi-Zhe Song이 이미지 생성 단계를 기존 4~8단계에서 1~2단계로 줄인 NitroFusion2를 발표했습니다.

글자·사물·그림체를 구분해 평가하도록 학습한 모델로, 적은 생성 단계에서도 이미지 선명도와 글자 가독성을 확보하는 데 초점을 뒀습니다. 모델 가중치와 ComfyUI 워크플로도 공개했습니다.

오픈AI가 GPT Image 2.6의 이미지 생성·수정 프롬프트 가이드를 공개했습니다. 얼굴은 유지하면서 옷만 바꾸거나, 글자만 번역하면서 배치는 유지하는 식으로 변경 범위를 명시하는 방법을 다룹니다.

속도 중심의 Flare와 정밀 작업용 Sunburst를 선택하는 기준도 담았습니다.

Treg가 기업 이름이나 웹사이트를 입력하면 검색 노출, 광고, SNS 활동, 방문자 변화를 시간순으로 분석하는 무료 오픈소스 도구 REA-growth를 공개했습니다.

소개된 사례에서는 Lovable의 2년간 공개 자료에서 마케팅 활동 343건을 추적했으며, 분석 비용은 약 0.58달러였습니다. 다만 어떤 활동이 방문자 증가를 일으켰는지까지 확정해 주지는 않습니다.

브라우저 없이 영상을 렌더링하는 무료 오픈소스 엔진 Raea가 공개됐습니다. TypeScript와 React를 지원해 AI 에이전트가 코드로 영상 제작을 제어할 수 있습니다.

개발자는 실제 영상과 복잡한 장면에서 Remotion 등보다 10~20배 빠르다고 설명했습니다. 이는 개발자가 제시한 성능 주장으로, 사용하는 장면에서 직접 비교할 필요가 있습니다.

한 사용자가 출제자·채점자·풀이자에 모두 Opus 5.5를 쓰면서 역할별 agents.md를 다르게 주고 세션을 분리하자 결과가 달라졌다는 경험을 공유했습니다.

시각 검수처럼 다른 모델이 더 잘하는 작업에서는 채점자 역할만 해당 모델로 교체하는 방식도 공유됐습니다.

한 사용자가 스토리보드로 사용할 컷을 정한 뒤, 전신 프로필 영상과 반신 클로즈업 프로필 영상을 먼저 만드는 방법을 공유했습니다.

이 두 영상을 참조로 사용했을 때 머리 모양이 달라지는 등의 오류가 사라졌다는 경험입니다. 사용한 생성 도구나 반복 검증 결과는 제시되지 않았습니다.

한 사용자가 훅으로 대화를 요약해 저장하는 방식보다, 기록을 인덱싱해 찾아오는 방식이 더 나았다는 경험을 공유했습니다.

대안으로는 에이전트가 작업 내용을 워크로그로 남기게 하고, 그중 중요한 내용만 인덱싱하는 구성이 제안됐습니다.