검색

xAI가 6월 28일 Grok 4.5 비공개 베타를 SpaceX와 테슬라 내부에서 시작했어요. 파라미터가 1.5조 개인 V9 모델로, 직전 버전 Grok 4.4 대비 50% 대형화됐어요. 내부 평가에서 클로드 오퍼스 수준에 근접하거나 넘는 성능이 나왔고, xAI는 2026년 말까지 매월 새 모델을 출시하겠다고 밝혔어요.

솔직히 요즘 AI 모델 발표가 너무 많아서 피로감이 있는 게 사실인데요. 이번 Grok 4.5는 좀 다르게 봐야 할 것 같아요. xAI가 6월 28일 SpaceX와 테슬라 직원들을 대상으로 비공개 베타를 시작했거든요. 파라미터가 1.5조 개예요. 지난 5월 나온 Grok 4.4가 1조 개였는데 한 달 만에 50%나 늘었다는 건 꽤 공격적인 개발 속도예요.

이 모델은 xAI 내부에서 V9이라고 부르는 파운데이션 아키텍처 기반이에요. 이전 Grok 4 계열이 V8 기반이었던 것과 달리 아키텍처 자체가 바뀐 거예요. 학습 데이터에 AI 코딩 도구인 Cursor의 데이터를 추가한 것도 특이한 점이에요. 코딩과 기술적 역량을 의도적으로 끌어올리기 위한 선택이에요. 내부 평가에서는 클로드 오퍼스에 '근접하거나 넘어서는' 성능이 나왔다는 주장이 있는데, 외부 공개 벤치마크가 없어서 아직은 주장 수준으로 봐야 해요.

사실 파라미터 수보다 xAI의 개발 사이클이 더 인상적이에요. 일론 머스크가 2026년 말까지 매월 새 모델을 출시하겠다고 선언했거든요. SpaceX 데이터센터 '콜로서스'에서 훈련부터 배포까지 전 과정을 한 달 간격으로 반복하는 거예요. Grok 5는 10조 파라미터를 목표로 하는데, 이게 실현되면 현재 공개된 모든 모델을 크기 면에서 압도하는 수준이 될 거예요.

비공개 베타라 일반인은 지금 당장 써볼 수 없어요. SpaceX 직원들이 로켓 설계 검토나 테슬라 자율주행 코드 디버깅 같은 실무에 먼저 적용해보는 단계예요. 이 결과에 따라 퍼블릭 출시 시점이 결정될 것 같아요.

타이밍도 흥미롭게 봐야 해요. GPT-5.6이 정부 승인 파트너 20개사에 제한 배포된 상황에서 Grok 4.5가 거의 동시에 등장했어요. AI 경쟁이 이제 '공개 출시'를 넘어서 '다음 세대를 누가 더 빠르게 준비하느냐'로 바뀌고 있다는 느낌이에요. Grok 5의 10조 파라미터가 실제로 유용한 모델을 만들지는 두고 봐야겠지만, 개발 속도만큼은 xAI가 지금 업계 최상위권이에요.

출처

미국의 Mythos 수출 규제가 시작된 지 3주 만에 도쿄·베이징의 AI 스타트업이 대안 모델을 공개했어요. 사카나AI는 Fugu를, 중국 360이 Tulongfeng을 내세우며 앤트로픽이 남긴 공백을 공략했어요. AI 수출 통제가 오히려 비서방 AI 생태계의 성장 기회를 만들고 있다는 게 핵심 아이러니예요.

앤트로픽의 Mythos와 Fable 5가 미국 상무부 명령으로 전 세계 배포가 막힌 건 6월 12일이에요. [이전 글들에서 여러 번 다룬 내용이죠.] 사이버보안 전문가 150명이 공개서한을 냈고, 미 정부와의 협상 끝에 6월 26일 약 100개 미국 기관에 제한적으로 재개방됐지만, 해외는 여전히 봉인 상태예요.

근데 이 3주 동안, 아무도 말 안 해줘도 시장은 움직이고 있었어요.

6월 27일, 두 회사가 각자의 타이밍에 맞춰 모델을 공개했어요. 도쿄 기반 스타트업 **사카나AI(Sakana AI)**와 베이징의 사이버보안 기업 **360 시큐리티(360 Security)**예요. 공교롭게도 앤트로픽 수출 금지 사태가 한창일 때 나온 제품들이에요.

사카나AI가 내놓은 건 **Fugu(복어)**예요. 이름부터 재밌어요. 독이 있지만 잘 다루면 최고 별미가 되는 물고기죠. 사카나AI는 "Fable 5와 어깨를 나란히 하는 프론티어 AI 모델"이라고 주장해요. 근데 재밌는 건, Fugu가 새로운 거대 모델이 아니라는 거예요. 70억 파라미터짜리 오케스트레이터 모델이에요. 여러 외부 모델 API를 태스크에 따라 자동으로 라우팅해서 최적 결과를 내는 구조예요.

사카나 측은 이번 발표 타이밍이 "전적으로 우연"이라고 했어요. 그런데 마케팅 메시지는 수출 통제 상황을 정확히 겨냥하고 있어요. "일제 접근이 하룻밤 사이에 사라질 수 있다"며 수출 통제 리스크 없는 헤지 전략으로 포지셔닝하고 있거든요.

360은 좀 더 공격적이에요. **Tulongfeng(屠龙锋, 용을 잡는 칼날)**이라는 이름의 취약점 탐지 특화 모델이고, 별도로 Yitianzhen이라는 사이버 방어 자동화 툴도 함께 공개했어요. 창업자 저우훙이(周鴻禕)는 "취약점 탐지 AI는 전략적으로 중요하다"며 서방의 '일방적 투명성'을 직접 비판했어요.

사실 이게 지정학적으로 꽤 흥미로운 장면이에요. 미국이 자국 AI의 수출을 막자, 그 공백을 일본과 중국 기업이 채우는 구도잖아요. IDC 추정 아시아 AI 시장 규모만

Krea AI가 6월 22일 129억 파라미터 텍스트-이미지 모델 Krea 2의 가중치를 공개했어요. Raw(베이스)와 Turbo(2초 생성) 두 버전이 Hugging Face에서 다운로드 가능해요. 50석 미만 소규모 팀은 무료, 그 이상은 엔터프라이즈 계약이 필요한 커스텀 라이선스예요.

이미지 생성 AI 분야에서 꽤 의미 있는 오픈소스 공개가 나왔어요. Krea AI가 6월 22일 자사 텍스트-이미지 모델 Krea 2의 가중치를 허깅페이스에 올렸는데, 스펙을 보면 단순한 '공개용 경량 모델'이 아니에요. 📸

모델 아키텍처는 디퓨전 트랜스포머(DiT) 단일 스트림 구조, 파라미터 수는 128억 9,000만 개예요. 블록 수 28개, 너비 6144. 스케일만 보면 상당히 진지한 모델이에요. Krea는 앞서 8,300만 달러(약 1,100억 원) 투자를 받았고 사용자가 3,000만 명을 넘어선다고 주장하는 스타트업인데, 이 규모의 모델 가중치를 외부에 공개한 건 꽤 과감한 결정이에요.

공개된 버전은 두 가지예요.

Krea 2 Raw는 중간 훈련 체크포인트를 그대로 꺼낸 베이스 모델이에요. RLHF 같은 후처리를 거치지 않아서 바로 쓰기엔 불편하지만, 파인튜닝·파생 모델 개발에는 오히려 '백지 캔버스'처럼 쓸 수 있어요. 연구자나 파인튜너들이 환영할 만한 릴리즈예요.

Krea 2 Turbo는 실제 서비스용으로 다듬어진 버전이에요. 근데 특징이 꽤 인상적인데, 추론 스텝 8번만으로 2초 안에 이미지를 뽑아낸다는 거예요. guidance_scale=0.0으로 돌리는 고도로 증류된 모델인데, 이 속도면 실시간에 가까운 워크플로에서 쓸 수 있어요. ⚡

라이선스는 커스텀 라이선스를 적용했어요. 핵심 조건은 두 가지인데, 직원 50명 이하 팀은 무료로 쓸 수 있고, 50명 초과 기업은 엔터프라이즈 계약이 필요해요. 또 규모와 무관하게 모든 사용자가 불법 콘텐츠·아동 성착취물·비동의 친밀 이미지 생성을 막는 기술적 안전장치를 반드시 구현해야 해요. 오픈소스라고 해도 책임을 사용자에게 완전히 전가하지 않겠다는 입장이에요.

솔직히 '2초 이미지 생성'이라는 숫자가 제일 눈에 띄어요. 현재 오픈소스 이미지 모델 중에서 이 속도를 내는 건 많지 않거든요. Stable Diffusion 계열 빠른 버전들도 보통 4~10초대인 걸 생각하면, Krea 2 Turbo는 그 절반 이하예요. 디자인 툴

EU 집행위원회가 6월 19일 EUROPA 컨소시엄을 오픈소스 유럽 AI 모델 개발사로 선정했어요. 이탈리아 Domyn이 이끄는 팀이 400B+ 파라미터 모델을 EU 24개 공식 언어로 구축해요. OpenAI·Anthropic에 의존하지 않는 유럽 자체 프론티어 AI의 첫걸음이에요.

유럽연합이 드디어 움직였어요. 6월 19일 EU 집행위원회가 '프론티어 AI 그랜드 챌린지' 우승자로 EUROPA 컨소시엄을 발표했는데, 한마디로 '우리도 GPT·Claude 수준의 모델을 자체적으로 만들겠다'는 선언이에요. 🇪🇺

컨소시엄 리더는 이탈리아 밀라노에 본사를 둔 Domyn이라는 회사예요. 금융·정부·중공업 같은 고규제 산업에 특화된 AI 솔루션을 만드는 곳인데, EU가 이 회사를 앞세워 유럽 최초의 공개 프론티어 AI 모델을 구축하겠다고 나선 거예요.

목표 스펙은 꽤 야심차요. 파라미터 수 400억 개 이상, 즉 GPT-4o나 Claude Sonnet 수준 이상의 모델을 목표로 해요. 거기다 EU 24개 공식 언어를 전부 지원하는 게 핵심 차별화 요소예요. 영어 중심으로 만들어진 미국 모델들이 유럽 각국 언어에서 상대적으로 약한 것과 달리, EUROPA는 처음부터 다국어 동등 지원을 설계 원칙으로 가져가는 거예요.

컴퓨팅 자원도 제대로 챙겼어요. 엔비디아 Blackwell 칩 6,000개짜리 전용 클러스터를 확보했다고 하는데, 이 정도면 프론티어급 모델 훈련이 가능한 규모예요. 솔직히 처음 발표를 들었을 때 '또 EU가 큰 말만 하는 거 아닌가?' 싶었는데, 컴퓨팅 자원을 이 수준으로 확보한 걸 보니 이번엔 진심인 것 같아요.

근데 왜 지금 이걸 할까요? 배경을 보면 이해가 가요. 6월 12일 미국이 Claude Fable 5·Mythos 5를 수출 통제로 전면 차단했잖아요. EU 회원국들도 미국 AI 모델에 언제든 접근이 막힐 수 있다는 걸 직접 체감한 거예요. '킬스위치'가 현실이 된 상황에서, 자체 프론티어 AI를 보유하는 게 단순한 자부심 문제가 아니라 디지털 주권의 문제가 됐어요.

완성된 모델은 오픈소스로 공개돼서 EU 내 기업·연구기관·공공기관이 자유롭게 쓸 수 있게 할 계획이에요. EU 디지털 미래 담당 부위원장 헨나 비르쿠넨은 "유럽이 자체적인 방식으로 첨단 AI를 이끌 수 있음을 증명하는 것"이라고 표현했어요.

물론 회의적인 시각도 있어요. 미국·중국은 이미 훨씬 앞서 달리

Z.ai의 오픈소스 AI 모델 GLM-5.2가 코딩 벤치마크에서 GPT-5.5를 앞질렀어요. 753B 파라미터 MoE 모델로, 입력 토큰 비용은 GPT-5.5의 6분의 1인 $1.4/백만 토큰이에요. 중국발 오픈소스 AI가 클로즈드 프론티어를 실제로 넘어서는 전환점이 됐어요.

6월 17일, 중국 AI 스타트업 Z.ai가 GLM-5.2를 허깅페이스에 전면 공개했어요. 발표하자마자 개발자 커뮤니티가 술렁거렸는데, 이유는 단순해요. 코딩 벤치마크에서 GPT-5.5보다 높은 점수가 나왔거든요.

근데 이게 단순히 숫자 하나 높은 게 아니에요. 장기 코드 엔지니어링 과제를 측정하는 FrontierSWE 벤치마크에서 GLM-5.2가 74.4%, GPT-5.5가 72.6%를 기록했어요. 모델 훈련 능력을 측정하는 PostTrainBench에서는 34.3% 대 28.4%로 격차가 더 벌어졌고요. 블라인드 아레나 코딩 테스트에서도 전체 2위를 기록해 Claude Opus 4.8을 넘어섰어요.

사실 성능보다 더 눈에 띄는 건 가격이에요. 입력 토큰 기준으로 GPT-5.5 대비 약 6분의 1 수준이에요. 입력 $1.4/백만 토큰, 출력 $4.4/백만 토큰이거든요. 스타트업이나 개인 개발자들한테는 사실상 가격 혁명에 가까워요. 허깅페이스와 Z.ai API에서 바로 사용 가능하고, 20개 이상 서드파티 코딩 환경에서도 통합이 완료됐어요.

아키텍처 얘기를 잠깐 하면, GLM-5.2는 Mixture-of-Experts(MoE) 방식이에요. 총 파라미터는 753B지만 추론 시 실제로 활성화되는 건 약 40B 수준이에요. 대형 모델 성능을 내면서도 연산 비용을 낮출 수 있는 구조죠. 거기다 IndexShare라는 아키텍처 최적화 기술로 컴퓨팅 오버헤드를 3배 가까이 줄였다고 해요.

컨텍스트 윈도우도 주목할 만해요. 1M 토큰을 손실 없이 처리한다고 Z.ai가 주장하는데, 이 정도면 대규모 코드베이스 전체를 한 번에 넣고 분석하는 것도 가능한 거예요. 최대 출력도 131,072 토큰이고요.

솔직히 Z.ai가 완전히 생소한 이름이에요. GLM 시리즈 자체는 칭화대 AI연구소 KEG랩이 만들던 건데, Z.ai는 그 계보를 이어받은 상용화 조직이에요. 이제까지 글로벌 주목도는 DeepSeek이나 Moonshot AI에 비해 낮았거든요. 그런데 이번에 MIT 라이선스로 전면 공개하면서 분위기가 달라진 것 같아요.

개인적으

문샷AI가 오늘 1조 파라미터 규모의 오픈소스 코딩 에이전트 모델 Kimi K2.7 Code를 허깅페이스에 공개했어요. API 출력 가격이 백만 토큰당 $4.00으로, GPT-5.5 대비 7.5배, Claude Fable 5 대비 최대 12배 저렴해요. 에이전트 벤치마크 MCPMark Verified에선 81.1점으로 Claude Opus 4.8의 76.4점을 넘어섰어요.

솔직히 이 숫자를 처음 봤을 때 오타인 줄 알았어요. GPT-5.5 출력 토큰 가격이 백만 토큰에 30달러, Claude Opus 4.8이 25달러인데, Kimi K2.7 Code는 단 4달러예요. 게다가 총 1조(1 trillion) 파라미터짜리 모델이에요. 중국 AI 스타트업 문샷AI(Moonshot AI)가 오늘 허깅페이스에 그냥 올려버렸어요. 라이선스는 Modified MIT라서, 월 1억 명 미만 사용자 서비스거나 월 매출 2천만 달러 미만이면 상업적으로도 자유롭게 사용할 수 있어요. 모델 ID는 kimi-k2.7-code고, Moonshot AI API에서 바로 호출하거나 허깅페이스에서 가중치를 받아서 직접 돌릴 수 있어요.

모델 아키텍처를 보면, 파라미터는 총 1조 개지만 토큰 하나를 처리할 때 실제로 활성화되는 건 320억 개예요. 384개의 전문가 모듈로 구성된 MoE(Mixture-of-Experts) 방식 덕분이에요. 컨텍스트 윈도우는 256,000 토큰이고, 자체 개발한 MoonViT 비전 인코더(4억 파라미터)도 내장돼 있어서 이미지 같은 멀티모달 입력도 처리해요. 전작 K2.6과 비교하면 추론 토큰을 30% 줄이면서 Kimi Code Bench v2에서 21.8% 개선, Program Bench에서 11.0%, 다국어 벤치마크 MLS Bench Lite에선 31.5% 향상을 기록했어요. 📈

성능은 솔직히 복잡한 그림이에요. 순수 코딩 벤치마크에서는 GPT-5.5에 밀려요. Kimi Code Bench v2 기준으로 K2.7이 62.0점, GPT-5.5가 69.0점이고, Program Bench에서는 53.6 대 69.1로 차이가 꽤 나요. 근데 MCP 도구 호출과 멀티스텝 에이전트 작업을 측정하는 MCPMark Verified 벤치마크에서는 Kimi K2.7이 81.1점으로 Claude Opus 4.8의 76.4점을 넘어서요. "실제 에이전트로 업무를 시켰을 때"는 더 비싼 모델들을 이기고 있

구글 딥마인드가 텍스트 확산 기법을 활용한 오픈소스 AI 모델 DiffusionGemma를 오늘 공개했어요. 26B MoE 구조로 H100 한 장에서 초당 1,000토큰 이상을 처리하며, 기존 대비 최대 4배 빠릅니다. Apache 2.0 라이선스로 Hugging Face에서 즉시 무료로 내려받을 수 있어요.

구글 딥마인드가 오늘(6월 10일) 꽤 흥미로운 모델을 내놨어요. 이름은 DiffusionGemma, 텍스트 생성 방식 자체를 바꾼 오픈소스 AI 모델이에요. 이미지 생성에서 익숙한 "확산(Diffusion)" 기법을 텍스트에 그대로 적용했고, 그 결과 속도가 기존 자기회귀 방식 대비 최대 4배 빨라졌어요. 📊

기존 LLM들은 전부 자기회귀(Autoregressive) 방식이에요. "안녕하세요" 같은 문장을 생성할 때 "안", "녕", "하" 이런 식으로 토큰을 하나씩 순서대로 뽑아내요. 이전 토큰이 확정돼야 다음 토큰을 생성할 수 있어서, GPU가 놀게 되는 시간이 꽤 생겨요. 근데 DiffusionGemma는 달라요. 256개 토큰을 통째로 블록으로 잡고, 처음엔 랜덤 노이즈 토큰들을 깔아놓은 다음 여러 패스(pass)를 거쳐 전체를 동시에 정제해 나가는 방식이에요. 구글은 이걸 "한 글자씩 치는 타자기" vs "전체 페이지를 한 번에 찍는 인쇄기"로 비유했는데, 꽤 정확한 비유인 것 같아요.

속도를 구체적으로 보면, NVIDIA H100 한 장으로 초당 1,000토큰 이상을 처리해요. RTX 5090 같은 고급 소비자용 GPU에서도 700토큰 이상이 나와요. 무엇보다 이 모델의 핵심은 로컬 추론이에요. 클라우드 API가 아니라 본인 컴퓨터에서 고속 처리가 가능하다는 게 포인트예요.

기술 스펙을 보면, Gemma 4 패밀리 기반의 26B Mixture of Experts 모델이고 실제 추론 때는 3.8B 파라미터만 활성화돼요. 컨텍스트 창은 256K 토큰이고, 140개 이상 언어를 지원해요. 양자화를 하면 18GB VRAM 안에 들어가서 최신 소비자용 GPU로도 돌릴 수 있는 수준이에요. Hugging Face에서 가중치를 무료로 내려받을 수 있고, vLLM, Hugging Face Transformers, MLX를 지원해요. llama.cpp 지원도 곧 추가될 예정이고요. 라이선스는 Apache 2.0이라 상업적 사용과 수정·배포도 자유로워요. 🚀

물론 제

애플이 WWDC 2026에서 발표한 자체 파운데이션 모델 AFM 3의 기술 상세가 공개됐어요. 온디바이스 최강 버전 AFM 3 Core Advanced는 20B 파라미터 희소 구조로, 일반 아이폰에서 실행됩니다. 구글 Gemini 지식 증류로 학습했지만 실제 추론은 기기 안에서 완전히 처리돼요.

WWDC 2026 키노트에서 대부분의 관심은 구글 Gemini를 탑재한 새 시리와 Claude·ChatGPT를 iOS 27 기본 AI로 선택할 수 있다는 뉴스에 쏠렸는데요 — 사실 그 날 조금 더 기술적으로 중요한 발표가 조용히 나왔어요. 애플 머신러닝 리서치팀이 "제3세대 애플 파운데이션 모델(AFM 3)" 기술 논문을 공개한 거예요.

총 5개 모델이에요. 온디바이스 2종, 클라우드 3종. 이름도 다 달라요. 클라우드 최상위인 AFM 3 Cloud Pro는 구글 클라우드의 엔비디아 GPU 위에서 돌아간다고 밝혔어요. Gemini 기반 시리와 다른, 애플이 직접 만들고 운영하는 모델이에요.

근데 가장 흥미로운 건 온디바이스 최상위 모델인 AFM 3 Core Advanced예요. 전체 파라미터는 20B인데, 실제 작동할 때는 요청 난이도에 따라 1~4B만 활성화되는 희소(sparse) 구조예요. 메모리 제약이 있는 아이폰에서 20B짜리 AI를 어떻게 돌리냐고요? 여기서 애플이 새로 개발한 기법이 등장해요.

**IFP(Instruction-Following Pruning)**라는 이 기술, 간단히 말하면 전체 20B 가중치는 플래시 저장소에 두고, 요청이 들어올 때마다 필요한 전문가(expert) 가중치만 DRAM으로 로딩하는 방식이에요. 덕분에 기기 메모리가 충분하지 않아도 모델 전체를 올려놓지 않아도 돼요. 단순 요청엔 약 1B, 복잡한 요청엔 최대 4B가 활성화되는 식이에요.

이게 왜 중요하냐면, 사용자 데이터가 밖으로 나가지 않아도 된다는 거예요. 기존 시리의 경우 복잡한 요청은 서버로 올려야 했는데, AFM 3 Core Advanced부터는 꽤 고급 요청도 기기 안에서 처리할 수 있어요. 프라이버시 면에서 한 단계 올라간 거예요.

참, 이 모델들이 완전히 독자 기술이냐 하면 그건 아니에요. 구글 Gemini에서 지식 증류(distillation)를 거쳐 만들어졌어요. 부모 모델이 Gemini인 셈인데, 실제 추론은 기기 안에서 AFM 3 모델이 담당해요. "Gemini가

샤오미가 1조 파라미터 AI 모델로 초당 1,000 토큰 장벽을 세계 최초로 돌파했어요. 전용 칩 없이 일반 상용 GPU 8개짜리 서버 한 대로 이 속도를 냈다는 게 핵심이에요. AI 추론 비용과 접근성의 판도가 또 한 번 바뀔 수 있는 분기점입니다.

솔직히 초당 1,000 토큰이라는 숫자가 처음엔 잘 와닿지 않을 수 있어요. 이걸 실감하는 가장 쉬운 방법은 사람과 비교해 보는 거예요. 분당 750단어 이상을 쏟아내는 속도인데, 빠른 독자가 읽는 속도의 4~5배예요. 모델이 결과를 토해내는 속도가 사람이 읽는 속도를 한참 전에 넘어섰고, 이제는 생각도 따라가기 벅찬 수준으로 가고 있어요.

오늘(6월 9일) 샤오미가 공개한 MiMo-V2.5-Pro-UltraSpeed는 TileRT라는 시스템 소프트웨어 팀과 공동으로 개발됐어요. 🤖 1조 파라미터짜리 MoE(Mixture of Experts) 모델인데, 일반 8-GPU 단일 서버에서 1,000 토큰/초를 넘겼다는 게 포인트예요. Decrypt 보도에 따르면 ChatGPT나 Claude 최신 버전보다 15배 빠르다고 해요.

어떻게 이게 가능했냐고 하면, 크게 두 가지 기술 조합이에요. 첫 번째는 FP4 양자화. MoE 전문가 레이어의 가중치를 4비트로 압축해서 메모리 대역폭 병목을 대폭 줄였어요. 두 번째는 DFlash 투기적 디코딩(speculative decoding)이에요. 블록 단위로 여러 토큰을 병렬로 예측하고 검증하는 방식으로, 순차 생성 대비 훨씬 많은 토큰을 한 번에 처리할 수 있어요. 이 두 기술의 시너지로 기존 MiMo-V2-Flash 대비 약 10배 빠른 속도를 냈다고 해요.

📊 성능 수치도 주목할 만해요. SWE-Bench Pro에서 **59.0%**를 기록하며 GPT-5.5와 Gemini 3.1 Pro를 앞섰다는 주장이 나왔어요. 다만 자체 인프라에서 에이전트 스캐폴딩을 붙여 측정한 결과라 독립 검증은 아직 진행 중이에요. 속도는 인상적이지만 벤치마크는 좀 더 지켜봐야 할 것 같아요.

⏰ API 트라이얼은 6월 9일부터 6월 23일까지 2주 한정이에요. 용량 제한 때문에 승인제로 운영되고, 우선순위는 기업과 전문 개발자 쪽이에요. 승인받으면 2주 무료 사용 크레딧을 받을 수 있어요. 가격은 표준 MiMo-V2.5-Pro API의 3배 수준인데, 속도를 10배 올려주는 거라 계산이 안 맞는 건

WWDC 2026 키노트에서 구글 Gemini 기반의 새 시리가 오늘 공식 공개됐어요. 애플-구글 간 연간 약 10억 달러 계약으로, iOS 27은 Claude·ChatGPT 등 6개 AI를 선택 가능하게 해요. 20억 대 이상 애플 기기에 처음으로 Claude 탑재 경로가 열렸어요.

오늘 오전 10시(현지 시각), 캘리포니아 쿠퍼티노 애플 파크에서 WWDC 2026 키노트가 열렸어요. 2012년 이후 매년 WWDC 무대를 이끌어온 팀 쿡 CEO의 마지막 기조연설이었는데요 — 9월에 존 터너스(John Ternus)에게 CEO 자리를 넘길 예정이라 이번 발표에 한층 더 시선이 쏠렸습니다. 그리고 기대에 충분히 부응하는 내용이 나왔어요.

📌 이 글은 6월 7일 게재한 WWDC 2026 사전 예고 포스트의 실제 결과 업데이트입니다. 오늘 키노트에서 확인된 내용을 담았어요.

가장 큰 발표는 시리의 전면 개편이에요. 새 시리는 구글이 만든 1조 2천억 파라미터 규모의 맞춤형 Gemini 모델로 구동됩니다. 애플이 구글에게 연간 약 10억 달러(한화 약 1조 4천억 원)를 지불하는 계약인데, 기존 구글 검색 계약에 더해 이번엔 AI까지 구글에 의존하는 구조가 됐죠. 한때 "Apple Intelligence"를 크게 외치다가 결국 외부 AI로 방향을 튼 것이니, 솔직히 상징적인 전환점이에요.

근데 개인적으로 더 눈에 띈 건 iOS 27의 Extensions 기능이었어요. 사용자가 시리 대신 Claude, ChatGPT, Gemini, Grok 등 6개 AI 서비스 중 하나를 직접 기본 AI로 설정할 수 있게 됩니다. 이건 애플 생태계 관점에서 꽤 이례적인 개방이에요. 이제까지 애플은 자사 서비스를 중심에 두는 방식으로만 운영해왔거든요.

이 발표가 AI 업계에서 특히 주목받는 이유는 규모 때문이에요. 애플은 현재 20억 대 이상의 활성 기기를 보유하고 있어요. 만약 그 중 5%만 Claude를 선택해도, Anthropic 입장에선 기존 전체 사용자와 맞먹는 신규 유저가 생기는 셈입니다. Claude가 창립 이후 처음으로 이렇게 대규모 유통 채널을 확보하게 된 거예요.

새로운 시리 앱 자체도 크게 달라졌어요. ChatGPT·Claude처럼 텍스트로 대화하는 독립 앱이 생겼고, 아이폰 다이나믹 아일랜드에 상시 접근 창구가 추가됩니다. 사용자의 이메일·사진·캘린더·파일에 직접

애플이 구글 Gemini 1.2조 파라미터 모델을 연간 약 10억 달러에 라이선스해 시리를 완전히 새로 만들었어요. iOS 27은 ChatGPT·Claude·Gemini·Grok 등 6개 AI 제공자를 직접 선택할 수 있는 첫 운영체제가 됩니다. 팀 쿡의 마지막 WWDC 기조연설이 내일(6월 8일) 열리며, 2년간의 시리 약속이 드디어 검증됩니다.

내일 밤(한국 시각 6월 9일 새벽 2시), 팀 쿡이 애플 파크 무대에 CEO로서 마지막으로 올라섭니다. 솔직히 이번만큼 기대와 불안이 동시에 컸던 WWDC가 없었던 것 같아요. 지난 2년간 "곧 시리가 완전히 달라진다"는 말이 반복됐고, 매번 결과는 미지근했거든요. 그런데 이번엔 계약서까지 공개됐습니다.

애플은 구글과 공식 파트너십을 맺고, 연간 약 10억 달러를 내고 Gemini 모델을 라이선스했어요. 일반 Gemini가 아니라 1.2조 파라미터 규모의 커스텀 모델입니다. 혼합 전문가(MoE) 설계 덕분에 쿼리마다 관련 파라미터만 활성화되어 응답이 빠르면서도 성능은 트릴리언 파라미터급을 유지하는 구조예요. 구글과 애플은 올해 1월 공동 성명으로 이 파트너십을 공식 확인했고, 내일 키노트는 처음 세상에 시연되는 자리가 됩니다.

근데 더 흥미로운 건 사실 구글 얘기가 아닐 수도 있어요. iOS 27은 기본 AI 제공자를 사용자가 직접 고를 수 있게 됩니다. ChatGPT, Claude, Gemini, Grok, Copilot, Perplexity — 6개 서비스 중 설정에서 선택하면 돼요. 스마트폰 OS가 경쟁 AI 서비스를 공식 지원하는 건 전례 없는 일인데, 어떤 AI를 쓰든 플랫폼은 애플이라는 자신감이 담겨 있는 것 같아요.

개인 정보 보호도 눈에 띄어요. 새 시리의 클라우드 처리는 애플 실리콘 서버 기반의 Apple Private Cloud Compute 안에서만 이뤄지고, 처리가 끝나면 데이터가 남지 않아요. 계약상 구글은 애플 사용자의 쿼리를 미래 Gemini 훈련에 쓸 수 없습니다.

기능도 대폭 달라집니다. 새 시리는 iMessage 스타일 채팅 인터페이스를 쓰고, 대화 맥락이 유지되며, 이메일·사진·파일에 직접 접근하고, 화면을 보면서 앱 간 연결 동작도 수행할 수 있어요. "알람 취소하고 민준한테 미팅 늦는다고 문자 보내줘" 같은 복합 명령이 드디어 제대로 처리된다는 말이에요. 📱 Dynamic Island 통합도

알리바바가 Qwen 3.7 Max(1조+ 파라미터)와 Qwen 3.7 Plus(멀티모달)를 6월 초 잇달아 공개했어요. Max 가격은 Claude Opus 4.7의 절반, Plus는 Max보다 6배 저렴한 $0.40/$1.60/M 토큰이에요. 중국 AI 모델이 가격 경쟁력으로 프런티어 모델 시장을 또 한 번 뒤흔들고 있습니다.

알리바바 클라우드가 조용하지만 꽤 도발적인 두 모델을 연달아 내놨어요. 🚀 Qwen 3.7 Max와 Qwen 3.7 Plus예요. 5월 20일 싱가포르에서 열린 첫 번째 Qwen 컨퍼런스에서 공개됐고, 6월 1~2일 정식 출시됐어요. 지금은 알리바바 클라우드 Model Studio, OpenRouter, Together AI 등에서 바로 쓸 수 있어요.

Max부터 보면, 파라미터 수가 1조 개를 넘어요. 컨텍스트 윈도우는 100만 토큰(1M)이고, 가격은 입력 100만 토큰당 2.50달러, 출력은 7.50달러예요. Artificial Analysis Intelligence Index 기준 56.6점을 기록했는데, 이게 Claude Opus 4.7과 유사한 수준이에요. 근데 Opus 4.7 요금은 Max의 두 배 정도예요. 이게 핵심이에요.

Max의 또 다른 특이한 스펙은 '35시간 자율 운영'이에요. 성능 저하 없이 35시간 동안 혼자서 에이전트 작업을 처리할 수 있다고 알리바바가 밝혔어요. 아직 측정 조건이 완전히 공개되진 않았는데, 에이전틱 AI 방향으로의 분명한 포지셔닝이에요.

Plus는 또 다른 각도예요. 💼 Qwen 3.7 Max의 텍스트 백본 위에 비전·비디오 이해 기능을 얹은 멀티모달 에이전트 모델인데, 가격이 Max의 6분의 1 수준이에요 — 입력 100만 토큰당 0.40달러, 출력은 1.60달러예요. GUI 조작, 브라우저 자동화, 화면 인식 같은 에이전트 작업에 특화돼 있고요. 참고로 이건 오픈웨이트 공개 습관을 깨고 처음으로 완전 비공개(closed-weight)로 출시한 Qwen 모델이에요.

ScreenSpot Pro 벤치마크 — GUI 에이전트 능력을 평가하는 테스트 — 에서 Qwen 3.7 Plus는 79.0점이에요. GPT-5.4가 67.4점, Claude Opus 4.6이 49.5점이었으니 꽤 의미 있는 격차예요. 물론 하나의 벤치마크로 모든 걸 판단할 순 없지만, 화면을 보고 클릭·입력하는 에이전트 작업에서 강점을 보이는 건 분

지난 6월 3일, Google DeepMind가 Gemma 4 12B를 공개했다. 공지가 조용했는데도 개발자 커뮤니티 반응이 꽤 뜨겁다. 이유는 단순하다. 12B 파라미터짜리 모델이 텍스트, 이미지, 오디오, 영상을 — 별도 인코더 없이 — 한 번에 처리하면서 16GB VRAM 노트북에서도 로컬로 돌아간다. Apache 2.0 라이선스라서 상업적으로도 자유롭게 쓸 수 있다. 🚀

기술적으로 뭐가 다른지 먼저 얘기하면, 기존 멀티모달 모델들은 이미지를 이해하기 위한 별도 비전 인코더, 오디오를 처리하기 위한 별도 오디오 인코더를 따로 붙이는 구조였다. Gemma 4 12B는 이걸 하나로 통합했다. 이미지 입력은 35M 파라미터짜리 가벼운 임베딩 모듈로, 오디오는 40밀리초 단위의 raw 16kHz 프레임을 그대로 LLM의 입력 공간으로 투영하는 방식이다. 인코더가 없으니 멀티모달 처리 레이턴시가 줄고, 전체 메모리 효율도 높아진다.

성능 면에서는 Google의 26B MoE 모델에 근접한다는 게 Google의 주장이다. 📊 파라미터 수는 절반도 안 되는데 비슷한 수준이라면, 단순히 "작은 모델"이 아닌 거다. 특히 눈에 띄는 건 오디오 처리 능력이다. 이 크기의 오픈소스 모델 중 오디오를 네이티브로 처리할 수 있는 건 Gemma 4 12B가 처음이라고 한다.

어디서 쓸 수 있냐면, 지금 바로 Hugging Face에 올라와 있다. Ollama, LM Studio, Google AI Edge Gallery 앱에서도 즉시 사용 가능하다. 개발 프레임워크는 llama.cpp, MLX, vLLM, SGLang 등 익숙한 것들을 다 지원하고, 파인튜닝은 Unsloth를 통해서 할 수 있다. Google Cloud 쪽도 Cloud Run과 GKE로 배포를 지원한다.

클라우드 API로만 접근 가능한 모델이 아니라 내 로컬에서, 내 데이터로 돌릴 수 있다는 게 이 모델의 핵심이다. 기업 입장에선 데이터 프라이버시 걱정 없이 쓸 수 있고, 개인 개발자 입장에선 API 비용 없이 멀티모달 기능을 실험해볼 수 있다.

개인적으로 가장 인상적인 건 오디오 처리 부분이다. GPT-4o 수준의 음성+이미지 멀티모달을 로컬 오픈소스로 구현할 수 있는 시대가 오고 있다는 게 실감나는 릴리즈다. 아직 GPT-5.5나 Claude Opus 4.8을 넘는다거나 하는 건 아니지만, 클라우드 없이 이 정도면 충분히 쓸 수 있는 시나리

마이크로소프트가 드디어 자체 AI 모델을 꺼내들었습니다. OpenAI에 의존하지 않고 처음부터 직접 만든 추론 특화 모델이에요. Build 2026 컨퍼런스에서 Mustafa Suleyman이 직접 무대에 올라 공개한 이 모델의 이름은 MAI-Thinking-1 — 마이크로소프트 AI 브랜드의 첫 번째 플래그십 추론 모델입니다.

근데 이게 단순한 신제품 발표가 아니에요. 마이크로소프트는 그동안 OpenAI에 수백억 달러를 투자하면서 GPT 계열 모델을 자사 제품 곳곳에 적용해왔거든요. Azure, Microsoft 365, Copilot이 전부 거기에 기반하고 있었으니까요. 그런데 이번에 "우리가 직접 만든 모델"을 공식 발표했다는 건, 단순히 포트폴리오를 다양화하는 게 아니라 전략적 독립성을 확보하겠다는 의지로 읽혀요. 실제로 이번 발표에서 "OpenAI 데이터 증류(distillation)를 하지 않았다"고 따로 강조했는데, 업계 기준으로 보면 그냥 지나칠 수 없는 멘트입니다.

기술 스펙을 보면 꽤 흥미롭습니다. 활성 파라미터는 350억 개지만, Mixture of Experts 구조를 사용해서 총 파라미터는 무려 1조 개에 달해요. 컨텍스트 창은 256K 토큰이고, 학습 데이터는 전부 상업적으로 라이선스된 클린 데이터만 사용했다고 합니다. 멀티스텝 명령어 처리, 긴 컨텍스트 추론, 코드 생성에 특히 강하도록 설계됐다고 해요.

성능 수치가 눈에 띄어요. AIME 2025에서 97.0%, AIME 2026에서 94.5%를 기록했는데, 이건 수학·과학 추론 능력을 측정하는 대표적인 어려운 벤치마크입니다. 그리고 독립 평가자들이 참여한 블라인드 사이드-바이-사이드 평가에서 Claude Sonnet 4.6보다 선호도가 높았다고 하고, 코딩 벤치마크 SWE Bench Pro에서는 Claude Opus 4.6에 맞먹는 수준이라고 발표했어요.

솔직히 이 수치를 액면 그대로 다 믿기는 어렵습니다. 자기 모델 발표할 때 유리한 벤치마크만 골라서 보여주는 건 업계의 오랜 관행이니까요. 그래도 외부 평가자를 투명하게 활용한 블라인드 테스트를 근거로 제시했다는 건 그냥 허튼소리라고 보기도 애매해요.

현재 Azure AI Foundry에서 프라이빗 프리뷰로 접근 가능하고, 기존 Chat Completions API와 호환됩니다. function calling과 멀티레이어 명령어 처리도 지원해요. Microsoft 36

마이크로소프트가 2026년 6월 2일부터 열린 Build 2026 개발자 컨퍼런스에서 자사 브랜드의 AI 모델 7종을 한꺼번에 발표했습니다. 이름은 MAI 시리즈, 즉 Microsoft AI 시리즈예요. 브랜드 이름부터 노골적으로 "우리 모델"이라는 걸 강조하는 느낌인데, 그도 그럴 것이 지금까지 마이크로소프트는 OpenAI에 거액을 투자하면서 GPT 시리즈에 Copilot 서비스 전체를 얹어 쓰는 구조였거든요. 이번 발표는 그 구도에서 조금씩 벗어나겠다는 신호를 분명히 보낸 겁니다.

발표된 모델들을 보면 꽤 촘촘하게 준비됐습니다. 추론 영역에서는 MAI-Thinking-1이 마이크로소프트 최초의 추론 특화 모델로 나왔어요. 코딩 쪽에는 MAI-Code-1-Flash가 GitHub Copilot과 Visual Studio Code에 바로 통합됩니다. 이미지 생성과 편집은 MAI-Image-2.5가 담당하고요. 음성 인식 분야에서는 43개 언어를 지원하는 MAI-Transcribe-1.5, 텍스트를 음성으로 바꿔주는 MAI-Voice-2도 함께 공개됐습니다.

윈도우 사용자들에게 가장 직접적인 영향을 미칠 건 Aion 1.0 시리즈입니다. Aion 1.0 Instruct는 요약, 리라이팅, 접근성 기능 같은 텍스트 처리 작업에 쓰이는 소형 모델이고, Aion 1.0 Plan은 140억 파라미터 규모의 더 강력한 모델입니다. 사용자 의도를 파악하고 도구를 호출하며 파일을 관리하고 하위 에이전트를 조율하는 완전한 에이전트 워크플로를 클라우드 없이, 내 PC에서 직접 실행할 수 있다는 거예요. 이건 꽤 큰 변화입니다.

여기에 Microsoft Scout라는 개인 업무 에이전트도 발표됐어요. Teams, Outlook 같은 도구와 연동해서 회의 준비, 일정 충돌 해소, 반복 업무 자동화 같은 걸 알아서 처리해줍니다. Microsoft IQ라는 컨텍스트 레이어도 일반 공개됐는데, GitHub Copilot, Copilot Studio, Microsoft Foundry에 걸쳐 엔터프라이즈 지식을 AI 에이전트에 연결해주는 역할을 합니다.

사실 이번 발표에서 가장 주목할 부분은 모델 스펙보다 이 행보 자체입니다. 마이크로소프트가 "우리도 직접 만든다"는 의지를 이렇게 공개적으로, 이렇게 많은 모델을 한꺼번에 드러낸 건 처음이니까요. OpenAI와의 파트너십이 끝나는 건 아니겠지만, 사티아 나델라가 AI 공급망 전체를

마이크로소프트가 오늘(6월 2일) Build 2026 컨퍼런스에서 자체 개발 AI 모델 7종을 동시에 공개했습니다. 이번 발표의 핵심은 MAI(Microsoft AI) 패밀리인데, 그 중 가장 눈길을 끄는 건 MAI-Thinking-1이에요. 마이크로소프트가 처음으로 내놓는 추론 특화 모델(reasoning model)입니다. 35억 개 활성 파라미터, 256K 컨텍스트 윈도우. 중요한 건 OpenAI 데이터나 모델 증류(distillation) 없이 자체적으로 처음부터 훈련됐다는 점이에요.

성능 면에서는 SWE Bench Pro 코딩 벤치마크에서 Anthropic Claude Opus 4.6과 동급이라고 발표됐고, 블라인드 평가에서 Claude Sonnet 4.6보다 평가자 선호도가 높았다는 결과도 제시됐습니다. 근데 솔직히, 이런 벤치마크 비교는 항상 자사에 유리하게 나오는 경향이 있잖아요. 실제로 써봐야 알겠지만, 적어도 마이크로소프트가 이제 "우리 모델도 경쟁력 있다"고 당당하게 말할 수 있는 수준엔 온 것 같습니다.

MAI 패밀리엔 다른 모델들도 있어요. MAI-Image-2.5는 텍스트-이미지 생성 모델로 Google 경쟁 모델을 ELO 벤치마크에서 앞선다고 했고, MAI-Transcribe-1.5는 43개 언어에서 최상위 수준의 음성 인식 정확도를 제공합니다. MAI-Voice-2는 15개 이상의 새 언어를 추가했고, MAI-Code-1은 이미 GitHub Copilot과 VS Code에 탑재됐어요. 일곱 개 모델을 한 번에 공개하는 건 꽤 공격적인 행보입니다.

그리고 사실 오늘 발표 중에 개발자들한테 가장 직접적인 영향을 줄 소식이 따로 있어요. Project Polaris 얘기예요. 오는 8월부터 GitHub Copilot에서 GPT-4 Turbo를 Project Polaris로 교체한다는 건데, 마이크로소프트가 자사 서비스 내에서 OpenAI 모델을 자체 모델로 대체하는 거잖아요. Mixture-of-Experts 아키텍처 기반이고, Rust나 Haskell 같은 비주류 언어에서 특히 성능 향상이 두드러진다고 했습니다. 팀 구독자들은 자동으로 전환되고, 원한다면 3개월간 GPT-4로 롤백도 가능합니다.

Windows Agent Framework 1.0도 오늘 MIT 라이선스로 오픈소스 공개됐어요. 로컬 Windows 기기, Windows 365 클라우드 PC, Azure Arc

젠슨 황이 오늘 타이베이 뮤직 센터 무대에 올랐을 때, 사람들은 또 새 GPU 얘기가 나오겠구나 했을 겁니다. 근데 Computex 2026 키노트에서 가장 화제를 모은 건 의외로 칩이 아니라 모델이었어요. 엔비디아가 공개한 Nemotron 3 Ultra — 총 5500억(550B) 파라미터짜리 오픈웨이트 AI 모델입니다. 미국산 오픈소스 모델 중 역대 최대 규모라고 하니, 솔직히 좀 놀랍죠.

이 숫자만 들으면 "그냥 크기만 키운 거 아냐?" 싶을 수 있는데, 사실 구조 자체가 흥미롭습니다. MoE(Mixture-of-Experts) 아키텍처를 썼기 때문에, 5500억 개 파라미터가 전부 한꺼번에 돌아가는 게 아니라 토큰당 550억(55B)만 활성화됩니다. 실제 연산 효율은 훨씬 낫다는 거죠. 하이브리드 맘바-트랜스포머 구조도 결합됐고, 특히 에이전틱 AI 워크플로우 — 사람이 지시를 내리면 알아서 계획 세우고 실행하고 반복하는 멀티스텝 태스크 — 에 최적화돼 있다고 강조했어요.

성능 수치도 꽤 인상적입니다. Artificial Analysis 기준 인텔리전스 인덱스 48점으로, 구글 Gemma 4 31B(39점)나 이전 모델인 Nemotron 3 Super(36점)를 훌쩍 뛰어넘어요. 코딩 벤치마크 HumanEval에서 92.1%, 지식 평가 MMLU에서 89.4%를 기록했고, DeepInfra 엔드포인트 기준으로 초당 300 토큰 이상을 뽑아낸다고 합니다.

근데 여기서 재미있는 비교가 하나 있어요. 지능 지표에선 중국 모델 Kimi K2.6가 인덱스 54점으로 여전히 앞서 있거든요. 그런데 속도에서는 이쪽이 훨씬 빠릅니다. 중국 경쟁 모델들이 초당 50~100 토큰 수준인 데 반해, Nemotron 3 Ultra는 300 토큰 이상이라니 3~6배 차이예요. 실제 배포 환경에서 API 비용, 레이턴시, 실시간 에이전트 운영을 생각하면 이 속도 격차가 꽤 의미 있는 변수가 됩니다.

Nemotron 3 Ultra 말고도 이번 키노트엔 볼 게 많았어요. Cosmos 3는 비전 추론, 세계 시뮬레이션, 로봇 액션 생성을 하나로 합친 오픈 옴니모델인데, Physics-IQ, PAI-Bench, RoboLab 등 7개 로보틱스 벤치마크에서 1위를 차지했다고 합니다. Super(32B)와 Nano(8B) 두 사이즈로 나왔고요. 로봇 AI 연구자들한테는 꽤 반가운 소식이겠죠.

**RTX

오늘(6월 1일) 젠슨 황이 타이베이 Computex 무대에 올라서 "useful AI has arrived(유용한 AI가 도착했다)"라고 선언했을 때, 솔직히 처음엔 그냥 마케팅 멘트인가 싶었어요. 매번 이런 거 하잖아요. 근데 이번엔 발표 스펙들을 하나씩 뜯어보다가 진짜 뭔가 달라지는 순간일 수도 있겠다는 느낌이 들었어요.

핵심은 RTX Spark라는 새 칩이에요. 엔비디아가 PC용으로 처음 만든 슈퍼칩인데, 단순 GPU가 아니에요. Blackwell RTX GPU(CUDA 코어 6,144개)와 20코어 Grace CPU를 NVLink-C2C 인터커넥트로 하나로 묶고, 최대 128GB 통합 메모리를 얹었어요. AI 연산 성능이 무려 1페타플롭. 숫자가 익숙하지 않으신 분들을 위해 말하면, 1페타플롭은 1초에 1,000조 번 연산한다는 거예요.

이게 왜 대단하냐면, 지금까지 120B(1200억) 파라미터짜리 LLM을 개인 노트북에서 돌린다는 건 사실상 불가능했거든요. 메모리가 수십 GB씩 필요하고, 속도도 너무 느리니까요. 그래서 다들 클라우드에 쏘는 수밖에 없었던 건데, RTX Spark는 이걸 로컬에서 1M(100만) 토큰 컨텍스트로 처리할 수 있다고 해요. 내 노트북이 사실상 ChatGPT 수준의 AI 서버가 된다는 뜻이에요. 근데 데이터는 외부로 안 나가고, 내 기기 안에서만 돌아가고요.

Intel이랑 AMD 입장에서는 좀 당황스러운 상황일 거예요. 노트북 칩 시장은 지금까지 이 두 회사 세상이었는데, 엔비디아가 CPU까지 내장한 올인원 칩을 들고 직접 뛰어든 거니까요. ASUS, Dell, HP, Lenovo, Microsoft Surface, MSI가 올 가을에 RTX Spark 탑재 노트북 출시 예정이고, 두께 14mm에 무게 3파운드(약 1.36kg)부터 시작하는 초슬림 라인업이라고 해요. Adobe도 이미 Photoshop과 Premiere를 RTX Spark에 맞게 재설계해서 AI·그래픽 처리 속도를 2배 높인다고 발표했어요.

사실 오늘 RTX Spark만 나온 게 아니에요. 젠슨 황은 거의 쉬지도 않고 발표를 쏟아냈는데요. 데이터센터용 Vera Rubin 플랫폼이 풀 프로덕션에 돌입했고, 엔비디아가 직접 만든 550B 파라미터 오픈 모델 Nemotron 3 Ultra도 공개했어요. 경쟁 모델 대