TL;DR
이번 기간에는 Hermes를 이용한 로컬 Agent 실행, Astra의 한 줄 Prompt 기반 3D 공간·SVG 생성, OpenAI의 Jalapeño 추론 ASIC 성능 주장이 함께 부각됐다. Hermes 관련 게시물은 0달러 사용 기회와 256GB RAM·128GB VRAM 환경을 언급했고, Astra 사례는 42k~75k tokens 규모의 결과물과 상호작용 가능한 장면을 내세웠다. Jalapeño는 700W Broadcom 공동 설계와 HBM4를 바탕으로 InferenceX에서 Nvidia 시스템보다 tokens per watt와 latency가 높거나 낮다고 주장했다. 이 밖에 Composer 3 유출 정보, Python·PyTorch 설치용 uv 안내, Osmo Studio의 편집 가능한 영상 제작, VGG16의 Neural Art 계보가 기술 관련 포스트로 묶였다.
𝕏 실시간 트렌드 토픽
📈 Hermes Agent의 무료 사용과 로컬 실행 환경포스트 4
Hermes Agent를 이번 주 0달러로 써보라는 권유와 함께, 개인 컴퓨터의 대용량 RAM·VRAM에서 실행할 수 있다는 게시물이 이어졌다.
세부 내용 보기
- Hermes Agent는 클라우드 비용을 내기 어려운 사용자를 대상으로 이번 주 무료 사용을 권유받았고, 게시물에서는 Agent를 모아 가상 사회를 만들자는 구상까지 연결됐다. Hermes가 특정 단일 컴퓨터에 고정되지 않고 256GB RAM 또는 128GB VRAM 환경에서도 실행된다는 점이 핵심 근거로 제시돼, 원격 서비스보다 로컬 자원 활용을 중시하는 사용 방식이 부각됐다.
🔥 Astra의 한 줄 Prompt 기반 3D 공간·그래픽 생성포스트 4
Astra가 한 줄 Prompt로 비행 가능한 3D 왕국, 복셀 공간, SVG와 초장문 LaTeX 초상화를 만든다는 사례가 묶였다.
세부 내용 보기
- Astra 관련 게시물은 렌더링된 한 장의 이미지가 아니라 사용자가 들어가 이동할 수 있는 75k-token 규모의 공간을 결과로 제시했다. 한 줄 Prompt에서 주야간 조명, 회전 카메라, 마을, 폭포, 비행선이 포함된 3D 왕국을 구성하고, 다른 사례에서는 42k-token 초상화와 SVG를 생성하는 입력→생성 흐름을 강조했다. 다만 GPT-6 Astra 작업이 보안 제어 요구로 중단됐다는 인용도 함께 있어, 생성 능력과 배포 지연이 동시에 언급된 사례다.
원문 트윗 2개 보기
Md Ismail Šojal
ChatGPT Astra create one shot full interactive 3D kingdom you can fly around. Day-to-night lighting, Rotatable camera, Towns, waterfalls, airships. All from one line of one prompt.
Md Ismail Šojal
ChatGPT Astra made Pagoda Voxel in 56k tokens.
GPT-6 Astra remains paused again. - Astra workloads are still paused. - New security controls are now required after the model hit a critical cyber threshold. - This is the second slowdown in three weeks.
📈 Jalapeño 추론 ASIC의 전력 효율·지연 시간 주장포스트 2
OpenAI의 첫 추론 ASIC으로 언급된 Jalapeño가 Nvidia 시스템과 비교해 처리량 대비 전력과 지연 시간에서 우위를 주장했다.
세부 내용 보기
- Jalapeño는 700W Broadcom 공동 설계와 HBM4를 사용하는 추론 칩으로 소개됐으며, InferenceX 비교에서 throughput-per-watt와 latency 양쪽을 겨냥했다. 게시물에 따르면 성능 차이는 1.5–1.9x more tokens per watt, 최대 3.6x lower latency로 제시됐고, 다른 게시물은 1.5–1.9x 수치를 반복했다. AI가 커널 코드를 작성하고 테스트했지만 시연 엔지니어가 코드를 설명하지 못했다는 일화까지 붙으면서, 칩 성능과 코드 생성 방식이 함께 쟁점이 됐다.
원문 트윗 2개 보기
Md Ismail Šojal
The wildest part of OpenAI’s Jalapeño chip isn’t that it beats Nvidia on speed and cost. It’s that the engineers showing the kernels couldn’t explain their own code. AI wrote it, AI tested it, It works. 1.5–1.9x more tokens per watt. Up to 3.6x lower latency. https:// x.com/firesidealpha/ status/2093860831595499892/video/1 …
OpenAi basically winning on both sides of the curve. Most custom chips pick one: speed or cost. OpenAI’s first inference ASIC is claiming both, Jalapeño is a 700W Broadcom co-design with HBM4. On InferenceX it beat Nvidia systems on throughput-per-watt and latency. 1.5–1.9x
📈 Composer 3의 코딩 Agent 비용 인하 가능성포스트 1
Composer 3의 내부 변형, 단계별 Reasoning 모드, 강화된 Agent 동작, 가격 인하 가능성을 전한 유출 정보가 단독 토픽으로 묶였다.
세부 내용 보기
- 게시물은 Composer 3에 Vega라는 이름의 내부 변형 6개와 Fast·Medium·High·XHigh Reasoning 모드가 있다고 전했다. Composer 2.5보다 강한 Agent 동작과 GPT-5.6 Sol·Opus 5를 앞선다는 코딩 성능 주장이 함께 제시됐으며, 현재 frontier coding models보다 25× 낮은 비용 가능성과 다음 주 출시 가능성도 언급됐다. 모두 유출 정보와 주장으로 제시된 내용이어서 실제 출시와 가격은 확인되지 않은 상태다.
➖ LLM·Reasoning Model·Agent 설치 흐름과 uv포스트 1
LLM과 Reasoning Model, Agent의 관계를 설명하는 영상과 Python·PyTorch 요구사항을 uv로 설치하는 안내가 한 흐름으로 공유됐다.
세부 내용 보기
- 공유된 영상은 Conventional LLM, Reasoning Model, Agent를 서로 다른 처리 방식으로 연결하고, from scratch 접근을 다룬 뒤 Python과 PyTorch 요구사항 설치로 이어진다. 실습 흐름은 Python·PyTorch 환경을 준비하고 uv를 사용해 의존성을 설치하는 방식이며, 원문은 영상과 YouTube 버전을 함께 가리켰다. 모델 개념과 실행 환경을 한 자료 안에서 이어 붙였다는 점이 핵심이다.
➖ VGG16의 Neural Art 계보와 지각 손실 활용포스트 1
Inceptionism, DeepDream, VGG16 기반 Style Transfer와 Latent Diffusion 사전 학습에서의 Perception Loss가 Neural Art의 계보로 이어졌다.
세부 내용 보기
- 원문은 초기 DeepDream이 InteptionV1을 사용했고, 해당 방식이 초기 Mechanistic Interpretability의 테스트베드가 됐다고 회고했다. VGG16은 Artistic Style Transfer의 기반으로 쓰인 뒤 GANs 이전 Neural Art의 주요 단계가 됐으며, 현재도 Latent Diffusion autoencoder 사전 학습의 Perception Loss 일부로 남아 있다고 전했다. DINO 같은 현대 Dense Feature Extractor로 교체해도 차이가 거의 없다는 관찰이 함께 제시돼, 오래된 특징 추출기가 쉽게 대체되지 않는 이유를 짚었다.
📈 Figma·코드·참고 영상을 편집 가능한 Motion으로 바꾸는 Osmo Studio포스트 1
Osmo Studio가 Figma, 코드, 참고 영상을 완전히 편집 가능한 Motion 결과물로 변환하는 end-to-end 플랫폼으로 공개됐다.
세부 내용 보기
- Osmo Studio는 Figma 파일과 코드, 참고 영상을 입력으로 받아 편집 가능한 Motion 프로젝트를 출력하는 소프트웨어 플랫폼으로 공개됐다. 게시물은 이 서비스를 대중에 출시했다는 사실과 5M달러 Seed 투자 유치를 함께 전했으며, 기존 결과물을 고정된 영상으로 소비하기보다 구성 요소를 다시 수정하는 작업 흐름을 겨냥한다.
용어 해설
- 추론 전용 ASIC(Inference ASIC)
- — 모델 학습보다 서비스 단계의 토큰 생성에 맞춰 설계한 전용 칩이다. 반복되는 행렬 연산과 메모리 접근을 하드웨어 수준에서 최적화해 처리량, 전력 효율, 지연 시간을 겨냥한다.
- HBM4 고대역폭 메모리(HBM4)
- — AI 가속기 옆에서 대규모 모델 가중치와 중간 계산값을 빠르게 공급하는 고대역폭 메모리 규격이다. 메모리 대역폭이 추론 처리량과 전력 효율에 영향을 준다.
- 복셀(Voxel)
- — 3D 공간을 작은 격자 단위로 나눈 표현이다. Astra 관련 게시물에서는 사용자가 들어가 이동할 수 있는 공간과 왕국을 구성하는 단위로 쓰였다.
- 지각 손실(Perception Loss)
- — 이미지의 픽셀 차이 대신 사전 학습된 신경망의 특징 표현 차이를 계산하는 손실 함수다. VGG16 같은 특징 추출기의 출력을 비교해 시각적 구조와 질감을 학습에 반영한다.
- 잠재 확산(Latent Diffusion)
- — 이미지 전체가 아니라 압축된 잠재 공간에서 확산 과정을 수행하는 생성 방식이다. 원문에서는 VGG16이 Latent Diffusion autoencoder 사전 학습의 Perception Loss에 여전히 쓰인다고 언급됐다.
- 편집 가능한 모션(Editable Motion)
- — Figma 파일, 코드, 참고 영상을 입력으로 받아 결과물을 수정 가능한 모션 프로젝트로 구성하는 방식이다. Osmo Studio는 이 과정을 end-to-end 플랫폼으로 제공한다고 소개됐다.
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
