TL;DR
이번 기간에는 AI 기능의 공개 자체보다 실제 실행 계층과 운영 기반을 확장하는 움직임이 두드러졌습니다. Mistral은 유럽의 추론 인프라와 open models를 장기 컴퓨트 약정으로 묶는 구상을 내놓았고, Perplexity Agent API는 30B MoE 모델인 Nemotron 3.5 Lightning을 고빈도 도구 호출 계층에 배치했습니다. Image 2.0은 정밀 편집과 인포그래픽·광고·게임 자산·UI/UX 목업·스토리보드 생성을 API로 제공하기 시작했습니다. 한편 ExtractBench는 복잡한 기업 문서 추출을 4,869페이지와 14개 VLM·coding agent·문서 추출 API로 비교해 실제 업무형 평가의 빈틈을 수치화했습니다. Spotify의 AI Persona 배지와 추천 제외 정책은 AI 생성 음악의 표시와 유통 기준을 제품 기능으로 끌어왔습니다.
𝕏 실시간 트렌드 토픽
📈 유럽의 장기 추론 용량 확보와 open models 플랫폼포스트 7
Mistral이 유럽의 AI 자립을 겨냥해 추론 인프라, open models, 장기 컴퓨트 약정을 하나의 운영 구상으로 묶었습니다.
- Mistral은 기업·정부·스타트업이 자체 지식에 맞춰 AI를 조정하고 그 과정에서 만들어진 가치를 보유하는 환경을 유럽에 구축하려는 방향을 밝혔습니다. 이를 위해 여러 modality를 지원하는 효율적인 open models와 모델 선택권을 함께 내세웠습니다.
- 구상은 유럽의 장기 컴퓨트 수요를 모아 어떤 용량을 어디에 구축하고 누구에게 제공할지 정한 뒤, 다년간 약정에 참여한 이용자에게 European Compute Units를 배정하는 방식입니다. 참여자는 수요 변화에 맞춰 Mistral Compute의 여러 제품에서 해당 용량을 사용할 수 있습니다.
- 같은 내용의 게시물이 반복 확산됐지만, 핵심 수치는 유럽 내 수요 집계와 다년간 용량 약정 구조에 집중되어 있습니다. 단일 모델 출시보다 추론 서버와 open models를 함께 통제하는 공급망 구상이 앞에 놓인다는 점에서 인프라 중심의 변화로 읽힙니다.
원문 트윗 2개 보기
@MistralAI
Mistral is bringing together the inference infrastructure, open models, and long-term commitments Europe needs to control its AI future, and setting a roadmap for the world. :
Mistral AI
@MistralAI
A coalition that secures long-term AI capacity: We’re aggregating long-term compute demand in Europe to determine what capacity is built, where it’s located, and whom it serves. Through these multi-year commitments, European Compute Units, participants can use the capacity across the range of products available on Mistral Compute as their needs evolve.
🔥 Image 2.0 API의 정밀 편집과 제작 자산 생성포스트 2
Image 2.0이 API와 playground에서 정밀 편집부터 광고·게임·UI/UX·스토리보드 제작까지 지원하기 시작했습니다.
- Image 2.0은 이미지 생성 API에 정밀 편집 기능과 여러 제작 용도를 묶어 제공하는 형태로 공개됐습니다. 게시물에 적힌 사용 범위는 인포그래픽, 광고, 게임 자산, UI/UX 목업, 스토리보드이며, 단순 이미지 생성보다 후속 편집과 제작물 산출에 초점이 있습니다.
- 개발자는 API 또는 playground에서 Image 2.0을 호출하고, 입력 이미지를 바탕으로 필요한 부분을 수정하거나 목적별 시각 자산을 생성하는 흐름을 사용할 수 있습니다. 원문은 품질 수치나 비용을 제시하지 않고 지원 작업의 범위만 열거합니다.
- 같은 출시 소식이 두 게시물에서 반복됐고, 한 게시물은 playground 접속 경로와 모델 식별자 grok-imagine-image-2.0을 함께 실었습니다. 따라서 이번 변화의 근거는 벤치마크보다 접근 경로와 기능 범위의 공개에 있습니다.
📈 Nemotron 3.5 Lightning의 Perplexity Agent API 배치포스트 2
Nemotron 3.5 Lightning이 Perplexity Agent API에서 고빈도 도구 호출과 검증을 맡는 실행 계층으로 제공되며, 토큰 단가도 공개됐습니다.
- Perplexity Agent API는 항상 실행되는 Agent의 반복 작업을 처리하는 계층에 Nemotron 3.5 Lightning을 배치했습니다. 인용문은 이 모델이 도구 호출, 검증, 하위 Agent 작업을 위한 고빈도 실행 계층을 겨냥한다고 설명합니다.
- 모델은 30B MoE 구조이지만 3B active parameters만 사용합니다. 입력 요청은 모델의 일부 전문가 경로만 활성화하는 방식으로 처리되며, 개발자는 Perplexity Agent API를 통해 이 실행 모델을 호출하고 Agent의 반복적인 하위 작업에 연결할 수 있습니다.
- 공개 가격은 입력 1M tokens당 $0.0115, 출력 1M tokens당 $0.17입니다. 게시물은 이 모델이 모든 개발자에게 제공된다고 밝혔으며, 직전 다이제스트의 Nemotron 로컬 실행·DGX 하드웨어 흐름이 API 기반 Agent 운영 비용과 실행 계층으로 이어졌습니다.
➖ Centaur의 Hermes Agent 지원 병합포스트 1
Centaur가 NousResearch의 Hermes Agent 지원을 병합해 프롬프트 호출, 명시적 사용 지시, 기본 harness 설정을 지원합니다.
- Centaur에 NousResearch Hermes Agent 지원이 합쳐지면서 하나의 Agent harness를 선택해 사용하는 연결 방식이 추가됐습니다. 원문은 새 모델 성능이나 평가 수치보다 기존 도구 안에서 Hermes를 호출하는 통합 경로를 전합니다.
- 사용자는 프롬프트에서 --hermes 옵션을 호출하거나 Hermes를 사용하라고 직접 요청할 수 있으며, 기본 harness로 지정하는 설정도 가능합니다. 입력 방식에 따라 Centaur가 사용할 Agent harness를 선택하고 이후 작업을 해당 지원 경로로 넘기는 구조입니다.
- 이번 게시물에는 성능 벤치마크나 처리량 수치가 없습니다. 확인되는 변화는 Agent 지원을 별도 실행 환경이 아니라 기존 개발 도구의 호출·기본값 설정으로 연결했다는 구현 수준의 통합입니다.
➖ 복잡한 기업 문서를 겨냥한 ExtractBench포스트 1
ExtractBench가 4,869페이지·67개 문서 유형·8개 업무 영역을 묶어 14개 VLM, coding agent, 문서 추출 API의 실제 문서 처리 성능을 비교합니다.
- ExtractBench는 최신 모델이 coding과 지식 업무에서 발전했어도 복잡한 문서 추출에서는 production 환경의 어려움이 남아 있다는 문제에서 출발합니다. 평가 대상은 금융, 에너지, 정부, 자동차, 공급망, 의료, 법률, 부동산 등 8개 실제 업무 영역입니다.
- 벤치마크는 4,869페이지와 67개 문서 유형으로 구성되며, 짧은·중간·긴 문서를 모두 포함합니다. 1,000행을 넘는 표, 셀 안의 중첩 표, 여러 페이지에 걸친 표, 스캔 문서, 손글씨, 회전 페이지를 입력으로 삼아 문서에서 구조화 정보를 추출하는 과정을 평가합니다.
- 14개 VLM, coding agent, 문서 추출 API를 비교했고 블로그·ArXiv·Github·HuggingFace에 전체 자료를 공개했습니다. 단순 텍스트 인식 점수보다 표 구조와 비정형 입력을 함께 측정해 기업 문서 자동화의 실패 지점을 재현할 수 있는 평가 범위를 넓혔습니다.
➖ DoorDash Flux의 Agent 기반 엔지니어링 자동화포스트 1
DoorDash가 내부 Agent 실행 플랫폼 Flux를 구축해 한 달 13만 건의 엔지니어링 작업과 매주 2만5천 건 이상의 코드 리뷰를 처리한다고 밝혔습니다.
- DoorDash AI Research는 여러 Agent를 DoorDash 전반에서 실행하기 위한 자체 cloud platform으로 Flux를 공개했습니다. 기존의 로컬·노트북 중심 Agent 작업에서 벗어나 조직 내부의 엔지니어링 흐름을 하나의 플랫폼으로 운영하려는 목적입니다.
- Flux는 Agent 작업을 플랫폼에서 실행하고 그 결과를 코드 리뷰와 엔지니어링 업무에 연결하는 구조입니다. 게시물에 따르면 자동화한 엔지니어링 작업은 한 달 130k건이며, 코드 리뷰 처리량은 매주 25k건을 넘습니다.
- 원문은 구축 이후의 추가 생산성 수치나 세부 구현을 밝히지 않았습니다. 확인 가능한 근거는 130k monthly engineering tasks와 25k+ weekly code reviews이며, Agent가 개인 개발 환경을 넘어 사내 업무 인프라로 배치되는 사례라는 점입니다.
➖ Spotify의 AI Persona 표지와 추천 기본값포스트 1
Spotify가 AI 생성 정체성을 가진 음악가 프로필에 AI Persona 배지를 붙이고 해당 음악을 기본 추천에서 제외하는 정책을 예고했습니다.
- Spotify는 실제 인물이 아닌 AI 생성 정체성을 가진 아티스트 프로필을 별도로 식별하기 위해 AI Persona 배지를 도입합니다. 배지는 음악의 생성 주체에 관한 정보를 프로필 수준에서 표시하는 장치입니다.
- 해당 프로필의 음악은 9월 중순부터 사용자가 직접 팔로우하지 않는 한 편집 추천과 알고리즘 추천에서 기본적으로 빠집니다. 플랫폼은 프로필 정체성을 표시한 뒤 추천 시스템의 기본 노출 경로를 제한하는 순서로 처리합니다.
- 게시물에는 탐지 방식, 적용 대상의 판정 기준, 추천 성과 수치가 없습니다. 확인되는 변화는 AI 생성 음악을 별도 표지하고, 팔로우하지 않은 이용자에게는 추천하지 않는 제품 정책을 함께 적용한다는 점입니다.
용어 해설
- 전문가 혼합 모델(Mixture of Experts)
- — 여러 전문가 네트워크 중 입력에 필요한 일부만 활성화하는 구조입니다. Nemotron 3.5 Lightning은 30B 전체 파라미터 중 3B만 활성화해 도구 호출과 검증처럼 반복적인 Agent 작업의 토큰 처리 비용을 낮추는 방식으로 쓰입니다.
- Agent API
- — 모델이 도구 호출, 결과 검증, 하위 작업 위임을 수행하도록 애플리케이션에서 연결하는 인터페이스입니다. 이번 사례에서는 Nemotron 3.5 Lightning을 Perplexity Agent API의 상시 실행 Agent 처리 계층에 배치합니다.
- 추론 인프라(Inference Infrastructure)
- — 학습이 끝난 모델에 요청을 전달하고 결과를 생성하는 서버·가속기·운영 체계입니다. Mistral은 유럽 내 추론 용량을 장기 계약으로 묶어 기업·정부·스타트업이 필요한 모델을 사용할 수 있는 기반을 구축하려 합니다.
- 유럽 컴퓨트 단위(European Compute Units)
- — Mistral이 제시한 다년간의 컴퓨트 약정 단위입니다. 참여자는 유럽에서 구축될 용량을 제품 수요 변화에 맞춰 Mistral Compute의 여러 제품에 사용할 수 있습니다.
- 문서 정보 추출(Document Extraction)
- — 스캔 문서, 손글씨, 회전 페이지, 복잡한 표에서 구조화된 정보를 뽑는 작업입니다. ExtractBench는 67개 문서 유형과 8개 실제 업무 영역을 포함해 운영 환경의 문서 처리 성능을 비교합니다.
- AI Persona
- — 실제 인물이 아닌 AI 생성 정체성을 음악가 프로필에 표시하는 표지입니다. Spotify는 해당 배지를 붙인 프로필의 음악을 기본적으로 편집·알고리즘 추천에서 제외하고, 사용자가 직접 팔로우한 경우에는 예외를 둡니다.
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.
