이번 주 공개된 AI 모델 4종, 65MB 음성부터 16B 월드 모델까지

이번 주 공개된 AI 모델 네 개는 쓰임새가 서로 겹치지 않습니다. 승인을 받아야 쓰는 사이버 보안 모델, 65MB짜리 음성 모델, 16B 월드 모델, 이미지 편집 모델입니다.

내 컴퓨터에서 돌릴 수 있는 것과 없는 것이 뚜렷하게 갈렸습니다. Phonon과 Cosmos 3 Nano는 가중치가 공개됐고, GPT-6 Cyber와 GPT-Image 2.6은 가중치 없이 서비스로만 제공됩니다.

GPT-6 Cyber, ExploitGym 48.5%

OpenAI가 11월 5일 공개한 GPT-6 Cyber는 취약점을 찾고, 그 취약점이 실제로 공격에 쓰이는지 검증하는 데 특화된 모델입니다. ExploitGym에서 48.5%를 기록했습니다.

직전 모델인 GPT-5.6 Cyber는 32.1%였습니다. OpenAI는 약 16%포인트 상승으로, 상대 기준으로는 51% 개선이라고 밝혔습니다. 웹 애플리케이션 모의 침투 테스트에서는 취약점 재현율 40.3%로 GPT-6 Astra(32.0%)를 앞섰습니다.

성능보다 눈에 띄는 숫자는 경계 준수입니다. 과제 범위 밖 서비스를 공격하지 않은 비율이 99.93%였고, 배포용 안전 프롬프트를 붙이면 100%였습니다. 직전 모델은 94.49%였습니다.

실제 성과도 함께 공개됐습니다. 리눅스에서 권한 상승 익스플로잇 948건을 개발했고, 파이어폭스에서 기존 테스트에 걸리지 않던 고위험 취약점 81건을 찾았습니다. 모질라는 이 중 상당수를 이미 패치했습니다.

OpenAI는 이 모델을 자사 안전 프레임워크에서 "치명적(Critical)" 등급으로 분류했습니다. 접근은 제한적입니다. API와 Codex로 승인된 Daybreak Red 고객에게 먼저 열리고, 가격은 공개되지 않았습니다.

Phonon, 31M 모델의 첫 소리까지 28ms

허깅페이스 블로그에 11월 5일 올라온 Phonon은 서버 없이 기기 안에서 도는 음성 합성 모델입니다. 파라미터는 3,078만 개, 오디오 토크나이저가 1,030만 개이고 파일 크기는 65MB와 75MB 두 가지입니다.

속도가 이 모델의 무기입니다. CPU 스트리밍 벤치마크에서 첫 소리까지 걸린 시간의 95백분위가 영어 31M 모델 28ms, 40M 모델 38ms였습니다. 같은 계열의 Pocket TTS는 165ms였습니다.

품질도 뒤지지 않는다고 밝혔습니다. 허깅페이스 오픈 TTS 리더보드에서 독일어와 스페인어 명료도 1위, 평가한 모든 언어에서 3위 안에 들었습니다. 자기보다 100배 큰 모델들과 같은 표에서 겨룬 결과입니다.

영어·프랑스어·독일어·스페인어·포르투갈어 5개 언어와 100개 이상의 기본 음성을 지원합니다. 공개 2주 만에 다운로드 20만 건을 기록했습니다. 한국어는 아직 목록에 없습니다.

라이선스는 갈립니다. 영어만 지원하는 31M은 Apache 2.0이라 상업 제품에 무료로 넣을 수 있습니다. 5개 언어를 지원하는 40M은 비상업(CC BY-NC)이고, 상업 사용은 사용자 수를 기준으로 가격을 매깁니다.

Cosmos 3 Nano, 16B 월드 모델 네 개

엔비디아는 11월 5일 코스모스 3 나노 계열 체크포인트 네 개를 공개했습니다. 다음 장면을 예측해 로봇·자율주행 학습용 시뮬레이션 데이터를 만드는 월드 모델입니다.

Transfer-Auto는 최대 11대 카메라 시점과 라이다를 함께 생성합니다. 날씨와 조명, 시간대를 바꿔 운전 데이터를 늘리는 용도입니다. Sim-Auto는 이를 스트리밍용으로 증류해 몇 번의 노이즈 제거 단계만으로 다음 구간을 이어 만듭니다.

Sim-Transfer는 물리 시뮬레이터가 계산한 깊이·분할·윤곽 정보를 실제 같은 영상으로 바꿉니다. Sim-Bimanual은 양팔 로봇(YAM, AgiBot)의 동작을 입력받아 다음 관측을 예측합니다.

네 모델 모두 학습 가능한 파라미터가 16B이고, 라이선스는 OpenMDW 1.1로 상업적 사용이 허용됩니다. 구조는 텍스트 처리와 영상 생성을 어텐션으로 잇는 Mixture-of-Transformers입니다.

엔비디아는 vLLM-Omni 구성으로 GB200 한 대에서 검증했다고 밝혔습니다. 최소 메모리 사양은 아니라고 선을 그었고, 실행에는 리눅스와 엔비디아 GPU, 도커, 컨테이너 툴킷이 필요합니다. 집에서 쓰는 카드의 조건은 이 테스트와 다릅니다.

GPT-Image 2.6, 50% 빨라지고 GIF가 붙었다

OpenAI는 11월 4일 이미지 모델 2.6을 내놨습니다. 생성 속도가 이전보다 50% 빨라졌고, 여러 장을 이어 붙인 GIF 애니메이션을 만들 수 있습니다.

API에는 두 가지가 있습니다. Flare는 낮은 품질 설정에서 6초 만에 이미지를 만들고, OpenAI는 포스터나 제품 이미지의 레이아웃 품질도 좋아졌다고 밝혔습니다. Sunburst는 중간·높은 품질에서 편집을 반복해도 일관성이 유지됩니다.

OpenAI에 따르면 ChatGPT와 Codex, API에서 주당 40억 장, 하루 5억 장이 넘는 이미지가 만들어집니다. 2.6은 모든 구독 등급에 들어갔고, API 단가는 별도 가격표로 공개됩니다.

집에서 돌리려면 GPU·메모리는

Phonon은 그래픽카드가 필요 없습니다. 65~75MB 모델이라 휴대폰과 노트북, 싱글보드 컴퓨터, 브라우저 탭에서도 돕니다. 음성 기능 하나 때문에 GPU를 새로 살 이유는 없습니다.

Cosmos 3 Nano는 다릅니다. 16B를 BF16(파라미터당 2바이트)으로 올린 가중치 환산치는 32GB, FP8(1바이트)은 16GB입니다. 가중치만 그 크기이므로 실제 실행에는 연산과 컨텍스트 몫이 더 필요합니다. 따라서 16GB 카드는 가중치만으로도 한계에 가깝습니다.

GPT-6 Cyber와 GPT-Image 2.6은 로컬 실행 경로가 없습니다. 같은 목적을 로컬에서 처리하려면 공개 가중치 모델로 대체해야 합니다.

원문 보기: GPT-6 Cyber · Phonon TTS · Cosmos 3 · GPT-Image 2.6

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.