AI

UserArena, 실제 쇼핑 기록 6만여 건으로 AI 쇼핑 에이전트 사용자 시뮬레이션 검증

장기간 이어지는 온라인 쇼핑 과정에서 AI 추천 에이전트를 평가할 수 있도록 실제 이용자의 행동 기록을 담은 벤치마크가 나왔다. 사전공개 논문 저장소 arXiv에 공개된 논문 「UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents」에 따르면, Jujia Zhao 등 연구자 9명은 실제 전자상거래 데이터를 바탕으로 한 대화형 벤치마크 'UserArena'를 공개했다. 이 벤치마크에는 이용자 1만1010명이 남긴 세션 궤적 6만4729건이 들어 있다. 상품은 56만6102개, 행동 유형은 13가지다. 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 23회를 받았다.연구진이 주목한 분야는 '에이전트형 추천'이다. 상품 하나를 골라 주는 데서 그치지 않고, 쇼핑하는 사람의 목표를 이루기 위해 상황에 따라 판단을 여러 번 이어 가는 방식이다. 이런 추천 정책을 만들고 평가하려면 쇼핑 환경뿐 아니라 긴 상호작용 동안 이용자가 어떻게 반응하는지까지 충실하게 재현하는 '추천 세계 모델'이 필요하다고 연구진은 설명했다. 그런데 기존 자료 가운데 실제 이용자의 장기적이고 세밀한 행동 궤적을 제공하는 것은 드물었다. 궤적 단위 평가를 지원하거나, 실제 서비스의 A/B 테스트 결과와 맞춰 보는 오프라인 검증을 지원하는 자료도 마찬가지라는 것이 연구진의 문제의식이다.UserArena는 이 공백을 겨냥했다. 실제 이용자 궤적에 대화형 환경을 결합했고, 통제된 조건에서 진행한 실서비스 A/B 테스트 결과와 시뮬레이션 결과를 오프라인으로 비교할 수 있게 했다. 평가는 다섯 단계로 나뉜다. 시뮬레이터의 출력이 형식에 맞는지 보는 '출력 타당성'에서 시작해 개별 시점의 '국소적 의사결정', 여러 단계에 걸친 '순차적 행동', 이용자별 차이를 반영하는 '개인화', 최종 '결과'까지 차례로 따진다. 응답 하나가 그럴듯한지만 보는 것이 아니라, 긴 쇼핑 과정 전체가 실제 이용자처럼

T2Quant, 확산 언어모델 양자화 정확도 최대 6.7%p 높여…Ofek Avivi 연구진 논문

확산 언어모델(DLM)을 양자화할 때는 작업 종류와 노이즈 제거 단계에 따라 정밀도를 다르게 배분해야 한다는 연구 결과가 나왔다. arXiv에 공개된 논문 초록에 따르면 Ofek Avivi 등 연구진 4명은 정답 레이블 없이도 이 배분을 정할 수 있는 양자화 프레임워크 'T2Quant'를 내놨다. 같은 비트 예산에서 기존 양자화 기법의 평균 정확도를 최대 6.7%포인트 끌어올렸다고 밝혔다.논문 제목은 「Different Tasks, Different Timesteps: Temporal Task-Aware Quantization for Diffusion Language Models」이고 논문 번호는 arXiv:2610.31198이다. 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서는 추천 23회를 받았다. 동료평가를 거치지 않은 사전공개 논문이다.양자화는 모델이 계산에 쓰는 숫자의 정밀도, 즉 비트 수를 낮춰 메모리 사용량과 연산 부담을 줄이는 기법이다. 비트를 줄일수록 모델은 가벼워지지만 정확도가 떨어질 수 있다. 그래서 어느 부분에 비트를 얼마나 남길지가 핵심 문제다.확산 언어모델은 이 문제가 더 까다롭다. 초록은 DLM이 노이즈를 여러 번 반복해 걷어내는 방식으로 결과를 만들기 때문에 양자화에서 고유한 어려움이 생긴다고 설명한다. 단어를 하나씩 이어 붙이는 일반 언어모델과 달리 같은 모델이 여러 단계를 거치므로, 단계마다 정밀도를 어떻게 줄 것인지가 따로 따져야 할 문제가 된다.연구진은 양자화에 대한 민감도가 작업에 따라서도, 시간 단계에 따라서도 달라진다는 점을 확인했다. 다운스트림 작업마다 노이즈 제거 단계별로 필요한 정밀도가 서로 다르다는 것이다. 모든 단계에 같은 비트를 일괄로 주는 방식으로는 이 차이를 반영할 수 없다.연구진은 이런 패턴을 정답 레이블이나 작업별 평가 지표 없이도 예측할 수 있다는 점도 보였다. 실제 작업에 맞춰 양자화를 조정하려면 보통 정답 데이터로 성능을 재 봐야 하는데, 그 과정 없이 민감도를 가늠할 신호를 찾았다는 의

HiSTEVE 1.0, 키보드·마우스로 마인크래프트 하는 AI 에이전트…텐센트 연구진 공개

텐센트 연구진이 사람처럼 화면만 보고 키보드와 마우스를 직접 조작해 마인크래프트를 오래 플레이하는 인공지능(AI) 에이전트 'HiSTEVE 1.0'을 내놨다. 논문 사전공개 사이트 arXiv에 올라온 논문 「HiSTEVE 1.0: Harnessing Human-Interface VLA Agents for Open-World Games」에 따르면, 이 에이전트는 MineStudio Bench에서 85.0%를 기록했고 OpenHA에서는 평균 성공률 37.4%를 냈다. 연구진은 이를 단일 작업(atomic task) 성능에서 최고 수준(SOTA)이라고 밝혔다. 논문은 Zecong Tang 등 텐센트 소속 연구자 6명이 함께 썼다.연구진은 오픈월드 게임에서 사람처럼 움직이는 가상 에이전트를 오래된 연구 목표로 꼽는다. 이를 이루려면 두 능력이 함께 필요하다. 하나는 여러 단계로 이어지는 긴 과제를 스스로 끌고 가는 '장기 자율성'이고, 다른 하나는 사람이 쓰는 입력 장치를 그대로 안정적으로 다루는 '네이티브 인터페이스 제어'다. 마인크래프트는 세계가 절차적으로 생성되는 오픈월드여서 두 능력을 함께 시험하기에 알맞다. 논문은 기존 에이전트들이 둘 중 하나에 치우쳤다고 지적한다. 화면을 보고 직접 조작하는 시각-운동 제어는 할 수 있어도 긴 과제를 혼자 해내지 못하거나, 반대로 고수준 계획은 세우지만 실행은 게임 환경의 API나 미리 정해 둔 기술에 맡기는 식이었다는 것이다. HiSTEVE는 이 간극을 메우려고 설계됐다.HiSTEVE는 계층형 VLA(시각-언어-행동) 에이전트에 '능력 인지형 하네스'를 결합한 구조다. 위쪽 조율 단계에서는 구조화된 메모리가 진행 상황을 기록하고, VLM(시각-언어 모델) 플래너가 VLA가 해낼 수 있는 범위 안에서 다음 하위 작업을 고른다. 하위 작업을 끝냈는지 정확히 판단하기 위해 '정책 결합형 작업 완료 상태 감지기'도 넣었다. 이 감지기는 VLA 정책의 맥락을 함께 보고 작업이 끝났을 가능성이 있다는 신호를 보낸다.아래쪽 제어 단계

Genspark, 앱스토어 한국 생산성 무료 순위 200위 밖에서 99위로 진입

젠스파크(Genspark)가 애플 앱스토어 한국 생산성 무료 순위 100위 안에 새로 들어왔다. 메타브리프가 집계한 10월 26일 애플 앱스토어 한국 무료 앱 순위(아이폰 기준)를 보면, 젠스파크는 직전 측정에서 200위 밖에 있었으나 이번에는 생산성 부문 99위에 올랐다. 이번 집계에서 생산성 무료 순위에 든 AI 앱 가운데 가장 크게 움직인 앱이다.생산성 무료 순위 1~3위는 그대로였다. 클로드(Claude)가 1위, 구글 제미나이(Gemini)가 2위, 챗GPT(ChatGPT)가 3위를 지켰다. 그록(Grok)도 10위에 머물렀다. 생산성 부문 맨 위 세 자리를 대화형 AI 앱이 모두 차지하는 구도가 이어졌고, 10위 안에 든 AI 앱은 이 네 개다.중위권에서는 대부분 순위가 조금씩 내려갔다. SK텔레콤 에이닷은 16위에서 17위로 한 계단 밀렸다. 네이버 클로바노트는 20위에서 23위로, 메타 AI는 21위에서 24위로 각각 세 계단 내려갔다. 마이크로소프트 코파일럿은 36위에서 37위로, 마누스(Manus)는 60위에서 61위로, 딥시크(DeepSeek)는 77위에서 78위로 모두 한 계단씩 떨어졌다. 네이버 클로바는 72위에서 79위로 일곱 계단 내려가 하락 폭이 가장 컸다.오른 앱은 퍼플렉시티(Perplexity)뿐이었다. 29위에서 26위로 세 계단 올랐다. 새로 진입한 젠스파크를 빼면 생산성 순위에 오른 AI 앱 가운데 순위가 오른 앱은 퍼플렉시티 하나다. 국내 기업 앱인 에이닷·클로바노트·클로바는 이번 측정에서 모두 순위가 내려갔다.카테고리를 따지지 않는 무료 앱 전체 순위(200위 안)에서는 상위 AI 앱 세 개가 모두 올랐다. 클로드는 5위에서 3위로 두 계단 올라 전체 무료 앱 가운데서도 최상위권에 들었다. 구글 제미나이는 10위에서 7위로 올라 10위 안에 자리 잡았고, 챗GPT는 17위에서 15위로 올랐다. 생산성 부문에서는 세 앱의 순위가 그대로였지만, 게임·소셜·쇼핑 등 다른 분야 앱까지 합친 전체 순위에서는 나란히 위로 올라섰다

Claude Fable 5.1, 요청 오류 증가로 21분간 장애… 앤트로픽 "해소 완료"

앤트로픽의 AI 모델 Claude Fable 5.1에서 10월 25일 요청 오류가 평소보다 늘어나는 장애가 났다. 앤트로픽 공식 상태 페이지 공지를 보면 장애는 협정세계시(UTC) 기준 오전 8시 8분부터 8시 29분까지 약 21분 동안 이어졌다. 한국 시간으로는 같은 날 오후 5시 8분부터 5시 29분까지다. 앤트로픽은 이후 문제가 해소됐다고 밝혔다.앤트로픽은 AI 서비스 '클로드(Claude)'를 만드는 회사다. 이번 공지의 제목은 'Elevated errors for Claude Fable 5.1'로, Claude Fable 5.1에 보낸 요청에서 오류가 평소보다 많이 났다는 뜻이다. 서비스 전체가 멈췄다기보다 특정 모델로 가는 요청의 실패율이 올라간 경우다.상태 페이지에 남은 기록으로 대응 과정을 시간순으로 볼 수 있다. 앤트로픽은 UTC 오전 8시 17분(한국 시간 오후 5시 17분)에 'Investigating(조사 중)' 단계를 올리고 Claude Fable 5.1 요청 오류를 조사하고 있다고 알렸다. 같은 시각 'Identified(원인 파악)' 단계로 바꾸고 오류 원인을 찾아 수정 작업을 하고 있다고 덧붙였다. 공지 기준으로 장애가 시작되고 약 9분 만에 조사와 원인 파악 공지가 함께 나간 셈이다.이어 UTC 오전 8시 30분(한국 시간 오후 5시 30분)에는 'Monitoring(모니터링)' 단계로 넘어갔다. 회사는 클로드 서비스에 영향을 준 문제를 고치는 조치를 배포했고, 서비스가 회복되는지 지켜보고 있다고 설명했다. 마지막으로 UTC 오전 8시 49분(한국 시간 오후 5시 49분)에 'Resolved(해결)' 공지를 내고 문제가 해결됐다고 밝혔다. 이때 영향이 있었던 시간을 태평양 시간(PT) 오전 1시 8분부터 1시 29분까지, UTC로는 오전 8시 8분부터 8시 29분까지로 확정해 알렸다.정리하면 실제 사용자가 영향을 받은 시간은 21분이고, 첫 공지부터 해결 공지까지는 32분이 걸렸다. 수정 조치는 영향 구간이 끝난 직후 배포됐고,

DeepSeek-V4.1-Flash-1017, deepseek-ai 공개… 이미지 입력 받고 MIT로 상업 이용 가능

허깅페이스(Hugging Face)에 올라온 모델 정보에 따르면 deepseek-ai는 지난 17일 새 AI 모델 'DeepSeek-V4.1-Flash-1017'을 공개했다. 이미지와 텍스트를 입력으로 받아 텍스트를 생성하는 모델이다. 상업 이용이 허용되는 MIT 라이선스로 배포됐다. 매개변수는 7,632억 개이고, 한 번에 입력할 수 있는 길이는 최대 1,048,576 토큰이다.공개 이후 이 모델의 내려받기는 85,275회, 즐겨찾기는 2,965회를 기록했다. 허깅페이스는 전 세계 개발자들이 공개 AI 모델을 올리고 직접 내려받아 시험해 보는 플랫폼이다. 그래서 이 수치는 새 모델에 대한 개발자들의 초기 반응을 가늠하는 지표로 쓰인다. 모델 이름 끝의 '1017'은 공개일인 10월 17일과 같은 숫자다.이 모델은 이미지와 텍스트를 함께 입력받는다. 사진이나 도표, 문서를 찍은 이미지에 질문을 붙여 넣으면 그 내용을 읽고 글로 답하는 식으로 쓸 수 있다. 다만 결과물은 텍스트다. 그림을 새로 그려 주는 이미지 생성 모델과는 용도가 다르다.최대 입력 길이 1,048,576 토큰은 약 100만 토큰에 해당한다. 토큰은 AI가 글을 처리하는 기본 단위다. 입력 한도가 클수록 긴 보고서나 여러 문서, 큰 규모의 코드를 쪼개지 않고 한 번에 넣어 다룰 수 있다. 긴 자료를 통째로 분석해야 하는 업무에서 의미가 큰 사양이다.라이선스도 눈여겨볼 대목이다. MIT 라이선스는 대표적인 공개 라이선스로, 기업이 모델을 자사 서비스에 넣거나 고쳐서 다시 배포하는 상업적 활용을 허용한다. 저작권 표기 같은 조건은 지켜야 하며, 구체적인 사항은 라이선스 문서를 따른다. 사용 범위를 따로 제한하는 자체 라이선스를 붙이는 모델도 적지 않다. 그런 모델들에 비하면 기업과 개발자가 비교적 부담 없이 가져다 쓸 수 있는 조건이다.다만 개인이 자기 PC에서 돌리기는 쉽지 않다. 가중치 파일만 약 765GB에 이른다. 모델을 4비트로 양자화해 용량을 줄여도 약 427GB 안팎이다. 실제로 실행하

MiniMax-M3.1-Flash, 이미지·텍스트 읽는 2,205억 매개변수 모델… MiniMaxAI 공개

MiniMaxAI가 2026년 10월 17일 AI 모델 공유 플랫폼 허깅페이스(Hugging Face)에 새 모델 'MiniMax-M3.1-Flash'를 공개했다. 허깅페이스 모델 정보에 따르면 이 모델은 이미지와 텍스트를 함께 입력받아 텍스트로 답을 내는 용도다. 매개변수는 2,205억 개이고, 한 번에 받을 수 있는 입력 길이는 최대 1,048,576 토큰이다.이미지·텍스트 입력 텍스트 생성 모델은 글로 된 질문만 처리하는 모델과 달리 사진, 도표, 문서 캡처 같은 이미지를 함께 넣고 질문할 수 있다. 예를 들어 그래프 이미지를 올린 뒤 내용을 요약해 달라고 하거나, 화면 캡처를 보여주며 설명을 요청하는 식이다. 답은 텍스트로만 나온다. 이미지를 새로 그려주는 모델은 아니라는 뜻이다.눈에 띄는 숫자는 입력 길이다. 컨텍스트로 불리는 최대 입력 길이가 1,048,576 토큰으로, 이른바 '100만 토큰'급이다. 토큰은 모델이 글을 처리하는 단위로, 컨텍스트가 길수록 긴 보고서나 여러 문서, 대화 기록을 한꺼번에 넣고 작업할 수 있다. 문서를 여러 조각으로 나눠 넣지 않고 한 번에 다룰 수 있다는 점에서 긴 자료를 분석하는 개발자들이 관심을 둘 만한 사양이다.매개변수 2,205억 개는 개인이 가볍게 돌릴 수 있는 규모가 아니다. 허깅페이스에 올라온 가중치 파일은 약 224GB다. 가중치를 4비트로 줄이는 양자화를 해도 약 123GB 안팎이 필요하다. 실제로 모델을 실행할 때는 파일 크기보다 메모리가 더 든다. 일반 소비자용 그래픽카드 한 장으로는 감당하기 어렵고, 여러 장의 고성능 GPU를 갖춘 서버나 메모리가 큰 워크스테이션급 장비가 있어야 한다. 내 PC에서 직접 써보려는 개인 사용자에게는 진입 장벽이 높다.상업적으로 쓸 수 있는지는 라이선스를 따로 봐야 한다. 이 모델에는 'minimax-community' 라이선스가 붙었다. 상업 이용 조건은 이 라이선스 문서에 따른다. 아파치 2.0이나 MIT처럼 널리 쓰이는 오픈소스 라이선스와 이름이 다른 회사 자체

FRED, 사람 영상만 보고 로봇이 새 작업 익힌다…KAIST AI 연구진 공개

KAIST AI 소속 Huiwon Jang 등 연구자 6명이 로봇 제어용 인공지능 '월드 액션 모델(WAM)'의 성능을 끌어올리는 학습 기법 'FRED'를 내놨다. 사전공개 논문 저장소 arXiv에 올라온 논문 「Self-Distilling Future Video Representations for World Action Models」(arXiv:2610.30320)에 따르면, FRED를 적용한 모델은 로봇 훈련 데이터에 없고 사람 영상으로만 시연된 작업에서 성공률 50.0%를 기록했다. 비교 대상 WAM 가운데 가장 좋은 모델의 성공률은 19.4%였다.월드 액션 모델은 미리 학습된 비디오 확산 모델을 활용한다. 이 모델이 영상에서 익힌 시간과 공간에 관한 풍부한 사전 지식을 빌려, 여러 작업을 두루 해내는 범용 로봇 정책을 학습하는 방식이다. 다만 영상을 실제로 만들어 내려면 노이즈를 걷어내는 디노이징 과정을 여러 번 반복해야 해 계산 비용이 크다. 그래서 최근 나온 WAM들은 디노이징을 한 번만 거친 뒤 그 중간 단계에서 '미래 영상 표현'을 뽑아내고, 이를 별도의 행동 디코더에 조건으로 넣어 로봇의 다음 동작을 예측한다. 추론은 빨라지지만, 행동 예측의 정확도가 이 미래 표현의 품질에 그대로 좌우된다는 약점이 생긴다. 연구진은 이 부분을 겨냥했다.FRED는 'Future REpresentation learning via self-Distillation with temporal context'의 머리글자다. 이름대로 두 가지 장치가 핵심이다. 하나는 자기증류(self-distillation)다. 실제 미래 장면을 관측해 얻은 표현을 정답으로 삼고, 모델이 노이즈에서 출발해 단 한 번의 디노이징만으로 그 표현에 가까운 결과를 내도록 학습시킨다. 다른 하나는 시간적 맥락이다. 비디오 모델이 현재 장면만 보지 않고 과거 관측까지 함께 참고하도록 해 미래 표현을 더 잘 예측하게 했다. 행동 디코더가 받아 쓰는 미래 표현을 단일 단계에서도 충실하게 만들어 로봇 동작

ChatGPT 앱 연결 기능, CIMD 방식에서 품질 저하… 오픈AI "모두 복구"

오픈AI는 2026년 10월 24일 ChatGPT 앱 연결 기능에서 서비스 품질이 떨어지는 장애가 있었다고 공식 상태 페이지에 공지했다. 장애가 난 곳은 CIMD 방식으로 연결된 앱이었다. 오픈AI는 영향을 받은 서비스가 모두 정상으로 돌아왔다고 밝혔다.오픈AI 상태 페이지에 올라온 장애 제목은 'Degraded experience with ChatGPT app connections using CIMD'다. 우리말로 옮기면 'CIMD를 사용하는 ChatGPT 앱 연결의 서비스 품질 저하'다. 상태 페이지는 장애를 정도에 따라 나눈다. 여기서 쓰인 'Degraded experience'는 서비스가 완전히 멈춘 것이 아니라, 일부 기능이 평소보다 불안정하거나 느렸다는 뜻이다. 따라서 이번 장애는 ChatGPT 전체가 아니라 앱 연결 기능의 특정 연결 방식에서 생긴 문제로 볼 수 있다.공지의 현재 상태는 'Resolved(해결됨)'다. 오픈AI는 설명란에 "영향을 받은 모든 서비스가 완전히 복구됐다(All impacted services have now fully recovered)"고 적었다. 영향을 받은 구성 요소로는 'Connectors/Apps'가 올라 있다. 이 항목의 상태도 지금은 'Operational(정상 운영)'으로 표시돼 있다.Connectors/Apps는 ChatGPT를 외부 서비스와 이어 주는 기능이다. 사용자는 이 기능으로 대화 중에 다른 서비스의 데이터를 불러오거나 외부 앱을 바로 쓸 수 있다. CIMD(Client ID Metadata Document)는 이런 연결에서 외부 앱이 자신을 알리는 클라이언트 식별 방식의 하나다. 이번 공지는 장애 범위를 이 방식을 쓰는 연결로 좁혀 밝혔다. 같은 앱 연결 기능이라도 다른 방식으로 붙은 서비스는 공지 대상에 들어가지 않았다는 뜻이다.앱 연결 기능은 ChatGPT를 업무 도구로 쓰는 기업과, 자기 서비스를 ChatGPT 안에서 앱 형태로 제공하는 개발자에게 특히 중요하다. 연결이 불안정해지면 사용

flux-3-image-klein-comfy, black-forest-labs 이미지 변환 모델 공개…상업 이용은 전용 라이선스 따라

허깅페이스(Hugging Face)에 올라온 모델 정보에 따르면, black-forest-labs가 2026년 10월 14일 이미지 변환 모델 'flux-3-image-klein-comfy'를 공개했다. 자료가 집계된 시점까지 내려받기는 59만 742회, 즐겨찾기는 1,490회다. 상업 이용 조건은 별도 라이선스인 'flux-kommunity-license' 문서에 따르고, 모델 카드에 적힌 지원 언어는 영어뿐이다.허깅페이스는 개발자와 연구자가 AI 모델을 올리고 내려받는 공유 플랫폼이다. 모델마다 '모델 카드'라는 소개 페이지가 있어 용도와 라이선스, 지원 언어 같은 기본 정보를 정리해 둔다. 이번 모델도 이 카드에 이미지 변환 모델로 분류돼 있다. 이미지 변환은 보통 이미지를 입력받아 이를 바탕으로 새 이미지를 만드는 작업을 말한다. 텍스트만으로 그림을 처음부터 그리는 생성 작업과는 다르다. 원본 이미지의 구도나 형태를 살린 채 스타일이나 일부 요소를 바꾸는 데 주로 쓰인다.내려받기 수는 개발자가 모델 파일을 실제로 가져간 횟수다. 공개 직후 개발자 사이에서 관심이 얼마나 되는지 가늠하는 지표로 흔히 쓰인다. 공개 열하루 만에 59만 회를 넘긴 이번 수치는 그만큼 많은 내려받기가 짧은 기간에 몰렸다는 뜻이다. 즐겨찾기는 이용자가 모델을 북마크하듯 표시해 두는 기능이다. 내려받기 수는 즐겨찾기 수의 약 400배다. 즐겨찾기가 관심 표시라면 내려받기는 실제로 써 보려는 행동에 가깝다.이용자가 가장 먼저 확인해야 할 것은 라이선스다. 이 모델은 아파치 2.0이나 MIT처럼 널리 쓰이는 표준 오픈소스 라이선스가 아니라 'flux-kommunity-license'라는 별도 이름의 라이선스로 배포된다. 모델 정보에도 상업 이용 조건은 이 라이선스 문서를 따른다고 적혀 있다. 그러니 내려받을 수 있다고 해서 곧바로 유료 서비스나 상품 제작에 써도 된다는 뜻은 아니다. 기업이나 개인 창작자가 이 모델로 만든 결과물을 수익 사업에 쓰려면 라이선스 문서에서 허용 범위와 조건

voxtral-mini-transcribe-3 등 미스트랄 음성 AI API 8종, LiteLLM 가격표에 올라

미스트랄의 새 음성 AI API 모델 8종이 LiteLLM 모델 가격표에 새로 올라왔다. 오픈소스 프로젝트 LiteLLM이 관리하는 이 가격표에 따르면, 새로 등록된 모델은 음성 인식 6종과 음성 합성 2종이다. 모델 이름은 모두 미스트랄의 음성 모델 브랜드인 ‘voxtral’로 시작한다.음성 인식 모델은 크기와 용도에 따라 세 갈래다. 소형인 ‘voxtral-mini-transcribe-3’, 그보다 한 단계 큰 ‘voxtral-small-transcribe-3’, 실시간 처리를 이름에 내건 ‘voxtral-mini-transcribe-realtime-3’이다. 각 모델에는 이름 끝에 ‘-3-0’이 붙은 항목이 하나씩 짝으로 함께 올라 있다. ‘voxtral-mini-transcribe-3-0’, ‘voxtral-small-transcribe-3-0’, ‘voxtral-mini-transcribe-realtime-3-0’이 그것이다. 음성 합성 쪽은 ‘voxtral-mini-tts-3’과 ‘voxtral-mini-tts-3-0’ 두 항목이다.이름을 보면 모델의 쓰임새가 드러난다. ‘transcribe’는 사람이 말한 음성을 글자로 바꾸는 받아쓰기, 곧 음성 인식(STT)을 뜻한다. 회의록 작성, 영상 자막, 통화 녹취 정리 같은 작업에 쓰이는 분야다. 같은 받아쓰기 모델 안에서도 ‘mini’와 ‘small’로 크기를 나눠 둔 것은 개발자가 처리 비용과 성능 가운데 무엇을 앞세울지 고를 수 있게 하려는 구성으로 읽힌다. 이름에 ‘realtime’이 붙은 모델은 녹음 파일을 통째로 처리하는 방식이 아니라, 말하는 도중에 바로 글자로 옮기는 실시간 용도를 겨냥했다. 반대 방향인 ‘tts’(Text-to-Speech)는 글자를 사람 목소리로 읽어주는 음성 합성 모델이다.이번 등록으로 미스트랄은 ‘voxtral’ 이름 아래 음성을 듣는 기능과 말하는 기능을 함께 갖춘 셈이 됐다. 음성 인식과 음성 합성을 같은 공급사의 API로 묶어 쓸 수 있으면, 음성 비서나 콜센터

Claude Fable 5·5.1 오류 급증… 앤트로픽, 35분 만에 복구

앤트로픽은 공식 상태 페이지를 통해 'Claude Fable 5'와 'Claude Fable 5.1' 모델에서 오류가 늘어나는 장애가 있었으며 현재는 해소됐다고 공지했다. 장애는 한국시간 기준 10월 24일 오후 2시(협정세계시 05시)부터 오후 2시 35분(05시 35분)까지 약 35분 동안 이어졌다. 미국 태평양시간으로는 10월 23일 오후 10시부터 10시 35분까지다.앤트로픽은 AI 모델 '클로드(Claude)'를 개발하는 회사다. 이번 공지의 제목은 'Elevated errors for Claude Fable 5 and Claude Fable 5.1'이다. Fable 5와 Fable 5.1 두 모델로 들어온 요청에서 평소보다 많은 오류가 났다는 뜻이다. 회사는 진행 상황을 설명하면서 '다른 클로드 모델로 들어온 요청'에서도 오류가 늘어난 원인을 찾았다고 적었다. 문제가 Fable 계열 두 모델에 그치지 않고 클로드 서비스 일부에 함께 나타났다는 얘기다.상태 페이지 기록을 보면 대응은 단계별로 진행됐다. 앤트로픽은 한국시간 오후 2시 24분(협정세계시 05시 24분) '원인 파악(Identified)' 단계로 넘어가며 오류가 늘어난 원인을 확인했고 수정 작업에 들어갔다고 밝혔다. 오후 2시 40분에는 같은 내용으로 진행 상황을 한 번 더 알리며 가능한 한 빨리 추가 소식을 전하겠다고 했다. 1분 뒤인 오후 2시 41분에는 수정 사항을 배포했고 서비스가 회복되는지 지켜보는 '모니터링' 단계에 들어갔다고 공지했다. 이어 오후 2시 53분 '클로드 서비스에 영향을 준 문제가 해결됐다'며 장애를 '해결(Resolved)'로 바꿨다.기록상 영향이 끝난 시각은 오후 2시 35분이다. 수정 배포를 알린 오후 2시 41분보다 앞선다. 서비스는 그 전에 이미 회복세였고, 배포 공지와 모니터링을 거쳐 최종 해결 판정까지 18분이 더 걸린 셈이다. 장애 시작부터 해결 공지까지는 53분이었다.공지에 영향 범위나 피해 규모를 보여주는 수치는 따로 없다. 다만 장애가 한국시간으