AI 브리핑 · 2026.10.28

Genie 4, 탐색 중 글로 장면 수정

주요 키워드 TOP 5: Genie 4 · AI 연구 검증 · Ling 3.1 · LFM3 · 고객 데이터 분리 | 메인 이벤트: Google DeepMind가 탐색 중 글로 장면을 고치고 가상 인물과 대화하는 Genie 4 연구 프리뷰를 공개했습니다.

Google DeepMind의 Genie 4는 가상세계를 탐색하는 도중 글로 날씨나 등장인물을 바꿀 수 있게 했습니다. 장면을 보다가 떠오른 아이디어를 바로 반영할 수 있어, 영화나 게임을 만들기 전 구상을 시험하는 데 활용할 여지가 생겼습니다. 현재는 지정된 시험 이용자에게만 제공하는 연구 프리뷰이므로, 공개 시연과 일반 이용자가 쓸 수 있는 범위를 구분해 볼 필요가 있습니다.

위 시각은 한국 시간(KST)으로, 인용한 게시물이 올라온 때를 기준으로 정리했습니다.

1. Genie 4 연구 프리뷰…글로 장면을 바꾸고 가상 인물과 대화

• Google DeepMind가 10월 27일 가상세계를 만들고 탐색하게 하는 모델 Genie 4를 발표했습니다. 현재는 지정된 시험 이용자에게 제공하는 연구 프리뷰입니다.
• 공식 발표에 따르면 탐색 중 글로 장면 변경이 가능합니다. 키보드로 이동하다 날씨를 바꾸거나 새 인물·물체를 추가할 수 있습니다.
• 배경음과 인물 대화도 장면과 함께 생성합니다. Google은 가상 인물이 사용자의 입력과 장면 속 사건에 맞춰 실시간으로 대화한다고 설명합니다.

이선 몰릭은 도시를 만든 뒤 용과 친근한 수달 캐릭터를 추가했다고 전했습니다. Google DeepMind가 소개한 영화 제작자들도 조명·카메라 각도·대사·동작을 바꾸며 촬영 전 구상을 시험하고 있습니다.

장면을 보면서 떠오른 아이디어를 그 자리에서 고쳐 볼 수 있다는 점이 창작 도구로서의 가능성입니다. 몰릭의 글은 개인 체험담이며, 영화 제작 사례도 회사가 전한 시험 이용자의 피드백입니다.

그 밖에: 향후 Google AI Ultra 구독자는 Project Genie에서, 초기 접근 협력사는 개발자용 Gemini API(다른 서비스에서 모델을 호출하는 연결 방식)·Google AI Studio에서 이용하도록 할 계획입니다. 현재 공식 블로그는 Genie 4 대기 명단을 안내합니다.

시사점: 촬영이나 게임 제작에서 장면의 분위기와 상호작용을 미리 살펴보는 용도로 주목할 만합니다. 다만 Google DeepMind도 오래 탐색하거나 여러 번 복잡하게 수정하면 사물의 모습·위치가 달라질 수 있다고 밝혀, 긴 장면을 안정적으로 유지하는 능력은 더 확인해야 합니다.

#Genie4 #가상세계 #연구프리뷰

출처 5🔥 @GoogleAI🔥 @GoogleAI🔥 @GoogleAI💬 @emollickGoogle DeepMind 공식 발표

2. OpenAI·Claude 연구 모델, 계산 난제 풀이 주장·검증 자료 공개

• OpenAI가 10월 26일 내부 연구 모델이 수학·계산과학·물리학에서 새 결과를 얻었다고 발표했습니다. 수학·계산과학의 풀이 원고와 검증 자료를 공개했습니다.
• Anthropic의 Claude 내부 연구 모델도 별도로 ETH를 반박하는 알고리즘을 찾았다고 공식 저장소가 밝혔습니다. ETH는 특정 논리 문제가 커질 때 풀이 시간이 지수적으로 늘어나는 것을 피할 수 없다는 가설입니다.
• 양쪽 모두 논문과 Lean(증명의 논리 단계를 기계로 확인하는 도구) 자료를 공개했습니다. OpenAI는 외부 학자들의 공개 검토를 안내했습니다.

AI가 낸 증명을 사람이 이해하고 설명할 수 있어야 다음 연구의 토대가 됩니다. OpenAI는 이번 원고들을 연구의 원자료로 보고, 학자들이 내용을 검토하고 설명하는 과정을 마련했습니다. 계산과학 쪽은 ETH를 처음 제안한 학자들이 포함된 외부 연구진이 살펴봅니다.

Anthropic 저장소도 Lean이 확인한 증명이 논문의 주장과 같은 뜻인지는 사람이 확인해야 한다고 명시합니다. 기계 검사와 학계 검토는 확인하는 범위가 다릅니다.

그 밖에: Anthropic은 이번 결과가 이론적인 계산 시간에 관한 것이며 실제 문제를 빨리 푼다는 뜻은 아니라고 적었습니다. 발견에 사용한 내부 연구 모델의 구체적 버전명은 두 자료 모두 밝히지 않았습니다.

시사점: AI가 새 연구 결과를 제안하고 학자들이 검토할 수 있도록 자료를 공개한 사례입니다. 현재 발표를 학계 검증 완료나 당장 계산이 빨라졌다는 의미로 받아들이기는 어렵습니다.

#OpenAI #Claude #AI연구

출처 5🔥 @ChrisGPT💬 @LechMazur💬 @aimalyshevaOpenAI 공식 발표Anthropic 검증 자료·고정 커밋

3. Ling-3.1-flash-1019 공개…독립 종합평가 41점에서 44점으로

• inclusionAI가 10월 27일 학습된 모델 파일을 내려받아 직접 실행할 수 있는 Ling-3.1-flash-1019를 공개했습니다. 독립 평가 기관 Artificial Analysis의 추론·지식·코딩 등을 묶은 종합평가에서 이전 버전의 41점보다 높은 44점을 받았습니다.
• 업무용 앱을 오가며 일을 처리하는 AutomationBench-AA 점수는 62%에서 68%로 올랐습니다. 목표 달성도를 매기되 규칙을 어긴 과제는 0점 처리하며, 업무 전체를 끝낸 비율과는 다릅니다.
• 종합평가 과제당 출력 토큰(AI가 생성한 분량을 세는 단위)은 10만3000개에서 14만5000개로 늘었습니다. 생성량이 40% 넘게 증가해 비용 부담도 커졌습니다.

업무용 AI를 고를 때는 자료를 읽고 결과물을 만드는 능력과 사용 비용을 함께 보게 됩니다. 이번 독립 평가에서는 업무 성적이 개선됐지만, Artificial Analysis는 생성량 증가를 과제당 비용 상승의 주된 이유로 꼽았습니다.

종합평가 과제당 평균 비용은 1.49달러입니다. 정해진 시험에서 나온 값이므로 실제 회사 업무 한 건의 가격으로 받아들여서는 안 됩니다.

그 밖에: 공식 모델 카드에 적힌 라이선스는 MIT입니다. 공식 실행 안내는 고성능 AI 칩 여러 개를 갖춘 서버를 기준으로 합니다. 직접 운영할 때는 서버 비용도 고려해야 합니다.

시사점: 직접 운영할 수 있는 업무용 AI의 선택지가 개선됐습니다. 도입 여부는 점수와 함께 업무 한 건의 총비용을 비교하고, 사람이 결과물을 고치는 시간까지 확인해 판단할 만합니다.

#Ling #공개가중치 #업무자동화

출처 6🔥 @AntLingAGI🚀 @TheInclusionAI💬 @ArtificialAnlys🔥 @ArtificialAnlys공식 모델 카드평가 방법

4. LFM3, 내 기기에서 글·영상·음성을 다루는 소형 모델 6종 공개

• AI 모델 개발사 Liquid AI가 10월 27일 LFM3 소형 모델 6종을 공개했습니다. 모델을 내려받아 내 기기에서 실행하고, 필요한 작업에 맞는 종류를 고를 수 있습니다.
• 글 전용 모델 외에 이미지·영상을 읽는 모델, 음성 대화 모델, 이 입력들을 함께 다루는 모델이 있습니다. 정해진 질문에 선택지나 점수로 답하는 판단용 모델도 포함합니다.
• 회사에 따르면 전 모델을 그래픽 처리 장치(GPU) 한 대를 써서 자기 자료로 추가 학습할 수 있습니다. 조직의 용어와 원하는 작업에 맞추는 방식입니다.

사진이나 영상을 설명하는 AI를 앱에 넣으려면, 기기에서 얼마나 가볍게 돌아가는지도 중요합니다. Liquid AI는 글 전용 LFM3-1.7B의 계산용 수치를 4비트로 압축하면 모델 크기가 약 1GB라고 설명합니다. 이는 모델 크기에 관한 수치이며, 앱 전체가 쓰는 메모리가 1GB라는 뜻은 아닙니다.

Xenova는 브라우저 안에서 영상을 실시간으로 설명하는 실행 예시를 소개했습니다. 공개된 모델을 개인 기기의 앱에 붙여 볼 구체적인 사용 장면입니다.

그 밖에: 모델 실행 도구인 Ollama와 SGLang도 지원을 알렸습니다. 공식 블로그에 실린 다른 모델과의 성능 비교는 제작사 평가이므로 독립 시험 결과와 구분해 읽어야 합니다.

시사점: 영상 설명이나 음성 명령처럼 필요한 기능을 골라 내 기기에서 처리할 선택지가 늘었습니다. 도입할 때는 맡길 작업의 정확도와 자기 기기에서의 속도를 확인할 만합니다.

#LFM3 #LiquidAI #기기내AI

출처 5🔁 @liquidai🔥 @xenovacom💬 @ollama🚀 @sgl_project공식 발표

5. Cloudflare, GLM-5.3 응답 155건의 고객 데이터 혼입 공개…9월 수정 완료

• Cloudflare가 10월 26일 Workers AI(여러 AI 모델을 제공하는 서비스)의 GLM-5.3 사고 보고서를 공개했습니다.
• 회사에 따르면 8월 27일~9월 9일 응답 155건에 혼입이 발생했습니다. 앞서 같은 모델을 쓴 다른 고객의 요청 데이터가 섞였으며, 155는 피해자 수가 아닙니다.
• Cloudflare는 9월 9일(세계 표준시 기준) 설정과 실행 소프트웨어를 고쳐 서비스를 복구했습니다. 다른 Workers AI 모델은 영향이 없었다고 밝혔습니다.

문제는 Cloudflare가 모델을 제공하는 환경에서 발생했습니다. 긴 입력을 처리할 임시 저장 공간이 부족했는데도 요청이 제대로 거절되지 않았고, 답변을 만들 때 이전 고객의 데이터가 남은 공간을 읽었습니다.

모델 실행 소프트웨어 SGLang의 개발팀도 이 처리 결함과 수정 내용을 공개했습니다. 문제가 생긴 응답은 모두 68만1280토큰을 넘는 입력에 대한 답변이었습니다.

그 밖에: Cloudflare는 자체 시험과 신고 연구자의 시험을 제외하면 요청의 시점과 양이 일반적인 긴 문서 사용과 부합했다고 설명했습니다. 의도적 악용의 증거는 찾지 못했다고 밝혔습니다.

시사점: 긴 사내 자료를 AI에 맡길 때는 서비스가 고객별 데이터 분리를 어떻게 보장하는지도 확인할 만합니다. 이번 공개는 이미 수정한 사고의 범위와 원인을 알린 것입니다.

#Cloudflare #GLM5_3 #AI데이터보호

출처 2Cloudflare 공식 보고서SGLang 팀 설명

6. 🆕 그 밖의 신기능·신제품 — Runway App Studio·OpenDuet·Judgment

• Runway App Studio: 원하는 기능을 말로 설명하면 이미지·영상·오디오 제작용 앱을 만들고 공유할 수 있습니다.
• OpenDuet: 일을 이어서 처리하는 AI를 직접 설치·운영할 수 있도록 만든 오픈소스 기본 틀입니다. 메시지 전송·결제 등에는 사용자 승인을 받도록 설계했습니다.
• Judgment: 창업자가 일반 이용자에게 서비스를 열었다고 밝혔습니다. AI의 작업 기록에서 반복되는 실수와 행동을 찾아보는 도구입니다.

Runway에서는 잘 만들어 둔 제작 절차와 설정을 앱에 담아 동료에게 건넬 수 있습니다. 매번 긴 지시문을 다시 쓰는 대신 제작 과정을 앱으로 공유하는 방식입니다.

모든 유료 플랜에서 만들 수 있지만, 제작·실행과 앱을 온라인에 유지하는 데는 보유한 크레딧(사용량 차감 단위)이 쓰입니다. 공개 링크 이용자도 Runway 계정으로 로그인하고 자기 크레딧으로 생성합니다.

그 밖에: OpenDuet·Judgment 제작자들은 10월 27일 도구 공개를 알렸습니다. OpenDuet은 초기 개발 단계이며, 대화·기억 기능에 무료 CopilotKit Intelligence 프로젝트가 필요합니다. 직접 운영하려면 설치와 외부 서비스 연결도 준비해야 합니다.

시사점: 제작팀은 반복 작업 하나를 앱으로 묶어 볼 만합니다. 업무 AI를 직접 운영하려면 설치 부담과 승인·작업 기록 기능을 함께 살펴야 합니다.

#Runway #OpenDuet #Judgment

출처 9🔁 @runwayml💬 @runwayml💬 @runwayml🔖 @ataiiam🔁 @alexshander03Runway 공식 발표공식 도움말OpenDuet 저장소Judgment 공식 사이트

오늘의 감정·온도

오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 6가지

1. 장면 수정은 짧은 구상부터 시험합니다

Genie 4처럼 제한된 연구 프리뷰의 시연을 볼 때는 누가 실제로 접근할 수 있는지부터 확인합니다. 촬영 구상을 시험한다면 조명이나 등장인물처럼 바꿀 요소를 정하고, 수정 뒤 사물의 모습과 위치가 유지되는지 봅니다.

2. 연구 발표는 자료 공개와 검증 완료를 나눠 읽습니다

논문과 기계 검사 자료가 공개되면 전문가가 주장을 살펴볼 수 있습니다. 결과를 업무 계획에 반영하기 전에는 외부 연구진의 검토가 어디까지 진행됐는지 확인합니다.

3. 업무 AI는 같은 과제로 비용까지 비교합니다

Ling의 종합평가 점수와 과제당 비용은 정해진 시험에서 측정한 값입니다. 내 업무에서는 생성 비용과 재시도, 사람이 결과를 바로잡은 시간을 함께 기록합니다.

4. 기기에서 돌릴 AI는 실제 기기에서 확인합니다

LFM3의 모델 파일 크기만으로 앱 전체가 쓰는 메모리나 실행 속도를 알 수는 없습니다. 공개 예시를 내 기기에서 실행하고 맡길 영상·음성 작업이 원하는 정확도와 속도로 끝나는지 살펴봅니다.

5. 긴 사내 자료를 맡기기 전 데이터 분리 방식을 확인합니다

Cloudflare 보고서처럼 서비스 제공 환경의 문제로 다른 고객의 데이터가 섞일 수 있습니다. 민감하지 않은 자료로 먼저 시험하고, 제공자의 사고 공지와 데이터 처리 정책을 확인합니다.

6. AI가 만든 변경은 영향 범위와 되돌릴 방법을 적습니다

「How the Claude Code team does code review」를 공유한 이용자는 코드 변경 요청에 위험과 되돌리는 방법을 적고, 영향 범위에 맞춰 검토 횟수를 정하라고 권했습니다. 업무 자동화에서도 실제로 바뀌는 자료와 복구 방법을 미리 적고, 외부 전송·결제에는 사용자 승인을 두는 식으로 적용할 만합니다.

출처 1🔥 @seth_codes_

📦 확인 방식

기능·사고 범위는 공식 발표와 보고서에서, Ling 평가 수치는 Artificial Analysis 자료에서 가져왔습니다. 회사·개인이 제시한 연구 성과와 사용 사례 중 독립적으로 재현되지 않은 내용은 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 일반 확산 · 🔖 북마크 많음 · 🔁 리트윗 비중 높음 · 💬 댓글 비중 높음 · 🚀 작은 계정에서 빠르게 퍼짐