BTC $63,222.12 -1.98%
ETH $1,793.79 -0.71%
BNB $584.54 -1.24%
XRP $0.9701 -0.81%
SOL $74.23 -0.90%
TRX $0.3111 +0.99%
DOGE $0.0589 -0.81%
ADA $0.1521 -0.80%
BCH $206.45 -1.09%
LINK $9.10 -1.36%
HYPE $67.36 -1.88%
AAVE $109.50 -1.65%
SUI $0.7239 -0.55%
XLM $0.1366 -2.53%
ZEC $924.60 -3.44%
AAPL $354.64 +1.15%
AMZN $270.56 +4.40%
GOOGL $286.56 +1.52%
MSFT $512.19 +0.92%
META $620.16 -0.08%
NVDA $152.28 -3.35%
TSLA $386.47 +0.86%
SNDK $791.22 -3.57%
INTC $55.83 -0.04%
SPCX $145.09 +2.05%
MU $721.81 -1.12%
AMD $537.07 +4.36%
BTC $63,222.12 -1.98%
ETH $1,793.79 -0.71%
BNB $584.54 -1.24%
XRP $0.9701 -0.81%
SOL $74.23 -0.90%
TRX $0.3111 +0.99%
DOGE $0.0589 -0.81%
ADA $0.1521 -0.80%
BCH $206.45 -1.09%
LINK $9.10 -1.36%
HYPE $67.36 -1.88%
AAVE $109.50 -1.65%
SUI $0.7239 -0.55%
XLM $0.1366 -2.53%
ZEC $924.60 -3.44%
AAPL $354.64 +1.15%
AMZN $270.56 +4.40%
GOOGL $286.56 +1.52%
MSFT $512.19 +0.92%
META $620.16 -0.08%
NVDA $152.28 -3.35%
TSLA $386.47 +0.86%
SNDK $791.22 -3.57%
INTC $55.83 -0.04%
SPCX $145.09 +2.05%
MU $721.81 -1.12%
AMD $537.07 +4.36%

오픈소스

전체
글
뉴스 플래시

텐센트 혼위안 오픈소스 Hy4 플래시, 세 가지 버전 한 번에 출시

텐센트 혼위안이 공식적으로 Hy4 flash를 오픈 소스화했으며, 모델 발표가 있은 지 단 이틀이 지났습니다. 이번에 한 번에 세 가지 버전의 모델 가중치를 공개했습니다: Hy4 flash는 지시 미세 조정이 완료된 공식 모델로, 대화, 추론 및 인공지능 작업에 직접 사용할 수 있습니다; Hy4 flash-FP8은 8비트 양자화 버전으로, 주로 배포 시의 메모리 사용량을 줄이는 데 사용됩니다; Hy4 flash Base는 지시 미세 조정이 이루어지지 않은 사전 훈련된 기본 모델로, 개발자가 계속해서 훈련하고 맞춤화할 수 있도록 편리합니다.Hy4 flash의 총 매개변수는 224B에 달하며, 매번 추론 시 12B가 활성화됩니다. FP8 양자화가 이루어졌음에도 불구하고, 배포 장벽은 여전히 낮지 않습니다. 텐센트는 GitHub, Hugging Face, ModelScope 및 GitCode에서 다운로드를 개방했으며, 커뮤니티에서도 다양한 하드웨어 환경에서 실행할 수 있도록 GGUF 양자화 버전을 제작했습니다. 모델은 Tencent Hy License를 사용하며, 개발자가 프로토콜에 따라 가중치를 사용하고 수정할 수 있도록 허용하지만, 라이센스 조건이 부여됩니다; 대형 모델 API 서비스 제공자는 정해진 수익 또는 사용자 규모 기준에 도달할 경우 별도로 허가를 받아야 합니다. 770B 매개변수를 가진 플래그십 Hy4에 대해서는 텐센트가 여전히 오픈 소스를 가속화하고 있으며, 현재 구체적인 발표 일정은 공개되지 않았습니다.

MiniMax가 H3 생사진 모델을 공식 오픈소스화하며, 6단계로 1680만 화소를 직접 출력합니다

MiniMax가 H3-Image를 공식 출시하고 모델 가중치를 오픈 소스화했습니다. 이 모델은 추가 확대 없이 4096×4096, 약 1680만 화소의 이미지를 직접 생성할 수 있습니다. 공식 데이터에 따르면, 생성 시간은 10초도 채 걸리지 않으며, 속도는 주류 제품의 5배에 달합니다. 문생화와 이미지 편집이 동일한 모델에 통합되어 최대 16장의 참고 이미지를 지원합니다.H3-Image는 H3 비디오 모델 아키텍처를 그대로 사용하며, 오디오 부분을 제거하고 기존 텍스트 인코더를 유지하며 이미지를 위해 디코더를 재설계했습니다. 핵심 이미지 생성 네트워크는 331억 개의 파라미터를 가지고 있으며, 이미지를 생성하는 데 6회의 샘플링만 필요합니다. 8월 7일, MiniMax 연구원 Kiro는 Reddit AMA에서 팀이 H3 동원 아키텍처를 기반으로 전용 이미지 모델을 개발 중이며, 가중치를 오픈 소스화할 계획이라고 밝혔습니다. 또한 이미지 모델로 첫 프레임을 생성한 후 H3에 비디오 생성을 맡기는 작업 흐름을 제안했습니다.11월 3일, Pruna AI는 오픈 소스 H3 비디오 모델을 기반으로 P-H3-Image를 출시하였으며, 생화와 수정화를 지원하고 생성 네트워크를 331억에서 약 200억 파라미터로 압축하여 8회의 샘플링만 필요합니다. 최소 양자화 버전은 약 20GB이며, 800만 화소 이미지를 생성할 때 피크 VRAM은 약 21GB입니다. MiniMax 공식 버전은 331억 파라미터 생성 네트워크를 유지하며, 샘플링 단계 수는 6단계이고 더 높은 해상도와 더 많은 참고 이미지를 지원합니다. 원본 가중치와 재사용된 텍스트 인코더를 합치면 약 135GB입니다. 오픈 소스 라이센스에는 지역 제한이 있으며, 미국, 영국, 유럽연합 및 한국은 커뮤니티 라이센스 허가 지역에 포함되지 않습니다; 기업 연간 수익이 100만 달러를 초과하거나 제3자에게 모델 호스팅 서비스를 제공하는 경우 사전 개별 허가를 받아야 합니다.

바이두 오픈소스 문신 5.5 플래시, 총 매개변수 2800억

바이두는 문신 ERNIE-5.5-Flash-Base 모델 가중치를 오픈 소스합니다. 2025년 6월 문신 4.5 시리즈 이후 약 16개월 만에 바이두는 다시 천억 매개변수급 대모델을 오픈 소스하며, 그 사이에 발표된 문신 5.0과 5.1은 모두 오픈 소스되지 않았습니다. 문신 5.5 Flash는 추론 효율성을 주로 강조하며, 총 매개변수는 2800억으로, 하나의 토큰을 생성할 때마다 140억 매개변수만 활성화되고, 33.5조 토큰을 사용하여 제로 프리트레이닝을 진행합니다.이 모델은 최대 100만 토큰 추론 컨텍스트를 지원합니다. 바이두는 긴 텍스트 처리 메커니즘을 재설계하였으며, 43층 네트워크 중 37층은 매 128개의 역사적 토큰을 하나의 캐시 기록으로 압축하고, 나머지 6층은 원본 내용에 대한 정밀 검색 능력을 유지하여 긴 텍스트 처리의 비디오 메모리와 계산 비용을 줄입니다. 공식적으로 이는 DeepSeek-V4-Flash-Base, 텐센트 Hy3-preview-Base, 샤오미 MiMo-V2.5-Base와 통합 평가되었으며, 30개의 벤치마크 테스트 중 24개 항목에서 1위를 기록했습니다.이번에 공개되는 것은 중간 훈련과 후 훈련이 없는 순수 텍스트 베이스 모델로, 주로 개발자가 분야 미세 조정, 지시 훈련 및 강화 학습을 계속 진행할 수 있도록 제공됩니다. 바이두는 후 훈련된 문신 5.5 Flash가 곧 출시될 것이라고 밝혔습니다. 라이센스는 이전 세대보다 더 엄격해졌으며, 문신 4.5는 Apache 2.0 프로토콜을 사용하고, 5.5 Flash는 사용자 정의 라이센스로 변경되어 유럽 연합, 영국 및 한국에서의 사용을 허가하지 않습니다; 관련 제품 또는 서비스가 과거 12개월 동안 5000만 달러 이상의 수익을 올린 경우, 상용화 전에 반드시 바이두의 서면 허가를 받아야 합니다.

first_img 달의 어두운 면 오픈소스 Kimi K3.1 Pro, 오픈 가중치 모델 차트 정점에 오르다

펑황왕 과학기술 의 보도에 따르면, 인공지능 회사 월의 어두운 면(Moonshot AI)은 Hugging Face 플랫폼에서 Kimi K3.1 Pro 모델 가중치를 공개했다고 발표했습니다. AI 모델 평가 플랫폼 Arena는 Kimi K3.1 Pro(맥스)가 Agent Arena 지능체 순위에서 공개 가중치 모델 1위, 전 세계 평가 모델 13위에 올랐으며, 작업, 프로그래밍 및 채팅 세 가지 카테고리에서 모두 공개 모델 1위를 차지했다고 밝혔습니다.Arena는 이번 순위가 전 세계 사용자 1.75만 회 이상의 실제, 장기 지능체 작업 세션을 기반으로 한다고 전했습니다. Kimi K3.1 Pro(맥스)의 순 개선률은 +5.1%로, 이전 세대 Kimi K3(맥스)의 +0.9%보다 4.2%포인트 향상되었습니다. Shell 명령 실행 신뢰성 지표인 Bash Reliability는 +7.9%로, 공개 모델 중 1위를 기록했으며, 이전 세대 K3는 -4.5%로 13위에 머물렀습니다.칭찬 및 불만 지표는 +7.7%로, 이전 세대는 +1.3%였습니다; 제어 가능성 지표는 +6.5%로, 마찬가지로 공개 모델 1위를 차지했습니다. 작업 완료 확인 지표는 +3.9%로, 공개 모델 중 4위를 기록하며, 이전 세대의 +3.8%보다 약간 높았습니다. 월의 어두운 면 자료에 따르면, 이 모델은 혼합 전문가 아키텍처를 채택하였으며, 총 매개변수 수는 28조, 단일 추론 활성화 매개변수는 약 1040억이며, 약 100만 Token의 맥락을 지원하고, 원주율 다중 모드 기능을 갖추고 있으며, 프로그래밍, 3D 창작, 금융 연구, 사실 정확성 및 복잡한 지능체 작업 수행 능력을 향상시키는 데 중점을 두고 있습니다.

first_img 메시지 프로토콜 XMTP가 자가 관리 오픈 소스 스택으로 전환되며, Labs 네트워크는 2027년 초에 종료됩니다

메시지 프로토콜 XMTP 창립자 Shane Mac은 XMTP가 사람과 에이전트를 위한 비공식 대화를 제공하는 자율적으로 운영되는 오픈 소스 메시지 스택으로 발전할 것이라고 발표했습니다. 인프라는 사용자에 의해 제어되며, 토큰이나 지갑을 요구하지 않습니다. XMTP Labs가 호스팅하는 네트워크는 2027년 초에 종료될 예정입니다.Shane Mac은 5년 전 XMTP를 창립한 이유는 비공식 메시지가 단일 회사에 의해 소유되어서는 안 된다고 생각했기 때문이라고 밝혔습니다. 그는 팀이 지갑을 크로스 애플리케이션 아이덴티티로 사용하여 메시지가 아이덴티티를 따르도록 하고, 토큰으로 인프라 운영자에게 비용을 지불하는 경로를 구상했지만, 해당 경로는 실현되지 않았다고 회고했습니다. XMTP는 한 번도 토큰을 발행한 적이 없으며, 앞으로도 발행하지 않을 것입니다. 그는 단일 공유 네트워크를 고수한 것이 잘못된 결정이었다고 인정하며, 개발자들이 XMTP를 자율적으로 운영할 수 있기를 계속 요구해왔기 때문에 자가 호스팅으로 전환했다고 밝혔습니다. 개발자들은 전체 소프트웨어를 사용하고, 검사하고, 수정하고, 스스로 유지할 수 있으며, Labs에 의존할 필요가 없습니다. 이전 직원들이 프로토콜 유지에 도움을 줄 것이며, Shane Mac 본인도 계속 참여할 것입니다.문서에서는 자가 호스팅 XMTP가 양자 저항 엔드 투 엔드 암호화, 비공식 개인 채팅 및 그룹 채팅, 암호화된 아이덴티티 및 메시지 진위, 그리고 모바일, 웹, 서버 및 에이전트를 위한 SDK를 제공한다고 소개하고 있습니다. 최고 기술 책임자 Nick Molnar는 백엔드를 단일 Rust 바이너리로 단순화하고, 첨부 파일, 푸시 알림, 핸들 및 새로운 메시지의 서명 웹훅을 통합했습니다. 각 자가 호스팅 네트워크는 기본적으로 자동으로 상호 연결되지 않으며, 서로 다른 도구의 에이전트는 대화를 공유하기 위해 동일한 백엔드에 연결해야 합니다.

구글 오픈소스 Harness², GLM-5 점수가 11.5점 상승

구글 리서치 오픈 소스 AI 도구 체인 자가 개선 프레임워크 Harness²는 AI 에이전트가 모델을 재훈련하지 않고도 시스템 프롬프트, 기억, 기술, 도구 규칙 및 스크립트와 플러그인을 자동으로 수정할 수 있게 합니다. 이 프로젝트는 Apache 2.0 라이센스를 채택하고 있으며, OpenCode와 Codex를 지원합니다. 그 핵심 메커니즘은 에이전트가 스스로 시행착오를 통해 새로운 작업을 만났을 때 몇 가지 개선안을 제시하고, 서로 다른 버전의 에이전트가 각각 실행하여 성과를 비교한 후, 더 적합한 방안을 조합하는 것입니다.표준 답안이 없더라도 시스템은 실제 실행 과정을 바탕으로 개선 방향을 찾을 수 있습니다. 작업이 끝난 후, 시스템은 어떤 수정이 효과적이었는지와 그 이유를 기억하여 다음 유사 문제에 참고할 수 있도록 합니다. 구글은 GLM-5와 Gemini 3.5 Flash를 사용하여 테스트를 진행했습니다. WorkBuddy-Bench에서 GLM-5는 OpenCode와 함께 단 한 번의 최적화 후 평균 점수가 64.2점에서 75.7점으로 상승하여 최적화되지 않은 Gemini 3.5 Flash의 72.4점을 초과했습니다.법률 작업 테스트에서 GLM-5의 일부 평가 기준 통과율은 59.6%에서 71.4%로 상승했습니다. 실험에서는 기본적으로 Claude Opus 4.8이 개선안을 제시하고 실행하는 책임을 지며, GLM-5와 Gemini는 주로 작업을 수행하는 역할을 하며, 완전히 스스로 진화를 이루는 것은 아닙니다. 국내 개발자 Joseph Zhou는 Harness²가 Jev 1.14에 접속한 실험을 보여주며 시각 작업 성과가 지속적으로 개선되고 있다고 언급했습니다.
app_icon
ChainCatcher Building the Web3 world with innovations.