AI FRONTIER
Signals worth understanding before they become obvious.
OpenRouter 신규 모델: LiquidAI LFM3-1.7B
LiquidAI의 LFM3-1.7B가 OpenRouter에 공개되었습니다. 1.7B 파라미터의 소형 텍스트 모델로 262,144 토큰 컨텍스트를 가지며 에이전트, 도구 호출, 구조화 출력에 맞춰 후속 학습되었습니다.
- 파라미터 수는 1.7B이고 컨텍스트 창은 262,144 토큰이며 최대 8,192개의 완성 토큰을 지원합니다.
- 가격은 입력 100만 토큰당 0.08달러, 출력 100만 토큰당 0.20달러이며 캐시 읽기는 100만 토큰당 0.02달러입니다.
- tools와 tool_choice를 통한 함수 호출을 지원하고 response_format의 JSON schema를 통한 구조화 출력도 지원합니다.
- OpenRouter 페이지에는 출시일이 2026년 11월 6일로 표시되며 프롬프트와 출력이 보관되어 Liquid 모델 학습에 사용될 수 있다고 안내합니다.
긴 컨텍스트와 낮은 토큰 단가가 필요한 에이전트 및 구조화 출력 워크플로에서 LFM3-1.7B는 테스트하기 쉬운 소형 호스팅 옵션이지만 데이터 보관 조건과 페이지에 표시된 처리량을 함께 따져야 합니다.
Palette: 소형 모델이 당신의 디자인 언어로 덱을 만들도록 가르치기
IBM Research의 Palette는 슬라이드 생성을 '디자이너'와 '코더' 두 역할로 나누고 단일 LoRA 어댑터로 20B 모델을 미세 조정해, PresentBench의 Economics와 Education 두 영역에서 1위를 기록했다.
- Palette는 20B 모델을 미세 조정했고, 학습 데이터는 IBM Design Language를 따르며, 디자이너는 구조화된 JSON 브리프를, 코더는 pptxgenjs JavaScript를 출력한다.
- 각 슬라이드의 컨텍스트가 코드 작성 전에 고정되므로 코더 호출을 병렬로 실행할 수 있고, 코딩 단계가 약 6–7× 빨라진다.
- 학습은 전체 미세 조정이 아닌 LoRA를 사용했으며, 코더 예시가 디자이너 예시보다 약 5× 길어 디자이너 예시를 5× 오버샘플링했다.
- 합성 데이터는 약 1000개 덱, 약 10,000장 슬라이드이며, 각 슬라이드는 렌더링 후 기하 검사기로 겹침과 넘침을 확인하고 수정의 추론을 반사실로 다시 작성했다.
자체 디자인 언어가 필요한 팀에게 검증 가능한 렌더링 검사기와 추론이 담긴 합성 데이터는 20B 자체 호스팅 모델의 출력을 프런티어 시스템에 근접하게 만든다.
nvidia, Nemotron-3.5-Transcribe-30B-A4B 공개: 40개 언어 지원 오프라인 음성 모델
NVIDIA가 Hugging Face에 Nemotron-3.5-Transcribe-30B-A4B를 공개했다. 40개 언어 전사, 최대 1시간 녹음, 65,536 토큰 컨텍스트를 지원하며 MoE 구조로 약 4.3B 파라미터(오디오 인코더 포함)를 활성화한다.
- 총 파라미터 34B, 활성 파라미터 약 4.3B(오디오 인코더 약 800M, 언어 백본 약 3.5B 활성 파라미터 포함)
- 컨텍스트 65,536 토큰, 최대 1시간 녹음 지원. 가중치는 BF16으로 공개되며 FP8 및 NVFP4 양자화 버전 제공
- Open ASR Leaderboard 공개 9개 데이터셋에서 평균 WER 4.71로 보고되었고, 차순위 오픈웨이트 모델 Qwen3-ASR-1.7B는 4.94
- 라이선스는 OpenMDW-1.1이며 배포에는 1× H100 80 GB 필요. 출시일은 2026년 10월 28일
음성 애플리케이션 개발자에게 이 모델은 상업적 사용이 가능한 라이선스로 40개 언어 오프라인 전사를 제공하지만, 배포에는 1× H100 80 GB 자원이 필요하다.
Granite Switch 4.1.1 — 소프트웨어를 업데이트하듯 모델을 업데이트
Granite Switch 4.1.1은 4.1과 완전히 하위 호환되는 패치 릴리스로 마이그레이션이 필요 없습니다. 10개 언어를 지원하고 네이티브 문장 부호와 대소문자 처리를 갖춘 Granite Speech ASR 모델과 granitelib-core의 Decision 어댑터가 업데이트되었으며, 새 어댑터 학습 외에는 기본 모델이 다시 계산되지 않았습니다.
- 패치 릴리스는 4.1과 완전히 하위 호환되며 마이그레이션이 필요 없다.
- 업데이트된 Granite Speech ASR 모델은 10개 언어 음성-텍스트 변환을 지원하고 네이티브 문장 부호와 대소문자 처리를 제공한다.
- granitelib-core의 업데이트된 Decision 어댑터는 Jev Decision Index 테스트 세트에서 전반적인 성능이 향상되었다.
- 새 ASR 모델과 Decision 어댑터 학습 외에는 아무것도 다시 계산되지 않았고 기본 모델은 변경되지 않았다.
빌더에게 모듈형 어댑터는 기본 모델을 재학습하지 않고 최신 어댑터를 조합해 배포함으로써 소프트웨어 패치처럼 모델 업데이트를 출시할 수 있게 한다.
AI는 거짓말을 할까? 연구자들이 아홉 개 최상위 대형 모델에 1532개의 함정을 설치했다
연구자들이 아홉 개 최상위 대형 모델을 대상으로 1532개의 테스트 함정을 설정해 모델이 거짓말을 하는지 검증했다.
- 검증 대상은 아홉 개 최상위 대형 모델이다.
- 테스트 함정은 총 1532개다.
AI 빌더에게 이러한 기만 행위 겨냥 테스트 설계는 모델 신뢰도 평가의 참고 방향이 될 수 있다.
AI 에이전트가 열린 질문을 연구하려 했지만 전문가 기준에 도달한 사례가 없었다
논문 초록에 따르면 AI 에이전트가 열린 질문을 연구하려 했지만 어느 것도 전문가 기준에 도달하지 못했다.
- 논문 초록은 AI 에이전트가 열린 질문을 연구하려 했다고 밝힌다.
- 논문 초록은 전문가 기준에 도달한 사례가 없었다고 밝힌다.
연구형 에이전트를 만드는 개발자에게 이 초록은 열린 질문에서 현재 성능이 전문가 기준에 미치지 못함을 보여준다.