AI Tracker멀티모달 뉴스,
개발자를 위해.
모든 AI 제공업체의 최신 멀티모달 뉴스: 출시, 가격 변경, 지원 종료를 나에게 미치는 영향과 함께 요약했습니다.
Artificial Analysis: Qwen-Audio-3.1-TTS-Plus, 미국 영어 음성 합성에서 선두… HeyGen Voice는 영국 영어 및 종합 순위 1위
Artificial Analysis에 따르면, 동일한 8개 복제 음성(미국식 4개, 영국식 4개)으로 모든 텍스트 음성 변환 모델을 평가하는 Controlled Voice Arena에서 Qwen-Audio-3.1-TTS-Plus가 미국 영어 순위 1위를 차지했으며, HeyGen Voice는 영국 영어에서 더 높은 성적을 거두고 종합 순위에서도 선두를 차지했습니다.OpenAI, 일상적인 습식 실험실 과학 작업을 평가하는 벤치마크 BioBasicsBench 공개
OpenAI가 생명공학 기업 Ligo와 함께 개발한, 일상적인 습식 실험실 작업 100개를 평가하는 벤치마크 BioBasicsBench를 공개했습니다. Ligo는 효소 설계에 주력하는 기업입니다. 이 작업은 단백질 기법, 이미징 및 세포분석, 정량화 및 분석법, 핵산 기법, 분자 클로닝 등 여러 분야에 걸친 원시 실험 증거(겔 이미지, 콜로니 플레이트, 현미경 사진, 시퀀싱 파일, 기기 출력물, 실험대 작업 동영상)를 활용합니다. 과학자들이 직접 수행한 실험을 바탕으로 작업을 작성했으며, 전문가가 만든 채점 기준에 따라 부분 점수도 부여합니다.Cursor, 에이전트와 실시간 음성 통화 기능 추가
Cursor에 따르면 이제 에이전트와 실시간 음성 통화를 할 수 있습니다. 변경 사항을 소리 내어 설명하거나, 에이전트가 무엇을 하고 있는지 물어보고, 작업이 진행되는 동안 업데이트를 들을 수 있습니다. 음성 채팅은 Agents Window, IDE, 웹, Cursor for iOS에서 사용할 수 있습니다.Artificial Analysis, 생명과학 시각 추론 리더보드 VIALS-AA 출시… Gemini 4 Carbon이 64%로 선두
Artificial Analysis가 Handshake AI의 VIALS 벤치마크를 위한 리더보드 VIALS-AA를 출시했습니다. VIALS에는 8개 분야에 걸친 161개 과제가 있으며, 각 과제에서 모델은 과학 자료(젤 블롯, 유세포 분석 그래프, 플라스미드 지도, 계통수)를 읽고 구체적인 결론을 도출해야 합니다.
OpenAI brings GPT-Image-2.6 Flare and Sunburst to the API and Codex
OpenAI released Images 2.6 on November 4 in ChatGPT, Codex and the API, available globally in ChatGPT and Codex on all subscription tiers. In the API it comes as two models, GPT-Image-2.6 Flare and Sunburst. OpenAI says both generate images 50% faster than before. Flare, at low quality, can produce an image in as little as six seconds and improves layout for posters and product imagery. At medium or high quality, Sunburst gives higher-quality images and keeps details more consistent from one edit to the next. ChatGPT Images 2.6 adds GIF output and reference images. OpenAI says people now create 4 billion images per week across ChatGPT, Codex and the API.World Labs, Atlas 월드 모델의 실시간 데모 Frameboy 출시
World Labs가 생성된 세계를 실시간으로 탐험할 수 있는 데모 Frameboy를 출시했습니다. 이 데모는 회사가 두 달 전에 선보인, 카메라 제어 기능을 갖춘 자기회귀 월드 모델 Atlas의 고도로 최적화된 버전을 실행하며, 클라우드 GPU에서 초당 최대 15프레임으로 스트리밍합니다. World Labs는 Atlas의 카메라 제어가 픽셀 단위로 정확하다고 설명했으며, 이는 회사의 주장입니다.Artificial Analysis, 오픈 웨이트 텍스트-이미지 모델 순위에서 FLUX 3 Image Klein을 2위로 선정
Artificial Analysis에 따르면, 10월 15일 출시된 Black Forest Labs의 56억 개 파라미터 오픈 웨이트 이미지 모델 FLUX 3 Image Klein은 AA-Image-T2I v2.1 리더보드에서 오픈 웨이트 모델 중 2위로, 1위인 Qwen-Image-2.1과 근소한 차이를 보인다. AA-Image-Editing v2.1에서는 오픈 웨이트 모델 중 3위를 기록했다. 이 순위는 Artificial Analysis 자체 평가다.Gemini Omni 1.2 Flash, 이제 Vercel의 AI Gateway에서 이용 가능
Vercel은 Google DeepMind의 동영상 모델 Gemini Omni 1.2 Flash를 모델 ID google/gemini-omni-1.2-flash로 AI Gateway에서 이용할 수 있다고 밝혔습니다. Vercel에 따르면 기본 오디오가 포함된 3~15초 분량의 클립, 참조 이미지 최대 6장을 활용한 편집, 총 30초까지의 확장, 가로 또는 세로 화면에서 360p부터 4K까지의 해상도를 지원합니다.Arena 순위에서 Gemini Omni 1.2 Flash, 텍스트-비디오 및 이미지-비디오 부문 1위
Arena에 따르면 Google의 Gemini Omni 1.2 Flash는 텍스트-비디오와 이미지-비디오 리더보드 모두에서 1위로 데뷔했으며, 비디오 편집 부문에서는 3위에 올랐습니다.Gemini Omni 1.2 Flash가 OpenRouter에서 출시됐습니다
OpenRouter에 따르면 Google의 동영상 모델 Gemini Omni 1.2 Flash를 이제 OpenRouter 플랫폼에서 사용할 수 있습니다. 15초 클립, 360p부터 4K까지의 해상도, 네이티브 오디오를 지원하며 초당 요금은 Omni 1.1보다 약 30% 낮다고 합니다. OpenRouter는 Google에 직접 접속할 때와 요금이 같으며, 이제 하나의 API로 동영상과 채팅을 모두 이용할 수 있다고 밝혔습니다.Ant Ling, 3개 벤치마크에서 Opus 5를 앞선다고 밝힌 560B 멀티모달 모델 Ling-3.2-flash 공개
Ant Ling은 총 560B, 활성 파라미터 25B 규모의 네이티브 멀티모달 모델이라고 소개한 Ling-3.2-flash를 발표했습니다. Ant Ling은 복잡한 시각 이해, 장기 멀티모달 에이전트, 3D 이해 및 상호작용, 의료 지능 분야에서 모델의 성능이 더 뛰어나다고 밝혔습니다.Gemini Omni 1.2 Flash는 발표되지 않았지만, 여러 계정과 OpenRouter 카탈로그에서 확인됐습니다
Google은 Omni 1.1 Flash의 후속 모델이 될 동영상 생성 모델 Gemini Omni 1.2 Flash를 발표하지 않았습니다. OpenRouter의 모델 카탈로그에도 11월 5일 google/gemini-omni-1.2-flash 항목이 추가됐으며, 컨텍스트 길이는 131,072토큰으로 기재됐습니다. 여러 계정이 이 모델을 봤다고 전했습니다.Google, 15초 동영상과 30% 낮아진 가격의 Gemini Omni 1.2 Flash 출시
Google은 Gemini Omni 1.2 Flash가 Gemini API와 Google Cloud에서 정식 제공되며, Gemini Omni가 정식 제공되는 것은 이번이 처음이라고 밝혔습니다. 동영상을 최대 15초 길이로 기본 생성 및 편집할 수 있습니다(Omni 1.1의 10초에서 늘어남). 길이는 3초에서 15초까지 1초 단위로 설정할 수 있습니다.
OpenAI's GPT-Live outbound telephony API is generally available
Justin Uberti, an OpenAI engineer, said on X on November 4 that the GPT-Live outbound telephony API has been promoted to general availability. Developers can now have a GPT-Live voice agent place phone calls through any SIP trunk provider, such as Telnyx or Twilio.OpenRouter 모델 카탈로그에 OpenAI: GPT-5 Image Mini의 만료일이 12월 1일로 표시됨
OpenRouter의 모델 카탈로그에 이제 "OpenAI: GPT-5 Image Mini"(openai/gpt-5-image-mini)의 만료일이 2026년 12월 1일로 표시됩니다. 이 모델은 2025년 10월 16일부터 등록되어 있으며, 컨텍스트 길이는 400,000토큰입니다. 이전에는 해당 항목에 만료일이 없었습니다. 이는 카탈로그의 필드에만 표시된 내용이며, 해당 날짜 이후 모델에 어떤 일이 생기는지 또는 만료일이 설정된 이유는 항목에 나와 있지 않습니다.xAI, grok-imagine-image-quality와 grok-imagine-image-pro를 폐기하고 더 저렴한 모델로 제공
xAI의 API 릴리스 노트에 따르면, 이제 grok-imagine-image-quality 및 grok-imagine-image-pro에 대한 요청은 quality가 low로 설정된 grok-imagine-image-2.0인 grok-imagine-image-2.0-low로 처리되며, 이미지당 가격은 더 낮습니다. xAI는 요청을 변경할 필요가 없다고 밝혔습니다.OpenRouter가 토큰 컨텍스트 100만 개를 지원하는 무료 비공개 모델 Crouton Alpha를 추가
OpenRouter는 새로운 비공개 모델 Crouton Alpha를 발표하며, 이 모델을 "에이전트가 하루 종일 반복하는 작업을 확장하도록 설계된 고효율 추론 모델"이라고 설명했습니다. 개발사는 공개되지 않았습니다.ai-cli로 모든 코딩 에이전트에 이미지·동영상·오디오 생성 기능 제공
Vercel의 Chris Tate가 모든 모델로 에이전트가 이미지, 동영상, 오디오를 생성할 수 있게 해주는 명령줄 도구 ai-cli(npm i -g ai-cli)를 소개했습니다. 게시물에 따르면 Claude Code, Codex, OpenCode, Vercel의 fx harness에서 작동하며, Opus, Flux, GPT, Gemini, DeepSeek, GLM, Grok 같은 모델을 지원합니다.OpenAI는 GPT-6 Astra가 기기의 외장 케이스와 회로 기판을 설계할 수 있다고 밝히고 엔지니어링 파트너를 모집합니다
OpenAI는 자사 모델이 기계·전기 엔지니어링을 어떻게 지원하는지 설명합니다. CAD 모델, 제조 도면, 시뮬레이션, PCB 설계 등이 포함됩니다. 이는 OpenAI의 자체 주장입니다.Perplexity, 9B 및 0.6B 규모의 오픈 웨이트 비전-언어 임베딩 모델 pplx-embed-v2-context 출시
Perplexity가 Hugging Face에 오픈 웨이트 비전-언어 임베딩 모델 pplx-embed-v2-context 두 종(9B 및 0.6B)을 공개했습니다. turbopuffer와 함께 작성한 논문도 발표했습니다. 두 모델 모두 문서당 int8 벡터 하나를 반환하거나, 문서 전체를 참조하는 청크당 벡터 하나를 반환합니다. 또한 청킹 없이 문서당 임베딩 하나를 생성하는 비컨텍스트 모드도 지원합니다.