05-14
다 언어 R2를 돋을새김하는 화강암: 32K Context를 가진 아파치 2.0 다언어 Embedding를 여십시오 — 제일 Sub-100M 공급 능력
다 언어 R2를 돋을새김하는 화강암: 32K Context를 가진 아파치 2.0 다언어 Embedding를 여십시오 — 제일 Sub-100M 공급 능력
TODAY’S BRIEFING
뉴스 피드 최신 뉴스
AI NEWS × FOXAI변화의 신호에서 다음 단계로
AI 도구 둘러보기 최신 뉴스부터 나에게 맞는 도구까지.
유용한 AI 도구
좌우로 넘겨보기 →C
Claude범용 AI 도우미 및 검색
Gemini범용 AI 도우미 및 검색
Midjourney이미지 생성 및 편집
Krea이미지 생성 및 편집
Runway영상 및 애니메이션
Suno음악 및 오디오
ElevenLabs음성 및 전사
Notion AI업무 및 생산성
Gamma업무 및 생산성
Cursor코딩 및 개발
Claude범용 AI 도우미 및 검색Claude는 Anthropic이 출시한 AI 비서로, 대화를 통해 글쓰기, 자료 읽기, 데이터 분석 및 프로그래밍을 지원하며, 일부 작업을 계속 편집할 수 있는 문서, 표 또는 프레젠테이션 파일로 정리해 줍니다. 아이디어, 자료 및 초안을 원활하게 연결하고자 하는 개인과 팀에게 적합합니다.
GGemini범용 AI 도우미 및 검색Gemini는 Google의 AI 비서로, 대화를 통해 글쓰기, 계획 수립, 자료 정리 및 업로드된 파일 분석을 지원하며, Deep Research 기능을 사용해 특정 주제에 관한 자료를 검색하고 연구 보고서를 생성할 수도 있습니다.
MMidjourney이미지 생성 및 편집Midjourney는 텍스트와 참고 이미지를 바탕으로 시각적 작품을 생성하는 AI 창작 도구입니다. 웹사이트의 Create 페이지에서 프롬프트를 입력하고, 생성된 버전을 비교한 뒤, 변형, 편집, 확대 또는 이미지에서 영상으로 전환 등의 기능을 활용해 계속해서 창작할 수 있습니다.
KKrea이미지 생성 및 편집Krea는 AI 비전 창작 워크스페이스로, 텍스트나 참고 이미지로부터 이미지를 생성하고, 다양한 모델과 변형을 비교한 뒤 편집, 디테일 강화 및 확대를 수행할 수 있으며, 동영상 및 기타 크리에이티브 도구에 대한 접근도 제공합니다.
RRunway영상 및 애니메이션Runway는 영상 생성, 시각 편집 및 크리에이티브 워크플로를 하나로 통합한 AI 플랫폼입니다. 텍스트, 이미지 또는 기존 클립을 기반으로 씬을 생성하거나 수정한 뒤, 길이 연장, 확대 및 내보내기를 통해 컨셉트 필름, 광고 및 기타 시각적 제작 작업을 지원합니다.
SSuno음악 및 오디오Suno는 텍스트 설명, 가사 및 참고 자료를 바탕으로 곡을 생성하는 AI 음악 플랫폼입니다. 사용자는 보컬이 포함된 곡이나 음악을 생성한 뒤, 편집, 리믹스, 트랙 분리 등의 기능을 활용해 추가로 제작하고 공유할 수 있습니다.
EElevenLabs음성 및 전사ElevenLabs는 AI 음성 생성, 오디오 제작 및 음성 인공지능 에이전트를 제공하는 플랫폼입니다. 크리에이터는 더빙, 오디오북, 팟캐스트 및 현지화 콘텐츠를 제작할 수 있으며, 개발자는 API를 통해 음성 생성, 음성 텍스트 변환 및 대화 기능을 활용할 수 있습니다.
NNotion AI업무 및 생산성Notion AI는 Notion 작업 공간에 통합된 AI 비서로, 팀의 지식을 검색하고 페이지를 생성·편집하며 데이터베이스를 처리하고 회의 내용을 정리하는 데 사용됩니다. 이는 작업 공간과 연결된 앱의 컨텍스트를 결합하여 자료 조회, 콘텐츠 정리 및 후속 작업을 하나의 작업 환경에서 완료할 수 있도록 지원합니다.
GGamma업무 및 생산성Gamma는 AI를 활용해 프레젠테이션, 문서, 웹페이지 및 시각 콘텐츠를 제작하는 제품으로, 목표, 개요 또는 기존 자료를 바탕으로 콘텐츠를 생성한 뒤 대화형 인터페이스, 레이아웃 조정 및 자유 편집을 통해 최종 결과물을 맞춤화할 수 있습니다.
CCursor코딩 및 개발Cursor는 소프트웨어 개발 작업을 중심으로 설계된 AI 프로그래밍 제품으로, 코드 컨텍스트 내에서 코드의 계획 수립, 수정, 테스트 및 검토를 지원하며, 데스크톱, 명령줄 및 클라우드 기반 에이전트 등 다양한 사용 방식을 제공합니다.
지금 일어나는 AI 소식
645개 발행 뉴스645개 뉴스필터 초기화 ×
2026-05-14
시간순으로 변화 읽기05-14
2026-05-12
시간순으로 변화 읽기22:40
Co-Scientist: A multi-agent AI partner to accelerate research
Introducing Co-Scientist, a collaborative AI partner built with Gemini to help researchers accelerate scientific breakthroughs.
번역 대기 중 · 원문 표시 · en2026-05-08
시간순으로 변화 읽기17:00
Adaptive Parallel Reasoning: The Next Paradigm in Efficient Inference Scaling
Overview of adaptive parallel reasoning. What if a reasoning model could decide for itself when to decompose and parallelize independent subtasks, how many concurrent threads to spawn, and how to coordinate them based on the problem at hand? We provide a detailed analysis of recent progress in the field of parallel reasoning, especially Adaptive Parallel Reasoning. Disclosure: this post is part landscape survey, part perspective on adaptive parallel reasoning. One of the authors (Tony Lian) co-led ThreadWeaver (Lian et al., 2025), one of the methods discussed below. The authors aim to present each approach on its own terms. Motivation Recent progress in LLM reasoning capabilities has been largely driven by inference-time scaling, in addition to data and parameter scaling (OpenAI et al., 20
번역 대기 중 · 원문 표시 · en2026-05-06
시간순으로 변화 읽기18:43
AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields
Explore how AlphaEvolve's Gemini-powered algorithms are driving impact across business, infrastructure, and science.
번역 대기 중 · 원문 표시 · en2026-04-30
시간순으로 변화 읽기20:14
Enabling a new model for healthcare with AI co-clinician
Researching the path to AI-augmented care and development of an AI co-clinician.
번역 대기 중 · 원문 표시 · en2026-04-27
시간순으로 변화 읽기20:00
Workflows for work that runs the business
Workflows is now in public preview.
번역 대기 중 · 원문 표시 · en2026-04-20
시간순으로 변화 읽기17:00
Gradient-based Planning for World Models at Longer Horizons
GRASP is a new gradient-based planner for learned dynamics (a “world model”) that makes long-horizon planning practical by (1) lifting the trajectory into virtual states so optimization is parallel across time, (2) adding stochasticity directly to the state iterates for exploration, and (3) reshaping gradients so actions get clean signals while we avoid brittle “state-input” gradients through high-dimensional vision models. Large, learned world models are becoming increasingly capable. They can predict long sequences of future observations in high-dimensional visual spaces and generalize across tasks in ways that were difficult to imagine a few years ago. As these models scale, they start to look less like task-specific predictors and more like general-purpose simulators. But having a powe
번역 대기 중 · 원문 표시 · en2026-03-31
시간순으로 변화 읽기20:00
Spaces: A CLI Built for Humans and Agents
Spaces: A CLI Built for Humans and Agents
번역 대기 중 · 원문 표시 · en2026-03-24
시간순으로 변화 읽기00:00
Speaking of Voxtral
Voxtral TTS: A frontier, open-weights text-to-speech model that’s fast, instantly adaptable, and produces lifelike speech for voice agents.
번역 대기 중 · 원문 표시 · en2026-03-18
시간순으로 변화 읽기00:00
Introducing Forge
Today, we’re introducing Forge, a system for enterprises to build frontier-grade AI models grounded in their proprietary knowledge.
번역 대기 중 · 원문 표시 · en2026-03-17
시간순으로 변화 읽기05:00
04:00
Mistral partners with NVIDIA to accelerate open frontier models
Mistral partners with NVIDIA to accelerate open frontier models
번역 대기 중 · 원문 표시 · en00:00
Leanstral: Open-Source foundation for trustworthy vibe-coding
Leanstral: Open-Source foundation for trustworthy vibe-coding
번역 대기 중 · 원문 표시 · en2026-03-13
시간순으로 변화 읽기17:00
Identifying Interactions at Scale for LLMs
Understanding the behavior of complex machine learning systems, particularly Large Language Models (LLMs), is a critical challenge in modern artificial intelligence. Interpretability research aims to make the decision-making process more transparent to model builders and impacted humans, a step toward safer and more trustworthy AI. To gain a comprehensive understanding, we can analyze these systems through different lenses: feature attribution, which isolates the specific input features driving a prediction (Lundberg & Lee, 2017; Ribeiro et al., 2022); data attribution, which links model behaviors to influential training examples (Koh & Liang, 2017; Ilyas et al., 2022); and mechanistic interpretability, which dissects the functions of internal components (Conmy et al., 2023; Sharkey et al.
번역 대기 중 · 원문 표시 · en2026-03-11
시간순으로 변화 읽기20:00
Rails testing on autopilot: Building an agent that writes what developers won't
Rails testing on autopilot: Building an agent that writes what developers won't
번역 대기 중 · 원문 표시 · en2026-02-05
시간순으로 변화 읽기00:00
Voxtral transcribes at the speed of sound.
Voxtral transcribes at the speed of sound.
번역 대기 중 · 원문 표시 · en2026-01-28
시간순으로 변화 읽기00:00
Terminally online Mistral Vibe.
Terminally online Mistral Vibe.
번역 대기 중 · 원문 표시 · en2026-01-22
시간순으로 변화 읽기00:00
Heaps do lie: debugging a memory leak in vLLM.
Heaps do lie: debugging a memory leak in vLLM.
번역 대기 중 · 원문 표시 · en2026-01-10
시간순으로 변화 읽기17:00
Information-Driven Design of Imaging Systems
An encoder (optical system) maps objects to noiseless images, which noise corrupts into measurements. Our information estimator uses only these noisy measurements and a noise model to quantify how well measurements distinguish objects. Many imaging systems produce measurements that humans never see or cannot interpret directly. Your smartphone processes raw sensor data through algorithms before producing the final photo. MRI scanners collect frequency-space measurements that require reconstruction before doctors can view them. Self-driving cars process camera and LiDAR data directly with neural networks. What matters in these systems is not how measurements look, but how much useful information they contain. AI can extract this information even when it is encoded in ways that humans cannot
번역 대기 중 · 원문 표시 · en모든 소식에 확인할 수 있는 출처를 남깁니다.