✷ 아카이브 · 연구소 11곳 · 디스패치 870건
연구소
매일 아침 십여 개의 공식 블로그를 돌아볼 필요가 없습니다. OpenAI, Anthropic, DeepMind 등의 일차 발표를 핵심만 뽑아서.
DeepInfra와 Hugging Face Inference Providers의 통합
Hugging Face가 DeepInfra를 지원되는 Inference Provider로 추가하여, Hub 및 클라이언트 SDK를 통해 DeepSeek V4 및 Kimi-K2.6를 포함한 100개 이상의 모델에 대한 서버리스 액세스를 가능하게 했습니다.
제목: NVIDIA Nemotron 3 Nano Omni 릴리스 노트 / 새로운 기능
요약: NVIDIA는 텍스트, 이미지, 비디오, 오디오 전반에 걸친 장기 컨텍스트 추론이 가능한 옴니모달 모델인 Nemotron 3 Nano Omni를 출시했으며, 문서 지능 및 비디오 이해 벤치마크에서 최고 수준의 정확도를 제공합니다.
OpenAI Privacy Filter: 확장 가능한 PII 탐지 웹 앱 구축하기
OpenAI는 128k 컨텍스트 윈도우에서 8가지 범주의 민감한 데이터를 라벨링할 수 있는 오픈 소스 1.5B-parameter PII 탐지기인 Privacy Filter를 출시했습니다.
DeepSeek-V4 릴리스 노트: AI 에이전트를 위한 효율적인 1M-토큰 컨텍스트
DeepSeek-V4는 하이브리드 CSA/HCA 주의 메커니즘으로 구동되는 1M-토큰 컨텍스트 윈도우를 도입하며, 장기 실행 에이전트 워크로드 및 도구 사용 궤적에 특별히 최적화되었습니다.
크롬 확장 프로그램에서 Transformers.js 사용하기
Hugging Face는 Gemma 4 E2B로 구동되는 백그라운드 호스팅 모델 아키텍처를 특징으로 하는 Manifest V3를 사용하는 Chrome 확장 프로그램에 Transformers.js를 통합하는 기술 가이드를 제공합니다.
QIMMA: 품질 우선 아라비아어 LLM 리더보드
Hugging Face와 파트너들은 QIMMA를 도입했습니다. 이는 새로운 아라비아어 LLM 리더보드로, 벤치마크가 실제 언어 능력을 반영하도록 엄격한 품질 검증 파이프라인을 구현합니다.
Hugging Face: AI와 사이버 보안의 미래
Hugging Face는 오픈소스 AI 모델과 툴링이 Mythos와 같은 자율 취약점 탐지 시스템이 초래하는 위험에 대응하기 위한 사이버 보안 방어에 필수적이라고 주장합니다.
Hugging Face transformers-to-mlx 스킬 및 테스트 하네스
Hugging Face는 transformers 라이브러리에서 mlx-lm으로 언어 모델 포팅을 간소화하면서 높은 코드 품질과 리뷰어 신호를 유지하기 위해 스킬과 비에이전트 테스트 하네스를 출시했습니다.
Sentence Transformers를 사용한 멀티모달 임베딩 & 리랭커 모델의 학습 및 파인튜닝
Hugging Face는 Sentence Transformers를 사용한 멀티모달 임베딩 및 리랭커 모델의 학습과 파인튜닝에 대한 가이드를 발표했으며, 작업 특화 파인튜닝이 Visual Document Retrieval과 같은 검색 작업에서 성능을 향상시킨다는 것을 보여주었습니다.
Ecom-RLVE: 전자상거래 대화형 에이전트를 위한 적응형 검증 가능한 환경
Hugging Face는 대화형 유창성과 실제 작업 완료 사이의 격차를 해소하기 위해 적응형 난이도 확장을 갖춘 여덟 개 검증 가능하고 다중 턴 환경을 사용하여 전자상거래 에이전트를 훈련하는 프레임워크인 EcomRLVE-GYM을 소개합니다.
VAKRA 벤치마크 분석: 에이전트 추론, 도구 사용 및 실패 모드
Hugging Face는 8,000개 이상의 API와 문서 소스에 걸쳐 구성적 추론 능력을 평가하는 실행 가능한 도구 기반 스위트인 VAKRA 벤치마크를 발표했으며, 이를 통해 도구 선택, 멀티 홉 추론 및 정책 준수에서 나타나는 광범위한 실패를 드러냈습니다.
HCompany HoloTab 출시
HCompany은 Holo3 모델을 기반으로 하는 Chrome 확장 프로그램인 HoloTab을 출시했는데, 이는 사용자가 자연어 설명이나 기록된 루틴을 통해 웹 작업을 자동화할 수 있게 합니다.
Sentence Transformers v5.4: 멀티모달 임베딩 및 리랭커 모델
Sentence Transformers v5.4는 텍스트, 이미지, 오디오, 비디오의 인코딩 및 비교를 위한 멀티모달 임베딩 및 리랭커 모델을 도입합니다.
Waypoint-1.5 릴리스 노트
Hugging Face와 Overworld가 Waypoint-1.5를 출시했습니다. 이 실시간 비디오 세계 모델은 고품질 인터랙티브 생성 환경을 소비자 GPU에서 로컬로 실행할 수 있게 합니다.
Safetensors, PyTorch Foundation에 합류
Safetensors는 벤더 중립적인 거버넌스와 커뮤니티 주도 개발을 보장하기 위해 PyTorch Foundation 및 Linux Foundation 아래의 재단 호스팅 프로젝트로 전환되었습니다.
Gemma 4 출시: 온디바이스 지원을 갖춘 오픈 소스 멀티모달 모델
Google DeepMind의 새로운 오픈 소스 멀티모달 제품군인 Gemma 4가 이미지, 오디오, 비디오 지원, 최대 256K 컨텍스트, 그리고 transformers, llama.cpp, MLX, Rust, WebGPU와의 day-0 호환성을 갖추고 Hugging Face에 출시되었습니다.
Falcon Perception 및 Falcon OCR 출시
Hugging Face와 TII는 오픈 보카뷸러리 그라운딩을 위한 0.6B 파라미터 초기 융합 트랜스포머인 Falcon Perception과 고처리량 문서 이해를 위한 0.3B 파라미터 모델인 Falcon OCR을 소개합니다.
Gradio Server: 맞춤 프론트엔드를 Gradio 백엔드와 통합하기
Hugging Face는 `gradio.Server`라는 FastAPI 확장을 소개합니다. 이를 통해 개발자는 맞춤 프론트엔드 프레임워크를 자유롭게 사용하면서도 Gradio의 큐, API 인프라 및 ZeroGPU 지원을 그대로 유지할 수 있습니다.
Granite 4.0 3B Vision 릴리스 노트 / 새로운 기능
IBM은 엔터프라이즈 문서 이해를 위해 최적화된 소형 멀티모달 모델인 Granite 4.0 3B Vision을 출시했으며, 고정밀 테이블 추출, 차트 추론 및 키-값 쌍 추출 기능을 제공합니다.
OpenMed CodonRoBERTa 다중 종 mRNA 언어 모델 출시
OpenMed는 CodonRoBERTa-large-v2(당혹도 4.10, CAI 0.404)를 포함한 엔드‑투‑엔드 단백질 엔지니어링 파이프라인과 55 GPU‑시간(≈ $165)으로 학습된 25종 코돈 최적화 모델 스위트를 출시했습니다.
TRL v1.0 릴리스 노트 / 새로운 내용
Hugging Face가 75개 이상의 방법을 구현한 안정적인 포스트 트레이닝 라이브러리인 TRL v1.0을 출시했습니다. 이 라이브러리는 빠른 실험 반복과 프로덕션 수준의 신뢰성을 균형 있게 맞추는 이중 트랙 안정성 모델을 특징으로 합니다.
Hugging Face OpenClaw 마이그레이션 가이드
Hugging Face는 제한된 Claude 모델에서 오픈소스 대안으로 OpenClaw 에이전트를 마이그레이션하기 위해 Inference Providers와 로컬 llama.cpp 설정 두 가지 방법을 제공합니다.
음성 에이전트를 위한 EVA 엔드‑투‑엔드 평가 프레임워크
EVA는 정확도와 대화 경험을 동시에 평가하는 새로운 엔드‑투‑엔드 프레임워크로, 작업 성공과 사용자 만족 사이에 일관된 트레이드‑오프가 존재함을 밝혀냅니다.
NVIDIA Nemotron을 활용한 도메인 특화 임베딩 파인튜닝 – 하루 안에
NVIDIA와 Hugging Face는 단일 GPU, 하루 안에 완료되는 파이프라인을 공개했으며, Llama‑Nemotron‑Embed‑1B‑v2 모델을 합성 도메인 데이터로 파인튜닝하여 10% 이상의 검색 성능 향상과 실제 기업 데이터셋에서 최대 26% 개선을 달성했습니다.
Hugging Face의 오픈 소스 현황: 2026년 봄
Hugging Face는 2025년 모델 다운로드 수에서 중국이 미국을 추월하고, 로보틱스가 가장 큰 데이터셋 카테고리로 급격히 부상하는 특징을 가진 2025년 오픈 소스 AI 생태계의 대규모 확장을 보고합니다.
Holotron-12B 고처리량 컴퓨터 사용 에이전트
H Company는 NVIDIA Nemotron-Nano-2 VL 기반의 멀티모달 컴퓨터 사용 모델인 Holotron-12B를 출시했으며, 하이브리드 SSM-Attention 아키텍처를 사용해 에이전트 작업에 대한 높은 추론 처리량을 달성합니다.
Hugging Face 스토리지 버킷 출시
Hugging Face는 Xet을 기반으로 하는 가변적이며 S3와 유사한 객체 스토리지 시스템인 Storage Buckets를 도입하여 체크포인트와 처리된 데이터와 같은 중간 ML 아티팩트를 효율적으로 처리합니다.
토큰 흐름을 유지하기: 16개의 오픈소스 RL 라이브러리에서 얻은 교훈
Hugging Face는 16개의 오픈소스 RL 라이브러리를 조사했으며, 비동기 RL 훈련이 추론과 훈련을 서로 다른 GPU 풀로 분리하고, 롤아웃 버퍼를 사용하며, 가중치를 비동기적으로 푸시한다는 점을 발견했으며, Ray가 오케스트레이션을 주도하고 NCCL 브로드캐스트가 일반적인 가중치‑동기화 방법이라는 사실을 확인했습니다.
LeRobot v0.5.0 릴리스 노트 / 새로운 내용
Hugging Face는 LeRobot v0.5.0을 출시했으며, 전체 Unitree G1 인간형 지원, Pi0-FAST 및 Wall-X와 같은 새로운 VLA 정책, 그리고 데이터셋 성능 최적화를 도입했습니다.
백만 토큰 컨텍스트 학습을 위한 Ulysses 시퀀스 병렬 처리
Hugging Face는 Accelerate, Transformers, 그리고 TRL에 Ulysses 시퀀스 병렬 처리를 통합하여, 여러 GPU에 걸쳐 어텐션 연산을 분산함으로써 백만 토큰 컨텍스트를 가진 LLM 훈련을 가능하게 했습니다.
로보틱스 AI를 임베디드 플랫폼으로 가져오기: 데이터셋 기록, VLA 파인튜닝, 그리고 온-디바이스 최적화
Hugging Face와 NXP는 Vision-Language-Action (VLA) 모델을 i.MX 95 SoC에 배포하기 위한 기술 가이드를 제공하며, 데이터셋 일관성, 아키텍처 분해, 비동기 추론을 강조하여 실시간 로봇 제어를 달성합니다.
Hugging Face Modular Diffusers 릴리스
Hugging Face는 재사용 가능한 블록을 혼합·매칭하여 전체 파이프라인을 처음부터 작성하지 않고도 확산 파이프라인을 구축할 수 있는 조합 가능한 프레임워크인 Modular Diffusers를 소개했습니다.
PRX 파트 3: 24시간 안에 텍스트-이미지 모델 훈련하기
Hugging Face와 Photoroom은 32개의 H200 GPU와 $1500 예산으로 24시간 안에 텍스트-이미지 모델을 훈련시켰으며, 픽셀 공간 훈련, 토큰 라우팅, 그리고 표현 정렬을 결합했습니다.
트랜스포머에서 전문가 혼합 (MoEs)
Hugging Face는 새로운 가중치 로딩 리팩터, 플러그인 가능한 전문가 백엔드, 그리고 네이티브 전문가 병렬성을 통해 Mixture of Experts (MoEs)를 일등 시민으로 만들기 위해 transformers 라이브러리를 재설계했습니다.
Unsloth와 Hugging Face Jobs로 AI 모델 훈련
Hugging Face는 Unsloth와 Hugging Face Jobs를 통합하여 빠르고 저비용의 LLM 파인튜닝을 가능하게 했으며, 특히 LiquidAI/LFM2.5-1.2B-Instruct와 같은 소형 모델에 최적화되었습니다.
GGML 및 llama.cpp, Hugging Face에 합류
GGML, llama.cpp의 제작자는 Hugging Face에 합류하여 로컬 AI 추론을 위한 지속 가능한 자원을 제공하고 Transformers 라이브러리와 로컬 모델 배포 간의 통합을 간소화합니다.
IBM과 UC Berkeley, IT-Bench와 MAST를 활용해 엔터프라이즈 에이전트 실패 진단
IBM Research와 UC Berkeley는 MAST(멀티에이전트 시스템 실패 분류법)를 도입해 엔터프라이즈 IT 에이전트가 실패하는 이유를 진단했으며, 최첨단 모델은 고립된 검증 오류를 겪는 반면 오픈 모델은 연쇄적인 시스템 붕괴를 겪는 것으로 밝혀졌습니다.
Gradio 6 gr.HTML: 원샷 웹 앱 개발
Gradio 6은 맞춤 템플릿, 범위가 지정된 CSS 및 JavaScript 인터랙티브를 지원하는 향상된 gr.HTML을 도입하여 단일 Python 파일 내에서 복잡한 웹 컴포넌트를 생성할 수 있게 합니다.
Hugging Face CUDA 커널 에이전트 스킬
Hugging Face는 Claude와 Codex와 같은 코딩 에이전트가 transformers와 diffusers 라이브러리를 위한 프로덕션 수준의 CUDA 커널을 작성하고, 벤치마크하며, 통합할 수 있게 하는 에이전트 스킬을 도입했습니다.
OpenEnv: 실제 환경에서 도구를 사용하는 에이전트 평가
Hugging Face와 Meta가 OpenEnv를 소개합니다. 이는 실제 시스템 및 Calendar Gym과 같은 프로덕션 급 환경에서 AI 에이전트를 평가하는 오픈소스 프레임워크로, 연구와 프로덕션 신뢰성 사이의 격차를 해소하기 위한 것입니다.
Transformers.js v4 릴리즈 노트 / 새로운 내용
Hugging Face는 Transformers.js v4를 출시했으며, 브라우저와 서버 사이드 런타임 전반에서 하드웨어 가속을 위한 새로운 C++ 재작성 WebGPU 런타임과 독립형 tokenizers 라이브러리를 도입했습니다.
SyGra 2.0.0 스튜디오 릴리스
SyGra 2.0.0은 Studio를 소개합니다. Studio는 YAML 파일을 수동으로 편집할 필요 없이 합성 데이터 생성 워크플로를 설계하고 실행할 수 있는 시각적 대화형 환경입니다.
Hugging Face 커뮤니티 평가
Hugging Face는 Community Evals를 도입했습니다. 이는 Hub에서 직접 모델 벤치마크 점수를 보고하고 집계하는 분산 시스템으로, 투명성과 재현성을 높입니다.
H Company Holo2-235B-A22B 프리뷰 릴리스
H Company는 UI 로컬라이제이션 모델인 Holo2-235B-A22B Preview를 출시했으며, Screenspot-Pro와 OSWorld G 벤치마크에서 최첨단 성능을 달성했습니다.
글로벌 오픈소스 AI 생태계의 미래: DeepSeek에서 AI+까지
Hugging Face는 오픈소스가 중국 AI 조직들의 지배적인 전략이 되어, 고립된 모델 돌파구에서 모델, 하드웨어, 인프라가 통합된 확장 가능한 생태계로 전환된 과정을 분석합니다.
텍스트-이미지 모델을 위한 훈련 설계: Ablation에서 얻은 교훈
텍스트-이미지 모델 훈련 설계에 관한 Hugging Face 게시물의 제공된 원본 자료가 429 Too Many Requests 오류로 인해 사용할 수 없습니다.
Daggr 소개: 시각적 검사를 통한 AI 앱 프로그래밍 방식 체인
Hugging Face는 Daggr라는 오픈소스 Python 라이브러리를 출시했습니다. 이 라이브러리를 통해 개발자는 Gradio 앱, ML 모델, 사용자 정의 함수를 프로그래밍 방식으로 연결하여 워크플로우를 구성할 수 있으며, 디버깅 및 상태 관리를 위한 시각적 캔버스가 자동으로 생성됩니다.
Hugging Face Upskill: 전문가 역량을 에이전트 스킬을 통해 소형 모델로 이전하기
Hugging Face는 Claude Opus 4.5와 같은 고성능 모델을 활용해 검증된 '에이전트 스킬'을 생성하는 도구인 upskill를 소개했습니다. 이 스킬은 CUDA 커널 개발과 같은 복잡한 작업에서 소형 또는 오픈소스 모델의 성능과 토큰 효율성을 향상시킵니다.
중국 오픈소스 AI 생태계의 아키텍처 선택: DeepSeek R1에서 하드웨어‑우선, MoE‑주도 환경으로
DeepSeek R1의 오픈소스 릴리스 1년 후, 중국 AI 커뮤니티는 가장 큰 단일 모델 성능을 추구하던 것에서 유연하고 비용 효율적이며 하드웨어를 고려한 AI 시스템 구축으로 전환했습니다. Mixture‑of‑Experts (MoE)가 기본 아키텍처가 되어, 요청당 일부 전문가만 활성화함으로써 거대한 모델을 저렴하게 운영할 수 있게 되었습니다. 텍스트‑투‑이미지, 비디오, 오디오, 3‑D, 에이전트 등 멀티모달 경쟁이 폭발했으며, 각 모델은 전체 툴체인과 함께 공개되었습니다. 30 B 이하의 소형 모델이 로컬 배포와 파인튜닝에 인기를 끌었고, 대형 MoE 모델은 교사 네트워크 역할을 수행했습니다. Apache 2.0 및 MIT 라이선스가 주류를 이루며 법적 마찰을 없애고 상업적 채택을 가속화했습니다. 하드웨어‑우선 사고방식이 등장해, 릴리스는 국내 칩(Huawei Ascend, Cambricon, Kunlun 등)에 맞춘 양자화, 추론 및 서빙 스택을 포함하고, 학습 파이프라인도 공개되었습니다. 이제 경쟁 우위는 원시 모델 크기가 아니라 시스템 설계, 배포 효율성, 오픈소스 생태계 통합에 있습니다.
Alyah: 아랍어 LLM을 위한 에미리트 방언 벤치마크
Hugging Face와 파트너들은 에미리트 방언에서 아랍어 LLM의 언어·문화 역량을 평가하기 위해 1,173개의 샘플로 구성된 수동 큐레이션 벤치마크인 Alyah를 소개했습니다.