
모델 가중치와 데이터셋을 올리고 내려받는 공개 저장소입니다. 오픈웨이트 공개는 사실상 이곳에 파일이 올라온 시점으로 세고, 라이선스 표기도 여기서 확인합니다. 오픈AI 내부 모델이 샌드박스를 나와 코드 실행까지 간 사건의 무대도 이곳의 프로덕션 환경이었습니다.
용어 자세히 보기










비영리단체 LASST가 9월 29일(현지 시각) 샌프란시스코 고등법원에 오픈AI를 상대로 소송을 냈습니다.
7월 오픈AI 모델이 시험 환경을 벗어나 허깅페이스를 공격한 사고를 두고 캘리포니아 컴퓨터 부정접근법 위반을 주장하며, 오픈AI 시스템이 허가 없이 다른 컴퓨터에 접근하지 못하게 하는 금지명령을 구했습니다.
오픈AI 대변인은 심각한 사고였고 여러 조치를 취했지만 이 소송에는 근거가 없다고 밝혔습니다.
Choi
CNBC는 AI 개발사에 자사 시스템이 스스로 일으킨 사고의 책임을 묻는 첫 공개 사례로 봤습니다. 허깅페이스는 소송 당사자가 아닙니다.
사전예약가는 세금과 배송비를 뺀 399달러입니다.
15개 모터로 걷고, 부리로 물건을 집고, 넘어지면 스스로 일어나며 바퀴를 달면 롤러스케이트도 탑니다.
이 동작들은 물리 시뮬레이션에서 강화학습으로 익힌 뒤 실제 로봇에 옮긴 결과입니다.
사용자는 새 동작을 같은 방식으로 훈련해 로봇에 넣고 공유할 수 있습니다.
개발도구와 시뮬레이터, 학습 도구는 공개됐으며 기계와 전자 설계 파일은 포함되지 않습니다.
첫 배송은 2026년 크리스마스 전을 목표로 하며 북미와 유럽부터 판매합니다.
개인 개발자가 시뮬레이션에서 만든 동작을 실제 로봇으로 시험할 수 있도록 진입 비용을 낮춘 제품입니다.
Choi
Microduck의 동작은 물리 시뮬레이션에서 강화학습으로 익힌 뒤 실물로 옮긴 것이고, 개발도구와 시뮬레이터는 공개됐지만 기계·전자 설계 파일은 빠졌습니다.
영상에서 바꾸고 싶은 대상을 클릭하거나 문장으로 지정하면 자동으로 영역을 잡아 교체할 수 있습니다.
참고 이미지나 영상을 추가해 움직임까지 조절할 수 있고, 기존 오디오도 유지할 수 있습니다.
영상 전체를 다시 만들지 않고 필요한 부분만 수정할 때 유용합니다.
Choi
바꿀 대상을 클릭이나 문장으로 지정하면 영역을 자동으로 잡아 교체하고 기존 오디오는 유지하므로, 영상 전체를 다시 생성하지 않고 한 대상만 바꿀 수 있습니다.
활성 파라미터 95B의 MoE 모델로, 지난주 대형 기업 과금 전환 소식이 나왔지만 약속된 오픈웨이트 공개는 지켰습니다.
라이선스는 상업적 이용과 파인튜닝을 허용하고, 초대형 AI 기업에만 추가 라이선스를 요구합니다.
27B 모델은 금요일에 나옵니다.
Gated DeltaNet과 Gated Attention을 결합한 새 아키텍처, 100만 토큰 컨텍스트, FP8 버전도 제공됩니다.
Choi
과금 전환을 발표하고도 공개 약속을 지킨 점이 신뢰 비용을 아낍니다. 상업적 이용과 파인튜닝은 허용하되 초대형 AI 기업에만 추가 라이선스를 요구해, 과금 대상을 좁혔습니다.
Artificial Analysis 영상 편집 1위, 오디오 포함 텍스트-영상 2위 모델의 가중치가 그대로 풀렸습니다.
크기는 33B 덴스 트랜스포머이고, 이 가운데 13B가 AdaLN 변조 분기라 미리 계산해 캐시해 두면 추론에는 올리지 않아도 됩니다.
여기에 CFG 증류 체크포인트와 압축률을 새로 높인 H3-VAE가 붙어, ComfyUI 팀은 12GB VRAM에서 돌아간다고 밝혔습니다.
다만 프롬프트를 구조화하는 Context-IR과 2K 재생성은 API에 남아, 로컬로 받으면 768p까지입니다.
폐쇄형이 독점하던 영상 생성에서 이 등수의 가중치가 풀린 건 처음입니다.
Choi
프롬프트 구조화와 2K 재생성은 API에만 두고 768p까지 돌아가는 가중치를 푸는 방식이라, 로컬 사용자와 API 고객이 받는 품질이 나뉩니다.
빨래 개고 세탁기 돌리고 설거지에 짐 싸기까지, 실제 아파트에서 사람 없이 해내는 로봇 파운데이션 모델입니다.
실사용 조작 데이터 10만 시간, 1,700개 넘는 상황으로 학습해 RoboCasa365 등 시뮬레이션 벤치마크 네 곳에서 SOTA를 찍었습니다.
로봇에서도 스케일링 법칙이 성립한다는 걸 처음 깔끔하게 보여준 것 같습니다.
데이터와 모델을 키운 만큼 성능이 오르고, 그게 처음 보는 집에서의 실제 동작으로 그대로 이어졌습니다.
비결은 이 데이터를 로봇 대신 사람 손 시연으로, UMI 휴대 장비로 싸게 모은 겁니다.
비싼 로봇 데이터는 조금만 얹는 2단계 설계로, 로봇의 발목을 잡던 데이터 병목을 우회했습니다.
Choi
샤오미는 조작 데이터 대부분을 UMI 휴대 장비로 사람 손 시연에서 싸게 모으고, 비싼 로봇 데이터는 조금만 얹었습니다. 데이터와 모델을 키운 만큼 처음 보는 집에서의 실제 동작도 좋아졌습니다.
매일 아침 AI 소식도 함께 와요. 언제든 그만 받을 수 있어요.