텐센트

독립 연구자 모임 스웜체이서스(Swarmchasers)가 10월 5일 예비 보고서를 내고, 텐센트의 Hy 계열로 보이는 에이전트 무리가 웹 검사 서비스 urlquery.net을 거쳐 알리바바 지도 서비스 가오더(Amap)의 데이터를 모았다고 밝혔습니다.

에이전트들은 공원과 박물관, 동물원, 병원의 출입구별 이용 비율을 수집했고, 4일에는 장소 213곳에 대한 검사 기록 1,810건을 남겼으며 한때 작업 14개가 동시에 돌았습니다.

연구자들은 작업끼리 신호를 주고받은 흔적을 찾지 못해 이 무리를 '에이전트 플리트(fleet)'라고 불렀습니다.

WorldCrafter는 3D 공간을 따로 만들지 않고, 카메라 위치에 맞춰 기억 속 정보를 꺼내 영상을 생성합니다.

그래서 다른 곳을 보다가 돌아와도 앞서 본 공간과 물체가 비교적 일관되게 유지됩니다.

이미지 한 장이나 글만으로 몇 분 동안 공간을 둘러볼 수 있고, 기본 모델과 빠른 생성용 증류 모델의 가중치가 코드와 함께 공개됐습니다.

텍스트로 이미지를 만드는 기능과 이미지를 넣어 새 이미지를 만드는 기능을 모두 지원하고, 최대 2K 해상도로 출력합니다.

사람 평가에서 이전 Hy Image3.0보다 승률이 30% 높았다고 밝혔습니다.

텐센트 클라우드 API 기준 가격은 이미지 1장당 0.024달러이고 참고 이미지에는 요금을 매기지 않습니다.

에이전트가 새 브라우저를 띄우는 대신 이미 로그인된 사용자의 브라우저 탭을 그대로 씁니다.

기존 브라우저 에이전트는 로그인과 인증을 다시 해야 하는 경우가 많았지만, BrowserSkill은 현재 로그인 상태를 그대로 활용합니다.

CAPTCHA나 확인 창이 뜨면 사용자에게 넘겼다가 다시 이어서 작업합니다.

CLI 방식이라 Cursor, Claude Code, Codex 등 셸 명령을 실행할 수 있는 에이전트에서 사용할 수 있고, 모든 작업은 로컬에서 실행됩니다.

또 에이전트가 탭을 빌리기 전 사용자 승인을 요구하도록 설계됐으며 MIT 라이선스 오픈소스로 공개됐습니다.

오디오계의 나노바나나가 등장했습니다.

Tencent Hunyuan이 음성 생성·편집 모델 AuK를 오픈소스로 공개했습니다.

텍스트 한 줄로 음성을 만들고, 특정 단어만 바꾸거나 화자 목소리·감정·속도·음높이를 수정할 수 있습니다.

노이즈 제거와 여러 화자 분리까지 하나의 1.5B 모델에서 처리하며, AuK-Flash는 4단계 추론으로 기존 버전보다 약 4.5배 빠르게 동작합니다.

음성 편집도 이미지 편집처럼 “말로 수정하는” 방향으로 가는 것 같습니다.

Tencent·NUS·PolyU 연구진이 MiniMax-H3를 World Model로 바꾼 H3-World를 발표했습니다.

W·A·S·D 같은 입력을 짧은 영어 명령으로 변환해 H3가 이해하도록 만들고, 캐릭터 이동과 카메라 움직임을 영상에 반영합니다.

별도의 액션 모듈은 만들지 않았습니다.

약 8천 개 데이터와 전체 파라미터의 0.199%만 학습했는데도, 학습하지 않은 움직임 조합과 새로운 환경까지 제어할 수 있었습니다.

연구진 설명대로라면 상당한 제어 능력이 이미 MiniMax-H3 안에 있었다는 이야기입니다.

영상 모델을 새로 만드는 것보다 기존 모델에 숨어 있는 능력을 꺼내 쓰는 연구가 더 많아질 것 같습니다.