메타가 시스템 전역 받아쓰기(dictation) 기능을 갖춘 맥용 메타 AI 앱을 출시했습니다. 이 앱은 화면 내용을 인식해 컨텍스트 기반 질의응답을 제공하며, 비즈니스 사용자를 위해서는 인스타그램·페이스북, 광고 캠페인, 구글 워크스페이스 계정을 연동해 캠페인 성과 분석과 문서 작성 등을 지원합니다. 구글 젬자이니에 이은 이번 출시는 AI 비서의 업무 자동화 경쟁이 본격화되고 있음을 보여줍니다.
메타(Meta)가 아파치 2.0(Apache 2.0) 라이선스를 따르는 300억 개(30B) 매개변수의 오픈웨이트 에이전트 모델인 '뮤스 글리머(Muse Glimmer)'를 공개했습니다. 이 모델은 24GB VRAM(비디오 메모리)만으로도 구동될 수 있어 일반 소비자용 그래픽 카드 환경에서도 활용이 가능하다는 점이 가장 큰 특징입니다. 또한 DFlash 스페큘레이션 기술을 적용하여 기존보다 디코딩 속도를 3.1배나 향상시켰습니다.
메타 슈퍼인텔리전스 연구소가 상용 GPU 한 장으로 구동 가능한 300억 매개변수 규모의 로컬 코딩 모델인 'Muse Glimmer'를 아파치 2.0 라이선스로 오픈소스화했습니다. 이 모델은 클라우드나 네트워크 연결 없이도 개인 PC에서 고성능 에이전트 작업, 코드 작성, 도구 활용을 수행할 수 있도록 최적화되었다는 점에서 로컬 AI 생태계 발전에 매우 중요합니다.
메타 슈퍼인텔리전스 랩스(Meta Superintelligence Labs)가 새로운 'Muse Spark 1.2' 모델이 탑재된 터미널 기반 베타 버전 코딩 에이전트인 '뮤즈 코드(Muse Code)'를 출시했습니다. 이 도구는 거대한 코드 저장소(Repository) 전반에 걸쳐 코드 변경을 계획하고, 코드를 작성하며 결과를 검증하는 작업을 수행합니다. 특히 세션 전체에 걸쳐 비동기 백그라운드 에이전트가 활성화되고, 안전한 재시작이 가능한 로컬 로그를 제공하여 실무 개발 환경에서의 안정성과 효율성을 크게 높였다는 점이 중요합니다.
메타 AI 연구진이 긴 작업을 수행하는 AI가 겪는 맥락 망각 및 반복적 실수 문제를 해결하기 위해, 별도의 '메모리 에이전트(Memory Agent)'를 도입했습니다. 이 메모리 에이전트는 실행 기록을 추적하고 언제 작업 에이전트에게 적절한 리마인더를 제공할지 스스로 판단하여 작업 성공률을 크게 높입니다. 두 에이전트의 협업 구조는 기존 AI 모델에 플러그앤플레이 형태로 쉽게 적용할 수 있어 복잡한 자동화 작업의 안정성을 높이는 데 중요한 의미를 갖습니다.
미국 에너지부 주도의 '제네시스 미션' 프로젝트에 메타의 오픈소스 기반 모델인 SAM 3와 DINOv3가 활용되어 과학 데이터 분석 혁신을 이끌고 있습니다. 이 AI 모델들은 기존에 수개월이 걸리던 방대한 양의 X-ray 및 중성자 데이터의 이미지 분할(Segmentation) 작업을 실시간으로 수행하여 연구 병목 현상을 해결합니다. 이는 수작업에 의존하던 과학 이미징 분석의 한계를 극복하고 연구 속도를 획기적으로 높이는 데 기여할 것입니다.
메타의 마크 자커버그 CEO는 사내 회의에서 조직 개편으로 집중하고 있는 'AI 에이전트' 개발이 당초 계획보다 지연되고 있다고 인정했습니다. 반면, AI 총괄 알렉산더 왕은 곧 출시될 차세대 모델이 오픈AI 최고 수준 모델과 맞먹는 성능을 낼 것이라고 주장하며 시각 차를 보였습니다. 이는 막대한 인프라 투자와 대규모 인력 개편을 단행한 메타의 AI 전략이 현재 평가절하되고 있음을 시사하므로 실무자들에게 중요한 정보입니다.
메타는 뇌파(MEG)를 텍스트로 변환하는 비침습적 뇌-컴퓨터 인터페이스 시스템인 Brain2Qwerty v2를 발표했습니다. 딥러닝과 대형 언어 모델(LLM)을 활용해 기존 비침습적 방식의 한계를 크게 뛰어넘어 최대 78%의 단어 정확도를 달성하며, 수술이 필요한 침습적 기술에 근접한 성능을 보였습니다. 연구 가속화를 위해 전체 학습 코드와 데이터셋을 오픈소스로 공개하며, 뇌 손상으로 인한 의사소통 장애를 가진 사람들에게 새로운 소통의 가능성을 제시합니다.
메타 AI가 뇌파(MEG) 신호를 텍스트로 변환하는 비침습적 파이프라인인 'Brain2Qwerty v2'를 공개했습니다. 이 모델은 사람이 문장을 타이핑할 때 발생하는 뇌 신호를 분석해 61%의 단어 정확도를 달성했으며, AI 연구를 위해 훈련 코드를 오픈소스로 공개했다는 점에서 큰 의의가 있습니다.
메타가 자사 소셜 미디어 플랫폼인 스레드(Threads)에 사용자의 질문에 답하는 메타 AI 계정을 도입했습니다. 그러나 사용자들이 해당 AI 계정을 차단할 수 없도록 설정해 놓아 큰 논란이 일고 있습니다. 사용자들의 항의가 쏟아지자 메타 측은 계정을 '뮤트' 하거나 '관심 없음'을 누르는 방식으로만 피드를 제한할 수 있다고 해명했습니다.
메타가 자사 AI 어시스턴트에 대화 기록이 서버에 저장되지 않는 '시크릿 채팅(Incognito Chat)' 모드를 도입했습니다. 신뢰 실행 환경(TEE)을 활용해 메타조차 사용자 데이터에 접근할 수 없도록 설계되어, 구글이나 오픈AI 등 타 경쟁사가 안고 있는 데이터 유출 및 수사 기관 제출 논란에서 한발 앞서나가는 기술적·정책적 차별화를 시도한 것이 핵심입니다.
메타의 소셜 플랫폼 스레드(Threads)가 게시물에서 @meta.ai를 멘션해 실시간 트렌드와 정보를 얻을 수 있는 AI 통합 기능을 테스트합니다. 이는 사용자가 앱을 벗어나지 않고 대화 흐름 속에서 정보를 얻게 한다는 점에서 X의 그록과 매우 유사한 접근법입니다. 메타는 안전장치를 강화했으나 AI의 공개적인 답변으로 인한 부작용을 통제할 수 있을지가 향후 관건입니다.
메타 AI와 KAUST 연구진이 신경망 자체가 작동하는 컴퓨터 역할을 하는 '신경 컴퓨터(Neural Computers)'를 제안했습니다. 이 연구는 기존 AI 에이전트나 세계 모델과 달리, 운영체제 스택의 기능을 모델 내부에 내재화하여 명령어 및 그래픽 사용자 인터페이스 환경을 시뮬레이션하는 두 가지 프로토타입을 통해 그 가능성을 입증했습니다.
메타 AI가 1억 개 미만의 파라미터를 가진 소형 비전 인코더 패밀리인 EUPE를 공개했습니다. 이 모델은 이미지 이해, 밀집 예측(Dense Prediction), 시각 언어 모델(VLM) 작업 등 다양한 특수 분야 모델들과 필적하는 성능을 발휘하는 것이 특징입니다. 모바일 기기와 같은 엣지(Edge) 환경에서도 강력한 성능을 유지하면서 가벼운 크기를 실현한 것이 가장 큰 의의로 평가됩니다.