모델은 그대로, 하네스만 키워 Terminal-Bench 2.1 95.3% — 프론티어급을 $15에: StateM
간밤 해외 AI 소식은 '모델 교체보다 실행 하네스 설계가 점수를 바꾼다'는 흐름이 눈에 띕니다. 코딩·영상·음성 실무에 바로 얹을 만한 세 가지를 추렸습니다.
1) StateM — 하네스 스케일링으로 Terminal-Bench 2.1 95.3%
- 무엇: 8월 18일 허깅페이스 데일리 페이퍼에 오른 연구(2608.15089). 모델 가중치는 건드리지 않고, 에이전트 하네스(지속 상태·복구 가능한 런북·절차 통제)를 키워 터미널 작업 벤치에서 95.3% 원점수(GPT-5.6 Sol xhigh, 445회 시행)를 냈습니다. 같은 방식을 비용 쪽으로 돌리면 DeepSeek-V4 Flash로 88.1%를 약 $15에 뽑았는데, GPT 기준선의 $574.68과 대비됩니다.
- 왜 중요: 이 벤치는 89개 실무형 터미널 과제입니다. 기존 프론티어 기준선도 83%대(GPT-5.5 xhigh 83.1%)였는데, 83.1%→95.3% 상승분이 모델이 아니라 하네스에서 나왔다는 게 핵심입니다. 지금 쓰는 코딩 에이전트도 스캐폴딩만 손보면 성공률이 오를 여지가 있다는 뜻입니다.
- 어떻게: 새 모델을 기다리기 전에 재시도 횟수·컨텍스트 관리·검증 스텝부터 조정해 보세요. 과제당 성공률과 토큰 비용을 함께 기록하면 개선 지점이 드러납니다.
2) Pika Audio — Speech가 ElevenLabs v3 대비 9배 저렴
- 무엇: Pika가 8월 14일 오디오 4종(Soundtrack·Music·SFX·Speech)을 공개했습니다. 영상에 맞춰 배경음을 붙이는 Soundtrack, 가사 기반 최장 6분 곡 생성 Music, 자연어 효과음 SFX, 음성 복제까지 되는 Speech 구성입니다.
- 왜 중요: 가격이 관건입니다. 전반적으로 경쟁 대비 최대 20배 저렴하고, Speech는 ElevenLabs v3 대비 9배 싸다고 밝혔습니다. 더빙·쇼츠·설명영상의 오디오 원가를 크게 낮출 수 있습니다.
- 어떻게: 현재 Pika API Club을 통한 API 전용 제공이라, 대량 나레이션이나 자동 더빙처럼 반복 호출이 많은 작업부터 견적을 다시 뽑아보는 게 실익이 큽니다.
3) MOSS-VL — 실시간 영상 이해 오픈모델, 크로스어텐션으로 지연 축소
- 무엇: OpenMOSS가 8월 15일 MOSS-VL 기술보고서(2608.15045)를 냈습니다. 11B 규모의 세 변형(Realtime·Instruct·Base)으로, 시각 인코딩과 언어 추론을 크로스어텐션으로 분리해 영상 스트림 응답 지연을 줄였습니다. 프레임마다 시간 토큰을 앵커로 붙이고 XRoPE로 순간 단위 위치를 짚는 temporal grounding을 넣었습니다.
- 왜 중요: MOSS-VL-Realtime은 들어오는 프레임을 보면서 동시에 답을 생성하고, 근거가 부족하면 답하지 않고 계속 지켜보는 'proactive silence'를 스스로 정합니다. 실시간 영상 Q&A·모니터링을 오픈 가중치로 시도할 수 있습니다.
- 어떻게: GitHub(OpenMOSS/MOSS-VL)와 허깅페이스에 모델이 올라와 있어, 스트리밍 자막·라이브 요약 프로토타입에 붙여 지연과 정확도를 먼저 재보길 권합니다.
오늘 체크: 지금 쓰는 코딩 에이전트의 재시도·검증 스텝 하나만 바꿔 성공률과 토큰을 재보세요.
출처:
https://huggingface.co/papers/date/2026-08-18
https://huggingface.co/papers/2608.15089
https://arxiv.org/abs/2608.15045
https://github.com/OpenMOSS/MOSS-VL
https://huggingface.co/OpenMOSS-Team/MOSS-VL-Realtime
https://www.rundown.ai/tools/pika-audio
https://ai-weekly.ai/newsletter-08-18-2026/
댓글 (0)
아직 댓글이 없습니다.
댓글을 쓰려면 입장하세요.
← 목록