읽을 가치가 있는 기사만, 짧고 또렷하게.

시판 LG OLED TV가 소유자와 가정에 관한 데이터를 거의 상시 기록하고 전송하는 사실이 확인되었습니다. 이는 TV가 대기 모드나 인터넷 연결이 해제된 상태에서도 일부 데이터를 수집하는 동작을 지속한다는 내용입니다.

이러한 데이터 수집은 패킷 캡처를 통해 이루어졌으며, 이를 통해 주변의 휴대전화나 스마트워치 탐색 정보, 위치 정보, 그리고 인근 Wi-Fi 네트워크 정보 등이 수집되었습니다.

따라서 사용자가 인지하지 못하는 상태에서도 TV가 주변 환경과 연결된 기기들의 위치 및 네트워크 정보를 감시하고 있다는 점이 드러났습니다. 이는 스마트 기기 간의 데이터 흐름과 네트워크 보안 측면에서 주목할 만한 맥락을 제공합니다.

AI가 공개된 수학 문제들을 비재생적으로 채굴하고 있다는 내용이 논의되고 있습니다. 이는 인공지능이 수학적 지식을 습득하고 활용하는 방식에 대한 근본적인 질문을 던집니다.

이러한 접근 방식은 기존의 수학 문제 풀이 및 연구 방식에 어떤 변화를 가져오는지 이해하는 것이 중요합니다. AI가 공개된 수학 문제들을 무한히 채굴함으로써, 인간이 수학적 발견을 하는 과정과 AI가 지식을 습득하는 과정 사이의 관계가 어떻게 재정립될 수 있는지 탐구하고 있습니다.

개발자 관점에서 볼 때, 이는 AI 모델이 학습 데이터의 출처와 지속 가능성에 대해 고려해야 할 윤리적, 기술적 문제를 제기합니다. 공개된 지식의 채굴이 장기적으로 수학 커뮤니티와 연구에 미치는 영향에 대한 심층적인 분석이 필요합니다.

국제우주정거장(ISS)의 우주비행사가 스타트렉 60주년을 기념하며 프롭 배지를 착용했습니다. 유럽우주국(ESA) 소속의 75번째 탐사 임무 승무원인 소피 아데노(Sophie Adenot)는 이 배지를 착용하며 우주 탐사와 과학의 정신을 기념했습니다.

아데노 승무원은 이 배지가 배우 앤슨 마운트가 파라마운트+ 스트리밍 시리즈인 스타트렉: 스트레인지 뉴 월드(Star Trek: Strange New Worlds)에서 캡틴 파이크 역으로 연기할 때 사용했던 배지임을 밝혔습니다. 이는 우주 탐사와 과학이 호기심과 협력을 바탕으로 더 멀리 나아가고 발견한 지식을 미래를 위한 더 나은 것으로 전환하는 과정임을 강조하는 의미를 담고 있습니다.

이러한 행사는 스타트렉이 60년 동안 가져온 우정과 탐험의 이야기를 기념하는 동시에, 실제 우주 과학과 탐험의 지속적인 노력을 연결하는 상징적인 의미를 가집니다. 파라마운트와 ESA는 이 관련 클립을 인스타그램에 공개하며 이 기념 행사를 공유했습니다.

OpenAI는 화요일에 ChatGPT Images 2.5를 발표하며 새로운 이미지 생성 방식을 추가했습니다. 이 새로운 기능은 사용자가 묘사하고 싶은 이미지를 텍스트 대신 낙서(doodle)로 직접 그리는 방식으로 프롬프트를 제공합니다.

새롭게 추가된 Sketch 기능은 사용자가 채팅창 내에 그림을 그리고 그 스케치를 기반으로 ChatGPT에게 원하는 이미지를 생성하도록 지시할 수 있게 합니다. 사용자는 채팅창에 @Sketch를 입력하여 그림을 그릴 수 있는 창을 열고, 그 스케치를 바탕으로 이미지 생성을 요청할 수 있습니다.

실제로 테스트 결과에 따르면, 사용자는 마우스로 그린 다소 서툰 고양이 낙서를 Sketch 기능을 통해 현실적인 사진으로 변환하는 데 성공했습니다. 또한 이 기능은 이미지의 특정 부분에 직접 댓글을 달 수 있는 기능도 제공하여 이미지 상호작용의 폭을 넓힙니다.

Inception이 가장 뛰어난 생산 모델인 Mercury 2.5를 출시하며, 기존 Mercury 2 대비 품질이 크게 향상되었지만 낮은 지연 시간과 비용 구조를 유지했다는 점이 주목됩니다. Mercury 2.5는 현재 시장에서 훈련된 가장 강력한 확산 언어 모델이며, 지능 면에서 40%의 향상을 보였고 이는 GPT-5.6 Luna(Low)나 Gemini 3.5 Flash-Lite와 같은 비용 최적화된 모델과 비교될 만한 수준입니다.

이 모델은 검색, 음성, 코딩 등 지연 시간에 민감한 워크로드에 최적화되어 있으며, NVIDIA GPU에서 초당 1,107 토큰의 속도를 제공하고 260K 토큰의 컨텍스트를 처리할 수 있습니다. 특히 Mercury 2.5는 추론, 병렬 도구 호출, 스키마 정렬 JSON과 같은 기능을 제공하여 개발자들이 복잡한 애플리케이션을 구축할 수 있도록 합니다.

실제 적용 사례에서 Mercury 2.5는 성능과 효율성을 동시에 개선했습니다. 예를 들어, 코드 압축 작업에서 지연 시간을 82% 줄이고 비용을 90% 절감하면서도 품질을 유지할 수 있었습니다. 또한 음성 에이전트 분야에서는 응답 지연 시간을 170밀리초 미만으로 낮추어 실시간 상호작용에 매우 유리한 환경을 제공합니다.

Mercury 2.5는 Inception API, Baseten 등을 통해 접근 가능하며, 엔터프라이즈 배포를 위한 전용 용량 및 자동 확장을 지원합니다. 개발자들은 이 모델을 활용하여 검색 에이전트나 Voice Agent와 같은 고성능 AI 시스템을 구축할 수 있습니다.

메타가 개인 정보 보호를 내재화한 개인 AI 에이전트인 뮤즈를 출시했습니다. 뮤즈는 오픈클로(OpenClaw)와 인스팅트(Instinct)와 같은 경쟁 제품들과 경쟁하기 위해 설계되었으며, 자동차 판매부터 항공권 예약에 이르기까지 다양한 작업을 수행할 수 있습니다.

이러한 새로운 AI 에이전트의 등장은 개인화된 AI가 단순한 챗봇을 넘어 실제 생활에서 복잡한 작업을 처리하는 방향으로 발전하고 있음을 보여줍니다. 특히 뮤즈는 데이터 프라이버시를 기본 설계 단계부터 고려하여 개인 정보 보호를 핵심 요소로 삼았다는 점에서 기존 AI 서비스와의 차별점을 가집니다.

이는 AI 에이전트 시장에서 사용자 데이터의 보안과 프라이버시가 중요한 경쟁 요소로 부상하고 있음을 시사합니다. 개발자 관점에서 볼 때, 이러한 접근 방식은 AI 시스템을 구축할 때 데이터 보안 및 프라이버시를 어떻게 통합할 것인지에 대한 새로운 기준을 제시합니다.

Bevy에서 애니메이션을 구현하는 방법을 이해하려면 공식 예제를 넘어선 추상적인 개념을 구축하는 것이 필요합니다. 단순히 3D 모델을 불러오는 것을 넘어, 애니메이션이 실제로 어떻게 작동하는지에 대한 정신적 모델을 형성하는 것이 Bevy의 ECS 기반 애니메이션 시스템을 깊이 이해하는 데 중요합니다.

애니메이션을 위해서는 움직일 3D 모델과 재생할 애니메이션이라는 두 가지 핵심 요소가 필요하며, 이를 Bevy에서는 AnimationPlayer와 AnimationGraph라는 두 가지 주요 구조체로 표현합니다. AnimationPlayer는 3D 모델의 애니메이션을 제어하는 역할을 하며, AnimationGraph는 여러 애니메이션을 저장하고 결합하는 데 사용되는 데이터 구조입니다.

이 두 요소를 연결하여 애니메이션을 실행하려면 AnimationPlayer에 AnimationGraph의 핸들을 컴포넌트로 추가해야 합니다. 구체적으로 AnimationGraphHandle은 AnimationGraph에 대한 핸들을 담고 있으며, 이를 통해 AnimationPlayer가 특정 애니메이션 그래프 내의 특정 노드 인덱스를 참조하여 애니메이션을 재생하고 반복하도록 지시할 수 있습니다.

실제 코드 구현에서는 3D 모델의 자식 엔티티들 중에서 AnimationPlayer 컴포넌트를 가진 엔티티를 찾아 AnimationGraph 핸들을 추가하는 과정을 거쳐야 합니다. 이 과정을 통해 모델의 계층 구조에 따라 애니메이션이 올바르게 적용되도록 설정할 수 있습니다.

ARGODRIVE Deltafin 프로젝트는 2조 8천억 개의 파라미터를 가진 Kimi K3 MoE 모델을 SSD에서 스트리밍하여 Apple Silicon 환경에서 구동하는 기술을 선보입니다. 이 프로젝트는 모델의 품질을 희생하지 않으면서 속도를 극대화하는 것을 목표로 하며, K3의 모든 토큰에 대해 16명의 전문가와 전체 모델이 유일한 권위를 갖도록 설계되었습니다.

Deltafin은 Kimi K3 전체를 실행하는 단일 네이티브 바이너리이며, 모델을 가지치기하거나 생략하지 않고 모든 전문가와 목표를 유지합니다. 이러한 접근 방식은 대규모 모델을 구동하는 데 필요한 극단적인 제약 조건 속에서 효율성을 최대한 끌어내는 실험의 성격을 지닙니다. Kimi K3는 16개의 노드와 약 4.8TB의 VRAM을 요구하는 거대한 인프라를 필요로 하므로, 이를 소비자 하드웨어에서 실행하는 것은 매우 어려운 도전입니다.

최신 벤치마크 결과에 따르면 M1 Max 노트북에서 0.2901 토큰/초의 속도를 달성했으며, 이는 이전 업데이트 대비 1.9% 향상된 처리량을 기록했습니다. 이는 Deltafin이 효율성을 높이면서도 Kimi K3의 고유한 품질을 보존하는 데 성공했음을 보여줍니다.

이 연구는 단순히 기술적 성과를 넘어, 소비자 하드웨어의 한계를 어디까지 밀어붙일 수 있는지 탐구하는 데 중점을 둡니다. Deltafin은 Kimi K3의 가중치와 아키텍처를 제공한 Moonshot AI 및 기타 커뮤니티 기여를 기반으로 하며, 성능 측정 방법과 설정에 대한 상세한 참조 자료를 제공합니다.

국립보건원(NIH)이 국방부(DoD) 연구 자금으로 예산을 사용하기로 합의했다는 소식이 알려졌습니다. 국방부는 이 합의에 따라 NIH 예산의 일부를 국방부 연구에 사용하게 되었으며, 이는 현재 NIH 지도부가 명시적으로 거부했던 연구 분야에 자금이 사용될 예정이어서 주목받고 있습니다.

이 협정에 따라 NIH는 국방부에 자금을 이전하여 팬데믹 인플루엔자, 화학, 생물학, 방사능, 핵(CBRN) 위협 및 신종 감염병에 대한 의료 대응 능력을 지원하는 인력과 프로젝트에 사용하게 됩니다. 이 자금은 의회에서 2026년 기준으로 66억 달러가 할당된 NIAID(감염병 및 알레르기 국립연구소) 예산에서 나옵니다.

합의 기간은 10년으로 설정되었으나, NIAID 예산 중 국방 프로젝트에 얼마나 많은 부분이 사용될지는 아직 명확히 밝혀지지 않았습니다. 국방부 예산이 이란과의 분쟁으로 인해 상당한 압박을 받고 있고, NIH가 의회가 할당한 자금을 사용하기 위해 충분한 보조금을 발급하는 데 어려움을 겪고 있는 상황에서 이러한 협약이 이루어졌다는 점은 예산 불균형과 관련하여 중요한 맥락을 제공합니다.

최고법원은 방송사들이 선거 광고 가격을 대폭 할인하여 정치 정당 및 공동 기금 모금 위원회에 판매하도록 명령하는 판결을 내렸습니다. 이 결정은 공화당 캠페인 위원회와 상원 후보자 연합 위원회 등이 제기한 청원에 대한 대응으로 나왔습니다.

이 명령은 선거 기간을 앞두고 방송사들이 개별 후보자에게 광고 할인을 제공해야 하는 법적 의무가 시작되기 전에 내려졌습니다. 이에 따라 방송사들은 기금 모금 및 지출에 제한이 덜 적용되는 정치 정당과 공동 기금 모금 위원회에게도 가장 낮은 광고 요율을 적용해야 합니다.

법적으로 요구되는 이 할인은 ‘최저 단위 요금(LUC, lowest unit charge)’으로 알려져 있습니다. 이는 선거 광고에 관한 미국 법률에 따라, 공직 후보자로서 캠페인과 관련하여 방송국을 이용하는 모든 사람에게 가장 낮은 가격을 부과하도록 규정하고 있습니다.

이 판결의 핵심 쟁점은 정당 및 공동 기금 모금 위원회가 후보자를 대신하여 구매한 광고 시간 사용이 법에서 요구하는 ‘사용’에 해당하는지에 대한 해석이었습니다. 이 결정은 선거 광고 비용 책정 및 방송 규제에 대한 법적 기준을 재정립하는 데 중요한 선례를 남겼습니다.

Google DeepMind가 인간 유전체에 대한 방대한 분석을 담은 AlphaGenome Atlas를 공개했습니다. 이 데이터베이스는 이해하기 어려운 비코딩 DNA 영역까지 탐색할 수 있도록 인간 유전체에서 발생 가능한 90억 개의 단일 염기 변화가 조절하는 영향을 미리 계산한 데이터입니다.

AlphaGenome Atlas는 인간 유전체 전체를 기반으로 하며 1페타바이트에 달하는 데이터셋을 포함하고 있어 대규모 유전체 분석에 활용될 수 있습니다. 연구자들은 이 데이터셋을 빠르게 조회할 수 있으며, 계산된 결과를 바탕으로 AVI 점수를 활용하여 유전자 조절 메커니즘을 분석할 수 있습니다.

이러한 데이터베이스는 복잡한 유전체 변화의 조절 영향을 사전에 계산함으로써, 개발자와 연구자들이 유전체 데이터의 복잡성을 더 효율적으로 탐색하고 새로운 생물학적 통찰을 얻는 데 도움을 줄 것입니다.

메타의 개인 AI 에이전트인 Muse의 기능과 역량에 대한 내용이 다루어졌습니다. Muse는 사용자의 개인화된 경험을 제공하기 위해 설계된 AI 에이전트로, 개발자들에게는 이러한 개인화된 AI 시스템이 어떻게 구현되고 어떤 기능을 제공하는지에 대한 중요한 참고 자료가 될 수 있습니다.

이 기사는 Muse가 제공하는 구체적인 기능과 잠재적인 역량에 초점을 맞추고 있습니다. 개발자 관점에서 중요한 것은 Muse가 어떻게 사용자 데이터를 처리하고 개인화된 상호작용을 생성하는지 이해하는 것입니다. 이는 향후 AI 에이전트 시스템을 구축할 때 개인화 및 맥락 인지 기능을 통합하는 데 중요한 사례를 제공합니다.

현재 제공된 자료에는 Muse의 상세한 기능이나 기술적 구현에 대한 구체적인 정보는 포함되어 있지 않습니다. 따라서 이 기사를 통해 개발자들은 Meta가 개인 AI 에이전트 분야에서 어떤 접근 방식을 취하고 있는지에 대한 전반적인 맥락을 파악할 수 있습니다.

Muse와 같은 개인화된 AI 에이전트의 발전은 사용자 경험을 혁신하는 동시에, AI 시스템이 개인의 맥락을 깊이 이해하고 능동적으로 작업을 수행하는 방향으로 발전하고 있음을 보여줍니다. 개발자들은 이러한 개인화된 AI 시스템이 향후 소프트웨어 설계에 미칠 영향을 고려해야 합니다.

삼성전자와 TSMC를 포함한 주요 칩 제조사들이 ASML의 최신 칩 제조 장비를 도입할 계획을 발표하고, 새로운 기술 변화에 동의했습니다. 이들은 또한 인텔과 함께 중요한 기술 변화에 합의했는데, 이는 새로운 장비에서 칩 생산량을 40퍼센트 향상시킬 수 있는 변화입니다.

이는 최대 4억 달러에 달하는 비용이 드는 고NA EUV 포토리소그래피 기술을 업계가 광범위하게 수용하고 있음을 의미합니다. ASML이 제공하는 이 기술은 칩 설계자가 AI 데이터 센터 및 스마트폰, 태블릿 등에서 사용되는 차세대 칩에 더욱 작고 효율적인 기능을 구현할 수 있도록 합니다.

EUV(극자외선) 리소그래피 장비는 레이저 빛을 사용하여 실리콘 웨이퍼에 패턴을 새기는 기술이지만, 더 작은 특징을 구현하기 위해서는 더 강력한 광원과 더 짧은 파장의 빛을 찾는 것이 필수적입니다. 따라서 이러한 기술 변화는 칩 제조 과정의 생산성을 높이는 동시에, 차세대 반도체 기술의 발전 방향을 제시하고 있습니다.

함수 인수가 함수 색상(Function Colors)이 될 수 없다는 주장이 제기되었습니다. 함수 인수가 변경 사항을 모든 호출 함수에 강제적으로 전파한다는 '색상' 개념은 실제 프로그래밍 환경에서 관찰되는 방식과 다르다는 것입니다.

이러한 '색상' 개념은 함수 내의 변경이 호출 스택 전체에 걸쳐 불가피하게 영향을 미쳐 모든 함수가 그 변화에 반응해야 한다는 것을 의미합니다. 그러나 실제로는 함수들이 변경을 가로채고 캡슐화하여 상위 함수들이 변화를 보지 않도록 막는 경우가 대부분입니다. 예를 들어 Go 언어의 context 값은 함수가 변경되어도 다른 함수가 context.Background()을 통해 정상적으로 호출될 수 있음을 보여주며, 이는 변경이 스택 전체로 강제되지 않는다는 것을 입증합니다.

구조화된 프로그래밍이 이러한 변경 격리(Change Isolation)를 가능하게 하듯이, 함수들은 하위 함수의 세부 사항을 상위 함수로부터 분리할 수 있습니다. 따라서 함수 인수가 호출 스택 전체에 걸쳐 변경을 강제하는 '색상'이 되기 위해서는 중간 호출들을 건너뛰고 모든 함수에 변화를 강제해야 하는 특성을 가져야 합니다.

결론적으로, 함수 인수가 중간 호출을 건너뛰고 모든 함수에 변화를 강제하는 특성을 갖는다는 점이 '색상'의 필수 조건이며, 이는 실제 언어 설계에서 허용되지 않는다는 주장입니다.

메타는 AI를 대중에게 보급하기 위해 개인 비서 AI 에이전트인 Muse를 통해 또 다른 노력을 하고 있습니다. 이 제품은 AI를 누구나 쉽게 사용할 수 있도록 하는 것을 목표로 하며, 회사의 AI 경쟁력 회복을 위한 수십억 달러 규모의 전략 개편의 최신 단계입니다.

이러한 전략은 OpenAI, Anthropic, 구글과 같은 경쟁사들 사이에서 메타의 AI 위치를 되찾고 경쟁에서 뒤처진 상황을 만회하기 위해 설계되었습니다. Muse는 온라인 쇼핑, 이메일 발송, 여행 계획과 같은 일상적인 작업을 돕는 데 중점을 둔 개인 AI 에이전트입니다.

Muse는 사용자가 목표를 제시하면 스스로 작업을 수행할 수 있도록 설계되었습니다. 구체적으로 Muse는 브라우저를 열고, 양식을 작성하며, 심지어 사용자 대신 협상까지 진행하는 등 자율적인 행동을 할 수 있는 능력을 갖추고 있습니다.

메타가 새로운 개인 AI 에이전트인 뮤즈(Muse)를 출시했습니다. 이 에이전트는 사용자 데이터를 기반으로 작동하며, 이 과정에서 사용자의 이메일, 캘린더, 결제 정보, 건강 서비스 등 민감한 정보에 접근할 수 있는 권한을 요구합니다.

이번 움직임은 메타의 가장 큰 소비자 AI 투자 시도가 사용자들의 데이터 신뢰도를 시험하는 주요 테스트가 되고 있습니다. 뮤즈가 광범위한 개인 정보에 접근하도록 설계된 것은 사용자들이 메타에 자신의 데이터를 계속 신뢰하는지에 대한 근본적인 질문을 던집니다.

따라서 사용자들은 메타가 제공하는 새로운 AI 기능이 데이터 프라이버시와 어떻게 균형을 이루는지에 대해 주의 깊게 살펴볼 필요가 있습니다. 이는 AI 기술 발전과 개인 데이터 보호 사이의 관계에 대한 중요한 논의를 촉발합니다.

다카시 야마자키 감독의 기대작 속편 영화 <고질라 미너스 제로>가 공개되며 큰 관심을 받고 있습니다. 이 영화는 2023년 작품의 사건으로부터 2년 후의 이야기를 다루고 있습니다.

토호는 이번에 IMAX 트레일러를 공개했는데, 이 트레일러에는 사랑받는 고질라뿐만 아니라 세 개의 머리를 가진 킹 고도라의 모습을 암시하는 독특한 포효가 담겨 있습니다. 이는 영화의 주요 위협 요소 중 하나인 킹 고도라의 등장을 예고하며 관객들의 기대를 높이고 있습니다.

이전 작품인 <고질라 미너스 원>은 제2차 세계대전 당시 일본 도쿄 폭격에서 살아남은 경험을 통해 죄책감에 시달리는 폭격기 조종사 코이치 시키시마의 이야기를 중심으로 전개되었습니다. 코이치는 고질라와의 싸움에서 복수를 다짐하며 새로운 삶을 시작하지만, 고질라가 다시 등장하면서 그의 운명은 더욱 복잡해집니다.

메타는 페이스북과 인스타그램에서 아동 성적 학대물(CSAM)을 포함하는 광고를 제거하는 데 오랜 시간이 걸렸습니다. 이 광고들은 실제 아이들의 사진을 사용하여 생성된 인공지능(AI) 콘텐츠를 포함하고 있었습니다.

테크 투명성 프로젝트(TTP)의 조사에 따르면 메타는 올해 CSAM이 포함된 332개의 광고를 탐지하지 못했습니다. 이 광고들 중 다수는 중국에서 개발된 AI 앱을 홍보하거나, 아동 이미지를 디지털로 변형하기 쉽게 만드는 소위 ‘nudify’ 앱을 홍보하는 내용이었습니다.

조사 결과, 이러한 광고들은 실제 아동 사진과 연결되어 있었으며, AI를 통해 사진을 성적인 영상으로 변형하거나 학대 상황을 연출하는 등 매우 심각한 내용을 담고 있었습니다. 법무부는 AI로 생성된 CSAM이 기존 CSAM만큼이나 해롭다고 명확히 밝혔습니다.

이러한 사건은 AI 기술이 아동 콘텐츠에 미치는 위험성과 플랫폼의 책임에 대한 중요한 논의를 제기합니다. 메타가 이러한 위험한 콘텐츠를 제거하는 데 실패한 배경과 AI 기반 이미지 변형 앱의 확산에 대한 맥락을 이해하는 것이 중요합니다.

OpenAI는 약 90년간 미해결 상태였던 3차원 유체의 매끄러움 문제에 대한 해석적 증명과 Lean 형식화를 공개했습니다. 이 연구는 매끄러운 외력이 작용하는 정지 상태의 유체에서 유한 시간 안에 특이점이 발생하는 구성을 통해 공식 문제의 C·D를 입증했다는 내용입니다.

이는 수학적으로 매우 중요한 성과로, 유체 역학의 근간이 되는 나비-스토크스 방정식과 관련된 미해결 난제를 형식적인 증명 방법으로 해결했다는 의미를 가집니다. 특히, 해석적 증명과 Lean 형식화를 통해 복잡한 물리적 시스템의 존재론적 속성을 엄밀하게 입증하는 데 AI와 형식 수학이 어떻게 활용될 수 있는지 보여줍니다.

이러한 접근 방식은 단순히 해답을 찾는 것을 넘어, 복잡한 물리 현상을 형식적인 논리 체계 내에서 다루고 증명하는 새로운 방법론을 제시합니다. 앞으로는 AI와 형식 수학이 미해결된 난제들을 해결하고 새로운 수학적 발견을 이끌어내는 데 중요한 도구가 될 수 있을 것으로 기대됩니다.

OpenAI가 이미지 생성 모델에 대한 새로운 세대인 ChatGPT Images 2.5를 공개하며 이미지 품질과 생성 속도, 편집 정밀도를 대폭 개선했습니다. 이 새로운 모델은 더 선명한 디테일과 풍부한 질감을 제공하며, 참조 사진에서 피사체를 더 잘 보존하고 편집 지침을 여러 차례에 걸쳐 더 안정적으로 따를 수 있게 되었습니다. 특히 이미지 생성 지연 시간을 최대 50%까지 줄여 창작 워크플로우를 더욱 빠르게 만들었습니다.

ChatGPT 내에서는 사용자가 스케치 기능을 통해 직접 그림을 참고하거나 템플릿을 사용하여 작업 시작을 용이하게 하고 이미지에 직접 댓글을 달아 편집할 수 있는 기능이 추가되었습니다. 이는 사용자가 창작 과정에 더 많은 통제권을 갖도록 돕습니다.

개발자를 위한 API에서는 성능과 정밀도에 따라 두 가지 새로운 모델이 도입되었습니다. GPT-Image-2.5 Flare는 품질, 편집, 속도 면에서 개선된 성능을 제공하며, GPT-Image-2.5 Sunburst는 더 긴 생성 시간을 통해 세밀한 창작 작업을 위한 추가적인 정밀도를 제공합니다. 이러한 모델들은 참조 기반 워크플로우에서 일관성을 유지하고 복잡한 시각적 지침을 더 정확하게 반영할 수 있도록 설계되었습니다.

또한, Images 2.5는 C2PA 메타데이터와 보이지 않는 워터마킹을 통해 안전성을 강화하며, 이는 유해한 결과물을 방지하기 위한 안전장치에 기반합니다. 이 모델들은 데스크톱, 모바일, 웹 사용자뿐만 아니라 ChatGPT Work 및 Codex 사용자에게도 제공되며, API를 통해 접근하여 개발자들이 고품질의 이미지 생성 기능을 통합할 수 있게 합니다.