AI

구글 딥마인드, 정부·기업용 사이버 방어 프로그램 ‘페어윈드’ 공개

구글 딥마인드가 정부 기관과 기업, 사이버 보안 파트너를 대상으로 한 제한적 접근 프로그램 ‘페어윈드(Fairwind)’를 출범했다. 이 프로그램은 구글의 최신 인공지능 모델과 보안 도구를 결합해 취약점을 자동으로 찾고 수정하는 기능을 제공하며, 국가 기반시설과 공공서비스, 기업 시스템의 방어 역량을 높이는 데 초점을 맞췄다.딥마인드는 1일(현지시간) 공개한 글에서 페어윈드가 신뢰할 수 있는 구글 클라우드 고객, 정부 기관, 보안 파트너에게 제공된다고 밝혔다. 첫 단계로는 ‘제미나이 3.8 플래시 사이버(Gemini 3.8 Flash Cyber)’와 코드 수정 도구 ‘코드멘더(CodeMender)’를 함께 활용해 취약점을 찾아내고 검증한 뒤 패치까지 자동으로 수행하도록 지원한다. 회사는 기존에는 수주가 걸리던 수작업 취약점 수정 작업을 몇 분 안에 배포 가능한 형태로 만들 수 있다고 설명했다.구글은 고성능 AI를 보안에 적용하려는 조직들이 그동안 두 가지 선택지 사이에서 어려움을 겪어왔다고 봤다. 대규모 최첨단 모델은 비용이 크고 기업 코드 전반에 적용·통제하기 어렵고, 작은 오픈웨이트 모델은 복잡한 취약점 수정에 한계가 있다는 것이다. 페어윈드는 이런 공백을 메우기 위해 마련됐으며, 조직 내부의 보안·사고 대응·침투 테스트 팀 등으로 접근을 제한하고 다중 인증을 적용하는 등 운영 기준도 함께 요구한다.딥마인드는 현재 전 세계 650개 이상의 파트너가 참여하고 있다고 밝혔다. 다만 구체적인 참여 기관 명단은 공개하지 않았다. 또 구글 클라우드 고객은 페어윈드 대상이 아니더라도 공개 모델과 다른 위협 방어 솔루션을 조합해 코드 보안을 강화할 수 있다고 덧붙였다.이번 발표는 AI를 활용한 공격과 방어 기술이 동시에 고도화되는 가운데, 방어 측이 취약점 발견과 패치 속도를 얼마나 끌어올릴 수 있는지가 핵심 과제로 떠오른 상황에서 나왔다. 구글은 이번 프로그램이 자사 보안 기술과 제로트러스트 아키텍처 경험을 바탕으로 한 광범위한 사이버 회복력 강화 노력의 일환이라고

앤트로픽, 기업용 AI 보안·프라이버시 기능 ‘EFS’ 공개…데이터 보관 없이 오남용 탐지 목표

앤트로픽이 기업 고객을 위한 새 보안·프라이버시 체계 ‘엔터프라이즈 프런티어 세이프가드(EFS)’를 공개했다. EFS는 프롬프트와 대화 기록을 자사 서버에 남기지 않는 ‘제로 데이터 보관(ZDR)’ 원칙을 유지하면서도, 여러 세션과 계정에 걸친 오남용을 탐지할 수 있도록 설계된 것이 특징이다. 다만 현재는 즉시 사용할 수 있는 단계는 아니며, 단계적으로 도입될 예정이라고 회사는 밝혔다.앤트로픽에 따르면 EFS는 모니터링 데이터를 고객이 통제하는 클라우드 인프라에 저장하고, 탐지 기능은 앤트로픽이 맡는 구조다. 데이터의 보관 주체와 암호화 키, 사람의 검토 권한은 고객에게 남겨두는 방식이다. 회사는 이 체계가 규제 산업의 데이터 보관 제한 요구와 보안팀의 오남용 탐지 필요를 동시에 충족하기 위한 것이라고 설명했다.그동안 기업용 AI 도입에서는 이 두 요구가 충돌해 왔다. 규제 대상 조직은 대화 내용이 외부 서버에 남는 것을 꺼렸지만, 보안팀은 계정 탈취나 내부자 악용 같은 위협을 잡아내기 위해 일정 기간 데이터를 축적해 상관관계를 분석할 필요가 있었다. 앤트로픽은 이런 이유로 데이터 보관이 필요하다고 보고, 단일 상호작용만 즉시 분류해 삭제하는 방식으로는 복수 세션과 계정에 걸친 정교한 공격을 잡기 어렵다고 설명했다.회사 측은 EFS를 여러 산업의 고객들과 함께 설계했다고 밝혔다. 금융, 의료, 제조, 통신, 법률, 유통, 공공 부문 고객과 함께 논의했으며, AWS·구글 클라우드·마이크로소프트 애저도 협력에 참여했다. 또 미국의 주요 은행과 대형 기업 보안 책임자들이 참여한 분석·복원력 센터(ARC)와도 협업했다고 전했다. 앤트로픽은 이 설계 과정에서 미국 내 글로벌 시스템 중요 은행과 포춘 100대 기업의 상당수와 논의가 이뤄졌다고 밝혔다.EFS는 최근 공개된 클로드 파이브 5.1과 함께 기업용 기능 강화의 일환으로 소개됐다. 앤트로픽은 이번 버전에서 캐시 읽기 비용을 낮춰 일반적인 작업에서 약 25%, 에이전트 중심 작업에서는 최대 45%까지 비용 절감 효과

구글 딥마인드, ‘제미나이 3.8 플래시’와 보안 특화 버전 공개

구글 딥마인드가 새 인공지능 모델 ‘제미나이 3.8 플래시(Gemini 3.8 Flash)’와 보안 특화 버전 ‘제미나이 3.8 플래시 사이버(Gemini 3.8 Flash Cyber)’를 공개했다. 두 모델은 같은 기반 모델을 공유하지만, 일반 사용자를 위한 배포 범위와 사이버 보안 분야에 한정된 접근 범위가 다르다. 3.8 플래시는 현재 제미나이 API와 구글 AI 스튜디오, 안티그래비티, 안드로이드 스튜디오, 제미나이 엔터프라이즈를 통해 일반 제공되며, 3.8 플래시 사이버는 ‘페어윈드 프로그램(Fairwind Program)’을 통해 승인된 이용자에게만 제한적으로 제공된다.구글은 이번 공개가 단순한 성능 개선보다 ‘사용 목적에 맞춘 접근 통제’에 방점이 찍혀 있다고 설명했다. 3.8 플래시는 3.7 플래시를 기반으로 하며, 104만8,576토큰의 컨텍스트 창과 6만5,536토큰의 최대 출력 길이, 텍스트·이미지·오디오·비디오 입력 지원 등 기본 사양은 유지됐다. 다만 추론 수준 설정에서 기존의 ‘미니멀(MINIMAL)’ 옵션은 지원되지 않으며, 해당 값을 넣으면 API 검증 오류가 발생한다.구글은 3.8 플래시가 복잡한 작업에서 더 많은 추론 단계를 수행하고 도구를 반복적으로 호출하도록 설계됐다고 밝혔다. 그만큼 정확도는 높아질 수 있지만 토큰 사용량도 늘어날 수 있어, 계산 효율이 중요한 업무라면 여전히 3.7 플래시가 더 적합할 수 있다고 안내했다. 새 모델이 모든 작업의 기본 선택지는 아니라는 점을 구글이 직접 인정한 셈이다.성능 평가에서는 장기 소프트웨어 엔지니어링 벤치마크인 DeepSWE v1.1에서 더 큰 규모의 경쟁 모델들보다 높은 성과를 냈다고 구글은 전했다. 또 HLE-Verified에서는 54.9%를 기록했고, 금융 에이전트와 법률 에이전트 관련 벤치마크에서도 기존 3.7 플래시와 다른 프런티어 모델보다 개선된 결과를 보였다고 밝혔다. 다만 금융·법률 항목은 구체적인 절대 점수는 공개되지 않았다.사이버 보안용 3.8 플래시 사이버는 취

엔비디아·크라우드스트라이크, ‘에이전틱’ 사이버보안 시스템 공개

엔비디아와 크라우드스트라이크가 인공지능을 활용한 차세대 사이버보안 시스템을 공개했다. 양사는 9일(현지시간) 미국 라스베이거스에서 열린 크라우드스트라이크 연례 행사 ‘팔콘(Fal.Con) 2026’에서 공격과 방어가 각각 AI 에이전트로 자동화되는 보안 체계 ‘세이프마인드(SafeMind)’를 발표했다. 크라우드스트라이크는 이 시스템이 자사 보안 플랫폼 팔콘(Falcon)에 탑재된다고 밝혔다.젠슨 황 엔비디아 최고경영자(CEO)는 행사에서 “사이버보안이 전환점에 있다”며 “공격이 자동화된 만큼 방어도 자동화돼야 한다”고 말했다. 조지 커츠 크라우드스트라이크 CEO도 “공격자들은 이미 최첨단 AI를 활용하고 있었지만 방어 측은 그렇지 못했다”며 “이제 상황이 바뀐다”고 했다. 양사는 이번 협업이 보안 위협에 대응하는 방식 자체를 바꾸는 시도라고 설명했다.크라우드스트라이크에 따르면 세이프마인드는 엔비디아의 오픈 모델 ‘네모트론(Nemotron)’을 기반으로, 자사 사이버 경험과 위협 데이터를 더해 재학습한 방어 모델과 전용 에이전트 구조를 결합한 시스템이다. 공격과 방어 모델이 서로를 반복적으로 검증하고 개선하는 ‘공동 진화(coevolution)’ 방식으로 작동하며, 이를 통해 고객 환경의 보안을 지속적으로 강화한다는 설명이다. 회사는 이 시스템이 완전한 형태로도 작동하지만, 개별 모델과 하네스(harness·에이전트 실행 구조)만 따로 활용할 수도 있다고 밝혔다.이번 발표는 최근 사이버 공격이 더 빠르고 자동화되는 흐름과 맞물려 나왔다. 크라우드스트라이드는 AI를 활용한 공격이 지난 1년간 89% 증가했고, 가장 빠른 침투 시간은 27초까지 줄었다고 밝혔다. 회사는 인간의 속도로 대응하는 방식만으로는 충분하지 않다며, 방어 측도 AI 기반 자동화가 필요하다고 강조했다.엔비디아는 크라우드스트라이드의 세이프마인드 모델과 하네스를 자사 네트워크를 본뜬 고정밀 사이버 에이전트 환경에서 시험하고 있다고 밝혔다. 이 환경에서는 공격 역할의 에이전트가 취약점을 찾고, 방어

앤트로픽, 클로드 Fable 5.1·Mythos 5.1 공개…과학 벤치마크 성능 개선

앤트로픽이 클로드 Fable 5.1과 클로드 Mythos 5.1을 공개했다. 두 모델은 같은 기반 모델에 서로 다른 안전장치를 적용한 버전으로, Fable 5.1은 일반 사용자와 개발자에게 공개됐고 Mythos 5.1은 검증된 미국 내 조직에만 제한적으로 제공된다. 이번 업데이트에서 가장 눈에 띄는 변화는 과학 연구용 벤치마크 성능 향상과 캐시 읽기 비용 인하다.앤트로픽에 따르면 Fable 5.1은 Terminal-Bench-Science 0.1에서 52.6%를 기록했다. 이는 이전 Fable 5의 24.7%, Opus 5의 29.0%보다 높은 수치다. 다만 회사는 모델별 표준오차가 3.5~4.5포인트 수준이라고 밝혀, 순위보다는 오차 범위를 함께 봐야 한다고 설명했다. 또 Terminal-Bench 4.0에서는 Fable 5.1이 55.8%, Mythos 5.1이 60.9%를 기록했다.가격 정책도 바뀌었다. 기본 입력·출력 가격은 토큰 100만 개당 각각 10달러와 50달러로 유지됐지만, 캐시 읽기 비용은 100만 토큰당 1달러에서 0.25달러로 75% 낮아졌다. 앤트로픽은 이를 통해 일반 작업에서는 약 25%, 에이전트형 작업에서는 최대 45%까지 비용이 줄어들 수 있다고 밝혔다. 배치 처리 요금은 100만 토큰당 5달러와 25달러로 책정됐다.Fable 5.1은 클로드 API와 아마존 베드록, AWS의 클로드 플랫폼, 구글 클라우드, 마이크로소프트 파운드리에서 사용할 수 있다. 반면 Mythos 5.1은 프로젝트 글래스윙 안에서 검증된 미국 조직에만 제공된다. 두 모델 모두 100만 토큰의 컨텍스트 창과 최대 12만8000토큰 출력 한도를 지원하며, 적응형 사고 기능이 기본으로 적용된다.앤트로픽은 일부 기능의 변화와 한계도 함께 공개했다. 병렬 도구 호출은 이전보다 덜 안정적일 수 있고, 저강도 설정에서는 설명을 덜 하거나 메모리에서 직접 답하는 경향이 있다고 밝혔다. 또 세부 수정보다 전체 파일을 다시 쓰는 방식이 더 자주 나타날 수 있다고 설명했다. 콘

오픈AI, 새 모델 ‘Astra’에 강화된 보안 장치 적용…핵심 사이버보안 기준 충족

오픈AI는 새 모델 ‘Astra’가 자사 준비태세 프레임워크(Preparedness Framework)에서 ‘중대한 사이버보안 역량(Critical cybersecurity capability)’ 기준을 충족한 첫 모델이라고 밝혔다. 오픈AI는 이에 따라 Astra의 공개에 앞서 더 강한 안전장치와 보호 조치를 적용했다고 설명했다.이번 발표는 인공지능 모델의 성능이 높아질수록 악용 가능성도 함께 커질 수 있다는 우려 속에서 나왔다. 특히 사이버보안 분야는 AI가 공격 기법을 정교하게 만들거나 취약점 탐색을 돕는 데 쓰일 수 있어, 개발 단계부터 별도의 평가와 통제가 필요하다는 지적이 이어져 왔다. 오픈AI가 이번에 언급한 준비태세 프레임워크는 이런 위험을 사전에 점검하고, 특정 수준 이상의 능력을 가진 모델에는 추가적인 안전 기준을 적용하기 위한 내부 기준으로 보인다.오픈AI는 Astra에 대해 구체적으로 어떤 기능이 포함됐는지, 또 어떤 보안 조치가 적용됐는지는 자세히 공개하지 않았다. 다만 이번 조치로 Astra는 일반적인 모델보다 더 엄격한 보호 아래 배포되는 것으로 알려졌다. 오픈AI는 앞으로도 고성능 모델에 대해 위험 평가와 안전 장치를 강화하겠다는 입장이다.

챗GPT, 의료기관 전자의무기록·산업 데이터 연동 가능해져

오픈AI가 의료기관이 보유한 전자의무기록(EHR)과 추가 산업 데이터를 챗GPT에 연결할 수 있는 기능을 공개했다. 회사는 이를 통해 의료진이 환자 정보와 의학 연구 자료 등을 보다 안전하게 확인할 수 있다고 밝혔다.오픈AI에 따르면 이번 기능은 신뢰할 수 있는 의료 데이터에 챗GPT가 접근할 수 있도록 설계됐다. 의료진은 환자 맥락을 파악하거나 관련 연구를 찾는 과정에서 챗GPT를 활용할 수 있으며, 환자 진료와 관련한 정보 접근성을 높이는 데 초점이 맞춰져 있다.이번 발표는 생성형 인공지능이 의료 현장에 더 깊이 들어가는 흐름 속에서 나왔다. 의료 분야에서는 환자 정보의 정확한 확인과 최신 의학 정보 탐색이 중요하지만, 동시에 민감한 개인정보를 다루는 만큼 보안과 신뢰성 확보가 핵심 과제로 꼽힌다. 오픈AI는 이번 기능이 ‘신뢰할 수 있는’ 의료 데이터와의 연결을 전제로 한다고 설명했지만, 구체적인 적용 범위나 도입 일정은 확인되지 않았다.

구글, 위성 데이터로 메탄 배출원 찾는 딥러닝 모델 공개

구글 리서치가 위성 하이퍼스펙트럴 데이터를 이용해 전 세계 메탄 배출원을 탐지하는 딥러닝 모델을 공개했다. 이 모델은 메탄 플룸(가스 기둥)의 탐지와 강화, 배출원 추정까지 자동화하도록 설계됐으며, 전문가가 표시한 플룸 기준 재현율 84%를 기록했다고 구글은 밝혔다. 구글은 관련 전 세계 플룸 데이터베이스와 학습 모델, 추론 도구도 함께 공개했다.메탄은 100년 기준으로 이산화탄소보다 온난화 효과가 약 30배 큰 강력한 온실가스다. 대기 체류 기간이 비교적 짧아 배출을 빠르게 줄이면 온도 상승 억제에 즉각적인 효과를 기대할 수 있다. 이런 이유로 125개국 이상이 2030년까지 메탄 배출을 30% 줄이기로 한 글로벌 메탄 서약에 참여한 상태다. 다만 실제 감축을 위해서는 폐기물, 농업, 에너지 분야의 소규모 배출원을 정확히 찾아내는 일이 필요하다.구글이 이번에 소개한 모델의 이름은 ‘MAPL-EMIT(Methane Analysis and Plume Localization with EMIT)’다. 국제우주정거장에 탑재된 NASA의 EMIT 관측 장비가 수집한 데이터를 바탕으로, 메탄 배출 흔적을 자동으로 식별하고 배출원 위치를 추정한다. EMIT는 원래 사막 지역의 광물 조성을 관측하기 위해 개발됐지만, 수백 개의 파장 정보를 동시에 기록하는 특성 덕분에 눈에 보이지 않는 메탄의 화학적 신호를 포착하는 데도 활용돼 왔다.구글은 기존의 픽셀 단위 분석 방식과 달리, 이번 모델이 주변 지형과 확산 형태까지 함께 고려하는 비전 트랜스포머 구조를 사용했다고 설명했다. 특히 실제 메탄 플룸 데이터가 충분하지 않은 한계를 보완하기 위해, 물리 기반 시뮬레이션으로 만든 360만 개의 가상 플룸을 실제 위성 장면에 주입해 학습시켰다. 이를 통해 다양한 대기 조건과 지형에서 메탄을 식별하도록 모델을 훈련했다.구글에 따르면 MAPL-EMIT은 약 1,100개 EMIT 관측 장면에서 기존 방식보다 더 많은 플룸을 찾아냈고, 복잡한 환경에서도 성능을 보였다. 예를 들어 세계 상위 메

구글 딥마인드, 제미나이에 ‘에이전틱’ 영상 이해 기능 도입

구글 딥마인드가 제미나이의 영상 분석 기능에 ‘에이전틱(agentic) 영상 이해’ 기능을 도입했다고 밝혔다. 이 기능은 영상 전체를 고정된 방식으로 처리하는 대신, 모델이 필요한 구간을 능동적으로 찾아가며 분석하도록 설계돼 토큰 사용량을 최대 88% 줄이고 비용을 최대 66% 절감할 수 있다고 회사는 설명했다. 정확도는 최대 7% 향상된다고 덧붙였다.이번 기능은 제미나이 3.7 플래시, 3.6 플래시, 3.5 플래시-라이트에 적용되며, 구글 AI 스튜디오와 제미나이 엔터프라이즈 에이전트 플랫폼의 API를 통해 바로 사용할 수 있다. 영상 업로드와 유튜브 영상 분석에 지원되며, 별도의 추가 기능 요금은 없고 기존 제미나이 API 토큰 가격 체계를 따른다.구글은 기존 영상 분석 방식이 초당 일정 프레임 수로 영상을 입력받는 ‘정적 처리’에 가까웠다면, 새 기능은 모델이 프레임과 음성, 자막을 함께 활용해 필요한 순간만 검색·확인하는 방식이라고 설명했다. 이를 통해 긴 강의나 강연, 장시간 녹화 영상처럼 분석 비용이 크게 늘어나는 콘텐츠에서 효율이 높아진다는 것이다. 회사는 서브초 단위 장면 검색, 이상 징후 탐지, 정밀한 수량 계산 같은 활용도 가능해진다고 밝혔다.구글은 이 기능이 개발자가 직접 영상 구간을 반복 탐색하던 과정을 모델이 내부 도구를 활용해 수행하도록 해 개발 부담도 줄인다고 설명했다. 또 초기 접근 파트너들의 시험 결과 성능이 좋았다고 전했지만, 구체적인 외부 검증 수치는 공개하지 않았다.구글은 이 기능을 제미나이 앱의 플래시와 플래시-라이트 모델에도 순차 적용할 예정이라고 밝혔다. 앞으로는 유튜브의 ‘Ask YouTube’ 기능에도 반영해 영상 화면에 근거한 답변 품질을 높인다는 계획이다.

챗GPT 광고, 연간 매출 10억달러 돌파…오픈AI “AI 접근성 확대”

오픈AI는 챗GPT 광고(ChatGPT Ads)가 연간 매출 환산 기준 10억달러를 넘어섰다고 발표했다. 회사는 이 서비스의 글로벌 확장을 통해 무료 및 저가 이용 옵션을 넓히고, 더 많은 이용자가 인공지능을 접할 수 있도록 하겠다고 밝혔다.오픈AI에 따르면 챗GPT 광고는 최근 연간 매출 환산 기준 10억달러의 매출 실행률(run rate)에 도달했다. 매출 실행률은 현재의 수익 흐름이 이어질 경우 1년 동안 예상되는 매출 규모를 뜻한다. 오픈AI는 이와 함께 해당 서비스를 글로벌 시장으로 확대하고 있다고 설명했다.이번 발표는 생성형 AI 서비스의 대중화가 빠르게 진행되는 가운데, 유료 구독 중심의 수익 구조를 넘어 더 넓은 이용자층을 확보하려는 전략의 일환으로 해석된다. 오픈AI는 무료 또는 저렴한 가격의 이용 방식을 통해 AI 접근성을 높이겠다는 입장을 내놨다. 다만 구체적인 국가별 확대 일정이나 광고 상품의 세부 운영 방식은 이번 발표에서 확인되지 않았다.오픈AI는 그동안 챗GPT를 중심으로 개인과 기업 고객을 동시에 겨냥한 서비스를 확대해 왔다. 이번 광고 사업의 성장과 글로벌 확장은 이용자 확대와 수익 다변화를 함께 추진하려는 흐름으로 읽힌다.

오픈AI, 캘리포니아 청소년 AI 안전법안 지지

오픈AI가 캘리포니아주의 청소년 인공지능 안전 강화를 위한 법안 SB 1119를 지지한다고 밝혔다. 회사는 이 법안이 청소년에게 연령에 맞는 AI 안전장치를 강화하면서도, 학습과 창작, 탐색의 기회는 유지하는 방향이라고 설명했다.오픈AI는 최근 공개한 입장문에서 해당 법안이 청소년 보호와 기술 활용의 균형을 맞추는 데 의미가 있다고 평가했다. SB 1119는 청소년이 AI 서비스를 이용할 때 보다 강한 안전 기준을 적용하는 내용을 담고 있는 것으로 알려졌다.이번 지지는 AI 기술이 빠르게 확산되는 가운데, 특히 미성년자 보호를 둘러싼 규제 논의가 미국 각지에서 본격화하고 있는 흐름과 맞닿아 있다. 생성형 AI가 교육과 창작 도구로 활용되는 동시에, 부적절한 콘텐츠 노출이나 과도한 의존 등 우려도 함께 제기되면서 기업과 입법부 모두 안전장치 마련에 관심을 두고 있다.오픈AI는 이번 법안이 청소년의 안전을 높이면서도 AI를 배우고 활용할 수 있는 가능성을 제한하지 않는다는 점을 강조했다. 다만 법안의 구체적인 적용 방식이나 시행 일정 등은 기사에서 확인되지 않았다.

구글 리서치, 다변량 시계열 예측 모델 ‘TimesFM-3’ 공개

구글 리서치가 다변량 시계열 예측을 위한 새 기초모델 ‘TimesFM-3’를 공개했다. 이 모델은 한 번의 추론으로 여러 시계열과 외부 변수를 함께 예측하는 방식으로, 주요 공개 벤치마크에서 기존 예측 모델보다 높은 성능을 보였다고 구글은 밝혔다. 모델은 깃허브와 허깅페이스에 공개됐으며, 빅쿼리 연동은 향후 몇 주 안에 제공될 예정이다.구글에 따르면 TimesFM-3는 3억3,000만 개의 매개변수를 갖고 있으며, 1조 개가 넘는 실제·합성 시계열 데이터로 사전학습됐다. 앞선 버전인 TimesFM과 TimesFM-2.5가 단일 시계열의 과거만을 바탕으로 예측하는 ‘단변량’ 중심이었다면, 이번 모델은 여러 시계열이 서로 영향을 주고받는 ‘다변량’ 상황을 처음부터 고려하도록 설계됐다. 예를 들어 소매업체의 아이스크림 판매를 예측할 때 과거 판매량뿐 아니라 관련 상품 판매, 유동 인구, 날씨, 프로모션, 휴일 같은 정보까지 함께 반영할 수 있다는 설명이다.TimesFM-3는 디코더 전용 트랜스포머 구조를 기반으로 하며, 연속된 데이터 포인트를 32개 단위 패치로 묶어 처리한다. 또 미래에 이미 알려진 변수는 ‘lookahead’ 방식으로 함께 입력해, 휴일이나 예정된 행사처럼 향후 신호를 활용할 수 있게 했다. 구글은 이전 버전이 미래 구간을 한 패치씩 순차적으로 생성해 지연과 오차 누적이 생길 수 있었던 반면, TimesFM-3는 미래 구간 전체를 한 번에 예측하는 방식으로 이를 줄였다고 설명했다. 예측값은 10분위수부터 90분위수까지 9개 분위로 제시돼 불확실성도 함께 보여준다.구글은 Gift-Eval, FEV-Bench, Time 등 3개 공개 벤치마크에서 TimesFM-3를 평가한 결과, 단변량과 다변량 모두에서 기존 공개 기초모델보다 높은 순위를 기록했다고 밝혔다. 특히 다변량 모드에서는 시계열 간 관계와 외부 변수를 활용해 성능이 한 단계 더 개선됐다고 덧붙였다. 다만 실제 산업 현장에서의 성능은 데이터 특성과 적용 방식에 따라 달라질 수 있어, 구체적