← 블로그로
Ai약 12 분 읽기

Pangram, AI 이미지·영상 탐지 모델 공개…DF26에서 98.7%

게시일 2026년 11월 11일
Pangram, AI 이미지·영상 탐지 모델 공개…DF26에서 98.7%

Pangram이 11월 4일 컴퓨터 비전 모델 두 개를 내놨다. Pangram Image 1.0은 AI 생성 이미지를 탐지한다. Pangram Image Flash 1.0은 더 작고 빠른 동생으로, AI 생성 영상을 프레임 단위로 훑어 어느 부분이 생성기에서 나왔는지 짚는 게 임무다.

이번 출시로 히트맵 출력, 영상 네이티브 업로드, 크롬 확장, 이미지와 영상 모두의 API 접근이 추가됐다. X에서 회사는 Image 1.0이 AI 생성 이미지의 99.2%를 식별하고 오탐률은 0.27%라고 밝혔다.

이 두 숫자는 슬라이드에 올릴 수 있는 종류다. 동시에 각주를 읽어야 하는 종류다.

99.96%는 어떻게 측정했나

이미지 평가에서 Pangram은 실제 사진 100장을 준비하고 12종의 이미지 생성기로 합성 쌍둥이를 만들었다. 프롬프트는 원본 사진에 최대한 맞춰 작성됐고, 1,200장의 합성 이미지가 나왔다. 이 세트에서 Image 1.0의 정확도가 99.96%라고 회사는 보고한다.

특정 질문 하나에 대해 잘 설계된 테스트다. 실제 사진마다 같은 장면과 피사체의 합성판이 있으니, 모델이 '해변 사진은 진짜, 제품 사진은 가짜'라고 배워서 속일 수 없다. 픽셀을 봐야 한다.

열린 인터넷에 모델을 들이대면 어떻게 되는지의 테스트는 아니다. Pangram도 그렇게 말한다. 이 수치는 실제와 합성을 짝지은 이 조건에서의 성능이며, 온라인에서 마주치는 모든 이미지에 대한 보편적 정확도가 아니라고.

이 구분은 들리는 것보다 중요하다. 탐지기의 실전 오류 프로파일은 테스트 세트에 넣을 생각을 못 한 이미지가 지배한다. 스크린샷의 스크린샷, 메신저 앱 세 개를 거친 이미지, 오래된 JPEG, 인화물 스캔, 워터마크 띠가 있는 것, 테스트 세트를 고정한 뒤에 나온 생성기의 출력. 깨끗한 실제 사진 100장 미러 세트로는 그중 아무것도 측정할 수 없다.

0.27%라는 오탐률이 두 헤드라인 숫자 중 더 흥미롭다. 오탐은 사람을 몰아가는 쪽이기 때문이다. 0.27%면 실제 이미지 약 370장 중 한 장이 플래그된다. 하루에 몇 장을 확인하는 뉴스룸에는 감당할 수 있는 검토 대기열이다. 1억 건의 업로드를 훑는 플랫폼에는 25만 명이 억울하게 지목된다. 그래서 그 규모에서는 아무도 단일 분류기에 의존하지 않는다.

영상 숫자가 더 불안하다

영상 벤치마크가 이번 출시의 불편한 지점이다.

Pangram은 Flash 1.0을 DF26으로 평가했다. DF26은 2026년 9월 7일 제출된 프리프린트에 설명된 벤치마크다. 실제 영상 271편과 7종의 현대적 영상 모델이 만든 합성 영상 2,420편을 담는다. 내용은 의도적으로 좁고 의도적으로 어렵다. 카메라를 보고 직접 말하는 한 사람, 공식 성명, 스튜디오 인터뷰. 실제로 피해를 만드는 딥페이크 형식이다. 시청자가 그 사람을 진짜라고 전제하는 형식이니까.

벤치마크 저자들은 사람도 최신 딥페이크 탐지기도 거의 우연 수준이었다고 보고한다. 그리고 현대 생성기로 인한 분포 이동에 대한 견고성을 명시적으로 시험하는 평가를 요구한다.

이 결과는 잠시 머리에 담아둘 만하다. 거의 우연이란 수고를 들인 동전 던지기다. 탐지기는 잘 만들어졌다. 구세대 가짜로 학습하고 평가했고, 새 생성기는 같은 흔적을 남기지 않는다. 턱선 주변의 일그러짐을 찾도록 배운 탐지기는 턱선이 일그러지지 않으면 쓸모가 없다.

Pangram은 Flash 1.0이 DF26에서 98.7%를 기록해 차점 탐지기보다 29포인트 앞선다고 말한다. 독립 재현이 된다면, 이전 세대 도구를 부수기 위해 설계된 벤치마크에서 큰 격차다. 동시에 회사가 고른 벤치마크를 자사 하네스로 측정한 회사 보고 수치이기도 하다. 정직한 입장은 '유망하나 미검증'이다.

제품이 실제로 하는 일

기능 목록이 마케팅보다 정보량이 많다.

히트맵 출력은 이미지 안 합성 소재의 위치를 짚는다. 흔한 실제 사례에 중요한 기능이다. 완전히 생성된 이미지가 아니라 실제 사진에 생성 요소 하나가 끼워 넣어진 경우, 또는 실제 이미지 위에 생성 영역이 덧칠된 경우다. 거기서 예/아니오 라벨은 쓸모없다. 히트맵은 편집자에게 어디를 봐야 하는지 알려준다.

영상 네이티브 업로드는 대시보드 안에서 프레임별 분석을 돌려 영상의 어느 부분이 플래그되는지 보여준다. 2분짜리 클립이면 판정이 아니라 의심의 타임라인이 나온다. 사람 검토자에게는 그게 맞는 출력이다.

크롬 확장은 SNS, 쇼핑, 임대 사이트의 AI 생성 소재에 플래그를 단다. 마지막 범주가 사람의 돈을 잃게 만든다. 임대 매물 사진은 생성 이미지가 누군가의 실제 돈을 잃게 하는 전형적인 장소다.

7월 프리뷰에서 무엇이 바뀌었나

2026년 7월 29일 리서치 프리뷰는 512×512 픽셀 이상 이미지만 받았고, 딥페이크와 얼굴 교체를 확신 있게 탐지할 수 없는 사례로 명시했다. 정직한 한계이자 큰 구멍이었다. 얼굴 교체가 가장 흔한 유해 사례이기 때문이다.

버전 1.0은 딥페이크, 저해상도 이미지, 프런티어 생성 모델에서 성능이 개선됐다고 주장한다. 최소 입력은 256×256이 됐고, 512 미만에는 신뢰도 저하 안내가 붙는다. 새 모델은 압축, 축소, 블러, 노이즈 같은 변환을 탐지하도록 학습했다고 회사는 말한다. SNS 플랫폼이 가한 것이든 탐지를 피하려는 주체가 가한 것이든.

마지막 문장이 많은 일을 한다. 실전 AI 이미지 대부분은 플랫폼 하나에서 최소 한 번 재압축된 뒤에 도착한다. 무결한 PNG에서만 작동하는 탐지기는 실험실 기구다.

접근성도 넓어졌다. 프리뷰에서는 이미지 API가 초대제였고 대시보드 영상 입력은 향후 지원으로 적혀 있었다. 지금은 둘 다 있다.

아무도 풀지 못한 구조적 문제

탐지는 한쪽만 반복할 수 있는 분류 문제다. 생성기가 좋아질 때마다 흔적의 분포가 움직이고, 옛 분포로 학습한 탐지기는 정확도를 잃는다. 방어자는 계속 이겨야 한다. 공격자는 문제가 되는 한 장에서 한 번 이기면 된다.

그 격차를 메우려고 C2PA 같은 출처 표준이 나왔다. 카메라 촬영에 붙는 암호 서명은 픽셀에 대한 통계적 추측과 종류가 다른 주장이다. 서명은 떼어낼 수 있지만, 존재할 때 그것은 확률이 아니다.

두 접근은 경쟁이 아니라 보완이다. 출처는 '어디서 왔는지 아는가'에 답한다. 탐지는 '생성돼 보이는가'에 답한다. 뉴스룸도 플랫폼도 둘 다 원하고, 어느 하나로는 충분하지 않다.

Pangram의 주장은 요컨대 탐지는 풀린 문제가 아니며, 연구 데모가 아니라 히트맵과 API를 갖춘 제품으로 팔아야 한다는 것이다. 합당한 사업이다. 99.2%라는 숫자가 미팅을 잡아줄 것이다. DF26의 98.7%야말로 벤치마크 하네스와 새 생성기를 가진 누군가에게 세부까지 추궁받아야 할 숫자다.

이걸 쓰는 사람을 위한 실용적 각주

탐지기가 '이 이미지는 AI 생성'이라고 하면 단서가 생긴다. '이 이미지는 진짜'라고 해도 아무것도 얻지 못한다. 이 비대칭은 문제에 내장돼 있고 어떤 정확도 수치도 바꾸지 못한다. 0.27%라는 오탐률은 한 방향으로 얼마나 창피해질지를 알려준다. 좋은 가짜를 얼마나 놓치는지는 발표 어디에도 없다. 그 숫자는 언제나 더 나쁘다.

그러니 분류 도구로 쓰고, 히트맵은 남기고, 판정과 함께 모델 버전을 기록하고, 주요 생성기가 나올 때마다 평가를 다시 돌릴 각오를 하라. 탐지기 정확도의 반감기는 몇 달 단위다.

관련 글