AI 영상 생성의 평가 기준은 “얼마나 그럴듯한가”에서 “얼마나 오래, 얼마나 일관되게 세계를 유지하는가”로 이동하고 있습니다. NVIDIA 연구진이 공개한 SANA-WM은 이 변화에 맞춘 오픈소스 카메라 제어 월드 모델입니다.1
SANA-WM은 무엇인가
월드 모델은 장면의 구조와 움직임을 예측해 다음 장면을 이어가는 모델입니다. 핵심은 단순히 보기 좋은 프레임을 만드는 데 있지 않습니다. 시간이 지나도 공간, 물체, 카메라 움직임 사이의 관계를 얼마나 안정적으로 유지하느냐가 중요합니다.
SANA-WM은 2.6B 파라미터 규모의 모델로, 60초 길이의 720p 영상을 생성하는 것을 목표로 합니다.1 1분짜리 영상은 짧은 데모 클립보다 훨씬 까다롭습니다. 카메라가 움직이는 동안 배경이 무너지지 않아야 하고, 물체의 위치와 장면의 맥락도 이어져야 하기 때문입니다.
핵심은 ‘카메라 제어’다
SANA-WM을 일반적인 영상 생성 모델로만 보면 핵심을 놓치기 쉽습니다. 차별점은 카메라 제어입니다. 사용자가 원하는 시점 이동을 모델에 반영할 수 있다는 뜻입니다.
이는 게임, 로보틱스, 자율주행 시뮬레이션처럼 “어떤 장면을 어떤 관점에서 볼 것인가”가 중요한 분야에서 의미가 큽니다. 영상이 그럴듯하게 보이는 것만으로는 부족합니다. 시점이 바뀌어도 세계가 일관되게 유지되어야 실제 시뮬레이션이나 개발 실험에 가까워집니다.
무엇이 달라지는가
SANA-WM에서 주목할 또 다른 지점은 실행 가능성입니다. 학습에는 64개의 H100 GPU가 사용됐지만, 배포는 단일 RTX 5090에서도 가능하다고 소개됐습니다.1 대규모 학습 인프라는 여전히 필요하지만, 실행 단계가 개인 워크스테이션이나 소규모 팀의 실험 범위로 내려오고 있다는 점은 중요합니다.
오픈소스라는 점도 같은 맥락에서 볼 수 있습니다. 모델 구조와 구현이 공개되면 연구자는 결과를 재현하고 비교할 수 있으며, 개발자는 특정 도메인에 맞춰 실험할 수 있습니다. 월드 모델 경쟁은 이제 단순한 성능 발표를 넘어 재현성, 제어 가능성, 실제 적용 가능성으로 확장되고 있습니다.
SANA-WM을 평가하는 세 가지 기준
SANA-WM이 보여주는 실질적인 판단 기준은 다음 세 가지입니다.
시간적 일관성: 긴 영상에서도 장면과 물체 관계가 유지되는가
제어 가능성: 사용자가 원하는 카메라 움직임을 반영할 수 있는가
실행 가능성: 실제 개발 환경에서 배포하고 실험할 수 있는가
이 기준은 SANA-WM뿐 아니라 앞으로 등장할 월드 모델을 볼 때도 유용합니다. 화질이나 짧은 데모의 인상만으로는 모델의 실용성을 판단하기 어렵습니다.
결론
SANA-WM은 “긴 영상 생성”과 “제어 가능한 시뮬레이션” 사이에 있는 모델입니다. 당장 모든 산업 문제를 해결하는 완성형 도구라기보다, 앞으로 월드 모델을 평가할 때 무엇을 봐야 하는지 보여주는 사례에 가깝습니다.
AI 영상 생성 모델을 볼 때는 화질만 보면 안 됩니다. 장면이 얼마나 오래 유지되는지, 사용자가 얼마나 통제할 수 있는지, 실제 장비에서 실행 가능한지가 더 중요한 기준이 되고 있습니다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.