원문 소식, 쉽게 읽기

Microsoft는 2026년 11월 19일 Edge의 내장 언어모델을 Aion Instruct로 바꾸고, 웹사이트에서 이 모델에 요청을 보낼 수 있는 Prompt API의 공개 사이트 시험을 발표했습니다. API는 사이트 코드가 브라우저의 기능을 호출하는 연결 규칙입니다. 모델의 일반 공개, 사이트별 시험, 초기 실험 기능이라는 세 단계가 함께 발표됐으므로 각각의 이용 범위를 나누어 볼 필요가 있습니다. 출처

Aion은 Edge에서 기존 Phi-4-mini를 대신하는 작은 언어모델입니다. 규모는 약 23억 개 매개변수로, 매개변수는 학습한 정보를 모델 안에 담는 수치들을 가리킵니다. Microsoft는 글 생성·요약·지시 따르기·정해진 형식의 답변 같은 웹 작업을 용도로 들었습니다. 공개 가중치도 Hugging Face에서 제공합니다. 작은 모델은 세부 내용을 놓치거나 잘못된 정보를 낼 수 있고 복잡한 추론에 한계가 있다는 점은 Microsoft 모델 카드가 밝힌 조건입니다. 출처 출처

Prompt API를 실제 사이트 방문자에게 시험하려면 개발자가 해당 사이트 주소를 등록하는 origin trial에 참여하고 시험 토큰을 사이트에 적용해야 합니다. 토큰은 등록된 사이트에서 실험 기능을 켜는 표식입니다. 현재 시험 페이지의 종료일은 2027년 4월 18일입니다. 시험 중 기능이 바뀌거나 중단될 수 있고, 이후 영구 기능으로 남을지도 확정돼 있지 않습니다. 따라서 모델 공개와, 방문하는 모든 사이트가 같은 AI 기능을 즉시 제공하는 상황은 구분됩니다. 출처 출처

현재 문서는 Windows 10·11, macOS 13.3 이상, Vulkan GPU 드라이버가 있는 64비트 x64 Linux를 기기 범위로 제시합니다. Linux에는 Edge 159 이상 조건이 붙습니다. GPU 자체 메모리인 VRAM은 3GB 이상, Edge 프로필이 저장된 드라이브의 여유 공간은 20GB 이상이 필요합니다. 20GB는 모델 파일 크기와 구분되는 드라이브 여유 공간 요구량입니다. 모델 다운로드에는 무제한 데이터 요금제 또는 사용량 제한이 없는 연결이 필요하며, 종량제 연결에서는 내려받지 않습니다. 출처

모델은 사이트나 기능이 처음 필요로 할 때 지원 기기에 내려받습니다. 사용자가 설정의 ‘On-device AI’를 끄면 모델을 제거하고 이후 다운로드도 막습니다. 조직 정책으로 모델 다운로드가 차단될 수도 있고, 남은 저장 공간이 5GB 아래로 줄면 브라우저가 모델을 삭제합니다. 개발자 자신의 기기에서 로컬 시험을 하는 경로는 Edge 158 이상과 별도 기능 활성화를 요구합니다. 사이트의 시험 참여, 기기 지원, 모델 다운로드 완료는 서로 다른 확인 단계입니다. 출처 출처

문서는 Prompt API가 모델 입력을 같은 기기에서 처리하고, 그 입력을 AI 학습용으로 수집하지 않는다고 설명합니다. 최초 모델 다운로드 뒤에는 오프라인에서도 사용할 수 있습니다. 한편 이번 발표가 말하는 혼합형 AI는 개발자가 기기 내 모델을 쓰거나 필요에 따라 설정한 클라우드 제공업체를 이용하는 구성입니다. 따라서 로컬 모델 입력의 처리 범위와 사이트가 별도로 보내는 네트워크 요청은 나누어 이해해야 합니다. 출처 출처

함께 소개한 Decisions API는 더 이른 단계입니다. 시험용 Edge 채널인 Canary·Dev에서 개발자 미리보기로 제공되며, 텍스트에 대한 예·아니요, 선택지, 점수 질문의 확률과 신뢰도 값을 한 번의 처리로 반환합니다. 긴 답변 문장을 생성하는 대신 분류에 쓸 값을 얻는 방식입니다. API와 구현은 바뀔 수 있으므로, 공개 사이트용 Prompt API 시험과 같은 단계로 취급해서는 이용 범위를 정확히 이해하기 어렵습니다. 출처

OYOPICK의 시선

브라우저가 공통 모델을 제공하면 사이트마다 별도의 AI 실행 환경을 준비하는 부담을 낮출 가능성이 있습니다. 다만 이용자에게는 모델을 처음 내려받는 시간과 저장 공간, 지원 기기 여부가 경험의 일부가 됩니다. 사이트가 기능을 보여 주기 전에 사용 가능 상태와 다운로드 진행 상황을 명료하게 알려 준다면, 로컬 AI의 장점을 더 많은 사람이 이해하며 사용할 수 있을 것입니다.

또 하나의 판단 지점은 로컬 처리와 클라우드 처리 사이의 선택이 얼마나 잘 보이는가입니다. 기기 안에서 실행되는 모델의 특성을 사이트 전체의 데이터 처리 방식으로 넓혀 받아들이기 쉽기 때문입니다. 앞으로 사이트가 어떤 요청을 어디에서 처리하는지 설명하고, 작은 모델의 답변이나 신뢰도 값도 검토 가능한 형태로 보여 주기를 기대합니다.