← 전체 모델

Kimi-VL-A3B-Thinking-2506

발표일 발표 기관 Moonshot AI

모델 개요

Kimi-VL-A3B-Thinking-2506은 Kimi-VL 시리즈의 멀티모달 시각 언어 추론 모델로, 이미지 이해, 긴 컨텍스트 및 에이전트 작업을 대상으로 한다. 혼합 전문가(MoE) 언어 모델, 원본 해상도 시각 인코더 MoonViT 및 프로젝터를 사용한다. 공식 자료에 따르면 총 파라미터 수는 약 16B이고 매번 약 3B가 활성화되며, 컨텍스트 윈도는 128K tokens이다.(github.com)

기능 및 용도

  • 시각 이해 및 추론: 이미지 질의응답, 차트 이해, 수학적 추론, 문자 인식 및 고해상도 이미지 분석에 사용할 수 있다. 공식 자료에 따르면 이미지 한 장당 약 320만 픽셀을 지원하며, 예를 들면 1792×1792이다.(huggingface.co)
  • 긴 문서 및 동영상: 긴 PDF 이해, 동영상 내용 이해 및 동영상 추론에 사용할 수 있다. 실제 사용 시에는 배포 방식에 따라 문서 페이지나 동영상 프레임을 준비해야 한다.(huggingface.co)
  • 에이전트: 운영체제 인터페이스의 스크린샷을 분석해 인터페이스 요소의 위치 파악과 조작 제안 생성을 지원할 수 있다. 실제 조작을 실행하려면 함께 사용할 에이전트나 도구가 필요하다.(huggingface.co)
  • 배포: 공식적으로 모델 가중치가 공개되었으며, 모델 페이지에는 MIT 라이선스가 명시되어 있고 Transformers와 vLLM 등의 사용 예시가 제공되어 있다.(huggingface.co)

제한 및 주의사항

모델은 잘못된 인식, 추론 또는 조작 제안을 생성할 수 있으므로 중요한 결과는 사람이 확인해야 한다. 긴 사고 출력과 고해상도 시각 입력은 추론에 필요한 자원을 증가시킨다. 공식 예시에서는 일반적인 사고 작업에 대해 최대 32,768개의 출력 tokens를 설정하며, 실제 사용 가능한 길이와 성능은 배포 구성에 따라 달라진다. 공식적으로 일반적인 사고 작업의 온도는 0.8로 설정하고, 인터페이스 위치 파악 작업은 안정성을 높이기 위해 0.2로 설정할 것을 권장한다.(huggingface.co)

가격

2026-11-18 기준으로 공식 중국 내 가격 페이지와 공식 국제 가격 페이지를 확인했으나, 이 모델에 해당하는 공식 호스팅 API의 위안화(CNY) 또는 미국 달러(USD) 가격을 확인하지 못했다. 입력 및 출력 과금 단가 모두 확인되지 않았으며, 다른 모델의 가격을 근거로 추정할 수 없다. 가중치를 직접 배포할 때 발생하는 컴퓨팅 등의 비용은 배포 환경에 따라 달라진다.(platform.kimi.com)

출시일 및 공식 출처