모델 디렉터리

최신 AI 모델

새롭게 출시된 모델을 발표일 순서로 살펴보세요.

최신 발표순7개 언어
초기화

239 개 모델

최신 발표순
Alibaba

Wan3.0-Video

Alibaba의 Wan 계열 올인원 영상 생성 모델이다. 텍스트, 이미지, 오디오, 영상, 문서와 공개 웹페이지를 입력받아 영상을 생성한다. 텍스트→영상, 이미지의 첫 프레임 또는 첫·마지막 프레임→영상, 참조 자료 기반 생성을 지원한다. 음성·배경음·효과음 생성과 음향 켜기/끄기, 영상 편집 및 연장도 지원한다. (docs.qwencloud.com) 영화…

ByteDance

SeedRealtime

SeedRealtime은 오디오·비디오·텍스트를 하나의 아키텍처에서 결합하는 실시간 시청각 전이중 대형 모델이다. 연속적인 멀티모달 입력을 처리하면서 보고, 듣고, 말하는 상호작용을 지향한다. 공식 출시일은 2026년 8월 5일이다. (seed.bytedance.com) 시청각 공동 이해: 화면, 소리, 시간 정보를 함께 활용해 장면과 사용자 의도를 파악하…

Tencent

Hunyuan3D-Buffalo 1.0

Hunyuan3D-Buffalo 1.0은 3D 생성, 이해, 편집을 하나의 파이프라인에서 수행하도록 설계된 통합 멀티모달 연구 프레임워크다. 공유 Hunyuan3D-VLM 백본과 Hunyuan3D DiT 생성 모듈을 결합한다. (tencent-hunyuan.github.io) 3D 이해: 3D 객체에 관한 질문에 답하고, 언어 지시에 따라 객체 내 위치나…

Alibaba

Qwen-Image-3.0

Qwen-Image-3.0은 이미지 생성과 편집을 위한 표준 모델이다. Pro 모델보다 속도와 품질의 균형을 중시하며, 포스터·웹페이지·UI 등 일상적인 콘텐츠 제작에 적합하다. 공식 모델 출시 기록의 날짜는 2026년 8월 4일이다. (docs.qwencloud.com) 텍스트와 이미지를 입력받아 이미지를 생성하며, 텍스트 기반 생성과 이미지 기반 생성·…

Alibaba

Qwen3.8-Max

Qwen3.8-Max는 Alibaba가 2026년 8월 3일 발표한 Qwen 계열의 멀티모달 플래그십 모델이다. 총 2.4조 개의 파라미터를 가진 희소 전문가 혼합(MoE) 아키텍처를 사용하며, 발표 당시 코딩, 업무, 연구 및 장기 작업을 위한 모델로 소개됐다. 공식 발표 (alibabacloud.com) 텍스트, 이미지, 동영상을 입력받아 텍스트를 출력…

ByteDance

Seed-Evolving

Seed-Evolving은 Agent와 코딩을 위해 설계된 Seed 계열 심층 추론 모델이다. 하나의 모델 ID로 자동 업데이트되는 최신 버전을 호출한다. (docs.volcengine.com) 복잡한 작업의 구성과 장기 계획, 코드 생성, 도구 호출을 지원한다. 개발 작업, 심층 조사, 업무 흐름 자동화에 활용할 수 있다. 공식 발표에 따르면 1M 토큰의…

MiniMax

MiniMax H3

MiniMax H3는 텍스트·이미지·영상·오디오로 구성된 문맥을 이해하고, 네이티브 스테레오 사운드가 포함된 영상을 생성하는 범용 멀티모달 모델이다. 2026년 7월 31일 출시됐다. (minimax.io) 텍스트 또는 이미지에서 영상을 생성하고, 첫 프레임·마지막 프레임과 이미지·영상·오디오 참조 소재를 활용할 수 있다. 복잡한 지시 이행, 텍스트·브랜드…

ByteDance

Seedance 2.5

Seedance 2.5는 오디오와 영상을 함께 생성하는 멀티모달 영상 제작 모델이다. 기본 생성과 참조 기반 생성에 중점을 두며, 긴 서사 구성과 영상 편집을 지원한다. 공식 발표일은 2026년 7월 31일이다. (seed.bytedance.com) 한 번에 최대 30초 분량의 오디오·영상 클립을 생성하고, 여러 차례 연장해 더 긴 콘텐츠를 만들 수 있다.…

DeepSeek

DeepSeek-V4-Flash

DeepSeek-V4-Flash-0731은 DeepSeek-V4-Flash 프리뷰를 대체한 정식 모델로, 빠르고 효율적인 추론 및 에이전트 작업을 지향합니다. 프리뷰와 모델 구조 및 크기는 같으며 후학습을 다시 수행했습니다. 2026년 7월 31일 공식 API 공개 베타가 시작됐습니다. (api-docs.deepseek.com) 코딩 에이전트, 소프트웨어…

Alibaba

Qwen3.7-Text-Embedding

Qwen3.7 기반의 다국어 텍스트 임베딩 모델이다. 텍스트나 코드를 벡터로 변환하여 의미 검색, 검색 증강 생성(RAG), 문서 군집화와 분류 등에 활용할 수 있다. 공식 발표에 따르면 text-embedding-v4 대비 MTEB 다국어·중영 검색 및 코드 검색 평가 성능이 20% 향상되었다. (alibabacloud.com) 한국어를 포함한 201개…

Google

Gemini Robotics On-Device 2

Gemini Robotics On-Device 2는 로봇 기기에서 로컬로 실행하도록 최적화된 비전-언어-행동(VLA) 모델이다. 범용 로봇 조작을 목적으로 하며, 온디바이스 Gemma 모델과 Gemini Robotics 1.5 기술을 기반으로 한다. 네트워크 지연이나 인터넷 연결이 제약되는 환경을 고려해 설계됐다. (deepmind.google) 입력과 출…

Google

Gemini Robotics ER 2 Streaming Preview

Gemini Robotics ER 2 Streaming Preview는 로봇의 환경 인식과 체화 추론을 위한 비전-언어 모델의 공개 미리보기 엔드포인트다. Live API를 통한 실시간 텍스트 스트리밍과 지연 시간이 짧은 로봇 에이전트에 최적화되어 있다. 공개일은 2026년 7월 30일이다. (aistudio.google.com) 텍스트, 이미지, 동영상,…

Google

Gemini Robotics ER 2 Preview

Gemini Robotics ER 2 Preview는 로봇이 물리적 환경을 이해하고 작업을 계획하도록 설계된 체화 추론(Embodied Reasoning) 비전-언어 모델입니다. Gemini 3.5 Flash를 기반으로 하며, 로봇의 상위 수준 추론과 작업 조정을 담당합니다. 실제 운동 실행은 별도의 하위 수준 비전-언어-행동(VLA) 모델이나 로봇 도구와…

Google

Gemini Robotics 2

Gemini Robotics 2는 시각 정보와 언어 지시를 로봇의 동작 제어로 변환하는 시각·언어·행동(VLA) 모델이다. 휴머노이드의 전신과 양팔 로봇, 다양한 손과 그리퍼를 제어하도록 설계되었다. Google DeepMind의 공식 발표일은 2026년 7월 30일이다. (deepmind.google) 전신 제어: 걷기, 쪼그리기, 몸을 뻗기와 물체 조작…

Alibaba

Qwen-Audio-3.0-ASR-Flash

Qwen-Audio-3.0-ASR-Flash는 녹음된 짧은 오디오를 텍스트로 변환하는 비실시간 자동 음성 인식(ASR) 모델이다. HTTP API로 호출한다. 공식 모델 업데이트에 기재된 출시일은 2026년 7월 30일이다. (alibabacloud.com) 한국어, 중국어, 영어, 일본어 등을 포함한 30개 언어와 중국어 방언·지역 억양을 지원한다. 핫워…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Filetrans

Qwen-Audio-3.0-ASR-Flash-Filetrans는 긴 오디오·비디오 파일의 음성을 텍스트로 변환하는 비실시간 음성 인식 모델이다. 회의록 작성, 통화 분석, 짧은 동영상 자막 및 고객 상담 품질 점검에 활용할 수 있다. (docs.qwencloud.com) 한국어, 중국어, 영어, 일본어 등을 포함한 다국어와 여러 중국어 방언을 지원한다. 핫…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Streaming

Tongyi Lab이 저지연·고동시성 실시간 상호작용을 위해 개발한 스트리밍 음성 인식 모델이다. 오디오를 입력받아 텍스트를 출력하며, 말하는 동안 전사 결과를 제공한다. (alibabacloud.com) 출시일: 2026년 7월 30일. Alibaba Cloud의 싱가포르 국제 배포 업데이트에 등재되었다. (alibabacloud.com) 주요 기능: 사…

Google

Lyria 3.5

Google의 음악 생성 모델로, 텍스트 프롬프트나 이미지를 바탕으로 절, 후렴, 브리지 등 구조를 갖춘 곡을 생성한다. 공식 모델 카드에 따르면 시간축 오디오 잠재 표현에 적용한 잠재 확산 방식을 사용한다. (deepmind.google) 44.1kHz 스테레오 MP3 음악과 가사 텍스트를 출력한다. 보컬과 악기 편곡을 생성하고 프롬프트로 템포와 곡 길이…

OpenAI

GPT-Live-Transcribe

GPT-Live-Transcribe는 실시간 오디오를 낮은 지연 시간으로 텍스트로 변환하는 스트리밍 음성 인식 모델이다. OpenAI API 변경 이력에 따르면 2026년 7월 28일 출시됐다. (developers.openai.com) 마이크, 통화 등에서 음성이 들어오는 동안 부분 전사 결과를 반환하고, 오디오 턴을 커밋하면 최종 전사 결과를 반환한다.…

OpenAI

GPT-Transcribe

GPT-Transcribe는 OpenAI의 고정확도 음성-텍스트 변환 모델이다. 완성된 녹음 파일의 전사, 파일 처리 중 전사 결과 스트리밍, WebSocket 기반 Realtime 세션에서 확정된 발화의 최종 전사에 사용할 수 있다. (developers.openai.com) 자유 형식의 전사 맥락, 키워드 힌트 및 여러 입력 언어 힌트를 지원한다. 이를…