모델 디렉터리

최신 AI 모델

새롭게 출시된 모델을 발표일 순서로 살펴보세요.

최신 발표순7개 언어
초기화

220 개 모델

최신 발표순
Baidu

PP-OCRv6_small_det

PP-OCRv6_small_det는 PaddleOCR 팀이 개발한 PP-OCRv6 계열의 소형 텍스트 검출 모델이다. 이미지에서 문자 영역의 위치를 찾으며, 정확도와 효율의 균형을 고려해 모바일 환경에 적합하다. LCNetV4 백본과 RepLKFPN을 사용하며 파라미터는 약 248만 개, 모델 저장 크기는 9.6 MB이다. (huggingface.co) 인…

Baidu

PP-OCRv6_tiny_rec

PP-OCRv6의 경량 텍스트 인식 모델로, 이미지의 텍스트 영역을 문자로 변환하도록 설계되었다. 파라미터는 약 110만 개이며, 공식 문서에 기재된 모델 저장 크기는 4.4MB다. 엣지 기기와 IoT 환경에 적합하다. (huggingface.co) 간체·번체 중국어, 영어 및 라틴 문자 기반 언어를 포함한 49개 언어를 지원한다. 문서, 화면 표시 문자,…

Baidu

PP-OCRv6_tiny_det

PP-OCRv6_tiny_det은 PP-OCRv6 계열의 초경량 텍스트 검출 모델이다. 이미지에서 글자가 있는 영역을 찾아 좌표로 반환하며, 엣지 기기와 IoT 환경에 적합하다. 공식 문서 기준 파라미터는 약 43만 개, 모델 저장 크기는 1.9 MB다. (paddleocr.ai) 문서, 이미지 및 산업 현장 이미지에서 텍스트 영역을 검출해 후속 OCR 처…

Google

DiffusionGemma

DiffusionGemma는 Google DeepMind가 개발한 실험적 오픈 가중치 멀티모달 생성 모델이다. 입력에 지정된 릴리스는 diffusiongemma-26B-A4B-it이며, Google의 예제에서 사용하는 가중치 식별자는 google/diffusiongemma-26B-A4B-it이다. Apache 2.0 라이선스로 공개되었다.…

Anthropic

Claude Mythos 5

Claude Mythos 5는 사이버 보안과 생물학 연구를 위한 고성능 모델이다. Claude Fable 5와 동일한 기반 모델을 사용하지만, 일부 분야의 안전 제한이 다르다. 2026년 6월 9일 출시됐다. (anthropic.com) 텍스트와 이미지를 입력받아 텍스트를 생성한다. 컨텍스트 창은 100만 토큰, 최대 출력은 128K 토큰이다. 적응형 추론…

Anthropic

Claude Fable 5

Claude Fable 5는 Anthropic이 복잡하고 장시간 지속되는 코딩 및 전문 지식 작업을 위해 일반 사용자에게 공개한 5세대 모델이다. Claude Mythos 5와 기반 모델을 공유하지만, 일반 사용을 위해 추가 안전장치가 적용됐다. 2026년 6월 9일 출시됐다. (anthropic.com) 소프트웨어 개발, 코드베이스 수정, 문서 기반 분석…

Google

Gemini 3.5 Live Translate

저지연 실시간 음성 간 번역에 특화된 오디오 모델의 프리뷰 버전이다. Google은 2026년 6월 9일 모델을 발표하고 Gemini Live API와 Google AI Studio를 통한 공개 프리뷰 제공을 시작했다. (blog.google) 한국어를 포함한 70개 이상의 언어를 지원하고, 입력 언어를 자동 감지해 발화를 연속적으로 번역한다. 번역 음성은…

Zhipu AI

SCAIL-2

SCAIL-2는 참조 캐릭터 이미지와 동작 구동 영상을 이용하는 오픈소스 캐릭터 애니메이션 모델이다. 잠재 영상 확산 모델을 바탕으로, 골격 등 중간 포즈 표현에 의존하지 않는 엔드투엔드 동작 전달을 지원한다. (teal024.github.io) 참조 캐릭터 애니메이션, 기존 영상의 캐릭터 교체, 다중 캐릭터 애니메이션과 교체를 지원한다. 서로 다른 캐릭터…

Alibaba

Qwen3.7-Max

Qwen3.7 시리즈의 최대 규모 모델로, 에이전트 작업과 멀티모달 상호작용을 위한 모델이다. 이 버전은 2026년 6월 8일 스냅샷이며, 5월 20일 스냅샷에 비해 시각 이해 기능이 추가됐다. Alibaba Cloud Model Studio가 추론 서비스를 제공한다. (alibabacloud.com) 공식 모델 업데이트 목록에서 이 스냅샷은 2026년 6…

OpenAI

GPT-Rosalind-5.5

발표일: 2026년 6월 3일. 모델 포지셔닝: 생명과학 연구, 신약 발견 및 중개 의학을 지원하도록 설계된 전문 추론 모델이다. GPT-5.5를 기반으로 추가 학습되었으며, 에이전트형 코딩과 도구 사용 능력을 생물학 및 의약화학 연구에 접목한다. (openai.com) 논문, 그림, 표와 실험 기록의 근거를 종합하고 생물학 데이터 분석, 가설 검토 및 실…

Google

Gemma 4 12B

Gemma 4 12B Unified는 Google DeepMind의 약 120억 매개변수 밀집형 멀티모달 공개 가중치 모델이다. 노트북 등에서 로컬로 실행하는 추론 및 에이전트 작업을 목표로 한다. 출시일은 2026년 6월 3일이다. (blog.google) 텍스트, 이미지, 오디오를 입력받아 텍스트를 생성한다. 비디오는 프레임 시퀀스로 분석할 수 있다.…

Alibaba

Qwen3.7-Plus

Qwen3.7 시리즈의 비용 효율적인 Plus 모델로, 텍스트 생성과 심층 추론을 기반으로 시각·언어 이해 및 멀티모달 에이전트 기능을 제공한다. 이 API ID는 2026년 5월 26일 스냅샷이며, Alibaba Cloud Model Studio의 모델 등록일은 2026년 6월 1일이다. (docs.bailian.console.aliyun.com) 텍스트…

MiniMax

MiniMax M3

MiniMax M3는 코딩과 에이전트 작업에 중점을 둔 네이티브 멀티모달 범용 모델이다. 2026년 6월 1일 발표되었으며, API 모델 ID는 MiniMax-M3이다. 공식 제품 페이지에 따르면 모델 가중치가 공개되어 있다. (minimax.io) 코딩 및 에이전트: 버그 수정, 프런트엔드·백엔드 개발, 성능 최적화, 작업 분해, 도구 호출과 다단계 추론…

Tencent

Universal Audio Tokenizer

Universal Audio Tokenizer는 Tencent의 WeChat AI가 공개한 단일 코드북 오디오 토크나이저다. 언어적 정렬과 일반 오디오 인식을 함께 제공하여 오디오 대규모 언어 모델(Audio-LLM)의 입출력 인터페이스로 활용하도록 설계됐다. 오디오를 이산 토큰으로 변환하고 토큰에서 파형을 복원할 수 있다. (github.com) 표현:…

Baidu

NAVA

NAVA(Native Audio-Visual Alignment)는 Baidu의 동기화된 오디오·비디오 공동 생성 모델이다. 약 63억 개 파라미터의 Align-then-Fuse MMDiT 구조를 사용해 오디오와 비디오의 대응 관계를 먼저 학습하고, 텍스트 등의 조건을 적용해 함께 생성한다. (arxiv.org) 텍스트 설명으로 영상과 음성·장면 소리가 결합…

Baidu

PaddleOCR-VL-1.6

PaddleOCR-VL-1.6은 복잡한 문서의 구조화된 분석을 위해 PaddleOCR-VL-1.5를 개선한 경량 비전·언어 모델이다. 지역별 데이터 최적화와 단계적 후학습을 적용했으며, 이전 버전과 모델 아키텍처가 호환된다. 모델 가중치는 Apache-2.0 라이선스로 공개되어 있다. (github.com) 인쇄체·손글씨, 수식, 표, 차트, 인장과 문서의…

Tencent

Hy-MT2-1.8B

Hy-MT2-1.8B는 Tencent Hy-MT2 계열의 18억 파라미터 경량 다국어 텍스트 번역 모델이다. 실제 업무 환경에서 빠른 번역을 수행하도록 설계되었으며, 모델 가중치는 Apache 2.0 라이선스로 공개되어 있다. 공개일은 2026년 5월 21일이다. (github.com) 한국어를 포함한 33개 언어 간 번역과 5종의 중국 소수민족 언어·방언…

Tencent

WorldStereo 2.0

WorldStereo 2.0은 Tencent의 멀티모달 3D 월드 모델 프레임워크 HY-World 2.0에서 세계 확장을 담당하는 모델이다. 공식 모델 목록에 기재된 매개변수 규모는 약 170억 개다. (github.com) 카메라 조건을 따르는 비디오 생성과 기하 정보를 활용하는 메모리를 통해 여러 카메라 경로에 걸쳐 일관된 새로운 시점을 생성한다. HY…

Tencent

HY-Pano 2.0

HY-Pano 2.0은 Tencent의 HY-World 2.0에서 파노라마 생성 단계를 담당하는 모델이다. 텍스트 또는 단일 원근 이미지를 입력받아 360° 등거리 원통 투영(ERP) 파노라마를 생성한다. 공식 모델 목록은 기본 HY-Pano-2의 파라미터를 약 80B로 표기한다. (github.com) 생성된 파노라마는 가상 공간과 장면 제작에 활용할 수…

Baidu

ERNIE 5.1

ERNIE 5.1은 Baidu의 ERNIE 5.0 사전학습 기반에서 파생된 범용 대규모 언어 모델이다. Baidu에 따르면 전체 매개변수는 5.0의 약 3분의 1, 활성 매개변수는 약 2분의 1로 줄였으며, 다차원 탄력적 사전학습과 비동기 강화학습을 적용했다. (ernie.baidu.com) 텍스트 생성, 창작, 지식 기반 질의응답, 추론, 검색 및 에이전…