Seed-2.1-Pro-Preview
Seed-2.1-Pro-Preview는 ByteDance가 커뮤니티의 조기 체험을 위해 공개한 프리뷰 모델이다. 공식 발표에 따르면 Arena AI의 Code Arena에서 사용할 수 있도록 출시됐다. 발표일은 2026년 6월 19일이다. (seed.bytedance.com) 코딩 평가 및 체험: Code Arena에서 모델을 시험해 볼 수 있다. 공식 발…
모델 디렉터리
새롭게 출시된 모델을 발표일 순서로 살펴보세요.
Seed-2.1-Pro-Preview는 ByteDance가 커뮤니티의 조기 체험을 위해 공개한 프리뷰 모델이다. 공식 발표에 따르면 Arena AI의 Code Arena에서 사용할 수 있도록 출시됐다. 발표일은 2026년 6월 19일이다. (seed.bytedance.com) 코딩 평가 및 체험: Code Arena에서 모델을 시험해 볼 수 있다. 공식 발…
Fun-ASR-Flash는 녹음된 음성을 텍스트로 변환하는 비실시간 다국어 음성 인식(ASR) 모델이다. Alibaba Cloud의 공식 출시 목록에는 2026년 6월 17일 출시로 기재되어 있다. 모델 ID의 날짜는 2026년 6월 15일이다. (alibabacloud.com) 중국어를 포함한 30개 언어를 지원하며, 한국어·영어·일본어 등도 포함된다.…
GLM-5.2는 장시간에 걸친 작업과 에이전트 기반 소프트웨어 엔지니어링을 지향하는 플래그십 텍스트 모델이다. 공식 발표일은 2026년 6월 16일이다. 모델 가중치는 MIT 라이선스로 공개됐다. (z.ai) 긴 컨텍스트: 최대 1M 토큰 컨텍스트를 지원하며, 대규모 코드 구현, 복잡한 디버깅, 성능 최적화 및 자동화 연구에 활용할 수 있다. 코딩 및 에이…
HappyHorse-1.1-I2V는 이미지와 선택적 텍스트 프롬프트를 바탕으로 영상을 생성하는 이미지-투-비디오 모델이다. Alibaba Cloud Model Studio가 추론 서비스를 제공한다. 공식 발표에 따르면 피부 질감, 클립 간 인물 일관성, 동작의 부드러움, 영상 내 문자 표현 및 음화 동기화가 개선되었다. 단일 이미지를 움직이는 영상으로 만들…
Alibaba Cloud Model Studio의 참조 이미지 기반 동영상 생성 모델이다. 텍스트와 최대 9장의 참조 이미지를 입력받아 동영상을 생성한다. 공식 발표에 따르면 인물, 피사체, 장면, 스타일과 화면의 일관성을 유지하고 카메라 표현을 제어하는 능력을 강화했다. (alibabacloud.com) 참조 이미지를 바탕으로 여러 장면에서 인물과 시각적…
HappyHorse-1.1-T2V는 텍스트 설명을 오디오가 포함된 동영상으로 생성하는 모델이다. Alibaba Cloud Model Studio가 추론 서비스를 제공한다. 공식 발표에 따르면 텍스트 의미 이해, 카메라 구도 제어, 움직임 표현을 개선했으며 인물 동작, 장면 분위기와 물리적 움직임을 더욱 자연스럽게 표현하도록 설계됐다. 영상 콘셉트 시안이나…
Qwen3.5 아키텍처 기반의 OCR 모델이다. 문서 분석, 텍스트 위치 파악, 핵심 정보 추출을 지원하며, 신분증과 운전면허증 등 실제 업무용 증명서의 정보 추출에 활용할 수 있다. 여러 차례의 대화와 PDF 문서 분석도 지원한다. (docs.modelstudio.console.alibabacloud.com) 2026년 6월 16일. Alibaba…
Tencent Robotics X와 Tencent Hy Team이 공개한 시각-언어-행동(VLA) 로봇 모델이다. 이 체크포인트는 Hy-Embodied-0.5-VLA-UMI를 초기 모델로 사용해 RoboTwin 2.0의 양팔 조작 50개 작업에 대해 지도 미세조정한 버전이다. 모델 카드에는 약 50억 개의 파라미터가 표시되어 있다. (huggingface.…
Hy-Embodied-0.5-VLA-UMI는 Tencent Robotics X와 Tencent Hy 팀이 공개한 로봇 조작용 시각·언어·행동(VLA) 모델의 사전학습 체크포인트다. 대상 로봇과 작업에 맞춰 미세조정하기 위한 범용 출발점이며, RoboTwin용으로 후속 학습된 별도 체크포인트와는 다르다. (huggingface.co) 카메라 이미지, 로봇 상…
Kimi K2.7 Code는 Kimi K2.6을 기반으로 한 코딩 중심 에이전트 모델이다. 복잡하고 장시간에 걸친 소프트웨어 엔지니어링 작업의 종단 간 수행을 목표로 한다. 2026년 6월 12일 출시됐으며, 코드와 모델 가중치는 Modified MIT 라이선스로 공개됐다. (kimi.com) MoE 구조로 총 1조 개의 매개변수 중 토큰당 320억 개가…
PP-OCRv6_medium_rec는 PP-OCRv6 제품군의 서버용 중간급 텍스트 인식 모델이다. 이미지의 텍스트 영역을 문자열로 변환하며, 약 1,900만 개의 파라미터를 사용한다. LCNetV4 백본, LightSVTR 인식 네크와 CTC·NRTR 다중 헤드 디코더를 사용한다. 모델 카드에는 Apache-2.0 라이선스가 표시되어 있다.…
PP-OCRv6_medium_det는 PaddleOCR의 PP-OCRv6 계열에 속하는 서버용 텍스트 영역 검출 모델이다. 약 1,550만 개의 파라미터를 사용하며, LCNetV4 백본과 RepLKFPN을 기반으로 한다. 모델 카드는 Apache-2.0 라이선스를 명시한다. (huggingface.co) 이미지를 입력받아 인쇄체·필기체·회전하거나 휘어진 글…
PP-OCRv6_small_rec는 PP-OCRv6 계열의 중간 크기 텍스트 인식 모델이다. 이미지의 텍스트 영역을 입력받아 편집·검색 가능한 문자로 변환하며, 모바일·데스크톱 환경에서 정확도와 효율의 균형을 목표로 한다. PPLCNetV4 백본, LightSVTR 인식부와 CTC/NRTR 다중 헤드를 사용한다. 인식 모델은 약 520만 개의 파라미터를 가…
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…
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,…
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…
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.…
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…
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…
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…