Bernini
Bernini 7+14B는 영상 생성과 편집을 하나의 파이프라인으로 통합한 모델이다. Qwen2.5-VL 기반의 7B 멀티모달 언어 모델(MLLM)이 의미와 복잡한 지시를 계획하고, Wan2.2 기반의 14B 확산 트랜스포머(DiT)가 결과를 렌더링한다. 렌더러만 제공하는 Bernini-R과 구별되는 전체 파이프라인이다. (github.com) 텍스트 기반…
모델 디렉터리
새롭게 출시된 모델을 발표일 순서로 살펴보세요.
Bernini 7+14B는 영상 생성과 편집을 하나의 파이프라인으로 통합한 모델이다. Qwen2.5-VL 기반의 7B 멀티모달 언어 모델(MLLM)이 의미와 복잡한 지시를 계획하고, Wan2.2 기반의 14B 확산 트랜스포머(DiT)가 결과를 렌더링한다. 렌더러만 제공하는 Bernini-R과 구별되는 전체 파이프라인이다. (github.com) 텍스트 기반…
Qwen3.7-Max는 에이전트 작업을 위해 설계된 Qwen3.7 계열의 대형 플래그십 모델이다. Alibaba Cloud Model Studio에서 API로 제공하며, 프로그래밍, 사무·생산성 작업, 장시간 자율 작업에 활용할 수 있다. 공식 문서에 따르면 현재 qwen3.7-max의 기능은 2026년 5월 20일 스냅샷인 qwen3.7-max-2026-…
Hy-MT2-30B-A3B는 Tencent의 Hy-MT2 계열 다국어 텍스트 번역 모델이다. 총 30B 파라미터 중 약 3B를 활성화하는 MoE 구조를 사용하며, 실제 업무의 복잡한 번역 상황과 번역 지시 이행을 목적으로 설계됐다. 2026년 5월 21일 모델이 공개됐다. (huggingface.co) 한국어를 포함한 33개 언어 간 번역과 중국어 관련 5…
Hy-MT2-7B는 Tencent의 Hy-MT2 계열에 속하는 70억 파라미터 다국어 텍스트 번역 모델이다. 가중치가 공개되어 있으며 모델 카드에는 Apache 2.0 라이선스가 표시되어 있다. 공개일은 2026년 5월 21일이다. (github.com) 한국어를 포함한 33개 언어 사이의 번역과 다국어 번역 지시 수행을 지원한다. (github.com)…
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…
Qwen3.7 계열의 최대 규모 Max 모델 미리보기 버전이다. 텍스트 입력과 텍스트 출력을 제공하며, 일반 대화, 지식 질의응답, 지시 이행 및 창작 용도에 최적화되어 있다. 함수 호출과 웹 검색을 지원한다. (help.aliyun.com) 추론 모드: 사고 모드만 지원한다. 이미지·영상 입력은 이 미리보기 버전의 지원 모달리티가 아니다. 컨텍스트:…
Gemini Omni 제품군의 첫 모델로, Gemini의 멀티모달 이해·추론과 생성형 미디어 기술을 결합해 동영상 생성과 대화형 편집에 초점을 맞춘 모델이다. (blog.google) 텍스트, 이미지, 오디오, 동영상을 입력으로 받아 오디오가 포함된 고해상도 동영상을 생성할 수 있다. 실제 입력 지원 범위는 제품과 API에 따라 다를 수 있다.…
Gemini 3.5 Flash는 Google이 2026년 5월 19일 발표한 Gemini 3.5 계열의 첫 모델이다. 빠른 응답과 에이전트 작업, 코딩 및 장기간에 걸친 복잡한 작업을 위해 설계된 멀티모달 추론 모델이다. (blog.google) 텍스트, 이미지, 동영상, 오디오, PDF를 입력받고 텍스트를 출력한다. 입력 한도는 1,048,576토큰, 출…
Qwen3.5-LiveTranslate-Flash-Realtime은 실시간 다국어 음성·영상 통역 모델이다. 음성 입력을 필수로 받으며, 선택적으로 이미지나 영상에서 추출한 프레임을 함께 사용해 목표 언어의 텍스트 또는 음성을 출력한다. 실시간 음성 대화와 영상 번역에 활용할 수 있다. (docs.bailian.console.aliyun.com) 60개 언…
Lance는 이미지와 동영상의 이해·생성·편집을 하나의 프레임워크에서 수행하도록 설계된 네이티브 통합 멀티모달 연구 모델이다. 활성 파라미터는 30억 개이며, 처음부터 단계별 다중 작업 학습을 거쳤다. 입력에 기재된 릴리스 식별자는 Lance-3B다. (github.com) 텍스트를 바탕으로 이미지 또는 동영상을 생성하고, 이미지로부터 동영상을 생성한다.…
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…
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…
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…
OpenAI가 2026년 5월 7일 발표한 저지연 스트리밍 음성 인식 모델이다. 화자가 말하는 동안 입력 음성을 실시간 텍스트로 변환하며, 개발자가 지연 시간과 정확도의 균형을 조정하는 용도로 설계됐다. Realtime API에서 사용할 수 있다. (openai.com) 실시간 음성에서 텍스트 조각을 스트리밍으로 반환한다. 회의, 수업, 방송 및 행사 자막…
GPT-Realtime-Translate는 실시간 다국어 음성 경험을 위한 스트리밍 음성-음성 번역 모델이다. 발화자의 음성이 계속 입력되는 동안 번역 음성과 번역 텍스트를 스트리밍한다. 원본 언어를 자동 감지하며, 개발자는 목표 출력 언어를 지정한다. (openai.com) 70개 이상의 입력 언어와 13개 출력 언어를 지원한다. 출력 언어에는 한국어,…
GPT-Realtime-2는 OpenAI의 Realtime API용 실시간 음성 모델이다. OpenAI는 이를 GPT-5급 추론을 갖춘 자사의 첫 음성 모델로 소개했다. 음성을 주고받으며 복잡한 요청을 추론하고 도구를 호출하는 음성 에이전트에 맞춰 설계됐다. (openai.com) 발표일: 2026년 5월 7일 API 모델 ID: gpt-realtime-2…
GPT-5.5-Cyber는 전문적인 사이버 보안 방어 작업을 위한 제한적 접근 모델이다. OpenAI는 2026년 5월 7일 중요 인프라 방어 담당자를 대상으로 제한적 프리뷰를 발표했다. (openai.com) 초기 프리뷰는 일반 GPT-5.5보다 사이버 능력 자체를 크게 높이기보다는 보안 관련 요청에 더 유연하게 응답하도록 훈련되었다. 승인된 레드팀 활동…
Gemini 3.1 Flash-Lite는 낮은 지연 시간과 비용 효율을 중시하는 대량·고빈도 작업용 멀티모달 모델이다. Google은 2026년 5월 7일 Gemini Enterprise Agent Platform에서의 정식 출시를 발표했다. (cloud.google.com) 텍스트, 이미지, 동영상, 오디오 및 PDF를 입력받아 텍스트를 출력한다. 추론,…
Cola DLM은 ByteDance Seed 등이 발표한 계층적 연속 잠재공간 확산 언어 모델이다. 공개 체크포인트는 논문의 확장 실험에서 학습 연산량이 약 2,000 EFLOPs인 지점에 해당한다. 이는 학습에 사용된 연산량이지 추론 속도를 뜻하지 않는다. 모델 규모는 약 20억 파라미터다. (arxiv.org) Text VAE가 텍스트를 연속 잠재 표현…
발표일: 2026년 5월 5일. 포지셔닝: 일상적인 대화와 작업을 위한 ChatGPT Instant 모델. 출시 당시 GPT-5.3 Instant를 기본 모델로 대체하며 전체 ChatGPT 사용자에게 순차 제공됐고, API에서는 chat-latest로 제공됐다. (openai.com) 사진·이미지 분석, STEM 질문 답변, 웹 검색이 필요한 시점 판단이…