최신 AI 리소스

Audio2Face는 오디오 입력을 사실적인 3D 얼굴 애니메이션으로 변환할 수 있는 NVIDIA의 오픈 소스 AI 툴입니다. 음소 및 억양과 같은 오디오의 음성 특징을 분석하여 정밀한 립싱크와 미묘한 감정 표현을 생성하여 가상 캐릭터에 생생한 사람 표정을 부여합니다.

Qwen3-VL은 알리클라우드 통이 첸첸 팀의 오픈소스 멀티모달 시각 언어 대형 모델로, 235억 개의 참조와 약 471GB의 모델 파일이 있으며, 인스트럭션 및 사고 버전을 포함하고, 향상된 MRope 인터리브 레이아웃, 딥스택 및 기타 기술을 채택하여 시각 변환을 효과적으로 사용할 수 있습니다 ...

Qwen3Guard는 보안 탐지를 위해 설계된 Qwen3 기본 모델을 기반으로 미세 조정된 보안 보호 모델입니다. 프롬프트 및 응답에 대한 정확한 보안 분류를 제공하고 위험 수준을 제공하며 영어, 중국어 및 다국어 환경을 지원합니다.Qwen3Guard는 두 가지 프로 버전으로 제공됩니다.

Qwen3-TTS-Flash는 알리통이가 도입한 고급 음성 합성 모델로 중국어, 영어, 방언 등 17개 음색과 10개 언어를 지원합니다. 중국어와 영어 음성의 안정성이 뛰어나고 표현력이 높으며 음성 톤을 자동으로 조정하여 더욱 생생하게 표현할 수 있는 모델입니다.

Qwen3-Omni는 알리 통이 팀이 도입한 완전 모달 AI 모델로 텍스트, 이미지, 오디오, 비디오 등 여러 데이터 유형을 처리할 수 있으며 짧은 지연 시간과 높은 제어 가능성으로 119개 언어로 텍스트 상호 작용을 지원합니다.

DeepSeek-V3.1-Terminus는 DeepSeek 팀의 인공 지능 언어 모델인 DeepSeek-V3.1의 업그레이드 버전입니다. 이 모델은 언어 일관성, 코드 생성 및 검색 기능 측면에서 최적화되어 보다 정확하게 ...

Granite-Docling-258M은 효율적인 문서 변환을 위해 설계된 IBM의 초소형 오픈 소스 시각 언어 모델입니다. 이 모델은 레이아웃, 표, 수식 및 기타 요소를 그대로 유지하면서 문서를 기계가 읽을 수 있는 형식으로 변환합니다.

루시 에디터는 Decart AI에서 개발한 오픈 소스 AI 동영상 편집 툴입니다. 사용자는 복잡한 미세 조정이나 마스크 사용 없이도 "캐릭터를 북극곰으로 바꿔" 또는 "장면을 2D 만화 스타일로 바꿔"와 같은 간단한 자연어 설명을 통해 동영상을 편집할 수 있습니다....

롱캣-플래시-씽킹은 미션 롱캣 팀이 출시한 효율적인 추론 모델로, 롱캣-플래시-챗의 빠른 속도를 유지하면서 더욱 강력하고 전문적으로 진화했습니다. 이 모델은 논리, 수학, 코드, 지능을 기반으로 합니다.

Ling-V2는 Ant-Belling 팀이 도입한 MoE 아키텍처를 기반으로 하는 대규모 언어 모델 제품군입니다. 첫 번째 버전인 Ling-mini-2.0에는 총 160억 개의 매개변수가 있으며 입력 토큰당 활성화되는 매개변수는 14억 개에 불과합니다.

크로노스는 칭화대학교와 마이크로소프트 리서치 아시아가 공동으로 오픈소스화한 최초의 금융시장용 기본 K-선 차트 모델입니다. 주식, 암호화폐 및 기타 자산의 시초가, 고가, 저가, 종가, 거래량 등 K-선 데이터를 분석하여 향후 가격 변동을 예측할 수 있습니다.

완2.2-애니메이트는 통이완샹의 오픈 소스 액션 생성 모델로, 액션 모방과 롤플레잉의 두 가지 모드를 지원합니다. 사용자는 캐릭터 사진과 참조 비디오 만 입력하면 모델이 비디오 캐릭터의 움직임과 표정을 그림 캐릭터로 마이그레이션하여 그림 캐릭터에 역동적 인 표현을 제공 할 수 있습니다 ...

샤오미 미모 오디오는 다국어 대화, 음성 연속, 적은 샘플 일반화 및 오디오 이해와 같은 강력한 기능을 갖춘 샤오미의 오픈 소스 70억 개 파라미터 엔드투엔드 음성 매크로 모델로, 음성 지능 및 오디오 이해 벤치마크에서 구글 제미를 능가하는 SOTA 레벨에 도달할 수 있습니다.

InternVLA-A1은 상하이 인공 지능 연구소에서 오픈소스로 제공하는 대규모 구현 작업 모델입니다. 통합을 이해하고, 상상하고, 실행할 수 있는 능력을 갖추고 있으며, 작업을 정확하게 완료할 수 있습니다. 이 모델은 실제 및 시뮬레이션 운영 데이터를 융합하고 대규모 가상-실제 하이브리드 장면 에셋을 통해 대규모 멀티모달 구축을 자동화합니다.

VoxCPM은 Facade Intelligence와 칭화대학교 선전 국제대학원이 공동으로 오픈소스화한 음성 생성 모델로, 엔드투엔드 확산 자동 회귀 아키텍처를 채택하여 텍스트에서 직접 연속 음성 표현을 생성함으로써 기존의 이산적 명료화의 한계를 극복합니다. 계층적 언어 모델링과 유한 상태 양자화를 통해 ...

InternVLA-N1은 상하이 인공 지능 연구소에서 오픈소스화한 엔드투엔드 듀얼 시스템 내비게이션 매크로 모델입니다. 이중 시스템 아키텍처를 사용하여 시스템 2는 언어 명령을 이해하고 장거리 경로를 계획하고, 시스템 1은 고주파 응답과 민첩한 장애물 회피에 중점을 둡니다. 이 모델은 전적으로 대규모 디지털을 통한 합성 데이터를 기반으로 훈련됩니다.

웹위버는 알리바바 통이 팀이 도입한 새로운 이중 지능 바디 프레임워크로, 주로 오픈 딥 리서치에 사용되며 기획과 글쓰기라는 두 가지 지능으로 나뉘는 인간의 연구 과정을 시뮬레이션할 수 있습니다.

MCP 레지스트리는 개발자가 MCP 서버를 더 쉽게 검색하고 설치할 수 있도록 도와주는 GitHub의 중앙 집중식 플랫폼으로, 개발자는 MCP 레지스트리를 통해 한 곳에서 필요한 AI 도구를 빠르게 찾을 수 있어 작업이 크게 간소화됩니다....

VLAC은 상하이 인공지능 연구소에서 오픈소스로 구현한 보상 매크로 모델입니다. InternVL 다중 모드 매크로 모델을 기반으로 인터넷 비디오 데이터와 로봇 작동 데이터를 통합하여 실제 세계에서 로봇 강화 학습을위한 프로세스 보상 및 작업 완료 추정을 제공합니다.VLAC는 효과적으로 ...

통이 딥리서치(Tongyi DeepResearch)는 알리바바가 출시한 오픈 소스 지능형 기관으로, 심층 정보 검색과 복잡한 작업 추론을 위해 설계되었으며, 300억 개의 매개 변수를 사용하여 ReAct 모드와 깊이 모드를 포함한 여러 추론 모드를 지원합니다....

InternVLA-M1은 상하이 인공 지능 연구소의 오픈 소스로 구현된 운영 '두뇌'로, 명령에 따라 작동하는 두 가지 시스템 운영의 대형 모델입니다. 이 모델은 '사고-행동-학습'을 포괄하는 완전한 폐쇄 루프를 구축하며 높은 수준의 공간 추론과 작업 계획을 담당합니다. 이 모델은 2단계 교육 정책을 채택합니다 ...

AI 시대에서 앞서 나가기는 비즈니스 리더가 AI 시대에 경쟁력을 유지할 수 있도록 도와주는 OpenAI의 AI 리더십 가이드입니다. 이 가이드는 더 빠른 모델 출시, 더 낮은 비용, 더 빠른 엔터프라이즈 채택과 함께 AI의 빠른 성장에 대해 설명합니다.

대규모 모델 기초는 대규모 언어 모델(LLM)의 핵심 기술과 실무 경로를 심도 있게 분석합니다. 언어 모델링의 기초 이론부터 시작해 통계, 순환신경망(RNN), 트랜스포머 아키텍처를 기반으로 한 모델 설계 원리를 3대 대규모 언어 모델에 초점을 맞춰 체계적으로 설명합니다.

PromptEnhancer는 텍스트-대-이미지(텍스트-대-이미지, T2I) 모델의 생성을 개선하기 위해 Tencent의 혼합 메타 팀이 개발한 오픈 소스 프롬프트 단어 향상 도구입니다. 추론의 사슬(Chain-of-Thought, CoT) 접근 방식을 통해 ...

LLaSO는 베이징 뎁스 로직 인텔리전스 테크놀로지가 출시한 오픈 소스 음성 모델로, 음성 및 텍스트 데이터를 통합하고 정렬 데이터 세트, 명령 미세 조정 데이터 세트 및 평가 벤치마크를 제공하여 대규모 음성 언어 모델링 분야의 데이터 분산과 작업 범위 부족 문제를 해결합니다.

하이브리드 3D 3.0은 3D-DiT 계층적 조각 기술을 기반으로 한 텐센트의 고급 3D 세대 모델로, 최대 1536³의 기하학적 해상도로 초고화질, 디테일이 풍부한 3D 모델을 생성할 수 있으며 오감 및 체형을 정확하게 형상화하는 등 캐릭터 모델링에 탁월한 능력을 갖추고 있습니다.

UnifoLM-WMA-0은 일반 로봇 학습을 위해 설계된 유슈 테크놀로지의 여러 로봇 온톨로지 클래스에 걸친 오픈 소스 월드 모델-액션 아키텍처입니다. 월드 모델과 액션 아키텍처로 구성된 월드 모델은 로봇과 환경 상호 작용의 물리적 법칙을 이해하고, 액션 아키텍처는 특정 동작을 담당합니다.

인피니트토크는 입력된 오디오를 기반으로 길이에 제한 없이 말하는 동영상을 생성하는 오디오 기반 동영상 생성 도구로, MeiGen-AI 팀이 개발했습니다. 핵심 장점은 정밀한 립싱크 기술로 오디오와 캐릭터의 입 모양을 완벽하게 일치시켜 자연스럽고 부드러운...

Mini-o3는 복잡한 시각적 검색 문제를 해결하는 데 초점을 맞춘 ByteDance와 홍콩 대학교가 공동으로 출시한 오픈 소스 모델입니다. 이 모델은 강력한 다원적 대화형 추론 기능을 갖추고 있으며, 심층적인 탐색과 시행착오를 통해 대상을 찾을 수 있습니다.

GPT-5-Codex는 소프트웨어 엔지니어를 위해 설계된 OpenAI의 강력한 프로그래밍 최적화 모델로, GPT-5에 의해 더욱 강화되었습니다. 이 모델은 고품질 코드를 신속하게 생성하고 여러 프로그래밍 언어를 지원하며 기존 코드를 최적화하여 성능을 향상시킵니다.

ROMA(Recursive-Open-Meta-Agent)는 재귀적 작업 분해와 병렬 처리를 통해 복잡한 문제를 효율적으로 해결하기 위해 Sentient AGI에서 개발한 오픈 소스 메타 에이전트 프레임워크입니다. Python 3.12 이상, Docker 및...

Lumina-DiMOO는 세계 인공지능 컨퍼런스 2025에서 화웨이 라이즈와 함께 상하이 인공 지능 연구소(AIL)가 출시한 차세대 멀티모달 생성 및 이해를 위한 통합 모델입니다. Rise AI 기본 하드웨어 및 소프트웨어 플랫폼과 MindSpeed MM 멀티모달 대형 모델 제품군을 기반으로 ...

하이프노트는 사용자의 개인정보를 보호하고 회의 효율성을 개선하기 위해 전문가를 위해 설계된 로컬 우선의 오픈 소스 AI 회의 노트 필기 도구입니다. '로컬 우선' 원칙을 채택하여 모든 데이터 저장과 처리가 사용자의 로컬 장치에서 이루어지므로 데이터 보안을 보장하고 오프라인 작업을 지원합니다.

MobileLLM-R1은 수학적, 프로그래밍 및 과학적 추론을 위해 설계된 Meta의 효율적인 추론 모델 오픈 소스 시리즈입니다. 여기에는 각각 1억 4천만 개, 3억 6천만 개, 9억 5천만 개의 매개변수 버전이 포함된 기본 모델과 최종 모델이 포함되어 있습니다. 이 모델은 일반적인 채팅 모델이 아니며 미세 조정(SFT...

ERNIE-4.5-21B-A3B-Thinking은 추론 작업에 초점을 맞춘 바이두의 오픈 소스 대규모 언어 모델입니다. 혼합 전문가(MoE) 아키텍처를 사용하여 총 참조 수는 210억 개에 달하며, 각 토큰은 30억 개의 매개 변수를 활성화하여 128K의 긴 컨텍스트 창을 지원합니다 ...

모비에이전트는 상하이교통대학교 IPADS 연구소의 오픈 소스 모바일 지능형 바디 툴 체인으로, 사용자가 자신만의 모바일 지능형 비서를 구축할 수 있도록 도와줍니다. 사용자의 동작 궤적을 기록하고 고품질 데이터를 생성하여 자연어 명령을 이해할 수 있는 지능형 바디를 훈련시킵니다. 핵심 기능에는 효율적인...

ZipVoice(제로 샘플 단일 화자 음성 합성 모델)와 ZipVoice-Dialog(제로 샘플 대화 음성 합성 모델)를 포함하여 Xiaomi에서 출시한 Flow Matching 아키텍처 기반의 일련의 음성 합성(TTS) 모델로, ZipVoice는 ...

PP-OCRv5는 바이두에서 출시한 최신 세대의 텍스트 인식 AI 모델입니다. 경량 설계와 0.07B에 불과한 참조 개수로 CPU와 엣지 디바이스에서 효율적으로 실행하기에 적합하며 초당 370개 이상의 문자를 처리할 수 있습니다. 이 모델은 중국어 간체, 중국어 번체, 영어, 일본어, 병음...을 지원합니다.

Youtu-GraphRAG는 대규모 언어 모델이 복잡한 Q&A 작업을 보다 정확하게 처리할 수 있도록 지원하는 텐센트 유투 연구소의 오픈 소스 그래프 검색 증강 생성 프레임워크입니다. 4계층 지식 트리를 구성하여 지식을 속성, 관계, 키워드 및 커뮤니티의 네 가지 수준으로 분해하여 행위의 자기 숙달에 대한 교차 도메인 지식을 달성합니다....

스탠드인(Stand-In)은 텐센트 WeChat 비전 팀이 개발한 가벼운 플러그 앤 플레이 방식의 신원 보존 동영상 생성 프레임워크입니다. 동영상 생성 시 특정 신원 특징을 보존하는 데 초점을 맞춘 이 프레임워크는 기본 모델 1%의 추가 파라미터만 학습하면 얼굴 유사성과 자연스러움에서 탁월한 결과를 얻을 수 있습니다.

IndexTTS2는 B 스테이션 음성 팀이 오픈소스화한 새로운 무료 텍스트 음성 변환(TTS) 모델로, 감정 표현과 지속 시간 제어에서 획기적인 발전을 이루었으며, 정밀한 지속 시간 제어를 지원하는 최초의 자동 회귀형 TTS 모델입니다. 제로 샘플 음성 복제를 지원하며 하나의 오디오 파일 만 사운드를 정확하게 복사 할 수 있습니다....

미니맥스 뮤직 1.5는 사용자의 자연어 설명을 기반으로 최대 4분 분량의 음악 생성을 지원하는 고급 AI 음악 생성 도구입니다. 이 모델은 다양한 음악 스타일과 분위기 사용자 지정을 지원하며 자연스럽고 완전한 보컬 톤, 부드러운 전환 및 풍부한 레이어 편곡을 생성합니다....

HuMo는 칭화대학교와 바이트댄스 인텔리전트 크리에이션 랩이 공동으로 오픈소스화한 멀티모달 비디오 생성 프레임워크로, 인간 중심의 비디오 생성에 중점을 두고 있습니다. 텍스트, 이미지 및 오디오와 같은 멀티모달 입력에서 고품질의 세밀하고 제어 가능한 휴먼 비디오를 생성할 수 있으며, HuMo는 강력한 텍스트 큐 팔로잉 기능을 지원합니다.

AnyI2V는 푸단대학교, 알리바바 다모 아카데미 등이 공동으로 출시한 이미지 애니메이션 생성 프레임워크로, 복잡한 학습 과정과 많은 양의 데이터 없이도 정적인 조건부 이미지(예: 그리드, 포인트 클라우드 등)를 동적인 동영상으로 변환할 수 있도록 지원합니다.

SRPO(Semantic Relative Preference Optimization)는 텐센트 혼합 메타에서 도입한 텍스트-이미지 생성 모델로, 텍스트 조건부 신호를 통해 보상 메커니즘을 최적화하여 온라인에서 보상을 조정하고 오프라인 미세 조정 의존도를 낮춥니다.

Qwen3-Next는 알리 통이가 오픈소스화한 차세대 하이브리드 아키텍처 빅 모델로, 긴 텍스트 처리, 빠른 추론, 계산 리소스 절약에 능한 Gated DeltaNet과 Gated Attention 기술을 결합한 것입니다.

웬신 빅 모델 X1.1은 언어 이해와 생성을 개선하는 데 중점을 둔 하이브리드 강화 학습 프레임워크를 기반으로 바이두에서 출시한 심층 사고 모델입니다. 이 모델은 복잡한 질문을 처리하고, 지시를 따르고, 지능의 행동을 시뮬레이션하는 데 탁월하며, 지식이 풍부한 답변과 고품질 텍스트 콘텐츠를 정확하게 제공할 수 있습니다.

훈위안이미지 2.1은 고품질 이미지 생성을 위해 설계된 텐센트의 오픈 소스 그래픽 모델입니다. 이 모델은 기본 2K 해상도를 지원하며 복잡한 장면과 디테일을 정확하게 렌더링하여 캐릭터의 표정과 움직임을 생생하게 재현할 수 있습니다.

AntSK FileChunk는 RAG(검색 증강 생성) 애플리케이션을 위해 설계된 무료 지능형 문서 슬라이싱 도구입니다. 시맨틱을 핵심으로 하여 문서를 의미적으로 완전하고 일관된 세그먼트로 지능적으로 슬라이스하고, 다국어를 지원하며, 슬라이스 크기를 동적으로 조정하여 문맥의 일관성을 보장합니다.

UnifiedTTS는 텍스트 음성 변환(TTS) 서비스를 위한 원스톱 플랫폼입니다. 중국어, 영어, 일본어, 한국어를 포함한 여러 언어를 지원하여 글로벌 비즈니스의 요구 사항을 충족합니다. 통합 API 인터페이스를 통해 마이크로를 비롯한 여러 주요 TTS 서비스를 통합합니다.

MiniCPM 4.1은 Facade Intelligence에서 도입한 매우 효율적인 엔드 사이드 대규모 언어 모델입니다. InfLLM v2 희소주의 아키텍처를 사용하면 각 어휘는 5% 미만의 어휘와의 상관관계만 계산하면 되므로 긴 텍스트의 처리 오버헤드를 크게 줄일 수 있습니다. 128K의 긴 텍스트 시나리오에서...

WeKnora는 대규모 언어 모델(LLM) 문서 이해 및 의미 검색 프레임워크에 기반한 텐센트 위챗 팀의 오픈 소스로, 복잡하고 이질적인 문서 콘텐츠 시나리오의 구조를 위해 설계되었으며 모듈식 아키텍처, 다중 모드 전처리 통합, 의미 벡터 인덱싱, 지능형 리콜 및 대규모 모델 생성 추론을 사용하도록 설계되었습니다 ....

XTuner V1은 상하이 인공 지능 연구소에서 오픈 소스화한 차세대 대규모 모델 훈련 엔진으로, 초대형 스파스 혼합 전문가(MoE) 모델 훈련을 위해 설계되었습니다. PyTorch FSDP를 기반으로 개발된 이 엔진은 메모리, 통신 및 로드의 다차원 최적화를 통해 고성능을 달성합니다.

Qwen3-ASR-Flash는 방대한 멀티모달 데이터로 학습된 Qwen3 기본 모델을 기반으로 하는 알리바바의 최신 고정밀 음성 인식 모델입니다. 만다린어, 쓰촨어, 민난어, 우어, 광둥어 및 기타 방언을 포함한 11개 언어와 여러 억양을 지원합니다....

LLM 애플리케이션 개발을 위한 LangChain은 LangChain 창립자 해리슨 체이스와 앤드류 응이 진행하는 온라인 강좌로, DeepLearning.AI에서 제공합니다.

트랜스포머 LLM은 딥러닝닷에이아이와 '대규모 언어 모델 실습'의 저자인 제이 알라마르와 마틴 그루텐드가 함께 만든 원리로 작동합니다...

Seedream 4.0은 바이트댄스에서 출시한 고급 이미지 생성 및 편집 도구로, 정확한 명령어 편집, 높은 기능 보존, 깊은 의도 이해 등의 강력한 기능을 갖춘 생성 및 편집의 통합에 중점을 두고 있습니다.

rStar2-Agent는 Microsoft에서 오픈소스로 제공하는 고급 AI 수학적 추론 모델로, AIME24 테스트에서 80.61 TP3T의 정확도를 달성하여 강력한 수학적 문제 해결 능력을 입증했습니다. 이 모델은 과학적 추론 기능을 갖추고 있으며, GPQA-Diamond 벤치마크에서 ...

Qwen3-Max-Preview는 통이췐웬에서 출시한 최신 플래그십 대형 언어 모델입니다. Qwen3 제품군에서 가장 많은 파라미터를 가진 모델로, 파라미터 크기가 1조 개가 넘습니다. 이 모델은 추론, 명령어 추종, 다국어 지원 및 롱테일 지식 범위에서 상당한 개선을 이루었습니다...

원캣은 메이투안이 상하이교통대학교와 함께 출시한 새로운 통합 멀티모달 모델로, 멀티모달 이해, 텍스트-이미지 생성, 이미지 편집 기능을 원활하게 통합하는 순수 디코더 아키텍처를 채택하고 있습니다. 이 모델은 외부 시각 코더와 모달리티별 디스모게이터에 의존하는 기존 멀티모달 모델의 설계를 버리고 모달리티별 ...

클라우더블은 Next.js 기반의 오픈 소스 웹 앱 빌더로, 클루드 코드와 커서 CLI의 고급 AI 에이전트 기능과 러블의 간단하고 직관적인 앱 빌드 경험을 결합합니다....

FineVision은 고급 시각 언어 모델 학습을 위한 허깅 페이스의 오픈 소스 시각 언어 데이터 세트입니다. 여기에는 1,730만 개의 이미지, 2,430만 개의 샘플, 8,890만 건의 대화, 95억 개의 답변 토큰이 포함되어 있습니다. 데이터 세트는 다음과 같이 집계됩니다...

인피니티휴먼은 바이트댄스와 절강대학교가 공동으로 출시한 상용 등급의 장시간 오디오 기반 캐릭터 동영상 생성 모델입니다. 이 모델은 오디오 기반이며 고해상도, 장시간, 시각적으로 일관된 캐릭터 동영상을 생성할 수 있습니다.

Kimi K2-0905는 프로그래밍 지원 기능이 뛰어나고 코드를 효율적으로 생성하며 프론트엔드 개발에서 깔끔하고 표준화된 코드 생성을 지원하는 다크 사이드 오브 더 문 테크놀로지스의 고급 AI 모델입니다. 모델 컨텍스트 길이가 256K로 확장되어 복잡한 작업을 처리할 수 있습니다.

후위안 월드-보이저(줄여서 후위안 보이저)는 텐센트에서 출시한 업계 최초의 초장거리 로밍 월드 모델로, 네이티브 3D 재구성을 지원합니다. 단일 이미지에서 사용자 정의 카메라 경로의 3D 포인트 클라우드 시퀀스를 생성하는 새로운 비디오 확산 프레임워크로, 다음을 지원합니다.

Hunyuan-MT-7B는 텐센트 혼합 메타 팀이 도입한 경량 번역 모델로 70억 개의 레퍼런스를 보유하고 있으며 광둥어, 위구르어, 티베트어를 포함한 33개 언어와 5개 중국 민속 언어/방언의 상호 번역을 지원합니다. 국제 컴퓨터 언어학 협회(ACL) WMT2025 대회에서...

스텝오디오 2 미니는 스텝오디오의 오픈 소스 엔드투엔드 음성 매크로 모델입니다. 기존의 음성 모델 구조를 깨고 진정한 엔드투엔드 멀티모달 아키텍처를 채택하여 원시 오디오 입력을 짧은 지연 시간으로 음성 응답 출력으로 직접 변환하고 언어학적 정보 및 비음성 신호를 이해합니다.

MobileCLIP2는 Apple 연구진이 개발한 효율적인 엔드-사이드 멀티모달 모델인 MobileCLIP의 업그레이드 버전입니다. 멀티모달 강화 훈련에 최적화된 이 모델은 DFN 데이터 세트에서 더 나은 성능을 훈련하고 그래픽 생성 기능을 개선하여 CLIP 교사 모델을 통합합니다.

InternVL3.5(Shusheng-Wanxiang 3.5)는 상하이 인공 지능 연구소의 오픈 소스 멀티 모달 대형 모델로, 일반 능력, 추론 능력 및 배포 효율성 측면에서 완전히 업그레이드되어 10억에서 2410억 개의 매개 변수까지 9가지 크기의 버전을 제공하며, 두께를 포함한 다양한 리소스 수요 시나리오를 포괄합니다....

FastVLM(Fast Vision Language Model)은 Apple에서 도입한 효율적인 시각 언어 모델입니다. FastViTHD 하이브리드 비주얼 코더를 핵심으로 컨볼루션 및 트랜스포머 아키텍처를 통합하여 시각적...

미즈윅스는 메이퇀의 M17 팀이 모델의 지시를 따르는 능력을 평가하기 위해 사용하는 오픈 소스 대규모 모델 평가 세트입니다.미즈윅스는 3단계 평가 프레임워크를 사용하여 모델이 매크로에서 마이크로 수준까지 사용자의 지시에 따라 답변을 생성할 수 있는지 종합적으로 측정하며 답변 내용에 대한 지식은 긍정적으로 평가하지 않습니다.

gpt-realtime은 자연스럽고 부드러운 음성을 생성하기 위해 오디오의 직접 처리를 지원하는 OpenAI의 고급 음성 모델입니다. 이 모델은 여러 언어와 스타일을 지원하고 웃음과 같은 비언어적 단서를 이해하며 언어 간에 전환할 수 있습니다.

유투 에이전트는 텐센트 유투 랩의 자율 지능 구축 및 실행을 위한 오픈 소스 프레임워크입니다. 이 프레임워크는 각각 71.47% 및 72.8%의 정확도로 WebWalkerQA 및 GAIA 벤치마크에서 우수한 성능을 발휘하며, 이 프레임워크는 ...

훈위안비디오-폴리는 무음 동영상에 정확하게 일치하는 음향 효과를 추가하는 것을 지원하는 텐센트 혼합원 팀의 오픈 소스 동영상 사운드 생성 모델입니다. 이 모델은 대규모 데이터 세트 학습을 기반으로 하며, 다중 모드 확산 변환기 아키텍처와 정렬 손실 함수 표현 및 오디오 VAE 최적화 기술이 결합되어 있습니다 ...

PixVerse V5는 아이시 테크놀로지가 출시한 AI 동영상 생성의 대형 모델입니다. 이 모델은 사용자가 입력한 텍스트 설명이나 이미지를 기반으로 고품질의 동영상 콘텐츠를 생성할 수 있으며 애니메이션, 공상 과학, 내셔널 스타일 등 다양한 스타일을 지원합니다.

Ask White 5는 매우 높은 수준의 지능을 갖춘 플래그십 "올인원" 모델입니다. 이 모델은 AA-Index 종합 평가 점수 64.7점, STEM 능력 평가 점수 86점 등 여러 평가에서 우수한 성적을 거두었으며, 이는 세계 최고의 GPT-5에 근접한 점수입니다.

MiniCPM-V 4.5는 이미지와 비디오를 효율적으로 처리하는 기능을 갖춘 Qwen3-8B 및 SigLIP2-400M을 기반으로 구축된 Facade Intelligence용 오픈 소스 8B 파라메트릭 멀티모달 모델입니다. 비주얼 토큰 소비, 처리 성능이 뛰어납니다.

제미니 2.5 플래시 이미지(코드명 나노 바나나)는 구글의 최신 이미지 생성 및 편집 모델로, 여러 장면에서 캐릭터의 일관성을 유지하고 자연어를 통해 배경 흐림, 얼룩 제거 등 정밀한 이미지 편집을 지원합니다.

Wan2.2-S2V는 알리 통이의 오픈 소스 멀티 모달 비디오 생성 모델로, 정적 인 그림과 오디오 만 고품질 디지털 휴먼 비디오를 생성 할 수 있으며 다양한 이미지 유형과 프레임을 지원합니다.

개발자를 위한 ChatGPT 팁 엔지니어링은 개발자를 위해 설계된 DeepLearning.AI와 OpenAI의 공동 과정으로, Isa Fulford, Andrew Ng가 대규모 언어 모델(LLM) 사용법을 알려줍니다....

Ask White o4는 8개의 사고 경로를 동시에 열어 여러 관점에서 문제를 분석하고 최적의 해결책을 자동으로 필터링하는 혁신적인 병렬 사고 모델입니다. 이 모델은 고급 Long-CoT 강화 학습 및 프로세스 보상 학습 기법을 통합하고 강력한 심층 추론 기능을 갖추고 있으며 복잡한 작업에서 뛰어난 성능을 발휘합니다.

VibeVoice는 Microsoft의 새로운 텍스트 음성 변환(TTS) 모델입니다. 이 모델은 최대 4개의 서로 다른 스피커에서 대화형 오디오를 생성하고 최대 90분의 연속 음성 출력을 지원하여 기존 TTS 시스템의 길이 제한을 극복합니다.

스페이셜젠은 확산 모델 아키텍처를 기반으로 하는 쿠나 테크놀로지의 오픈 소스 3D 장면 생성 모델로, 텍스트 설명, 참조 이미지 및 3D 공간 레이아웃을 기반으로 시공간적으로 일관된 멀티뷰 이미지를 생성하고 3D 가우시안 장면 생성 및 로밍 비디오 렌더링을 지원합니다.

EchoMimicV3는 앤트 그룹에서 출시한 멀티모달 디지털 휴먼 비디오 생성 모델로, 13억 개의 파라미터로 오디오, 텍스트, 이미지 등 다양한 입력을 처리하여 고품질의 디지털 휴먼 애니메이션을 생성할 수 있습니다.

Fun-ASR은 네일과 통이랩스가 공동으로 출시한 대형 음성 인식 모델입니다. 이 모델은 방대한 오디오 데이터로 학습되어 인터넷, 기술, 가정 장식 등과 같은 여러 산업 분야의 용어를 정확하게 식별할 수 있어 인식 정확도를 크게 향상시켰습니다. 이 모델은 추론 최적화를 위해 네일 엔터프라이즈 정보와 결합되어 팬텀 문제를 줄입니다.

스퀴블러는 작가를 위해 설계된 강력한 AI 지원 글쓰기 플랫폼으로, 구상부터 창작, 출판에 이르는 전 과정을 도와줍니다. 이 플랫폼은 소설, 시나리오, 단편 소설 등 다양한 스토리 템플릿을 제공합니다. 사용자는 초기 컨셉만 입력하면 AI가 개요, 캐릭터, 장면 등을 생성할 수 있습니다.

91Writing은 완전 오픈 소스 AI 소설 창작 도구로, Vue 3 및 Element Plus를 기반으로 개발되어 GPT, Claude, Gemini 등과 같은 다양한 고급 AI 모델을 통합합니다. 이 도구는 창작자에게 프로젝트 생성을 포함하여 아이디어에서 텍스트까지 완벽한 창작 도구 체인을 제공합니다....

Aivilization은 홍콩과학기술대학교에서 개발한 세계 최초의 AI 다중 지능체 소셜 시뮬레이션 플랫폼입니다. 사용자가 수천 개의 AI 지능을 만들고 안내하여 미래 인간-AI 공존의 사회적 진화를 관찰할 수 있는 시각적 디지털 샌드박스를 구축합니다. 이 플랫폼은 다음을 지원합니다.

Grok 2.5는 Elon Musk의 xAI에서 개발한 오픈 소스 AI 모델입니다. 2,690억 개의 파라미터를 갖춘 이 모델은 강력한 성능과 추론을 위해 혼합 전문 지식(MoE) 아키텍처를 기반으로 합니다. 이 모델은 대학원 수준의 과학 지식(GPQA), 범용 지식(MMLU, MM ...

Draw A Fish는 전 세계적으로 공유되는 가상 어항에 넣을 물고기를 그릴 수 있는 간단하고 재미있는 온라인 AI 물고기 그리기 사이트로, 등록이 필요 없고 사용하기 쉬우며 몇 초 만에 만들고 공유하는 데 불과 몇 초밖에 걸리지 않습니다.

MIT의 최신 보고서인 '생성적 AI 격차: 2025년 비즈니스 AI 현황'은 300개 이상의 AI 프로젝트에 대한 심층 연구, 52개 조직과의 인터뷰, 153명의 경영진을 대상으로 한 설문조사를 통해 기업이 겪고 있는 생성적 AI(GenAI) 도입 과정의 핵심을 보여줍니다....

AutoClip은 자동화된 비디오 처리의 전체 프로세스를 달성하기 위해 고급 AI 기술을 기반으로 하는 오픈 소스 AI 비디오 편집 도구입니다. 도구는 비디오의 하이라이트를 자동으로 식별하고 귀중한 콘텐츠를 정확하게 추출 할 수 있으며 지능형 클러스터링 테마의 유사성을 기반으로 콘텐츠 모음을 생성 할 수 있습니다.AutoClip 지원 ...

툰컴포저는 홍콩 중문대학교, 텐센트 PCG ARC 랩, 북경대학교가 공동으로 출시한 제너레이티브 AI 애니메이션 툴입니다. 제너레이티브 포스트 키프레임 기술을 통해 중간 프레임 생성 및 채색 프로세스가 자동화된 프로세스로 통합되어 스케치만 있으면 됩니다.

Seed-OSS는 긴 텍스트와 추론 작업에 중점을 둔 Byte Jump Seed 팀이 오픈소스화한 대규모 언어 모델 제품군입니다. 이 모델은 복잡한 논리적 추론과 다단계 추론에서 높은 정확도로 잘 수행하며 어려운 문제를 효율적으로 해결할 수 있습니다.Seed-OSS는 최대 512K의 긴 텍스트 컨텍스트를 지원합니다....

Intern-S1-mini는 상하이 인공 지능 연구소(SAL)에서 출시한 파라미터 스케일 8B의 경량 과학 멀티모달 매크로 모델로, Intern-S1의 강력한 기능을 계승하여 범용 및 전문 과학 기능을 모두 결합하여 신속한 배포 및 2차 개발에 적합합니다. 성능 측면에서, 나는 ...

나노 바나나는 간단한 텍스트 프롬프트에 따라 기존 이미지를 고품질로 수정할 수 있도록 세밀하고 사실적인 이미지를 생성하는 Google의 AI 이미지 생성 및 편집 모델인 Gemini 2.5 플래시 이미지의 코드명입니다.

Klear-Reasoner는 Qwen3-8B-Base를 기반으로 하는 Racer의 고성능 추론 모델입니다. 이 모델은 수학적 추론과 코드 추론을 잘 수행하도록 긴 사고 체인 감독 미세 조정 및 강화 학습을 통해 훈련되었습니다.Klear-Reasoner...

CombatVLA는 아모이 그룹의 퓨처 라이프 랩 팀이 개발한 혁신적인 3D 액션 롤플레잉 게임(ARPG) 전용 모델로, 3B 파라메트릭 스케일로 구축된 시각-언어-행동(VLA) 모델로, 모션 트래커를 통해 인간 플레이어의 동작을 수집합니다.

DeepSeek V3.1은 이전 버전인 V3를 기반으로 중요한 업그레이드가 이루어진 차세대 AI 모델로, 모델이 사고 모드와 비사고 모드 사이를 유연하게 전환할 수 있는 하이브리드 추론 아키텍처를 도입하여 사고 능력을 크게 향상시켰습니다.