모델 개요
VTP-Small-f16d64는 이미지 이해와 생성 연구를 위한 VTP 시각 토크나이저의 소형 사전 학습 모델이다. 이미지-텍스트 대조 학습, 자기지도 학습, 이미지 재구성 손실을 함께 최적화한다. 공식 모델 저장소에는 약 0.2B개의 파라미터가 표시되어 있다. (github.com)
기능 및 용도
- 이미지를 잠재 표현으로 인코딩하고 이를 이용해 이미지를 재구성한다.
- 이미지와 텍스트의 특징을 비교하는 제로샷 분류와 시각 특징 추출에 활용할 수 있다.
- 이미지 생성 모델의 시각 토크나이저로 활용할 수 있다. 공식 평가는 별도의 LightningDiT 모델을 사용한다. (github.com)
성능 및 제한
공식 모델 카드의 Small 평가 결과는 제로샷 정확도 66.7, 선형 프로빙 정확도 77.5, 재구성 rFID 0.98이다. LightningDiT-XL을 80에폭 학습한 생성 평가의 무조건부 FID-50K는 5.46이다. 이는 해당 평가 설정의 결과이며 모든 사용 환경의 성능을 보장하지 않는다. 모델 자체는 대화형 생성 서비스가 아니라 시각 토크나이저이며, 이미지 생성에는 별도 생성 모델과 통합 과정이 필요하다. 공식 README는 연구가 진행 중이라고 명시한다. (huggingface.co)
공식 README의 빠른 시작 예제는 Small이 아닌 Large 체크포인트를 사용하므로 예제의 성능 수치를 Small의 결과로 해석하면 안 된다. README에는 가중치가 공개되었다는 공지와 곧 공개된다는 오래된 문구가 함께 남아 있지만, Small 모델 저장소에서 가중치 파일을 확인할 수 있다. 모델 카드의 라이선스 표기는 modified-mit이므로 사용 전 해당 조건을 확인해야 한다. (github.com)
출시일
2025년 12월 16일. 공식 README는 이날 기술 보고서와 사전 학습 가중치를 공개했다고 공지한다. (github.com)
가격
2026년 11월 17일 조회 기준, 이 모델에 적용되는 공식 API 입력·출력 요금은 확인되지 않았다. 중국 본토 공식 가격 페이지의 위안화(CNY/RMB) 요금은 접근 제한으로 확인할 수 없었고, 국제 공식 가격 안내에서도 이 모델의 미국 달러(USD) 요금을 확인하지 못했다. 공개 가중치를 직접 실행할 때 드는 컴퓨팅 비용은 별도다. ()