모델 디렉터리

최신 AI 모델

새롭게 출시된 모델을 발표일 순서로 살펴보세요.

최신 발표순7개 언어
초기화

468 개 모델

최신 발표순
Alibaba

Qwen-Audio-3.0-ASR-Flash

Qwen-Audio-3.0-ASR-Flash는 녹음된 짧은 오디오를 텍스트로 변환하는 비실시간 자동 음성 인식(ASR) 모델이다. HTTP API로 호출한다. 공식 모델 업데이트에 기재된 출시일은 2026년 7월 30일이다. (alibabacloud.com) 한국어, 중국어, 영어, 일본어 등을 포함한 30개 언어와 중국어 방언·지역 억양을 지원한다. 핫워…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Filetrans

Qwen-Audio-3.0-ASR-Flash-Filetrans는 긴 오디오·비디오 파일의 음성을 텍스트로 변환하는 비실시간 음성 인식 모델이다. 회의록 작성, 통화 분석, 짧은 동영상 자막 및 고객 상담 품질 점검에 활용할 수 있다. (docs.qwencloud.com) 한국어, 중국어, 영어, 일본어 등을 포함한 다국어와 여러 중국어 방언을 지원한다. 핫…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Streaming

Tongyi Lab이 저지연·고동시성 실시간 상호작용을 위해 개발한 스트리밍 음성 인식 모델이다. 오디오를 입력받아 텍스트를 출력하며, 말하는 동안 전사 결과를 제공한다. (alibabacloud.com) 출시일: 2026년 7월 30일. Alibaba Cloud의 싱가포르 국제 배포 업데이트에 등재되었다. (alibabacloud.com) 주요 기능: 사…

Google

Lyria 3.5

Google의 음악 생성 모델로, 텍스트 프롬프트나 이미지를 바탕으로 절, 후렴, 브리지 등 구조를 갖춘 곡을 생성한다. 공식 모델 카드에 따르면 시간축 오디오 잠재 표현에 적용한 잠재 확산 방식을 사용한다. (deepmind.google) 44.1kHz 스테레오 MP3 음악과 가사 텍스트를 출력한다. 보컬과 악기 편곡을 생성하고 프롬프트로 템포와 곡 길이…

OpenAI

GPT-Live-Transcribe

GPT-Live-Transcribe는 실시간 오디오를 낮은 지연 시간으로 텍스트로 변환하는 스트리밍 음성 인식 모델이다. OpenAI API 변경 이력에 따르면 2026년 7월 28일 출시됐다. (developers.openai.com) 마이크, 통화 등에서 음성이 들어오는 동안 부분 전사 결과를 반환하고, 오디오 턴을 커밋하면 최종 전사 결과를 반환한다.…

OpenAI

GPT-Transcribe

GPT-Transcribe는 OpenAI의 고정확도 음성-텍스트 변환 모델이다. 완성된 녹음 파일의 전사, 파일 처리 중 전사 결과 스트리밍, WebSocket 기반 Realtime 세션에서 확정된 발화의 최종 전사에 사용할 수 있다. (developers.openai.com) 자유 형식의 전사 맥락, 키워드 힌트 및 여러 입력 언어 힌트를 지원한다. 이를…

Anthropic

Claude Opus 5

Claude Opus 5는 코딩과 지식 작업에 중점을 둔 Anthropic의 고성능 모델이다. 공식 발표일은 2026년 7월 24일이다. 현재 공식 문서에서는 사용 가능한 레거시 모델로 분류하며, 2027년 7월 24일 이전에는 종료하지 않는다고 안내한다. (anthropic.com) 텍스트와 이미지를 입력받아 텍스트를 생성한다. 소프트웨어 개발, 코드 분…

Google

Gemini 3.5 Flash Cyber

Gemini 3.5 Flash를 기반으로 사이버보안 취약점의 발견·검증·수정에 맞춰 미세 조정한 경량 모델이다. Google의 코드 보안 에이전트 CodeMender와 함께 사용하도록 설계되었다. (deepmind.google) 대규모 코드베이스와 여러 코드 경로를 분석해 보안 취약점을 발견하고 검증하며 패치를 생성한다. CodeMender에서 여러 차례…

Google

Gemini 3.5 Flash-Lite

출시일: 2026년 7월 21일. 포지셔닝: Gemini 3.5 계열의 빠르고 비용 효율적인 멀티모달 모델로, 낮은 지연 시간과 높은 처리량이 중요한 작업 및 에이전트 워크플로에 최적화됐다. (blog.google) 텍스트, 이미지, 동영상, 오디오, PDF를 입력받고 텍스트를 출력한다. 추론 수준 조절, 함수 호출, 코드 실행, 구조화된 출력, 검색 기반…

Google

Gemini 3.6 Flash

Gemini 3.6 Flash는 Gemini 3.5 Flash를 기반으로 한 네이티브 멀티모달 추론 모델이다. Google은 코딩, 지식 작업 및 멀티모달 성능을 개선하면서 토큰 효율을 높인 범용 작업 모델로 소개했다. 발표일은 2026년 7월 21일이다. (blog.google) 텍스트, 이미지, 오디오, 동영상 및 PDF를 입력받고 텍스트를 출력한다.…

Alibaba

Qwen-Image-3.0

Alibaba의 Qwen 이미지 생성·편집 모델이다. 표준형 qwen-image-3.0은 생성 품질, 속도, 비용의 균형을 지향하며, 별도 모델인 Pro보다 빠른 일상 창작과 반복 제작에 적합하다. 입력은 텍스트와 이미지이고 출력은 이미지다. (modelstudio.console.aliyun.com) 텍스트로 이미지를 생성하고, 입력 이미지를 바탕으로 이미…

Alibaba

Qwen3.7-Flash

Qwen3.7-Flash는 Alibaba의 네이티브 비전·언어 모델인 Qwen3.7 Flash 계열의 멀티모달 모델이다. 이 API ID는 2026년 7월 15일 스냅샷을 가리킨다. Alibaba Cloud Model Studio 공식 출시 목록에는 2026년 7월 21일 출시 항목으로 기록되어 있다. (alibabacloud.com) 텍스트·이미지·동영상…

Baidu

HPD-Parsing

HPD-Parsing은 높은 처리량의 문서 파싱을 위한 경량 비전-언어 모델이다. 약 10억 개의 매개변수를 가지며, 모델 가중치는 Apache 2.0 라이선스로 공개되어 있다. 공식 모델 저장소 식별자는 PaddlePaddle/HPD-Parsing이다. (huggingface.co) 주 레이아웃 분기가 문서 전체 구조를 조정하고, 여러 콘텐츠 분기가 문서…

ByteDance

Seed Audio 1.0

Seed Audio 1.0은 음성, 효과음, 환경음 등 장면의 여러 오디오 요소를 하나의 프레임워크에서 함께 생성하는 오디오 제작 모델이다. 공식 발표일은 2026년 7월 20일이다. (seed.bytedance.com) 프롬프트로 등장인물의 대사, 감정, 환경과 음향 효과를 지정해 조화로운 장면을 생성한다. 대사 시작 시점은 100ms 간격으로 제어할 수…

Alibaba

Qwen-Image-3.0-Pro

Alibaba의 이미지 생성·편집용 플래그십 모델이다. 텍스트와 이미지를 입력받아 이미지를 출력하며, Alibaba Cloud Model Studio에서 동일한 API ID로 텍스트 기반 이미지 생성과 이미지 편집을 이용할 수 있다. (alibabacloud.com) 2026년 7월 20일. 공식 출시 공지에 해당 모델이 이 날짜로 기재되어 있다.…

Alibaba

Qwen 3.8-Max-Preview

Qwen 3.8-Max-Preview는 Alibaba의 Qwen 계열 플래그십 기반 모델의 프리뷰 버전이다. 공식 발표에 따르면 파라미터 규모는 2.4조 개다. (alibabagroup.com) Alibaba는 코드 엔지니어링과 업무 지원 능력을 강조하며, 풀스택 개발, 데이터 분석, Office 업무 흐름 등 복잡하고 긴 작업에 활용할 수 있다고 설명한다…

MiniMax

Music-3.0

MiniMax Music-3.0은 텍스트로 설명한 창작 의도와 선택적인 가사를 바탕으로 노래나 연주곡을 생성하는 음악 모델이다. 한 번의 생성으로 작곡, 편곡, 보컬 및 제작을 수행하며, 최대 5분 길이의 곡을 지원한다. (minimax.io) 장르, 분위기, 악기, 보컬 스타일 등으로 음악을 지시할 수 있으며, 가사에 [Verse], [Chorus] 같은…

Moonshot AI

Kimi K3

Kimi K3는 장기 코딩 작업, 지식 작업 및 추론을 위한 멀티모달 모델이다. 총 2.8조 개의 매개변수를 가진 전문가 혼합(MoE) 구조로, 토큰마다 896개 전문가 중 16개를 활성화한다. Kimi Delta Attention과 Attention Residuals를 사용하며, 자체적인 시각 이해와 최대 1,048,576토큰의 컨텍스트 창을 지원한다.…

Tencent

Hy-Embodied-RxBrain-1.0

Hy-Embodied-RxBrain-1.0(RxBrain)은 Tencent Robotics X, Futian Laboratory, Tencent Hunyuan 팀이 개발한 오픈소스 체화 인지 기반 모델이다. 세계 이해, 추론·계획, 행동 결과 예측을 하나의 멀티모달 모델로 통합한다. Hy-Embodied-VLM 계열을 기반으로 하며, 약 62억 개의 파라미…

Tencent

Hy-Embodied-VLM-1.0

Hy-Embodied-VLM-1.0은 실제 물리 환경에서 작동하는 임바디드 에이전트를 위한 시각·언어 기반 모델이다. Tencent Robotics X, Hy Vision Team, Futian Laboratory가 개발했으며, 공식 발표일은 2026년 7월 15일이다. (github.com) Hy3-A3B 언어 백본과 Hy-ViT2 시각 인코더를 결합한…