모델 디렉터리

최신 AI 모델

새롭게 출시된 모델을 발표일 순서로 살펴보세요.

최신 발표순7개 언어
초기화

291 개 모델

최신 발표순
MiniMax

VTP-Small-f16d64

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) 이미지를 잠재 표현으로 인코딩하고 이를 이용해 이미지를 재구성한다. 이미…

Alibaba

Qwen-Image-Edit-Plus

Qwen-Image-Edit-Plus는 Alibaba의 Qwen 계열 이미지 편집 모델이다. 이미지를 입력받아 편집된 이미지를 출력하며, 인물의 일관성을 유지하는 편집, 산업 디자인 및 조명 효과 적용 등에 활용할 수 있다. 공식 발표에 따르면 2025년 10월 30일 스냅샷보다 인물 일관성, 산업 디자인과 기하학적 추론 능력이 개선됐고, 조명 등 LoRA…

Alibaba

Wan2.6-Image

Wan2.6-Image는 Alibaba의 범용 이미지 생성·편집 모델이다. 텍스트와 이미지를 함께 추론하며, 여러 참조 이미지의 창의적 결합, 스타일 전이, 구도와 조명 제어, 이미지 간 일관성 유지에 초점을 둔다. Alibaba Cloud Model Studio에서 제공한다. (docs.modelstudio.console.alibabacloud.com)…

Alibaba

Wan2.6-T2I

Wan2.6-T2I는 텍스트 지시를 이미지로 변환하는 Wan2.6 계열 모델이다. Alibaba Cloud Model Studio의 모델 업데이트 기록에 명시된 출시일은 2025년 12월 15일이다. (docs.modelstudio.console.alibabacloud.com) 공식 발표는 향상된 시각적 품질과 미적 표현, 지시 이행 능력을 특징으로 제시한…

Alibaba

Qwen Voice-Design

Qwen 음성 모델 계열의 맞춤 음색 설계 모델이다. 간단한 텍스트 설명으로 원하는 음색을 만들 수 있으며, 음성 샘플은 필요하지 않다. 공식 출시 목록에 기재된 날짜는 2025년 12월 12일이다. (docs.modelstudio.console.alibabacloud.com) qwen3-tts-vd-realtime과 함께 사용하면 설계한 음색으로 10개…

Google

Gemini 2.5 Flash Native Audio Preview

Google이 Live API용으로 공개한 네이티브 오디오 미리보기 모델이다. 지연 시간이 짧은 실시간 음성·영상 대화에 초점을 맞추며, 이전 버전보다 복잡한 워크플로 처리 능력을 개선했다. 공개일은 2025년 12월 12일이다. (aistudio.google.com) 오디오, 비디오, 텍스트를 입력받고 오디오와 텍스트를 출력한다. 연속 입력을 처리해 자연…

Zhipu AI

GLM-TTS

GLM-TTS는 텍스트를 음성으로 변환하는 산업용 음성 합성 시스템이다. 2025년 12월 10일 공식 발표와 함께 모델 가중치가 공개됐다. (zhipuai.cn) 짧은 참조 음성을 이용한 제로샷 음색 복제, 감정과 운율 표현, 스트리밍 추론을 지원한다. 공식 모델 카드는 음색 복제에 3~10초의 참조 음성을 제시한다. (huggingface.co) 텍스트…

Zhipu AI

GLM-ASR-Nano-2512

GLM-ASR-Nano-2512는 실제 환경의 복잡한 음성 인식을 위해 설계된 오픈소스 음성-텍스트 변환 모델이다. 공식 발표일은 2025년 12월 9일이다. 발표 기준 매개변수 규모는 15억 개이며, 특징 추출에 사용하는 Whisper V3 오디오 인코더의 추가 매개변수는 이 수치에 포함되지 않는다. (zhipuai.cn) 음성을 텍스트로 전사하며, 표준…

Alibaba

Qwen3-Omni-Flash-Realtime

Qwen3-Omni-Flash의 실시간 멀티모달 모델로, Thinker–Talker 혼합 전문가(MoE) 아키텍처를 기반으로 한다. 공식 발표일은 2025년 12월 4일이다. (docs.modelstudio.console.alibabacloud.com) 텍스트, 이미지, 오디오, 비디오를 이해하고 음성을 생성한다. 공식 발표에 따르면 텍스트로 119개 언어…

DeepSeek

DeepSeek-V3.2-Speciale

출시일: 2025년 12월 1일. 포지셔닝: DeepSeek-V3.2의 장시간 사고 강화 버전으로, 오픈 모델의 추론 성능 한계를 탐구하기 위한 연구용 모델이다. 모델 가중치는 MIT 라이선스로 공개됐다. (deepseek.com) 지시 이행, 수학적 증명, 논리 검증 및 복잡한 추론에 중점을 둔다. DeepSeek는 DeepSeek-Math-V2의 정리…

DeepSeek

DeepSeek-V3.2

출시일: 2025년 12월 1일. 포지셔닝: 추론 능력과 출력 길이의 균형을 목표로 하는 범용 언어 모델로, 일상적인 질의응답과 에이전트 작업에 적합하다. DeepSeek-V3.2-Exp의 정식 후속 모델이다. (deepseek.com) 구조와 입출력: 텍스트 입력과 출력을 지원하며, 컨텍스트 길이는 128K이다. 전체 파라미터는 671B이며 토큰당…