AI Briefing#multimodal
#multimodal와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#multimodal와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
지난 1년간 급변한 Vision Language Model(VLM)의 주요 기술 트렌드와 최신 모델 및 벤치마크를 정리했다.
카카오가 음성 모델(Kanana-a)과 시각 모델(Kanana-v)을 모델 병합 기법으로 통합한 멀티모달 LLM 'Kanana-o'를 공개했으며, 한국어 음성 인식(CER 8.5) 등에서 글로벌 모델 대비 우수한 성능을 입증했다.
Meta가 텍스트와 이미지를 모두 검사하는 12B 규모의 멀티모달 안전 모델 Llama Guard 4를 출시했다.
Cohere의 주요 LLM 및 멀티모달 모델을 Hugging Face Hub에서 서버리스 추론으로 사용할 수 있다.
70억 파라미터 규모의 멀티모달 모델 Visual Salamandra가 이미지와 비디오 이해 능력을 갖춰 공개되었다.
Meta의 차세대 MoE 모델인 Llama 4 Maverick과 Scout가 Hugging Face에 출시되었다.
GPT-4o는 DALL·E 3보다 강력한 이미지 생성 및 변환 능력을 갖춘 네이티브 이미지 생성 기능을 제공한다.
Cohere For AI가 23개 언어를 지원하는 오픈 웨이트 멀티모달 모델 'Aya Vision' 시리즈를 출시했다.
HuggingFace가 비디오 이해 능력을 갖춘 초경량 멀티모달 모델 SmolVLM2 시리즈를 공개했다.
한국어 벤치마크 평균 75.1점으로 GPT-4o(61.9점)를 상회하며, Native resolution과 C-Abstractor 구조를 채택했다.
HuggingFace가 메모리 효율성을 극대화한 2B 규모의 오픈소스 시각 언어 모델 SmolVLM을 공개했다.
카카오가 한국어 처리에 특화된 AI 모델 '카나나' 패밀리를 공개했으며, 글로벌 SOTA 모델 대비 한국어에서 압도적인 성능을 보이며 카카오톡 등 서비스에 적용됐다.
OpenAI가 이미지와 텍스트를 함께 사용하여 GPT-4o를 학습시킬 수 있는 vision fine-tuning 기능을 출시했다.