Google, Genie 4 공개…실시간 지시와 소리를 더한 월드 모델
Genie 4는 생성된 세계를 탐색하면서 지시로 장면을 바꾸고 소리를 함께 만드는 연구 미리보기다. 현재 테스트 대상과 Ultra·API의 향후 접근 계획을 구분했다.
← 전체 태그
태그 / MULTIMODAL
멀티모달
멀티모달 태그가 붙은 최신 기사입니다.
Liquid AI, LFM3 6종 공개…텍스트·시각·음성을 2B급 모델군으로
LFM3는 공통 기반을 공유하는 경량 모델 6종이다. 모델별 입력 범위, LFM3-1.7B의 256K 문맥과 라이선스, 로컬 실행 시 확인할 조건을 정리했다.
Microsoft, MAI Image 2.7 프리뷰…기존 이미지 편집부터 제공
MAI Image 2.7이 조명·스타일·문자와 사물 수정 등 이미지 편집을 먼저 공개했다. 텍스트로 새 이미지를 만드는 기능은 추후 제공 예정이다.
NVIDIA, Nemotron 3.5 Transcribe 공개…전사 형식과 화자 표시를 지시
Nemotron 3.5 Transcribe는 40개 언어와 최대 1시간 녹음을 처리하는 공개 가중치 음성 전사 모델이다. 전사 스타일, 화자·시간 표시와 배포 조건을 정리했다.
OpenAI, GPT-6.1 Terra 출시…시각 추론·컴퓨터 작업을 낮은 단가로
GPT-6.1 Terra가 Work·Codex와 API에 제공된다. 이미지 이해·화면 작업, 기본 API 가격과 긴 입력의 추가 요금, 도구 호출 조건을 정리했다.
NVIDIA, Nemotron 3.5 검색 모델 공개…이미지 속 표와 차트까지 검색
NVIDIA가 임베딩·재정렬·문서 파싱을 위한 Nemotron 3.5 모델을 공개했다. 에이전트 검색에 활용할 수 있는 기능과 평가 결과의 범위를 살펴본다.
문샷, Kimi K3.1 Pro 발표…코딩·3D 작업 강화, 가중치는 11월 공개 예고
Kimi K3.1 Pro와 Highspeed가 서비스·API에 제공된다. 100만 토큰 문맥, 코딩·3D 작업 변화와 11월 4일까지로 예고된 가중치 공개를 구분해 정리했다.
MiniMax M3.1 Flash, API 출시에 이어 가중치도 공개…활성 23B로 에이전트 겨냥
10월 19일 출시된 MiniMax M3.1 Flash의 공식 가중치가 공개돼 있다. 428B·활성 23B 구조, 멀티모달 입력과 API 단가, 자체 운영 조건을 정리했다.
메타, Muse Spark Open 가중치 공개…816B 멀티모달 모델 직접 운영 가능
메타가 Muse Spark Open을 공개했다. 총 816B·활성 42B와 100만 토큰 문맥, Mac Studio 두 대 실행 구성, 라이선스와 메모리 조건을 살펴봤다.
구글, 텍스트·이미지·음성 찾는 온디바이스 EmbeddingGemma 2 공개
740M 파라미터 오픈 임베딩 모델의 멀티모달 검색 기능과 배포 조건, 성능 수치의 의미를 정리했다.
Liquid AI, 엣지용 오픈 d1 의사결정 모델 2종 공개
d1-3B와 실험 단계 d1-omni-600M은 토큰을 생성하지 않고 한 번의 추론으로 구조화된 판단을 낸다. 지원 입력과 기기별 지연 시간, 공개되지 않은 평가 범위를 정리했다.
미스트랄, 대형 멀티모달 모델 Large 4 공개 프리뷰 시작
Mistral Large 4를 Studio API에서 공개 프리뷰로 제공한다. 오픈 웨이트 공개 일정, 100만 토큰 문맥과 벤치마크 주장의 범위를 정리했다.
퍼플렉시티, 이미지·PDF 찾는 멀티모달 임베딩 모델 공개
pplx-embed-v2-late는 문서 전체를 단일 벡터로 압축하는 대신 토큰별 표현을 비교한다. 공개 모델과 API 제공 일정, 문서 검색의 평가 기준을 살펴봤다.
마이크로소프트, 실시간 받아쓰기·다국어 음성 MAI 모델 공개
MAI-Transcribe-2-Streaming과 MAI-Voice-2.1 계열이 공개됐다. 실시간 전사와 음성 합성의 차이, 성능 주장과 프리뷰 조건을 살펴봤다.
Luma Ray3 Modify 소개: 촬영한 움직임을 살려 영상 분위기 바꾸기
새 영상을 만드는 것과 기존 영상을 변환하는 것은 다르다. Dream Machine의 Ray3 Modify에서 원본 연기, 키프레임, 변환 강도를 활용하는 제작 방법을 정리했다.
Runway Gen-4.5 사용법: 제품 사진 한 장을 움직이는 광고 컷으로
Runway 이미지 투 비디오에서 사진이 맡을 역할과 프롬프트가 맡을 역할을 구분한다. 제품 형태를 검토하고 카메라 움직임을 단계적으로 조절하는 제작 가이드.
Veo 3.1과 Flow 사용법: 소리까지 설계하는 AI 영상 만들기
Veo 모델과 Flow 제작 도구의 차이부터 영상·오디오 프롬프트, 참조 이미지와 장면 연결까지. 짧은 카페 영상을 예로 실제 작업 순서를 정리했다.
30초 원테이크와 50개 참조 에셋, 씨댄스 2.5가 겨냥한 '제어 가능한 비디오 AI'
바이트댄스의 씨댄스 2.5는 30초 단일 생성과 50개 멀티모달 참조 에셋, 3D 블록아웃 제어를 앞세워 생성형 영상의 상업 실무 도입을 앞당기고 있습니다.