DeepSeek-OCR 2 출시: 시각적 인과 흐름이 문서 및 도표 인식을 더 '인간과 같이' 만듭니다
1. 초록 DeepSeek-OCR 2는 DeepSeek의 오픈소스 OCR/문서 이해 모델을 업그레이드한 버전으로, "DeepSeek-OCR 2: 시각적 인과 흐름"이라는 주제로 보다 인간 친화적인 시각적 코딩 방법을 강조하고, 복잡한 레이아웃(문서, 차트, 혼합 페이지...
Admin •
288
Kimi K2.5 오픈 소스 멀티모달 에이전트 전체 솔루션: 시각적 프로그래밍과 에이전트 스웜과의 병렬 협업
1. 초록 Kimi K2.5는 Moonshot AI에서 출시한 오픈 소스 "비전 + 에이전트" 멀티모달 모델로, 통합된 이미지/비디오 및 텍스트 입력을 지원하며 대화 모드와 에이전트 모드를 제공합니다. 비전 기반 코딩과 시각적 디버깅, 롱링크 도구 호출, 자율 병렬 다...
Admin •
318
Qwen3-TTS 오픈 소스 릴리스: 12Hz 고압축 토큰나이저 + 3초간의 톤 클론 플레이 방법
1. 초록 Qwen3-TTS는 Qwen 팀이 만든 오픈 소스 텍스트-음성(TTS) 모델 계열로, 텍스트 설명에서 새로운 음성 생성을 위한 VoiceDesign, 미리 정해진 고품질 소리의 명령 제어용 CustomVoice, 빠른 음성 복제 및 기본 미세 조정 기능을 포...
Admin •
227
Chroma 1.0 출시: 세계 최초의 오픈소스 종단 간 실시간 음성 변환 모델
- 초록 Chroma 1.0은 FlashLabs에서 훈련한 종단 간 실시간 음성 변환 모델로, 완전 오픈소스로 개인화된 음성 복제를 가능하게 합니다. 이 모델은 전통적인 ASR→LLM→TTS 파이프라인의 필요성을 없애며, 약 150ms 내에 종단 간 응답을 완료할 수 ...
Admin •
186
오픈 소스 이미지 생성의 새로운 선택지: GLM-Image의 아키텍처, 기능 및 구현 시나리오
1. 초록 GLM-Image는 Z.ai 년의 오픈 소스 이미지 생성 모델로, "이산 자기 회귀 생성 + 확산 디퓨전 디코딩"이라는 하이브리드 패러다임을 사용합니다. 자기 회귀 모듈은 전역 의미론과 레이아웃 계획을 담당하고, 확산 디코더는 고충실도 디테일로 보완됩니다. ...
Admin •
180
바이촨-M3-235B, Hugging Face 출시: Qwen3 기반 235B 의료 의사결정 모델 해석
1. 초록 바이촨-M3-235B는 바이촨 인텔리전스에서 출시한 의료 강화 대형 언어 모델로, "임상 의사결정 과정"을 교육 목표로 강조합니다. 이 모델은 질문에 답할 뿐만 아니라 핵심 의학적 정보를 적극적으로 요청하고, 감별 진단 아이디어를 조직하며, 신뢰할 수 없는 ...
Admin •
233
DeepSeek 엔그램 해석: O(1)를 사용하여 조건부 기억을 검색하여 대형 모델에 "새로운 희소 축"을 추가하세요
1. 초록 Engram은 DeepSeek의 오픈소스 "조건부 메모리" 모듈로, 핵심 아이디어는 Transformer에 확장 가능한 형태 조회 메모리 원시 기능을 추가하는 것입니다: 더 정적인 패턴/지식의 일부는 N그램 메모리 테이블 형태로 저장되며, 추론 중 대략 O(...
Admin •
233
Qwen3-VL-임베딩과 Qwen3-VL-리랭커: 2단계 다중 모달 검색 체계의 완전 분석
1. 초록 Qwen3-VL-Embedding과 Qwen3-VL-Reranker는 Qwen3-VL을 기반으로 한 오픈 소스 멀티모달 검색 모델 시리즈로, "텍스트 + 이미지 + 스크린샷 + 비디오 + 혼합 입력"의 교차 모달 이해 및 검색을 목표로 합니다. 전체적인 2단...
Admin •
495