마이크로소프트, GUI와 셸을 함께 쓰는 4B 에이전트 공개
마이크로소프트 Mage 팀이 화면 조작과 셸 작업을 한 모델에서 수행하는 4B 에이전트 Mage-VL-Cowork를 공개했습니다. 모델 카드의 OSWorld-Verified 점수는 66.0%로, Google Drive를 제외한 361개 작업을 50단계 제한 아래 두 차례 평가한 평균입니다.
AI 모델 · 최신기사
모델 공개와 성능, 가중치와 이용 조건을 다룹니다.
NVIDIA Nemotron 3.5 Super VL 120B NVFP4 공개
NVIDIA가 텍스트, 이미지, 동영상을 처리하는 Nemotron 3.5 Super VL의 NVFP4 양자화 체크포인트를 공개했습니다. 전체 120B, 활성 12B 파라미터의 Mamba-2·Transformer 하이브리드 MoE 모델로, 최대 1M 토큰 문맥과 Multi-Token Prediction을 지원합니다. 모델 카드에는 하드웨어별 배포 설정과 BF16 체크포인트를 비교한 벤치마크 결과도 담겼습니다.
Jev 1.14.0 출시, 실험 기능은 '위험 구역'으로 제공
TypeSafe가 의사결정 모델 Jev 1.14.0을 출시하고 이미지 입력, 바운딩 박스 출력, 긴 컨텍스트를 실험 기능으로 공개했습니다. 운영 환경의 안정성을 우선하는 기능과 실험적인 기능을 API 헤더로 구분하며, 새 버전은 다국어 지원을 포함해 전반적인 개선을 목표로 합니다.
vllm-sr/d3: 텍스트·이미지·영상을 다루는 27B 의사결정 모델
vLLM Semantic Router 팀이 선택지 분류, 예·아니요 판단, 점수 평가를 한 번에 처리하는 멀티모달 모델 d3를 공개했습니다. 공개 리더보드 성능과 AMD Instinct MI325X에서의 처리량을 제시하고, Transformers와 vLLM Semantic Router에서 실행하는 방법도 안내합니다.
MiniCPM-V 4.7 1B 공개 - 이미지·영상 이해와 온디바이스 추론
OpenBMB가 이미지와 영상 이해를 지원하는 1B 멀티모달 모델 MiniCPM-V 4.7을 공개했습니다. 시각 토큰을 초기에 압축하고 4x와 16x 처리 모드를 제공하며, 모바일 배포와 여러 추론·양자화 도구를 지원합니다.
MiniCPM-V 4.7 35B-A3B, MoE 멀티모달 모델의 온디바이스 추론 최적화
OpenBMB가 이미지·영상 이해를 지원하는 MoE 모델 MiniCPM-V 4.7 35B-A3B를 공개했습니다. 모델 카드에 따르면 Lookahead Expert Scheduling, 양자화, 추측 디코딩을 조합해 iPhone 17 Pro Max에서 메모리 3GB, 초당 13토큰 이상으로 추론합니다.
Cloudflare Clef, 스키마 기반 멀티모달 의사결정 모델 공개
Cloudflare가 텍스트·JSON·이미지·동영상 상태를 읽고, 사전에 정의한 질문별 선택지의 확률을 한 번의 추론으로 반환하는 27B 모델 Clef를 공개했습니다. 자유 형식 답변을 생성하지 않아 출력 파싱이 필요 없으며, 내부 벤치마크에서는 작업별로 기존 모델과 엇갈리는 성능을 보였습니다.
Jev-Omni — 텍스트·이미지·음성·동영상 선택지 분류 모델
Jev-Omni는 Gemma 4 12B IT를 3만 개 질문으로 미세 조정한 멀티모달 분류 모델입니다. 설명을 생성하는 대신 선택지별 확률을 출력하며, 공개 벤치마크와 추론 속도, 실행 조건을 함께 제시합니다.
MiMo-V2.6-Flash-RL, 자기 개선형 멀티모달 에이전트 모델
MiMo-V2.6-Flash-RL은 텍스트·이미지·비디오·오디오와 100만 토큰 컨텍스트를 지원하는 Sparse MoE 모델입니다. 여러 도메인을 한 번에 학습하는 비동기 RL과 그룹 단위 에이전트 평가를 결합했으며, 코드·에이전트·사이버보안 벤치마크 결과와 SGLang·vLLM 실행 방법을 함께 제공합니다.