WeMM-Video, 오픈소스 멀티모달 비디오 이해 모델 공개
Key Point
오픈소스 멀티모달 비디오 모델이 상용 모델을 넘어서는 성과가 나왔고, 특히 소형 모델(9B)이 훨씬 큰 경쟁 모델을 이기는 효율성을 보여준다.
핵심 요약
- 음성과 함께 비디오를 이해하는 멀티모달 작업이 중앙 과제로 남아있는 가운데, 웨이즈(Wize)가 WeMM-Video라는 중영문 쌍언어 오픈소스 모델군을 공개했다.
- 2B, 4B, 9B, 35B-A3B 등 4개 규모의 모델을 제공하며, 텍스트·이미지·음성·비디오를 한 패러다임 안에서 처리한다.
- 빠른 응답을 위한 인스트럭트 모드와 단계별 추론을 위한 싱킹(thinking) 모드를 모두 지원한다.