핵심 역량

• 비디오 내용 요약 및 질의응답
• 오디오 정보 분석 및 텍스트 변환
• 시각 정보 기반의 에이전트 태스크 수행
• 긴 컨텍스트 기반의 복합 미디어 추론
• 이미지 내 객체 인식 및 상세 설명 생성

강점

• 비디오 이해(Video Understanding) 및 에이전트 기능 특화
• FP8 지원을 통한 고효율 추론 성능
• MIT 라이선스로 인한 높은 자유도

훈련 방식

MiMo-V2 아키텍처 기반의 멀티모달 통합 학습 및 비디오-오디오 데이터셋 활용

알아두면 좋은 것

• 이미지, 비디오, 오디오를 모두 지원하는 강력한 멀티모달 통합
• 긴 컨텍스트 처리에 최적화된 아키텍처 설계
• FP8 정밀도 지원으로 추론 효율성 극대화
• MIT 라이선스 적용으로 연구 및 상업적 활용 가능성 확보