Tencent은 물리적 세계에서 작동하는 구상 에이전트를 위해 설계된 효율적인 Mixture-of-Experts 비전-언어 기반 모델인 Hy-Embodied-VLM-1.0을 출시했습니다. 이 모델은 총 300억 개의 파라미터 중 토큰당 약 30억 개의 파라미터만 활성화하여 높은 추론 효율성과 강력한 물리적 세계 이해력 간의 균형을 목표로 합니다.

  • 효율적인 MoE 아키텍처 내에서 Hy3-A3B 언어 백본과 Hy-ViT2 비전 인코더를 기반으로 구축되었습니다.
  • 구상 지각과 추론을 아우르는 38개 벤치마크 중 19개에서 최상위 성능을 달성했으며, Qwen3.6-A3B 및 Cosmos 3보다 우수합니다.
  • 이전 세대 Hy-Embodied-0.5 MoT-2B 모델 대비 평균 성능이 8.4% 향상되었습니다.
  • 강화 학습과 거부 샘플링 파인튜닝을 결합한 자기 진화형 사후 학습 루프를 활용합니다.
  • Hugging Face transformers 및 vLLM용 가중치와 추론 코드가 Apache 2.0 라이선스 하에 제공됩니다.

이번 출시로 다중 턴 상호작용과 장기적 추론이 필요한 구상 에이전트의 지연 시간 민감한 배포를 지원하기 위한 오픈소스 가중치와 도구가 제공됩니다.