OpenMOSS, 실시간 비디오 스트림 상호작용에 특화된 11B 멀티모달 모델 MOSS-VL-Realtime 공개

요약

OpenMOSS가 실시간 비디오 스트림 상호작용에 특화된 11B 멀티모달 모델 MOSS-VL-Realtime을 오픈소스로 공개했습니다. 이 모델은 전통적인 오프라인 방식과 달리, 비디오 입력 과정에서 인지(Perception)와 생성(Generation)을 동기화하여 실시간 대화를 구현합니다. Cross-Attention 아키텍처와 256K 컨텍스트 창 등 기술적 진보를 보여줍니다.

핵심 포인트

• 실시간 스트리밍 비디오 상호작용에 최적화된 모델 공개
• 인지(Perception)와 생성(Generation)을 동기화하여 실시간 대화 구현
• Cross-Attention 및 XRoPE 기반의 기술적 진보가 특징
• 오프라인, 스트리밍, 실시간 모드를 모두 지원하는 범용성 확보