2026년 추천 비전 및 멀티모달 AI 모델
저희가 리뷰한 비전 및 멀티모달 AI 모델 7개 중 현재 추천은 SAM 3 (Segment Anything Model 3), Nemotron 3.5 Super VL 및 MiniCPM-V 4.7 (35B-A3B and 1B)입니다. 각 제품을 저희 평점순으로 정렬하고 가격, 평가 요약, 추천 대상을 적었습니다.
작성: Andrew Miller · 2026년 11월 2일 업데이트 · 리뷰 방법
순위 산정 방법: 각 제품의 가격, 문서, 정책, 그리고 독립 벤치마크가 있으면 그것까지 바탕으로 한 리뷰의 5점 만점 평점순으로 정렬합니다. 모든 정보는 리뷰에 적힌 날짜에 확인했습니다. 제휴 수수료는 받지 않습니다.
- 1
SAM 3는 "이 영상 속 지게차를 모두 윤곽 따기"를 프롬프트 하나로 해결합니다. 이전 오픈 어휘 검출기보다 정확도가 두 배 이상이지만, 사람 라벨러에는 여전히 크게 못 미칩니다.
추천 대상: 클래스마다 검출기를 학습시키지 않고 이미지와 영상 전반에서 이름 붙은 객체의 마스크나 박스가 필요한 컴퓨터 비전 팀.
가격: Hugging Face에서 승인제 가입을 거친 뒤 SAM License에 따라 무료입니다. 상업적 이용은 허용되지만 군사, ITAR, 리버스 엔지니어링 관련 제한이 있습니다. Roboflow를 통한 호스팅 사용은 Roboflow 요금제로 과금됩니다.
SAM 3 (Segment Anything Model 3) 리뷰 읽기4.4/5 - 2
독립 테스트 기준 120B급에서 넘어서야 할 오픈 모델입니다. 단, 작업이 코드가 아니라 문서와 리서치일 때입니다.
추천 대상: 문서 및 리서치 에이전트를 운영하며, 특히 NVIDIA 하드웨어에서 가장 강한 중형 오픈 모델을 원하는 팀.
가격: OpenMDW-1.1로 가중치 무료. 호스팅: OpenRouter에서 1M 토큰당 입력 $0.15 / 출력 $0.50부터, 무료 버전도 있음. NVIDIA NIM과 다른 업체는 가격이 별도입니다.
Nemotron 3.5 Super VL 리뷰 읽기4.1/5 - 3
OpenBMB 자체 수치로 보면 35B 크기에서 문서와 차트 읽기에서 넘어서기 어려운 오픈 모델이며, 1B는 출시할 만한 보기 드문 휴대폰 크기 비전 모델입니다.
추천 대상: 자체 하드웨어로 스캔 문서와 차트에서 텍스트와 표를 추출하는 팀, 그리고 2 GB 미만의 비전 모델이 필요한 모바일 개발자에게 맞습니다.
가격: 두 크기 모두 Apache 2.0 가중치가 무료입니다. 개발사의 호스팅 가격은 공개되지 않았으며 비용은 자체 하드웨어입니다.
MiniCPM-V 4.7 (35B-A3B and 1B) 리뷰 읽기4.0/5 - 4
Mage-VL-Cowork는 터미널을 쓸 수 있게 해서 4B 모델을 최고 수준의 오픈 데스크톱 에이전트와 몇 점 차이까지 끌어올립니다. 다만 Microsoft는 연구 전용으로 규정하고, 테스트한 환경은 Linux뿐입니다.
추천 대상: 일회용 샌드박스에서 돌릴 수 있는 조건으로, Linux에서 소형 컴퓨터 사용 에이전트를 연구하는 연구자와 에이전트 플랫폼 팀.
가격: Apache 2.0으로 무료이지만, Microsoft 저장소는 Mage 모델이 연구용이며 제품이나 서비스 배포를 위한 것이 아니라고 밝힙니다. 호스팅 API 없음.
Mage-VL-Cowork 리뷰 읽기3.9/5 - 5
범용 모델의 옷을 입은 전문 모델입니다. 개발사 자체 수치로는 방과 로봇 장면을 Qwen3.5-9B보다 훨씬 잘 읽지만, 텍스트는 약간 못 읽습니다.
추천 대상: 시점, 배치, 행동 가능성을 추론하는 작은 오픈 모델이 필요하고 포크한 서빙 스택을 감수할 수 있는 로보틱스 및 체화 AI 연구자.
가격: 가중치는 NVIDIA Open Model License로 무료이며, Qwen3.5 부분은 Apache 2.0입니다. 호스팅 API나 토큰당 가격은 공개되지 않았고, 자신의 GPU 비용만 듭니다.
ZDTaichu5.0-9B 리뷰 읽기3.8/5 - 6
SenseNova-Loop-9B-Preview는 크기에 비해 훨씬 높은 에이전트 점수를 냅니다. 하지만 기술 보 고서가 없는 프리뷰이고, 다운로드 용량은 38 GB이며, 서빙 지원은 아직 병합되지 않은 브랜치에 있습니다.
추천 대상: 루프형 및 가중치 공유 아키텍처를 연구하거나 오피스 에이전트 작업용 소형 오픈 모델을 평가하며, 프리뷰 수준의 도구를 감수할 수 있는 연구 팀.
가격: Apache 2.0으로 무료입니다. 이 모델의 호스팅 API는 나와 있지 않습니다.
SenseNova-Loop-9B-Preview 리뷰 읽기3.5/5 - 7
음성을 듣는 유일한 Phi 모델이지만, 출시 20개월이 지나 더 새로운 소형 멀티모달 모델에 추월당했습니다.
추천 대상: 온디바이스 음성 및 이미지 입력용으로 작은 MIT 라이선스 모델을 원하는 개발자.
가격: MIT 라이선스의 무료 가중치입니다. Azure AI Foundry: 텍스트 또는 이미지 100만 토큰당 입력 $0.08 / 출력 $0.32, 오디오 입력은 100만 토큰당 $4입니다.
Phi-4-multimodal 리뷰 읽기3.3/5
출처
이 순위에 있는 각 리뷰의 주요 공식 출처입니다. 전체 출처는 각 리뷰에 있습니다.
- SAM 3 (Segment Anything Model 3): Hugging Face: facebook/sam3 (gated model page)
- Nemotron 3.5 Super VL: Hugging Face: NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 model card
- MiniCPM-V 4.7 (35B-A3B and 1B): Hugging Face: MiniCPM-V-4.7-35B-A3B model card
- Mage-VL-Cowork: Hugging Face: microsoft/Mage-VL-Cowork model card
- ZDTaichu5.0-9B: Hugging Face: TaichuAI/ZDTaichu5.0-9B model card
- SenseNova-Loop-9B-Preview: Hugging Face: sensenova/SenseNova-Loop-9B-Preview model card
- Phi-4-multimodal: Hugging Face: microsoft/Phi-4-multimodal-instruct model card