주요 특징

• 20억 파라미터 ViT 계열 Perception Encoder가 이미지·비디오를 처리하고, 280억 파라미터 텍스트 디코더가 슬라이딩 윈도우·풀 어텐션을 번갈아 쓰는 하이브리드 어텐션에 grouped-query attention과 QK 정규화를 얹어 붙습니다. 더 큰 모델인 Muse Spark에서 증류해 만들었습니다.
• 텍스트 전용 대화뿐 아니라 이미지·비디오가 섞인 멀티모달 추론, 도구 호출과 구조화된 출력 생성, 이미지 내 객체 검출, 코딩·문서 분석 같은 에이전트 워크플로까지 하나의 모델로 처리합니다.
• BF16 가중치 외에 32GB VRAM에서 평균 성능 저하 0.2%인 K-Quant-Dynamic, 24GB VRAM용 K-Quant-17GB(저하 1.0%) 양자화본, ExecuTorch 빌드, 추론 가속을 위한 DFlash 드래프터가 공개 시점부터 함께 제공됩니다.
• Transformers·vLLM(transformers 백엔드)·llama.cpp(GGUF)·Hugging Face Inference Endpoints 등 여러 런타임에서 첫날부터 바로 실행할 수 있도록 지원 범위를 넓혔습니다.
• Apache-2.0으로 가중치를 전부 공개해 상업적 이용과 파인튜닝이 자유롭고, 프라이버시가 중요한 애플리케이션을 외부 API 없이 로컬에서 돌릴 수 있다는 점을 강조합니다. 공개 후 몇 주 만에 Hugging Face에서 다운로드 55만 건, 좋아요 1,797개를 넘겼습니다.