HY-Embodied-0.5

텐센트(Robotics X)🇨🇳 중국HY Embodied 계열

이해·계획 (VLM)발표일 2026.04가중치 공개 · Tencent HY Community License Agreement (가중치; EU·영국·한국 제외 지역 한정, MAU 1억 초과 시 별도 허가)

텐센트 Robotics X와 훈위안(HY) 비전팀의 실세계 에이전트용 피지컬 AI 파운데이션 모델로, 엣지용 MoT-2B(활성 2B)를 공개하고 활성 32B 대형판도 소개했어요. 4월 말 강화판 HY-Embodied-0.5-X가 추가됐어요.

파라미터: 4공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: —

공식 자료논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

이해·계획 (VLM) — Vision-Language Model. 영상과 말을 함께 이해해 장면을 해석하고 할 일을 계획하는 AI.
발표일 2026-04
가중치 공개 (Tencent HY Community License Agreement (가중치; EU·영국·한국 제외 지역 한정, MAU 1억 초과 시 별도 허가)) — 내려받아 직접 실행·추가 학습할 수 있음

확인된 정보

사양 9개 항목 중 6개에 값이 있음
공식 공식 6개: 구조, 입력, 파라미터 (B), 학습용 데이터셋, 추론 하드웨어, 발표 벤치마크
값 확인일 2026-04 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

HY-Embodied-0.5는 텐센트 Robotics X와 훈위안(HY) 비전팀이 2026년 4월 공개한 피지컬 AI 파운데이션 모델 계열로, 로봇 같은 실세계 에이전트를 위한 이해·계획 (VLM) 모델이다. 이미지와 텍스트를 받아 공간·시간 지각과 예측·상호작용·계획 같은 공간·행동 추론 결과를 텍스트로 내놓는다. 구조는 모달리티별로 연산을 나누는 Mixture-of-Transformers(MoT)에 지각 표현을 강화하는 latent token을 더한 것이다.

엣지용 MoT-2B(총 약 4B, 추론 시 활성 약 2.2B)와 복잡한 추론용 활성 32B 모델이 있고, 1억 건이 넘는 피지컬 AI·공간 특화 데이터(2,000억 토큰 이상)로 학습한 뒤 자기 진화형 후학습과 32B에서 2B로 넘기는 on-policy distillation을 거쳤다. 연구진은 22개 벤치마크 중 16개에서 2B 모델이 비슷한 크기의 최신 모델을 앞섰고 32B 모델은 Gemini 3.0 Pro에 견줄 만하다고 주장하며, 공개된 것은 MoT-2B 가중치와 추론 코드이고 32B는 공개되지 않았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	Mixture-of-Transformers 이해·계획 (VLM) 모델공식
입력	이미지, 텍스트(출력: 텍스트)공식
파라미터 (B)	4공식
학습용 데이터셋	1억 건 이상의 피지컬 AI·공간 특화 데이터, 2,000억 토큰 이상 코퍼스공식
추론 하드웨어	NVIDIA GPU(VRAM 16GB 이상 권장), CPU도 가능하나 느림공식
발표 벤치마크	22개 벤치마크 평가: MoT-2B가 16개에서 비슷한 크기의 최신 모델을 앞섬, 32B는 Gemini 3.0 Pro에 견줄 만한 성능(회사 주장)공식

출처 4건

arxiv.org [1]
huggingface.co [1]
github.com [1]
tairos.tencent.com [1]

한눈에 읽기