Jul 31, 2025

3 minute read

비즈니스를 위해 설계된 멀티모달 AI, Command A Vision 출시

Command A Vision은 낮은 컴퓨팅 리소스 사용량으로도 기업 이미지 이해 작업에서 탁월한 성능을 발휘합니다.

Introducing Command A Vision: Multimodal AI built for business

오늘 저희는 기업에 멀티모달 비전 작업 전반에서 최첨단 성능을 제공하면서도 강력한 텍스트 처리 능력을 유지하는 새로운 생성형 모델, Command A Vision을 소개합니다. Command A Vision을 통해 에이전트는 기업 내 시각적 데이터를 파악할 수 있게 되어, 슬라이드, 다이어그램, PDF, 사진과 같은 시각적 데이터를 활용하는 번거로운 작업의 자동화를 실현할 수 있습니다. 제품 매뉴얼 해석부터 위험 감지를 위한 실제 장면 분석에 이르기까지, 이 모델은 가장 까다로운 기업용 비전 과제를 해결하는 데 탁월한 성능을 발휘합니다.

이 모델은 주요 멀티모달 벤치마크에서 GPT 4.1, Llama 4 Maverick, Mistral Medium 3(Pixtral Large 포함) 등 동급의 다른 모델들을 능가합니다. Command A Vision은 매우 안전하고 효율적이며 유연한 배포 옵션을 제공하여 기업의 요구 사항을 최우선으로 고려합니다. 낮은 리소스 사용량 덕분에 2개 이하의 GPU로도 온프레미스 또는 프라이빗 배포가 원활하며, 기업 환경에 적합한 확장성을 보장합니다.

기업용 비전 작업 전반에 걸친 강력한 성능

차트, 그래프, 다이어그램 분석

Command A Vision은 차트, 그래프, 표, 다이어그램을 포함한 광범위한 시각적 및 다국어 데이터를 이해하고 분석하는 데 탁월한 성능을 발휘합니다. 이 모델은 다양한 시각적 형식에서 데이터를 정확하게 추출하고, 금융, 헬스케어·생명 과학, 제조, 건설, 에너지·유틸리티 등 여러 산업 분야의 도메인 지식을 적용하여 추출된 정보를 바탕으로 복잡한 분석을 수행합니다.

방법론 및 자세한 내용은 각주 [1]을 참조하십시오.

문서 OCR 및 시각적 처리

Command A Vision은 문서 OCR 및 시각적 처리 분야에서 두각을 나타내며, 스캔 문서, 송장, 양식 등 다양한 문서 유형에서 텍스트와 정보를 정확하게 추출합니다. 이 모델은 단순한 텍스트 인식을 넘어 문서의 레이아웃과 구조를 이해하여 유의미한 데이터를 추출합니다. 이러한 기능은 JSON 모드에 대한 구조화된 데이터 출력 지원과 결합되어, 반복적인 문서 처리 작업을 자동화하고 데이터 정확도를 높이며 워크플로를 간소화하고 기존 시스템과 원활하게 통합할 수 있게 함으로써, 대량의 문서를 처리하는 기업에 매우 유용한 도구가 됩니다. 또한 DocVQA, TextVQA, OCRBench 벤치마크에서 최상위 수준의 성능을 달성했습니다.

방법론 및 자세한 내용은 각주 [1]을 참조하십시오.

실제 장면 이해

Command A Vision의 기능은 실제 장면 이해까지 확장되어 복잡한 시각적 환경을 분석하고 해석할 수 있습니다. 이는 단순한 객체 탐지를 넘어 이미지와 사진 내의 공간적 관계, 맥락, 심지어 미묘한 뉘앙스까지 이해할 수 있음을 의미하며, 산업 현장의 위험 감지 및 리테일 분석 등 다양한 실제 애플리케이션에 이상적입니다.

기업 규모에 적합한 기능과 효율성

Command A Vision은 기업에 가장 중요한 기능들을 제공하기 위해 개발되었습니다. 인용 기능을 갖춘 고급 검색 증강 생성(RAG) 및 주요 비즈니스 언어 전반에 걸친 다국어 성능 등 Command A의 다른 핵심 텍스트 기능들을 결합하고 있습니다.

Command A Vision을 통해 기업은 보유한 하드웨어에서 필요한 언어로, 텍스트나 다양한 기업용 이미지 형식에 관계없이 자체 데이터에 대한 컨텍스트 인식 인사이트와 분석을 빠르고 안전하게 활용할 수 있습니다. 당사의 Command 모델 시리즈는 기업 요구사항을 최우선으로 고려해 최적화되었으며, 성능, 정확도, 효율성의 균형을 유지하면서 복잡한 비즈니스 애플리케이션에서 탁월한 성능을 발휘합니다.

하드웨어 요구사항이 낮아 프라이빗 배포가 필요한 규제 산업의 기업들도 Command A Vision을 운영 환경에 효율적으로 도입할 수 있습니다. Command A Vision은 단 2개 이하의 GPU만으로 프라이빗 배포가 가능합니다. 4-bit 양자화를 적용할 경우 A100 2개 또는 H100 1개만 있으면 됩니다.

고객들의 생생한 후기

“Command A Vision 출시를 매우 기대하고 있습니다. 이 모델은 생성형 AI의 가능성을 획기적으로 확장하여, 텍스트를 넘어 시각적 이해의 영역으로 나아갈 수 있게 해줍니다. 이미 Command A Vision이 가장 복잡하고 시간이 많이 소요되는 과제들을 해결하는 것을 확인했습니다. 이는 워크플로우를 간소화할 뿐만 아니라 생성형 AI를 위한 완전히 새로운 기회를 열어줍니다. AI 시스템에 시각적 컨텍스트를 통합함으로써, 단순히 읽을 수 있는 것이 아니라 시각적으로 확인할 수 있는 정보를 기반으로 한 솔루션을 구축할 수 있게 되었습니다. 이 기술을 어디까지 발전시킬 수 있을지, 그리고 이를 통해 어떤 성과를 낼 수 있을지 기대됩니다.” – Jeffrey English, Fujitsu Intelligence 전문 서비스 부문 이사

“초기 테스트 결과, Command A Vision 모델은 유치권 포기서, 송장, 도면과 같은 복잡한 건설 산업 문서에서 데이터를 이해하고 추출하는 데 탁월한 성능을 보여주었습니다. 이러한 AI 기반 데이터 캡처를 자동화할 수 있는 기능은 문서 처리, 데이터 정확도 및 프로젝트 관리를 혁신하여 건설 산업의 리스크, 시간 및 비용을 줄일 수 있는 잠재력을 가지고 있습니다.” – Mark Webster, Oracle Infrastructure Industries 수석 부사장 겸 총괄 매니저

이용 가능 여부

Command A Vision은 현재 Cohere 플랫폼에서 이용 가능하며, 연구 목적으로 Hugging Face에서도 사용할 수 있습니다. 프라이빗 또는 온프레미스 배포에 관심이 있으신 경우, 맞춤형 견적을 위해 영업팀에 문의하시기 바랍니다.

[1]당사는 타 제공업체에서 제공하는 최상위 비추론 모델(단종되지 않은 모델)과 성능을 비교합니다. 벤치마크 점수는 가능한 경우 타 제공업체의 자체 보고서 또는 공개된 리더보드에서 가져오며, 그렇지 않은 경우(회색으로 표시된 숫자)는 VLMEvalKit 또는 공식 코드베이스를 통해 내부적으로 최선을 다해 평가한 결과를 사용합니다.