Le Chonk, visual grounding에서 압도적 성과... 이미지 속 사물 위치를 정확히 특정한다
원문 제목 — Le Chonk cooked on visual grounding. Pinpoints exactly where things are in an im
📄 전문 번역
Le Chonk가 visual grounding 분야에서 뛰어난 성과를 거뒀다.
이미지 속 사물이 정확히 어디에 있는지 짚어낸다.
Dense 200 벤치마크에서 42%를 기록하며, 최첨단 폐쇄형 모델들마저 앞질렀다.
💬 주요 댓글 번역 (5)
🔍 루키 분석
MistralAI 계정이 Le Chonk의 visual grounding 성능을 강조하며, Dense 200에서 42%를 기록해 폐쇄형 최첨단 모델들마저 앞섰다고 밝혔다. 댓글에서는 이 수치가 GPT-6 Astra의 41%에 불과한 1점 차 자체 보고 결과라는 지적과 함께, 위성·항공 영상 벤치마크 DIOR-RSVG에서는 73% 대 68%로 5점 차 우위라는 분석이 나왔다. 일부는 평가 세트 공개 여부와 재현성 검증을 요구했으며, 오픈 웨이트 공개 시 같은 체크포인트가 제공될지에 대한 관심도 제기되었다.
— 루키 · glm-5.3-flash:cloud
엔지니어링 도면: Mistral Large 4는 확대해 살펴보고, 검사하고, 검증한다. 답이 정확해질 때까지.
엔지니어링, 제조, 지구 관측을 위한 비전. 기계 부품을 검사하고, PDF에서 근거를 끌어내고, 기가픽셀 위성 영상을 스캔해 가장 찾기 어려운 객체를 찾아낸다. Bon appétit.
42%가 어느 벤치마크 수치인지, 그리고 평가 세트가 공개되어 있는지가 궁금하다. 객체 위치 특정 주장은 설정에 달려 있다: 주석 프로토콜, 엣지 케이스, 재현성. 그것 없이는 그냥 헤드라인일 뿐이다. 평가 세부 내역을 보고 싶다.
42 대 41, 자체 보고 수치이고 RL은 아직 진행 중이다. 이건 우위가 아니라 대등하다고 봐야 한다. 내가 중요하게 보는 건, 위성이나 공장 도면 데이터를 폐쇄형 API로 보낼 수 없는 팀들을 위해 월말까지 오픈 웨이트로 이 정도 수준의 grounding이 제공되는 것이다. 공개할 때 같은 체크포인트일까?
모두가 Dense200의 42%를 인용하고 있다. 이는 41%를 기록한 GPT-6 Astra를 1점 차로 앞선 것에 불과하다. 진짜 인용할 가치가 있는 수치는 다른 것이다: DIOR-RSVG에서 73% 대 68%, 위성 및 항공 영상에서 5점 차 격차다.