2026의 local vision
Vision 모델은 텍스트랑 이미지 같이 받아서 이미지에 대한 질문 답해. 2026 local 풍경은 OCR, chart 읽기, screenshot 분석, 대부분 "이 이미지 설명" 작업엔 충분히 좋아. 가장 어려운 시각 reasoning에선 지금의 frontier 클라우드 모델들한테 아직 밀려. 이름은 일부러 안 적어. 오늘 적어 둔 세 개는 1년 안에 틀린 목록이 되고, 중요한 건 순위표가 아니라 격차니까.
| 모델 | Sizes | 강점 |
|---|---|---|
| Llama 3.2-Vision | 11B, 90B | 일반 vision이 강하고 Ollama 지원도 좋아 |
| Gemma 3 | 4B / 12B / 27B | 작은 하드웨어에서 크기 대비 품질이 좋아. 정하기 전에 Gemma 4도 봐 |
| Qwen 2.5-VL | 3B / 7B / 32B / 72B | 구조화 데이터 추출, OCR, 다언어에 강해. 다만 이제 진지한 OCR 선택지가 얘 하나는 아니야 |
| Qwen 3.5 | 로컬은 0.8B–122B, 397B는 클라우드 전용 | Vision + tools + thinking — 여기서 가장 강한 단일 모델 |
| LLaVA | 7B / 13B / 34B | 원조 open vision 모델, 지금도 쓸 만해 |
| MiniCPM-V | 8B | 작은데 쓸 만해서 edge deploy에 좋아 |
| Mistral Small 3.1 | 다양 | 3.1부터 vision 지원 |
Use case별 선택
- OCR / 구조화 추출: Qwen 2.5-VL, 아니면
glm-ocr같은 OCR 전용 모델. 네 문서로 둘 다 돌려보고 정해. 여기 순위는 어떤 목록보다도 빨리 바뀌어. - 일반 "이거 설명": Gemma 3 12B/27B 또는 Llama 3.2-Vision 11B.
- 빠듯한 메모리: Gemma 3 4B 또는 MiniCPM-V 8B.
- Vision + tools + thinking: Qwen 3.5 — 이미 Ollama 라이브러리에 있고 로컬 태그는 0.8B부터 122B까지야. 머신에 맞는 크기로 고르면 돼. 397B는
qwen3.5:397b-cloud로만 있어.
Capability 항상 확인
Vision 지원은 모델 레벨에서 딱 둘 중 하나야 — visual encoder가 있거나, 없거나. 기준은 ollama show MODEL의 Capabilities 헤더 아래 찍히는 줄들이야. 헤더 하나에 capability가 한 줄씩 나와.