
LingSante-Pulse-1.0은 Hugging Face에 공개되어 있지만, 이를 실행할 코드는 공개되어 있지 않다
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 183 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 741 tok/s
- AlibabaNEWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 100만 토큰당 · 407 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
LingSante-Pulse-1.0은 2026년 11월 20일 08:39 UTC에 Hugging Face에 공개되었고, 그날 아침 09:12에는 작성자 inclusionAI가 이미 개정판을 올려 두었다. 목록에는 좋아요 1개와 다운로드 0회가 표시된다. 저장소에는 대화할 수 있는 모델이 전혀 없다: LingSante-Pulse-1.0은 생리 신호—ECG, EEG, 기류, 혈중 산소—를 위한 1,670만 파라미터 인코더로, 파형을 고정 길이 임베딩으로 변환하고 거기서 멈춘다. 출시 게시글도, 기술 보고서도, 벤치마크 표도 없었고, 이 글을 쓰는 시점까지 이를 불러올 코드 패키지도 없다. 카드에는 별도의 lingsante_pulse 패키지를 설치하라고 안내되어 있지만, 그 패키지는 PyPI에 없다.
실제로 존재하는 것은 이례적으로 명료하다. 가중치는 F32로 제공되고, safetensors 헤더는 압축되지 않아 읽을 수 있으며, channels.json은 모델이 받아들이는 57가지 신호 유형을 모두 명시한다. 따라서 이 모델이 무엇인지에 관해 상당히 많은 것을 말할 수 있고, 연구소 밖에서는 아직 확인할 수 없는 것에 관해 정확하게 말할 수 있다. 이 글은 그 두 범주를 구분한다.
무엇이 나타났고, 무엇이 나타나지 않았는가
저장소에는 일곱 개의 파일이 있습니다: README, MIT 라이선스, model.safetensors(66.9MB 저장소에 들어 있는 63.8MiB의 가중치), config.json, channels.npz, channels.json, 그리고 일반적인 gitattributes 스텁입니다. 이것이 릴리스의 전부입니다.
부재한다, 그리고 각각의 부재는 구조를 지탱한다:
• 저장소에 추론 코드가 없고, PyPI에 lingsante-pulse나 lingsante_pulse라는 패키지도 없습니다 — 둘 다 404를 반환합니다.
• 벤치마크가 없습니다. 이 카드는 동작을 산문으로 설명하며("ECG와 같은 생리 신호를 임베딩으로 변환"), 어떤 종류의 수치도 게시하지 않습니다.
• 기술 보고서가 없습니다. inclusionAI는 arXiv에 존재하며, 2026년 11월 17일에 생성된 형제 저장소 LingSante-MedGuard는 보고서를 링크합니다. Pulse 카드는 아무것도 링크하지 않습니다.
• 웹 검색으로 찾을 수 있는 그 어떤 발표도 없습니다. 모델 카드 자체에 "After publication"이라는 문구가 있는데, 이는 패키지의 공개 일정이 잡히기 전에 작성된 텍스트처럼 읽힙니다.
• 추론 제공자 없음. Hugging Face는 이 모델이 {{1}}어떤 제공자에 의해서도 배포되지 않은 것으로{{/1}} 보고하며, 카드에서는 독자들에게 {{2}}지원을 요청{{/2}}할 것을 권합니다.
파일 하나는 작은 놀라움입니다. config.json에는 세 데이터 파일에 대한 SHA-256 다이제스트가 들어 있습니다. 그것은 마케팅 산출물이 아닙니다. 파일이 여기저기 복사될 것을 예상하고, 파일이 온전한 상태로 도착했는지 확인하려는 팀이 추가하는 종류의 검사입니다.
12개 블록, 256차원, 32샘플 패치
safetensors 헤더에는 203개의 텐서가 나열되어 있고, 메타데이터 블록에는 model: LingSante-Pulse, step: 260000이라고 적혀 있습니다. 텐서 이름으로부터 아키텍처를 재구성하는 일은 간단하며, 그것이 존재하는 유일한 아키텍처 문서입니다.
• 깊이와 너비 — 12개의 트랜스포머 블록(blocks.0부터 blocks.11까지)으로, 각각 256 너비의 잔차 스트림을 가집니다.
• 어텐션 — [768, 256] 형태의 융합된 qkv 투영, 즉 256차원 헤드 세 개 분량의 키, 쿼리, 값; out이 [256, 256]이라는 것 외에 별도의 출력 투영 크기는 주어지지 않는다.
피드포워드 — gate_up은 [2048, 256], down은 [256, 1024]이며, 이는 1,024 너비의 은닉층을 가진 게이트 선형 유닛의 형태 시그니처입니다.
• 게이팅 — 모든 블록에는 [256, 256] 크기의 attention_gate와 편향이 있으며, 이에 대응하는 [1024, 256] 크기의 film_heads.N이 1,024개 값의 변조 벡터를 출력합니다. 12개 블록을 위한 12개의 FiLM 헤드입니다. 카드 어디에도 이들을 조건화하는 요인이 무엇인지 설명되어 있지 않습니다.
• 패칭 — patch.weight는 [256, 32]입니다. 카드에 명시된 고정 128 Hz에서 패치당 32개 샘플은 정확히 250밀리초이며, 이는 README가 반환된 토큰 피처에 대해 제시하는 간격입니다. 계산이 맞아떨어집니다.
• 시퀀스 구성 요소 — [1, 4, 256] 텐서에 하나의 cls 토큰, 하나의 mask_token, 네 개의 register_tokens.
• 텍스트 경로 — text_adapter.0은 384차원을 256차원으로 투영하고, text_adapter.1은 256차원 내에서 정제합니다. 카드에는 채널 조건 벡터가 BAAI/bge-small-en-v1.5에서 나오며, 이 모델의 hidden size는 384라고 적혀 있습니다. 따라서 모델은 입력 채널에 대한 자연어 설명을 조건으로 하며, 이는 자체 공간으로 투영됩니다. 이 해석은 형태와 카드의 출처 메모로부터의 추론이지 문서화된 설계는 아니지만, 둘은 일치합니다.
• 헤드 하나 더 — [256, 64]의 validity.weight. 샘플이 실제로 관측되었음을 나타내는 위치별 신호로, 이는 카드에서 언급한 관측 유효 PatchMean 및 저장 패딩 마스크와 일치합니다.

데이터시트가 아니라 텐서 형상에서 읽어낸 사양서: 16.7M 파라미터, 폭 256의 블록 12개, 128Hz에서 32샘플 패치, 채널 컨디셔닝을 위한 384→256 텍스트 어댑터.
쉰일곱 개의 채널이 수면 검사실을 설명한다
흥미로운 파일은 가중치가 아닙니다. 바로 channels.json이며, 여기에는 모델이 받아들이는 57개 신호 정체성 각각에 대한 평이한 영어 설명이 담겨 있습니다.
{{1}}목록을 순서대로 읽어 보면{{/1}} 더 이상 일반적인 생체신호 용어 목록처럼 보이지 않는다. 세 개의 EEG 두피 리드가 "수면 중". 두 개의 EOG 리드가 "수면 중". 턱 EMG가 "수면 중", 다리 EMG가 "수면 중". 기류, 흉부 노력, 복부 노력, 코골이, SpO2. 그것은 수면기사가 이름을 붙이는 순서 그대로의 수면다원검사 몽타주다.
그다음 목록은 다른 방으로 계속 이어진다. 기도압은 "마취 인공호흡기로 측정"한다. 호기말 CO2. 호흡수는 Dräger Primus와 Solar8000 모니터에서 산출한다. 이마 부착 마취심도 모니터에서 얻은 데시벨 단위의 BIS EEG 파워와 그 모니터의 두 전두 EEG 리드. 전체 흉부 유도 세트, 3개의 변형 사지 유도, 16개의 단극 EOG 유도를 갖춘 12유도 ECG.
두 가지 환경, 하나의 채널 어휘. 이 저장소에서 내릴 수 있는 가장 근거 있는 추론은 인코더가 수면 검사와 수술 전후 또는 중환자실 모니터링 모두에 걸쳐 학습되었으며, 설계자들이 병원이 이미 보유한 몽타주가 무엇이든 그쪽에 적용해도 견디는 하나의 모델을 원했다는 것입니다. 카드에는 이렇게 적혀 있지 않습니다. 채널 목록이 대신 그렇게 말해 줍니다.
그 폭은 또한 이 모델의 핵심 엔지니어링 주장이기도 하다. 57개의 이질적인 채널 식별자를 받아들이고, 모든 데이터를 128Hz로 리샘플링하며, 채널당 하나의 임베딩을 반환하는 1,600만 파라미터 인코더는 임상 파형을 다뤄 본 사람이라면 누구나 즉시 알아차릴 데이터 플러밍 문제를 해결하는 것이다. 병원에서는 샘플링 레이트, 리드 명명, 실제로 기록된 채널이 무엇인지에 대해 서로 일치하는 것이 없다.
빠진 부분은 패키지입니다.
카드의 사용 예시는 네 줄로 구성되어 있습니다:
from lingsante_pulse import LingSantePulse, 그다음 LingSantePulse.from_pretrained(), 그다음 model.encode(x, sample_rate=128, channels=[{"modality": "ECG", "lead": "II"}]), 그다음 shape를 출력하세요.
그중 어느 것도 오늘날 작동하지 않는다. import는 카드가 암묵적으로 가리키는 인덱스에 패키지가 존재하지 않기 때문에 실패한다. 모델 디렉터리에는 Python 모듈이 아니라 가중치와 컨디셔닝 벡터가 들어 있다. 이 릴리스를 사용하려는 독자에게는 단 한 가지 경로만 있다. 203개의 텐서 이름으로부터 포워드 패스를 다시 구현하고, 활성화 함수를 추측하고, FiLM 변조가 어떻게 어떤 순서로 적용되는지 추측하고, 정규화 통계가 저자들이 사용한 것과 같기를 바라는 것이다.
패치 기반 트랜스포머라면 불가능한 일은 아니다. PyTorch에 능숙한 사람에게는 하루 작업이고, 그렇지 않은 사람에게는 연구 프로젝트다. 하지만 "재구현 가능"과 "출시됨"은 다른 것이며, 그 둘 사이의 간극에 릴리스 가치의 대부분이 존재한다. 추론 경로가 없는 가중치는 모델에 대한 주장일 뿐, 호출할 수 있는 모델은 아니다.
카드는 그 이음새를 인지하고 있다. "이 모델 자산을 사용하기 전에 별도의 추론 코드 패키지를 설치하십시오."라고 말한 뒤, 예시에서 "게시 후, 이 전체 예시는 첫 사용 시 모델을 다운로드합니다."라고 덧붙인다. 두 문장 모두 앞으로를 가리킨다. 패키지가 곧 나올 예정이거나, 이번 릴리스가 사전 포지셔닝 조치다 — 가중치를 공개해 인용 가능하게 하고, 내부 하네스로 측정 가능하게 하며, 코드가 공개되는 순간 바로 사용할 수 있도록 준비해 둔 것이다.
카드가 내세우는 것, 그리고 카드가 빠뜨린 것
문서화된 인터페이스는 범위가 좁고 구체적이라는 점이 장점입니다.
• 입력 형식 — [T], [C, T], [B, C, T] 또는 정렬된 채널 딕셔너리. 길이가 들쭉날쭉한 녹음도 작동합니다. 모델에 실제 샘플 레이트와 각 채널의 물리적 정체성을 알려주면 됩니다.
• 전처리 — 코드 패키지는 고정 128Hz로의 리샘플링, 관측된 샘플, 그리고 저장 패딩 마스크를 처리한다고 합니다. 이는 아직 존재하지 않는 코드에 대한 주장이라는 점에 유의하세요.
• 출력 — CLS와 observed-valid PatchMean은 [B, C*256] 형태로 각각 반환되며, 채널은 입력 순서대로 연결됩니다. return_tokens=True인 경우 0.25초 간격의 패치 특징과 유효성 마스크도 반환합니다.
• 범위 — "이것들은 신호 표현이며, 작업별 예측 헤드는 포함되지 않습니다." 쉽게 말해: Pulse는 특징을 제공하고, 분류기, 탐지기, 위험 점수는 사용자가 제공합니다.
제공하지 않는 것: 그 특징들이 무엇에 유용한지에 대한 어떤 표시도 없다. 선형 프로브 표도, 다운스트림 작업 목록도, 인코더가 어떤 데이터셋으로 훈련되었는지에 대한 설명도, 1,280샘플 예시(128Hz에서 10초)를 넘어서는 윈도 길이 지침도, 학습된 적 없는 채널을 어떻게 처리하는지에 대한 설명도, 기존의 어떤 생리학적 파운데이션 모델과의 비교도 없다. 스텝 카운터에는 260,000 훈련 스텝이라고 나와 있다. 그것이 전체 릴리스에서 훈련에 관한 유일한 숫자다.
가중치만 공개한 드롭이 점수를 매기기 어려운 이유
인코더는 추상적으로 평가할 수 없다. 그 품질은 전적으로 인코더에 연결하는 다운스트림 태스크의 함수이며, 이를 보고하는 표준 방식은 명시된 분할을 사용한 몇몇 공개 데이터셋 전반에 걸친 동결 특징 선형 프로브이다. 그 숫자들이 없으면 세 가지는 알 수 없다.
첫째, 임베딩이 정보를 담고 있는지 아니면 단지 분산만을 담고 있는지 여부입니다. 10초 분량의 ECG에서 추출한 256차원 벡터는 그럴듯해 보일 수 있습니다 — 매끄럽고, 구조적이며, 환자 전반에 걸쳐 안정적이면서도 — 심박수와 신호 품질 외에는 아무것도 인코딩하지 않을 수 있습니다. 오직 프로브만이 그것들을 구별합니다.
둘째, 채널 조건화가 도움이 되는지 아니면 장식에 불과한지입니다. 이 아키텍처는 텍스트 어댑터와 57개의 채널 아이덴티티에 투자합니다. 단일 채널 ECG 전용 베이스라인이 전체 모델에 필적한다면, 그 장치는 이득 없이 비용만 발생시키는 것이며, 이를 보여주는 것은 오직 절제 실험뿐입니다.
셋째, 모델이 학습 분포를 넘어 일반화되는지 여부입니다. 임상 파형은 기기, 전극 배치, 인구 집단에 따라 크게 달라집니다. "학습할 때 본 몽타주에서 작동한다"는 "당신의 캐비닛에 있는 몽타주에서 작동한다"보다 훨씬 약한 주장이며, 여기서는 후자를 검증하는 내용이 없습니다.
이 중 어느 것도 비난이 아닙니다. 몇 시간 전에 논문 없이 업로드된 모델은 정상적인 첫 단계이며, 기술 보고서는 이미 검토 중일 수도 있습니다. 이것은 단지 증거의 솔직한 상태일 뿐이며, 이를 기반으로 구축할지 결정하는 독자는 현재 검증된 것이 파일 목록뿐이라는 점을 알아야 합니다.
무엇이 이것을 바꿀까요?
네 가지를, 그것들이 당신에게 알려주는 정도가 커지는 순서로.
lingsante_pulse 이름으로 PyPI에 배포하면 모델을 실행 가능하게 만들고, 카드의 사용 예시를 문서에서 테스트로 바꿀 수 있습니다. 그것이 가장 작으면서도 가장 가능성 높은 다음 단계입니다.
카드에 학습 코퍼스를 명시한 문단이 있다면 독자가 통합에 하루를 쏟기 전에 도메인 일치 여부를 판단할 수 있을 것이다. 현재 채널 목록은 수면 및 마취 데이터를 확인해 주지 않으면서 암시하고 있다.
두세 개의 공개 데이터셋 — 하나는 수면, 하나는 심장 — 에 대한 동결 특징 프로브는 이번 릴리스를 단순한 산출물에서 하나의 결과로 바꿔 놓을 것이다. 이것이 가장 중요하면서도 저자들에게 가장 적은 비용이 드는 항목이다.
독립적인 재현이 위의 그 무엇보다 더 중요할 것이며, 벤더가 주선할 수는 없다. 아무도 이 모델을 공개적으로 실행한 적이 없다. 앞으로 몇 주 동안 명심해야 할 문장은 바로 이것이다.
이런 인코더는 실제로 작동하는 시스템에서 어디에 위치할까요? 인코더는 특징을 생성할 뿐, 그 특징을 추론하는 것은 다른 구성 요소의 몫입니다. 그리고 대부분의 임상 파이프라인에서 그 역할을 하는 것은 임베딩 요약을 환자의 노트와 함께 읽는 언어 모델입니다. 그 추론 계층이 바로 OrcaRouter가 담당하는 부분입니다 — 200개가 넘는 모델을 아우르는 단일 API, 공급자 정가를 마크업 없이 그대로 전달, 그리고 공급자 성능이 저하되면 자동으로 페일오버. LingSante-Pulse-1.0 자체는 자체 호스팅 가중치이며 당사 카탈로그에 포함되어 있지 않습니다. 인코더와 그 출력을 읽는 모델은 별개의 구매 결정이며, API가 존재하는 것은 두 번째 모델뿐입니다.
당장의 실용적인 답은 화려하지 않습니다. PSG 또는 수술 중 파형 데이터가 있고 PyTorch를 능숙하게 다룬다면 safetensors 파일을 내려받아 헤더를 읽어 보십시오. 그것이 이번 릴리스에서 가장 정보가 많은 산출물입니다. 이번 주에 바로 호출할 수 있는 무언가가 필요하다면 여기에는 아직 아무것도 없습니다. 63.8 MiB의 가중치는 파일 크기를 지닌 약속입니다.

현재 그대로의 전체 릴리스: 파일 일곱 개, 그중 하나는 가중치이며 코드는 하나도 없습니다.

현재 저장소가 지원하는 것: 매개변수 수, 텐서 형태에서 읽어낸 아키텍처, 채널 어휘 — 그러나 벤치마크도, 패키지도, 제공자도 없습니다.
