Occamy-1.0: 비용 효율적인 협업 에이전트 모델 공개
Occamy-1.0: Open Pareto-frontier 35B Intelligence for Co-work
arXiv복잡한 업무 흐름(정보 수집, 코딩, 파일 조작 등)을 여러 단계에 걸쳐 처리하는 비용 효율적인 AI 모델 'Occamy-1.0'이 개발되었습니다.
- 단순 성능 측정 대신 비용과 지연 시간을 종합적으로 고려하여 가장 효율적인 영역(Pareto frontier)에서 강력한 성능을 입증했습니다.
- 이는 최고 추론 능력뿐 아니라, 실제 업무 환경에서 작업 상태를 안정적으로 추적하고 여러 단계를 완수하는 '협업 에이전트' 능력을 높였다는 의미가 큽니다.
- 연구진은 모델 가중치와 학습 데이터 일부를 공개하여 학계가 실질적인 협업 에이전트 개발 및 후속 연구를 진행할 수 있도록 지원합니다.
협업(Co-work) 는 정보 수집, 도구 사용, 코딩, 파일 조작 등 복잡한 워크플로우를 여러 모델 호출에 걸쳐 실행합니다. 이 과정에서 발생하는 비용과 지연 시간은 누적되기 때문에, 에이전트의 실질적인 가치는 단순히 최고 수준의 추론 능력뿐만 아니라, 그 능력을 얼마나 효율적으로 제공하는지에 달려 있습니다.
연구진은 Qwen3.6-35B-A3B 체크포인트를 추가 학습하여 비용 효율성을 높인 협업 모델 'Occamy-1.0'을 개발했습니다. 이 과정에서 실행 기반 데이터와 환경을 구축하고, 여러 하네스에 걸쳐 재현 가능한 장기 궤적(long-horizon trajectories)을 포착했으며, 단계별 후속 학습을 통해 보완적인 실행 능력을 통합하여 모델의 역량을 강화했습니다.
Occamy-1.0은 광범위한 협업 에서 비교 가능한 크기의 모델 중 가장 강력한 성능을 보여주었으며, 여러 작업에서 훨씬 큰 규모의 최첨단 시스템과도 경쟁력을 유지합니다. 특히 네 가지 대표 벤치마크에 걸친 종합적인 성능은 관찰된 비용-성능 파레토 프론티어의 저비용 지점(low-cost knee)에 위치한다고 보고되었습니다. 연구진은 이 모델 와 일부 학습 데이터를 공개하여 실질적인 협업 에이전트 개발 및 후속 연구를 지원합니다.
용어 풀이
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.
- 가중치
- 학습으로 정해진 모델 내부의 숫자 값. 내려받는 모델 파일의 본체예요.