Qwen3.5-397B 기반 컴퓨터 조작 능력 강화
훈민 VLM 397B는 3970억개 파라미터 규모 공개 모델 'Qwen3.5-397B'를 기반으로 개발됐다. 제논은 화면에서 버튼과 입력창 등 조작 대상을 찾는 '그라운딩(Grounding)'과 실제 컴퓨터 환경에서 과업을 수행하는 능력을 강화했다고 설명했다.
제논에 따르면 훈민 VLM 397B는 화면 속 조작 대상 위치를 식별하는 5개 벤치마크에서 기본 모델인 Qwen3.5-397B와 컴퓨터 조작 특화 모델 Qwen-CUA보다 높은 점수를 기록했다. 고난도 화면 인식 성능을 평가하는 'ScreenSpot-Pro'에서는 75.6점을 받아 허깅페이스 공식 리더보드 2위에 올랐다고 회사 측은 밝혔다.
실제 운영체제 환경을 대상으로 한 평가에서도 성능 향상을 확인했다는 게 제논 설명이다. 리눅스 데스크톱에서 360개 과제를 수행하는 'OSWorld'에서는 70.5점을 기록해 기본 모델보다 22.3점 높았고, 'WindowsAgentArena'에서는 9.1점 향상됐다.
한국어 성능은 기본 모델과 비슷한 수준을 유지했다. 회사 측에 따르면 KMMLU와 K-MMBench 등 한국어 벤치마크 8종에서 기본 모델 대비 점수 차이를 2점 이내로 유지했다. 컴퓨터 조작 기능을 추가하면서 기존 언어 성능 저하를 줄이는 데 초점을 맞췄다는 설명이다.
제논은 이번 모델 후학습에 엔비디아 B200 GPU 8장을 사용했다. 공개 컴퓨터 조작 모델의 능력을 저랭크 방식으로 이식한 뒤 FP8 양자화 상태에서 지도학습(SFT)과 강화학습(RL)을 진행했다. 제한된 컴퓨팅 자원으로 초거대 모델에 새로운 기능을 추가하는 후학습 기술을 적용했다는 게 회사 측 설명이다.
이번 모델은 앞서 공개한 '훈민 32B'와 '훈민 VLM 235B'의 후속 모델이다. 제논은 훈민 VLM 235B를 통해 확보한 컴퓨터 유즈와 브라우저 유즈 기술을 실행형 AI '원에이전트(OneAgent)' 고도화에 활용해왔다. 훈민 VLM 397B도 향후 기업 업무 환경에서 AI가 직접 수행할 수 있는 과업 범위를 넓히는 데 활용할 계획이다.
제논은 훈민 VLM 397B 원본 모델과 용량을 절반 수준으로 줄인 FP8 버전을 Apache 2.0 라이선스로 공개한다. 개발·평가 방법론과 비교 모델 재평가 조건도 함께 제공한다.
명대우 제논 부사장(CTO)은 "AI 모델 경쟁의 무게중심이 단순히 파라미터 규모를 키우는 데서 벗어나 대규모 모델에 필요한 능력을 얼마나 효율적으로 더하고 실제 활용 가능한 수준으로 고도화하느냐로 옮겨가고 있다"고 말했다.
sglee640@beyondpost.co.kr
