제논이 컴퓨터 화면을 인식하고 직접 조작해 업무를 수행하는 인공지능(AI) 모델 '훈민(Hunmin) VLM 397B'를 오픈소스로 공개했다.
훈민 VLM 397B는 3970억 파라미터 규모 오픈소스 모델 '큐원3.5-397B를 기반으로 컴퓨터 화면을 인식하고 직접 조작하는 실행 능력을 강화했다. 범용 AI 모델 기존 성능을 유지하며 실제 업무에 필요한 능력을 더하는 방식으로 훈민 시리즈를 고도화한 것이다.
이번 훈민 VLM 397B는 이러한 개발 방향을 초거대 모델로 확장한 후속 모델이다. AI가 사용자 업무 환경을 이해해 직접 행동할 수 있도록 화면에서 버튼이나 입력창 등 조작 대상을 찾아내는 '그라운딩'부터 실제 컴퓨터 환경에서 과업을 수행하는 능력까지 전반적인 컴퓨터 조작 성능을 끌어올렸다.
훈민 VLM 397B는 화면 속 조작 대상 위치를 식별하는 5개 벤치마크에서 기반 모델인 큐원3.5-397B와 컴퓨터 조작 특화 모델 큐원-CUA를 모두 앞섰다. 고난도 화면 인식 성능을 평가하는 'ScreenSpot-Pro'에서는 정확도 75.6점을 기록하며 허깅페이스 공식 리더보드 2위에 올랐다. 현재 리더보드에 등재된 48개 모델 가운데 국내 기업이 개발한 모델은 훈민 VLM 397B가 유일하다.
화면을 정확하게 읽어내는 능력은 실제 작업을 수행하는 단계에서 성능 차이로 나타났다. 리눅스 데스크톱에서 360개 과제를 수행하는 'OSWorld'에서는 70.5점을 기록, 기본 모델보다 22.3점 높았다. 'WindowsAgentArena'에서도 9.1점 향상된 성능을 보였다. 운용체계(OS)와 애플리케이션을 오가며 주어진 과업을 수행하는 컴퓨터 조작 능력 전반이 강화된 것이다.
거대 모델을 제한된 컴퓨팅 자원으로 고도화하는 제논의 후학습 기술도 활용했다. 양자화 상태에서 지도학습(SFT)과 강화학습(RL)을 거치는 등 후학습 과정에 엔비디아 B200 그래픽처리장치(GPU) 8장을 활용했다.
제논은 훈민 VLM 397B와 함께 개발·평가 방법론도 오픈소스로 공개한다. Apache 2.0 라이선스로 원본 모델과 용량을 절반 수준으로 줄인 FP8 버전을 제공한다.
명대우 제논 최고기술책임자(CTO)는 “훈민 VLM 397B는 제한된 컴퓨팅 자원으로 컴퓨터 조작 능력을 강화하고 기존 한국어 성능까지 유지한 결과물”이라며 “앞으로도 훈민 시리즈로 액셔너블 AI 기반 기술을 지속 고도화하고 개발 과정과 방법론을 적극 공유해 오픈소스 AI 생태계 발전에 기여하겠다”고 말했다.
박종진 기자 truth@etnews.com
