‘훈민 VLM 397B’ 오픈소스 공개…화면 인식부터 실제 과업 수행까지 성능 향상
제논(대표 고석태)이 컴퓨터 화면을 인식하고 직접 조작해 업무를 수행하는 AI 모델 ‘훈민(Hunmin) VLM 397B’를 오픈소스로 공개했다고 9월 18일 밝혔다. 훈민 VLM 397B는 3,970억 개 파라미터 규모의 공개 모델 ‘큐원(Qwen3.5-397B)’을 기반으로 컴퓨터 화면을 인식하고 직접 조작하는 실행 능력을 강화한 모델이다.
업체 측에 따르면, 2025년 ‘훈민 32B’와 올해 초 ‘훈민 VLM 235B’를 잇달아 선보인 제논은 범용 AI 모델의 기존 성능을 유지하면서 실제 업무에 필요한 능력을 더하는 방식으로 훈민 시리즈를 고도화해왔다.
이번 훈민 VLM 397B는 이러한 개발 방향을 초거대 모델로 확장한 후속 모델이다. AI가 질문에 답하거나 정보를 생성하는 데 그치지 않고 사용자의 업무 환경을 이해해 직접 행동할 수 있도록 화면에서 버튼이나 입력창 등 조작 대상을 찾아내는 ‘그라운딩(Grounding)’부터, 실제 컴퓨터 환경에서 과업을 수행하는 능력까지 전반적인 컴퓨터 조작 성능을 끌어올렸다는 설명이다.
고도화된 실행 능력은 주요 벤치마크에서 두드러졌다. 훈민 VLM 397B는 화면 속 조작 대상의 위치를 식별하는 5개 벤치마크에서 기본 모델인 Qwen3.5-397B와 컴퓨터 조작 특화 모델 Qwen-CUA를 모두 앞섰다. 특히 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 유일하다고 업체 측은 전했다.
화면을 정확하게 읽어내는 능력은 실제 작업을 수행하는 단계에서도 성능 차이로 나타났다. 리눅스 데스크톱에서 360개 과제를 수행하는 ‘OSWorld’에서는 70.5점을 기록해 기본 모델보다 22.3점 높았고, 윈도우 환경의 ‘WindowsAgentArena’에서도 9.1점 향상된 성능을 보였다. 단순히 화면 속 요소를 찾아내는 수준을 넘어, 운영체제와 애플리케이션을 오가며 주어진 과업을 수행하는 컴퓨터 조작 능력 전반을 강화한 셈이다.
제논은 새로운 실행 능력을 더하는 과정에서 기존 언어 성능의 손실도 최소화했다. 훈민 VLM 397B는 KMMLU와 K-MMBench 등 한국어 벤치마크 8종에서 기본 모델 대비 2점 이내의 성능을 유지했다. 동일한 기본 모델에 컴퓨터 조작 능력을 더한 비교 모델이 일부 벤치마크에서 최대 6점 하락한 것과 달리, 실행 능력을 강화하면서 국내 기업 환경에서 활용하는 데 필요한 한국어 역량도 함께 확보했다.
특히 이번 모델에는 397B 규모의 초거대 공개 모델을 제한된 컴퓨팅 자원으로 고도화하는 제논의 후학습 기술이 적용됐다. 제논은 공개된 컴퓨터 조작 모델의 능력을 저랭크 방식으로 이식한 뒤 FP8 양자화 상태에서 지도학습(SFT)과 강화학습(RL)을 거쳤으며, 전체 후학습 과정에는 엔비디아 B200 GPU 8장을 활용했다.
7월 7,430억 파라미터 규모 모델을 소규모 GPU 환경에서 학습하는 방법을 기술 보고서로 공개한 데 이어, 해당 방법론을 실제 모델 개발에 적용하며 제한된 자원으로 초거대 모델에 새로운 능력을 더할 수 있는 후학습 역량을 보여줬다는 것이다.
이러한 기술 고도화는 제논이 집중하고 있는 ‘액셔너블(Actionable) AI’의 실행력을 높이는 데도 활용될 전망이다. 제논은 앞서 훈민 VLM 235B를 통해 컴퓨터 유즈(Computer Use)와 브라우저 유즈(Browser Use) 역량을 강화하고, 이를 실행형 AI ‘원에이전트(OneAgent)’ 고도화와 연결해왔다. 훈민 VLM 397B 역시 화면 인식과 컴퓨터 조작 기술을 발전시켜 향후 AI가 실제 기업 업무에서 수행할 수 있는 과업의 범위를 넓히는 데 활용할 계획이다.
제논은 훈민 VLM 397B와 함께 개발·평가 방법론도 오픈소스로 공개한다. Apache 2.0 라이선스로 원본 모델과 용량을 절반 수준으로 줄인 FP8 버전을 제공하며, 비교 모델을 동일한 환경에서 직접 재평가한 조건과 방법론도 문서로 공개했다. 앞서 훈민 VLM 235B의 모델과 학습 데이터 구성, 방법론을 공유한 데 이어, 훈민 시리즈를 통해 축적한 기술을 지속적으로 선보이며 국내외 오픈소스 AI 생태계의 기술 개발과 활용에 기여한다는 방침이다.
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”며, “훈민 VLM 397B는 제한된 컴퓨팅 자원으로 컴퓨터 조작 능력을 강화하면서 기존 한국어 성능까지 유지한 결과물”이라고 말했다.
이어 “앞으로도 훈민 시리즈를 통해 액셔너블 AI의 기반 기술을 지속적으로 고도화하는 한편, 개발 과정과 방법론을 적극적으로 공유해 오픈소스 AI 생태계 발전에도 기여하겠다”고 밝혔다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
