InternScience, 35B 에이전트 모델 'Agents A1' 오픈소스 공개: 초대형 모델 넘보는 성능

Agents A1은 InternScience가 오픈소스로 공개한 350억 파라미터(35B) 규모의 혼합 전문가(MoE) 에이전트 특화 모델이다. 여러 단계에 걸친 복잡한 작업 분해와 장기 탐색, 외부 도구 연동을 자율적으로 처리하도록 설계되었다.

단순한 대화형 모델이 아니라 작업 완수를 위해 지속적으로 동작하는 자율 에이전트에 가깝다. 목표를 전달받으면 모델이 스스로 세부 실행 계획을 세우고, 코드 인터프리터나 검색 엔진 등의 외부 도구를 호출하며, 중간 결과를 확인해 가며 최적의 경로로 목표를 완수한다.

무엇을 할 수 있나

공개된 벤치마크에 따르면 Agents A1은 35B 수준의 중형 모델임에도 일부 평가에서 조 단위 파라미터를 갖춘 최고 사양 프론티어 모델들과 대등하거나 그 이상의 성능을 보였다.

범용 에이전트 평가 지표인 GAIA에서 96.0점을 기록했고, 지시 이행 능력 평가인 IFEval에서 94.8점, IFBench에서 80.6점을 달성했다. 장기 웹 탐색 벤치마크인 BrowseComp에서는 75.5점, 엔지니어링 작업인 XBench-DS-2510에서는 86.0점을 얻었다.

과학 및 전문 지식 추론 영역의 성과도 돋보인다. 도구를 활용한 Humanity’s Last Exam(HLE)에서 47.6점, FrontierScience 올림피아드 부문 79.0점, 물리 벤치마크 HiPhO 46.4점을 기록했다. 35B 체급의 경쟁 모델인 Qwen 35B를 전반적으로 앞선 것은 물론, 일부 고난도 과학 평가에서는 GPT-5.5, Kimi K2.6, DeepSeek V4 Pro를 웃도는 결과를 제시했다.

이러한 성능은 전 영역 지도 미세조정(SFT), 전문 교사 모델 학습, 다중 교사 기반의 온폴리시 지식 증류로 이어지는 3단계 훈련 파이프라인 덕분이다.

로컬 구동 방법과 요구 사양

Agents A1의 모델 가중치, 평가 코드, 기술 보고서는 Hugging Face에서 내려받을 수 있으며 최대 262K의 컨텍스트 길이를 기본 지원한다. Transformers를 비롯해 vLLM, SGLang 등 주요 추론 엔진과 호환된다.

SGLang을 활용하면 CLI 명령어 한 줄로 전용 도구 호출 파서를 장착한 OpenAI 규격의 로컬 API 엔드포인트를 띄울 수 있다.

하드웨어 진입 장벽도 낮췄다. 원본 가중치는 약 70GB지만, 37.7GB 크기의 FP8 버전과 21GB에 불과한 Q4 양자화 버전이 함께 제공되어 고성능 소비자용 단일 GPU에서도 로컬 구동이 가능하다. Mac 사용자를 위한 MLX 양자화 버전도 마련되어 있으며, 더 가볍게 쓸 수 있는 4B 모델도 추가로 공개되었다.

왜 중요한가

클라우드 API 비용을 절감하면서 데이터 유출 우려 없이 로컬 환경에서 도구 연동 에이전트를 구축하려는 개발자에게 Agents A1은 즉시 도입을 검토해 볼 만한 강력한 대안이다.

우리는 이 모델이 초거대 파라미터 경쟁만이 능사가 아님을 잘 보여준 사례라고 생각한다. 도구 호출 궤적과 장기 추론 흐름을 정교하게 증류한다면, 일반 PC에서도 구동 가능한 35B 크기 모델로도 고난도 자동화 업무를 충분히 소화할 수 있다.