허깅페이스·서비스나우, 무료 코드 생성 AI '스타코더' 공개

스타코더(StarCoder)는 150억 개 매개변수를 갖춘 오픈소스 코드 생성 인공지능 모델입니다. 쉽게 말해, 유료인 깃허브 코파일럿(GitHub Copilot)을 대체할 수 있으면서도 누구나 무료로 상용화하거나 자체 서버에 올려 쓸 수 있는 도구입니다.

어떤 기능을 제공하나

스타코더는 80개 이상의 주요 프로그래밍 언어를 지원합니다. VS Code 편집기에 바로 연동할 수 있으며, 일반적인 코드 자동 완성뿐 아니라 "앱 UI 생성해 줘" 같은 자연어 프롬프트를 처리하고 기존 코드에 대한 질문에도 답변합니다.

프로젝트 연구진에 따르면, 스타코더의 성능은 초기 깃허브 코파일럿에 쓰였던 오픈AI 모델과 대등하거나 이를 앞섭니다. 출시 시점 기준으로 상용 서비스만큼 기능이 풍부하지는 않지만, 모델을 직접 내려받아 원하는 용도에 맞게 자유롭게 파인튜닝할 수 있다는 점이 큰 매력입니다.

어떻게 만들었나

이 모델은 허깅페이스와 서비스나우 리서치가 이끄는 빅코드(BigCode) 프로젝트의 결과물입니다. 허깅페이스 내부의 엔비디아 V100 GPU 512개로 구성된 컴퓨팅 클러스터를 투입해 며칠 동안 학습시켰습니다.

학습 데이터로는 허용 라이선스를 지닌 1900만 개 이상의 저장소와 6TB 이상의 코드가 담긴 오픈소스 데이터셋 '더 스택(The Stack)'을 활용했습니다. 공개된 코드를 무단 수집해 논란이 된 기존 모델들과 달리, 철저한 전처리 과정을 거친 것이 특징입니다.

이름, 이메일, IP 주소, 암호 및 비밀 키와 같은 개인 식별 정보를 대거 제거했으며, 악성 코드 탐지 도구를 통해 취약점이 있는 파일도 걸러냈습니다. 또한 자신의 코드가 학습에 쓰이는 것을 원치 않는 개발자를 위한 옵트아웃 창구도 마련했습니다.

다운로드와 사용 시 주의점

스타코더의 코드 저장소, 모델 학습 프레임워크, 데이터 정제 도구, 평가 스위트 등은 모두 깃허브에 완전히 공개되어 있습니다.

라이선스는 오픈레일-M(OpenRAIL-M)을 채택해 기업을 포함한 모든 사용자가 로열티 없이 무료로 상업적 활용을 할 수 있습니다. 다만 악성 소프트웨어를 생성하거나 배포하는 행위는 계약상 엄격히 금지됩니다. 연구진은 기술 보고서를 통해 필터링을 거쳤음에도 모델이 부정확하거나 취약한 코드를 출력할 수 있으므로 최종 검토 과정이 필수적이라고 밝혔습니다.

왜 중요한가

외부 클라우드로 소스코드가 유출될 것을 우려해 코파일럿 도입을 금지했던 기업이라면 스타코더가 훌륭한 해결책이 될 수 있습니다. 사내 인프라에 모델을 직접 구축하고 내부 코드로 추가 학습시키면 핵심 자산을 안전하게 지킬 수 있습니다.

빅테크의 독점으로 굳어지던 AI 코딩 도구 시장에 투명하고 검증된 오픈소스 대안이 등장했다는 점도 주목할 만합니다. 앞으로 커뮤니티를 중심으로 특정 언어나 프레임워크에 특화된 다양한 파생 도구들이 빠르게 쏟아져 나올 것으로 보입니다.