미로마인드, 실시간 검증 결합한 오픈소스 심층 연구 에이전트 '미로씽커-H1' 공개

AI 에이전트에게 복잡한 심층 조사를 맡길 때 가장 큰 문제는 자료를 못 찾는 것이 아니라, 중간 단계에서 발생한 작은 오류를 그대로 끌고 가 그럴듯한 환각 보고서를 완성해 버리는 점입니다.

미로마인드(MiroMind)는 고난도 연구 작업에 특화된 오픈소스 에이전트 미로씽커-1.7(MiroThinker-1.7)과 플래그십 시스템 미로씽커-H1을 공개했습니다. 무작정 추론 단계만 늘리는 대신, 추론 루프 안에 실시간 검증 시스템을 직접 심어 각 단계의 신뢰도를 끌어올리는 방식을 택했습니다.

공개된 예측 사례들은 꽤나 인상적입니다. 지난 2월 10일 모델에게 2월 25일의 금값을 예측하도록 했을 때, 실제 결과와의 오차는 단 4달러(약 0.08%)에 불과했습니다. 또한 1월 6일 시점에 시애틀 시호크스의 슈퍼볼 우승을 한 달 앞서 맞혔고, 그래미 어워드 최대 수상자로 켄드릭 라마를 지목한 예측 역시 적중했습니다. 과시성 시연의 성격이 섞여 있긴 하지만, 방대한 검색과 근거 대조, 확률 판단 능력이 상당한 수준임을 보여줍니다.

추론 과정에 직접 파고든 이중 감사 체계

기존 연구용 에이전트들은 일단 긴 경로를 탐색하다가 실패하면 무작정 시행착오를 반복하곤 했습니다. 미로씽커-H1은 이를 해결하기 위해 이중 검증 시스템을 도입했습니다.

먼저 로컬 검증기(Local Verifier)는 계획 수립, 도구 호출, 가설 수정 등 중간 추론 결정을 실시간으로 감사합니다. 잘못된 방향으로 빠지는 것을 초기에 차단한 덕분에, 브라우즈컴(BrowseComp) 난이도 높은 하위 테스트에서 평균 상호작용 단계를 약 82% 줄이면서도 정확도는 26.4점 끌어올렸습니다.

이어 글로벌 검증기(Global Verifier)가 전체 추론 궤적을 평가합니다. 생성보다 검증이 훨씬 수월하다는 원리를 활용해, 최종 결론이 논리적이고 탄탄한 근거로 뒷받침되는지 점검합니다. 근거가 부족하면 성급하게 답을 내지 않고 에이전트에게 추가 탐색이나 재샘플링을 강제합니다.

이러한 구조는 4단계 통합 훈련 파이프라인으로 구현되었습니다. 기초 에이전트 역량을 다지는 미드 트레이닝, 행동 관찰 데이터 기반의 지도 미세조정(SFT), 정답 여부만을 랭킹 신호로 쓰는 직접 선호도 최적화(DPO), 그리고 GRPO 기반 강화학습을 차례로 거쳤습니다. 특히 강화학습 단계에서는 낮은 확률 토큰에 엔트로피 제어를 적용하고 긴 꼬리 문제를 우선 처리하도록 스케줄링했습니다.

2350억 개 매개변수와 벤치마크 결과

모델 규모는 묵직합니다. 미로씽커-1.7은 2350억(235B) 개 매개변수와 256K 컨텍스트 창을 갖췄습니다. 전체 모델 용량만 약 470GB에 달해 로컬 배포를 위해서는 다수의 고성능 GPU가 필수적입니다. 연구진은 진입 장벽을 낮추기 위해 약 61GB 크기의 미니 버전도 함께 제공했습니다.

벤치마크 점수 역시 최상위권입니다. 웹 브라우징 연구 역량을 측정하는 BrowseComp에서 H1은 88.2점을 기록해 Gemini-3.1-Pro(85.9), Claude-4.6-Opus(84.0), GPT-5.4(82.7)를 앞섰습니다. 중국어 평가인 BrowseComp-ZH에서도 84.4점으로 선두를 차지했으며, FrontierScience-Olympiad에서는 79.0점으로 GPT-5.2(77.1)를 상회했습니다. 다만 테스트마다 비교에 쓰인 상대 모델 버전이 완전히 일관되지는 않아 점수를 그대로 맹신하기보다는 상위권 진입 정도로 해석하는 것이 합리적입니다.

왜 중요한가

우리는 미로마인드가 단순한 모델 크기 경쟁이나 맹목적인 추론 길이 늘리기에서 벗어나, 상호작용 단계의 단위 품질을 개선하는 방향을 잡은 점이 매우 영리하다고 봅니다.

금융 리서치나 학술 조사처럼 신뢰성이 생명인 업무에서는 오류가 눈덩이처럼 불어나는 긴 추론 과정을 그대로 믿고 쓰기 어렵습니다. 중간 단계를 가지치기하고 최종 근거를 교차 검증하는 구조는 기업 환경에서 실질적으로 쓸 만한 보고서를 만드는 데 필수적인 접근입니다.

산업 측면에서는 주요 빅테크의 폐쇄형 독점 영역으로 여겨지던 고난도 연구형 에이전트 시장에 강력한 오픈소스 대안이 등장했다는 의미가 있습니다. 다만 470GB라는 막대한 하드웨어 요구 사항은 일반 개발자에게 여전히 큰 부담이므로, 실질적인 활용도는 61GB 미니 버전이 본래 성능을 얼마나 방어해 내는지에 달려 있습니다. 실시간 검증으로 인한 지연 시간 증가를 감수할 가치가 있는지 현장 테스트가 이어질 것으로 보입니다.