Ornith 1.0 오픈소스 공개: 스스로 작업 틀을 짜는 최대 397B 코딩 모델

Ornith 1.0은 에이전트 코딩에 특화되어 제작된 새로운 오픈소스 모델 제품군이다. 엣지 기기 배포가 가능한 9B Dense부터 대형 플래그십인 397B MoE까지 다양한 크기로 제공된다.

에이전트 코딩이란 단순히 한 줄의 코드를 자동 완성하는 수준을 넘어, 모델이 스스로 태스크를 계획하고 도구를 실행하며 오류를 디버깅하고 여러 파일에 걸친 전체 코드베이스를 지속적으로 수정해 나가는 방식을 말한다.

사전 학습된 Gemma 4와 Qwen 3.5를 기반으로 구축되었으며, 9B Dense, 31B Dense, 35B MoE, 397B MoE로 나뉜다.

스스로 작업 틀을 짜는 훈련 방식

기존의 강화학습 훈련은 주로 사람이 수작업으로 설계한 고정된 테스트 프레임워크와 프롬프트 틀에 의존했다. Ornith 1.0의 핵심 혁신은 문제를 풀기 위한 '스캐폴드(Scaffold, 작업 틀)' 자체를 모델이 학습 가능한 대상으로 삼았다는 점이다.

강화학습 과정에서 모델은 주어진 태스크에 맞춰 메모리 관리, 오류 처리, 도구 오케스트레이션 방식이 담긴 맞춤형 스캐폴드를 먼저 생성하고 개선한다. 이후 그 틀 위에서 실제 코딩 해법을 도출하며, 최종 보상은 두 단계 모두에 전파되어 해법뿐 아니라 작업 흐름 자체를 진화시킨다.

모델이 작업 틀을 임의로 만들게 두면 테스트 파일을 읽고 정답만 하드코딩하는 이른바 리워드 해킹 위험이 생긴다. Ornith는 모델이 건드릴 수 없는 불변의 실행 환경을 두고, 허용되지 않은 파일 접근 시 보상을 0점으로 처리하는 결정론적 모니터와 함께 거부권을 행사하는 고정 LLM 판정관을 두어 이를 차단했다.

벤치마크 성능과 하드웨어 스펙

공개된 벤치마크 지표에 따르면 플래그십인 Ornith-1.0-397B는 Terminal-Bench 2.1에서 77.5점, SWE-bench Verified에서 82.4점을 기록하며 Claude Opus 4.7(각각 70.3점, 80.8점)을 앞섰고 Minimax M3 및 DeepSeek-V4-Pro를 뛰어넘었다.

작은 모델들의 효율성도 눈에 띈다. 35B 모델은 Terminal-Bench 2.1에서 64.4점을 기록해 훨씬 거대한 Qwen 3.5-397B(53.5점)를 능가했으며 Qwen 3.6-35B와 Gemma 31B를 앞질렀다. 9B 모델 역시 SWE-bench Verified에서 69.4점을 기록해 Gemma 4-31B와 대등한 수준을 보였다.

하드웨어 요구 사양의 경우 397B 원본은 약 794GB, FP8 버전은 400GB에 달해 대규모 서버 장비가 요구된다.

반면 35B 버전은 70GB이며, 공식 배포된 GGUF Q4 양자화 버전은 21GB에 불과해 고성능 소비자용 단일 GPU에서도 충분히 구동할 수 있다.

현재 전체 모델 가중치와 파일은 Hugging Face에 모두 공개되어 누구나 바로 테스트해 볼 수 있다.

왜 중요한가

사내 코드 유출 걱정 없이 로컬 환경에서 독자적인 코딩 에이전트를 구축하려는 개발자에게 Ornith 1.0은 지금 당장 도입을 검토해 볼 만한 강력한 선택지다. 특히 9B와 35B 모델은 메모리 소모 대비 뛰어난 문제 해결 능력을 보여주어 로컬 에이전트 구동의 하드웨어 진입 장벽을 크게 낮췄다.

모델이 단순히 지식을 외우는 데 그치지 않고 작업 도구와 절차를 스스로 최적화하도록 만든 학습 전략은 매우 영리하다. 다만 특정 코딩 벤치마크 환경에 집중 최적화된 모델 특성상, 파편화되고 비표준적인 실제 엔터프라이즈 레거시 코드베이스에서도 일관된 성능을 유지할지는 직접 돌려보며 검증할 필요가 있다.