비드래프트 Darwin-180B-RSI 공개, 허깅페이스 5관왕 달성
전체 파라미터의 단 0.02% 수정만으로 수학 올림피아드 벤치마크 100% 만점을 달성할 수 있을까요?
이 아티클의 핵심 내용 요약과 글로벌 검색·AI 엔진을 위한 테이크어웨이입니다.
✦ KR 주제: 비드래프트 Darwin-180B-RSI 추론 모델 구조 분석
✦ KR 핵심 요약: 비드래프트가 발표한 Darwin-180B-RSI는 Qwen3.8-Flash-Next 기반의 180B MoE 모델로, 재귀적 자가개선(RSI) 기술을 통해 인간의 정답 라벨링 없이 허깅페이스 5대 벤치마크 1위를 달성했습니다. 512개 전문가 중 10개만 활성화해 효율을 극대화했고, 4비트 GGUF 경량화를 통해 엣지 기기에서도 구동 가능하도록 최적화되었습니다.
🌐 Global Takeaway: VIDRAFT introduced Darwin-180B-RSI, an open-weights MoE model built on Qwen3.8-Flash-Next that achieved top scores across five official Hugging Face leaderboards including perfect scores on AIME 2026 and HMMT 2026. Leveraging Recursive Self-Improvement (RSI) without human labeling, the model demonstrates that selective parameter adaptation can match massive frontier compute scaling.
아래 그림은 Darwin-180B-RSI가 인간 라벨러 없이 정답을 검증하고 스스로를 진화시키는 순환 구조를 보여줍니다.
🚨 1. 글로벌 리더보드를 뒤흔든 국산 추론 모델의 등장
2026년 9월 28일, 국내 인공지능 스타트업 비드래프트(VIDRAFT, 대표 김민식)가 추론 특화 파운데이션 모델인 '다윈-180B-RSI(Darwin-180B-RSI)'를 오픈소스로 전격 공개했습니다. 이 모델은 공개와 동시에 글로벌 AI 커뮤니티의 기준점으로 꼽히는 허깅페이스(Hugging Face) 공식 벤치마크 리더보드 5개 부문에서 연이어 1위에 오르며 전 세계 개발자들과 엔지니어들의 이목을 집중시켰습니다. 클로즈드 소스를 고수하는 빅테크의 독점적 연구 성과가 주류를 이루던 고난도 추론 분야에서 오픈 가중치 모델이 거둔 이례적인 성과입니다.
이번 성과의 핵심은 단순한 데이터 사전 학습량의 확장이 아니라, 모델이 스스로 정답을 검증하고 교정하는 '재귀적 자가개선(Recursive Self-Improvement, RSI)' 아키텍처에 있습니다. 비드래프트 연구진은 완전히 새로운 모델을 밑바닥부터 대규모 사전 학습(Pre-training)하는 대신, 오픈 파운데이션 모델인 큐원3.8-플래시-넥스트(Qwen3.8-Flash-Next)의 가중치를 정밀하게 진단하고 단 0.02%의 매개변수만을 선택적으로 조정했습니다. 수천억 원 규모의 컴퓨팅 자본을 쏟아붓지 않고도 최상위 추론 성능을 입증한 구조적 전환점입니다.
허깅페이스 공인 리더보드는 사설 평가와 달리 엄격한 재현 프로토콜과 심사를 통과해야 순위표에 등재됩니다. Darwin-180B-RSI는 모델 카드에 전체 벤치마크 측정 방식과 세부 하이퍼파라미터를 빠짐없이 투명하게 기록해 누구나 직접 검증할 수 있는 재현성을 확보했습니다. 거대 자본 중심의 모델 개발 경쟁 속에서 정교한 사후 학습 기법과 가중치 이식 기술의 가능성을 명확히 증명했습니다.
2. 5대 공인 벤치마크 성적과 측정 프로토콜
Darwin-180B-RSI가 석권한 5개 분야는 수학, 대학원급 과학, 복합 학문 지식, 그리고 시각적 다중 모달리티 추론에 걸쳐 있습니다. 가장 큰 주목을 받은 부문은 미국 수학 올림피아드 대표 선발 시험인 AIME 2026과 하버드·MIT 수학경시대회인 HMMT February 2026입니다. 두 시험은 단답형 주관식 정수 정답을 요구하기 때문에 찍어서 맞힐 확률이 0%에 수렴하며 데이터 암기나 우연에 의한 점수 획득이 불가능합니다.
| 벤치마크 명칭 | 평가 대상 분야 | 문항 수 | Darwin-180B-RSI 점수 | 종전 1위 점수 | 득점 격차 |
|---|---|---|---|---|---|
| AIME 2026 | 올림피아드 수학 | 30문항 | 100.0% (만점) | 97.1% | +2.9%p |
| HMMT Feb 2026 | 하버드·MIT 고난도 수학 | 30문항 | 100.0% (만점) | 92.7% | +7.3%p |
| GPQA Diamond | 박사급 과학 추론 | 198문항 | 94.44% | 93.5% | +0.94%p |
| MMLU-Pro | 14개 전문 분야 종합 | 12,032문항 | 88.12% | 88.0% | +0.12%p |
| MMMU-Pro | 시각-텍스트 복합 추론 | 1,730문항 | 79.48% | 79.4% | +0.08%p |
특히 허깅페이스 공인 수학 리더보드 역사상 만점(100.0%) 기록이 수립된 것은 이번이 처음입니다. 씽킹머신즈(Thinking Machines), 문샷 AI(Moonshot AI), SK텔레콤 등 글로벌 유수 기업들의 40여 개 모델이 치열하게 경쟁하던 HMMT 2026에서 종전 최고 기록인 92.7%를 7.3%p 차이로 단숨에 뛰어넘었습니다. 박사급 도메인 전문가도 정답률이 65% 수준에 그친다는 GPQA Diamond에서도 94.44%를 기록하며 문샷 AI의 키미-K3(Kimi-K3, 93.5%)를 상회했습니다.
모든 벤치마크 측정은 동일한 단일 추론 환경에서 엄격하게 통제되었습니다. 개별 벤치마크마다 하이퍼파라미터를 유리하게 편향시키지 않고, 공통 추론 설정으로 정밀도 BF16, 생각 예산(Thinking Budget) 131,072 토큰, 온도(Temperature) 1.0, Top-P 0.95, Top-K 20을 전면 적용했습니다. AIME와 HMMT는 문항당 16회 풀이 다수결 투표 방식을 택했으며, MMLU-Pro는 다수결 없는 1회 풀이로 88.12%를 기록했습니다.
3. 재귀적 자가개선(RSI)과 선택적 병합 메커니즘
모델 성능 비약의 근간에는 인간의 수작업 라벨링을 완전히 배제한 '재귀적 자가개선(RSI)' 메커니즘이 자리 잡고 있습니다. 지도 학습(SFT)에 필요한 양질의 올림피아드급 해설 데이터를 사람이 직접 작성하는 방식은 시간과 비용 면에서 한계에 직면할 수밖에 없습니다. 비드래프트는 모델 스스로 복잡한 문제를 다각도 경로로 풀어낸 뒤, 명확한 규칙 기반 검증기로 정답 여부를 채점하고, 올바르게 도출된 사고 궤적(Reasoning Trace)만을 걸러내 다시 학습시키는 피드백 루프를 완성했습니다.
# Darwin-180B-RSI 추론 환경 로드 예시 스크립트
pip install transformers>=4.45.0 torch accelerate vllm
이러한 자가 피드백 과정에서 발생하기 쉬운 환각(Hallucination)과 학습 데이터 오염을 차단하기 위해 모델 학습 단계에서 엄격한 필터링이 수행되었습니다. 연습 데이터셋 간의 중복성을 제거하기 위해 8-gram 단위의 중복 제거(8-gram Deduplication) 알고리즘을 가동하여 사전 누출을 원천적으로 차단했습니다.
"이번 모델은 자체 자가개선 및 융합 기술이 집약된 최적의 성과를 냈다. 모델을 MRI처럼 진단해 우수한 부분만 골라 이식하고 신뢰도에 따라 융합하는 '선택적 병합(ZTC)' 기술을 통해 추론 오버헤드를 획기적으로 낮췄다." — 비드래프트 관계자 설명
연구진이 도입한 '선택적 병합' 기술은 신경망 내부의 가중치 행렬을 레이어 단위로 정밀 분석해 성능 개선에 직접적으로 기여하는 특정 블록만을 표적화합니다. 불필요한 파라미터 간섭을 방지하면서 문제 해결 능력이 극대화된 전문가 가중치만을 미세 교정함으로써 전체 1,800억 개 파라미터 중 약 0.02%에 해당하는 부분만 업데이트하여 글로벌 1위라는 극단적인 효율을 달성했습니다.
4. 512개 전문가 MoE와 262K 컨텍스트 아키텍처
Darwin-180B-RSI의 하부 구조는 총 1,800억(180B) 개의 파라미터로 설계된 전문가 혼합(Mixture of Experts, MoE) 구조를 기반으로 합니다. 기존의 전통적인 MoE 모델들이 8개 혹은 16개의 거대 전문가 블록을 두고 2개를 선택하던 방식과 달리, 다윈 모델은 512개로 잘게 쪼개진 세부 전문가(Fine-grained Experts) 구조를 갖추고 있습니다.
4-1. 희소 활성화(Sparse Activation)의 연산 효율성
총 512개의 전문가 풀 중에서 토큰당 활성화되는 전문가는 단 10개에 불과합니다. 이는 전체 파라미터 중 극히 일부만을 계산에 동원하는 희소 활성화 구조로, 180B 규모의 거대한 모델 지식 베이스를 유지하면서도 실제 추론 시 요구되는 부동소수점 연산량(FLOPs)을 조밀한(Dense) 모델 대비 10분의 1 이하로 절감합니다. 특정 수학적 논증, 과학적 기호 추론, 프로그래밍 코드 분석 등 상황에 따라 고도로 특화된 전문가 집합이 동적으로 라우팅됩니다.
4-2. 262K 초장문 맥락 및 멀티모달 처리
컨텍스트 윈도우는 약 262,144(262K) 토큰에 달합니다. 이는 수백 페이지 분량의 학술 논문, 전공 서적 한 권, 방대한 법률 문서를 한 번에 입력창에 올려두고 문맥 유실 없이 정밀한 다단계 추론을 수행할 수 있는 규모입니다. 더불어 텍스트뿐만 아니라 고해상도 이미지를 입력으로 받아 처리하는 이미지-텍스트 멀티모달 파이프라인(image-text-to-text)을 표준 지원하여 대학 수준의 복합 다이어그램 문제를 다루는 MMMU-Pro에서도 선두를 유지했습니다.
4-3. 세대별 GPQA 지표로 증명된 진화 궤적
비드래프트의 자체 진화 계보를 살펴보면 모델의 파라미터 확장과 구조 최적화가 지속적으로 누적되어 왔음을 알 수 있습니다. 세대별 연구 과정에서 입증된 GPQA 지표 추이는 다음과 같습니다.
- Darwin-9B: GPQA 84.30% 기록
- Darwin-28B: GPQA 89.39% 기록
- Darwin-397B-ZTC: GPQA 93.43% 기록 (글로벌 3위 기록 보유)
- Darwin-180B-RSI: GPQA 94.44% 기록 (신규 글로벌 1위 달성)
매개변수가 3,970억 개에 달했던 직전 세대 다윈-397B-ZTC의 기록을, 절반 이하 크기인 1,800억 개 매개변수의 다윈-180B-RSI가 MoE 효율화와 RSI 기법 고도화를 통해 다시 한번 뛰어넘었습니다.
5. 경량화 POCKET-Darwin-180B-GGUF와 로컬 구동성
아무리 뛰어난 추론 모델이라 하더라도 수천만 원을 호가하는 데이터센터용 엔터프라이즈 GPU 클러스터에서만 동작한다면 일반 개발자와 온프레미스 기업 환경에서의 배포는 극히 제한될 수밖에 없습니다. 비드래프트 진영은 이러한 접근성 문제를 해소하기 위해 4비트 양자화(Quantization)를 거친 경량화 배포판인 'POCKET-Darwin-180B-GGUF'를 동시 공개했습니다.
해당 GGUF 모델 파일의 전체 디스크 점유 크기는 111GB입니다. 4비트로 양자화되었음에도 불구하고 고난도 10지선다 벤치마크인 MMLU-Pro에서 원본 16비트 부동소수점(BF16) 모델과 사실상 동일한 87.65%의 점수를 유지해 압축으로 인한 성능 저하를 방지했습니다.
이로써 모델 구동을 위한 인프라 진입 장벽이 낮아졌습니다. 8GB VRAM을 장착한 독립형 모바일 GPU와 32GB 시스템 메모리를 탑재한 일반 개발자용 노트북, 128GB 통합 메모리 구성을 갖춘 초소형 미니 PC, 그리고 엔비디아 DGX 스파크(Spark)와 같은 엣지 AI 가속 워크스테이션 환경에서도 양자화 모델을 원활하게 로드할 수 있습니다. GPU 가속이 배제된 순수 CPU 단독 연산 환경에서도 초당 18~21토큰(tokens/second)의 출력 속도를 안정적으로 뽑아내며 실제 상용 서비스 서빙이 가능한 엔지니어링 완성도를 확보했습니다.
6. 현장 도입 시 고려해야 할 기술적 한계와 과제
공식 벤치마크 5관왕이라는 기록적 수치에도 불구하고, Darwin-180B-RSI를 엔터프라이즈 프로덕션 환경에 곧바로 이식하기 전에 신중하게 검토해야 할 기술적 제약 사항들이 존재합니다.
첫째, 높은 생각 토큰(Thinking Budget) 예산에 따른 지연 시간(Latency) 문제입니다. AIME와 HMMT에서 100% 만점을 달성하기 위해 투입된 내부 사고 토큰은 문항당 최대 131,072 토큰에 달했습니다. 복잡한 문제를 끝까지 풀어내기 위해 장문의 연쇄 추론(Chain-of-Thought)을 거치는 만큼, 실시간 응답성이 필수적인 웹 챗봇이나 인터랙티브 고객 응대 시스템에서는 연산 지연과 토큰 소모량이 인프라 비용 부담으로 직결될 수 있습니다.
둘째, 정답 검증이 명확한 영역과 주관적 영역 간의 성능 격차입니다. RSI 기법은 수학 공식, 과학 법칙, 코드 실행 결과처럼 규칙 기반으로 옳고 그름을 명확히 판별할 수 있는 정량적 문제에서는 극대화된 효율을 발휘합니다. 반면 문맥에 따른 문예 창작, 감성 분석, 기업의 정책적 가치관이 투영되어야 하는 정성적 문서 작성 영역에서는 자기개선 피드백 루프가 효과적으로 작동하기 어렵다는 구조적 한계가 존재합니다.
셋째, 실무 워크로드에서의 실증 평가(Independent Assessment) 필요성입니다. 글로벌 AI 마켓 워치(AI Market Watch)가 지적했듯 허깅페이스 공인 리더보드의 고득점이 실제 기업들의 다운스트림 비즈니스 파이프라인에서 상업적 생산성 증대로 직결되는지에 대해서는 오픈소스 커뮤니티의 추가적인 현업 검증이 뒤따라야 합니다.
7. 총평: 오픈 파운데이션 모델의 진화와 시사점
비드래프트의 Darwin-180B-RSI는 AI 모델 개발 패러다임이 무차별적인 파라미터 스케일업 경쟁에서 벗어나 정밀한 신경망 진단과 자율적 자가개선(RSI) 중심으로 진화하고 있음을 증명한 사례입니다. Qwen3.8이라는 견고한 오픈 파운데이션 기반 위에 고도화된 선택적 병합(ZTC) 기술과 512개 세부 전문가 MoE 라우팅을 성공적으로 결합시켰습니다.
특히 연구 결과를 논문이나 비공개 API 뒤에 가두지 않고, BF16 원본 모델부터 111GB 크기의 4비트 GGUF 경량화 파일에 이르기까지 허깅페이스 생태계에 오픈소스로 투명하게 환원했다는 점에서 기술 민주화 측면의 가치 역시 높게 평가받고 있습니다. 고도의 기호 추론과 수리 과학 분야에서 오픈소스 AI가 어디까지 도달할 수 있는지 새로운 이정표를 세운 다윈 모델의 향후 다운스트림 생태계 확장을 주목할 시점입니다.
자주 묻는 질문
Q. Darwin-180B-RSI의 기반 모델과 주요 구조적 특징은 무엇인가요?
A. 오픈소스 모델인 Qwen3.8-Flash-Next를 기반으로 구축되었으며, 총 1,800억(180B) 개의 파라미터 중 512개 전문가 모델을 두고 토큰당 10개만 활성화하는 희소 MoE 구조를 갖추고 있습니다. 약 262K의 초장문 컨텍스트 윈도우와 텍스트-이미지 멀티모달 입력을 지원합니다.
Q. 재귀적 자가개선(RSI)이란 구체적으로 어떤 기술인가요?
A. 사람이 만든 정답 라벨 없이 모델이 직접 문제를 풀고, 규칙 기반 검증기로 정답을 확인한 후 검증된 고품질 풀이 데이터만을 골라내 스스로를 다시 학습시키는 기법입니다. 이를 통해 전체 파라미터의 단 0.02%만 업데이트하고도 수학 올림피아드 만점 성능을 달성했습니다.
Q. 일반 데스크톱이나 노트북 환경에서도 모델을 실행할 수 있나요?
A. 4비트 양자화가 적용된 111GB 용량의 POCKET-Darwin-180B-GGUF 버전을 통해 구동할 수 있습니다. 8GB GPU와 32GB RAM을 갖춘 노트북, 128GB 미니 PC, DGX 스파크 환경을 지원하며 CPU 단독 환경에서도 초당 18~21토큰 속도로 추론이 가능합니다.
원본
https://www.threads.com/@aipeekme/post/DeD_vfln-bM



댓글 0개