챕터별 상세
AI 에이전트의 패러다임 변화
AI 에이전트 기술이 특정 작업에 국한된 형태에서 범용적인 능력을 갖춘 에이전트로 이동했다. 기존에는 이러한 고성능 에이전트 기능이 주로 폐쇄형 상용 모델에만 제한되어 있었다. MiroThinker는 MIT 라이선스를 가진 오픈소스 모델로서 연구 및 에이전트 활용을 목적으로 설계되었다.
MiroThinker 1.5의 핵심 철학과 아키텍처
단순히 지식을 암기하는 Test-taker 모드에서 벗어나 연구자처럼 사고하는 Scientist 모드를 지향한다. 모델 학습 단계에서 Interactive Scaling 기술을 내재화하여 도구 호출의 빈도와 깊이를 확장했다. 이를 통해 외부 데이터 검색, 가설 수립, 검증 과정을 반복하는 Slow-thinking 추론이 가능하다.
모델 라인업 및 주요 사양
Qwen 3 MoE 기반의 30B 모델과 235B 모델 두 가지 버전으로 출시되었다. 30B 모델은 활성 파라미터가 3B에 불과하지만 256K 토큰의 긴 컨텍스트 윈도우를 지원한다. 특히 한 작업당 최대 400회의 도구 호출을 수행할 수 있는 강력한 에이전트 능력을 갖췄다.
벤치마크 성능 분석
MiroThinker 1.5는 BrowseComp, GAIA 등 에이전트 성능 측정 지표에서 1조 파라미터급 모델인 Kimi K2 Thinking과 대등하거나 우수한 결과를 기록했다. 폐쇄형 모델인 GPT-5 High나 Gemini 3 Pro와 비교해도 브라우징 및 도구 활용 능력에서 경쟁력 있는 수치를 나타냈다. 이는 모델의 크기보다 도구 활용 최적화가 에이전트 성능에 더 큰 영향을 미침을 입증했다.
vLLM을 활용한 실전 구현 데모
Google Colab 환경에서 vLLM 서버를 구축하여 MiroThinker 1.5 30B 모델을 실행했다. DuckDuckGo 검색, 웹페이지 추출, 계산기, 파이썬 코드 실행 등 다양한 도구를 MCP 패턴으로 정의하여 모델에 연결했다. 모델은 사용자의 질문에 대해 스스로 추론 과정을 거쳐 필요한 도구를 선택하고 실행 결과를 바탕으로 최종 답변을 도출했다.
복잡한 추론 및 도구 호출 사례
싱가포르의 현재 시간과 요일을 묻는 질문에 대해 모델은 단순히 서버 시간을 반환하지 않고 UTC 시간임을 인지한 후 웹 검색을 통해 싱가포르의 시간대를 확인했다. 검색 결과가 부적절할 경우 스스로 쿼리를 수정하거나 다른 도구를 사용하는 유연성을 보였다. 총 9번의 반복 과정을 거쳐 정확한 현지 시간을 계산해내는 정밀한 에이전트 루프를 수행했다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 01. 08.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
