MiMo Claw의 1,000회 이상 툴 호출 주장과 장기 에이전트의 진짜 검증법

Xiaomi의 MiMo Claw와 MiMo v2.5 Pro는 한 세션에서 1,000회가 넘는 연속 툴 호출, 토큰 사용 40~60% 절감, ClawEval의 pass cubed 약 63.8%라는 수치를 제시했으나, 작성자는 장기 에이전트의 실무적 판단 기준은 단순 호출 용량이나 단일 성공률이 아니라고 지적한다. 장기 체인은 추론 실패보다 상태 유지 실패가 더 흔하며, 중간 단계의 결정이나 툴 결과가 요약·압축 과정에서 사라져 이후 단계가 오래된 가정을 기반으로 진행하는 '컨텍스트 드리프트'가 문제의 핵심이다. 따라서 반복성 지표(pass cubed)와 토큰 효율이 함께 충족되어야만 높은 호출 수가 실사용에서 유효하다. 검증 방법으로 작성자는 실제 긴 체인을 재생해 각 호출에서 모델 종류·지연·툴 결과 크기·나중 단계와의 모순 여부를 로그하고, Zenmux 같은 라우팅 도구를 사용해 모델을 교체하며 '나중 호출이 앞선 호출과 모순을 만든 최초의 인덱스'를 측정할 것을 권장한다. 최종 정답이 아니라 이 첫 모순 지점이 실제 유효 컨텍스트 길이를 알려주므로, 장기 에이전트 성능 평가는 이 지표를 기준으로 설계되어야 한다.