TL;DR

XYZ-Aquila-pro는 Qwen3.5-397B-A17B에서 포스트트레이닝된 에이전트형 오픈 웨이트 모델로, AI4AI 경계 탐색 파이프라인을 통해 툴 호출과 장기 계획, 다중 출처 증거 집계에 맞춰 튜닝되었다. 모델 자체는 Qwen 호환의 reasoning·tool-call 포맷을 유지하며 AxisAgentic 하니스와 결합되어 재현 가능한 검색 에이전트 워크플로를 실험하고 배포할 수 있게 구성되어 있다. 공개된 벤치마크에서는 서브-400B 공개군에서 상위권 성능을 보고했으며, SGLang 배포 예제와 데이터·보고서 링크로 실무 적용과 검증 루프가 지원된다.

핵심 역량

• 장기 계획과 단계적 툴 사용을 요구하는 에이전틱 서치 작업을 수행할 수 있으며, 입력 쿼리를 분석해 web_search, scrape, python 같은 도구를 순차적으로 호출하는 제어 흐름을 생성한다. 내부적으로 Qwen 호환 추론·툴콜 파서를 사용해 도구 계약을 따르는 구조적 호출을 출력하므로 외부 하니스와의 연동이 용이하다. 이로 인해 복잡한 리서치 작업에서 단계별 증거 수집과 검증 과정을 자동화할 수 있다.
• 대규모 컨텍스트(수십만 토큰) 처리에 맞춰 런타임과 컨텍스트 관리가 조정되어 있으므로 장기간 대화·문서 병합·다중 출처 증거 집계 작업에서 문맥 손실을 줄인다. 모델은 검색 결과를 통합하고 출처 검증을 위한 근거 제시를 생성하도록 튜닝되었으며, 실패 상황에서는 재시도·복구 계획을 포함한 제안형 출력을 낸다. 긴 히스토리를 유지해야 하는 에이전트 애플리케이션에서 정보 일관성을 개선하는 데 실무적 이점이 있다.
• 영어와 중국어 기반의 웹 브라우징 및 출처 기반 응답 조합을 목표로 훈련되어 다국어 탐색 시나리오에 적용 가능하다. 툴 호출 결과를 해석하고 핵심 사실을 추출해 응답에 근거로 제시하는 과정이 모델과 하니스의 결합으로 구성된다. 따라서 다국어 리서치·증거 기반 응답 생성에서 일관된 사실 기반 결과를 얻기 쉬워진다.
• AxisAgentic과 같은 하니스가 제공하는 고정된 툴 계약, 재현 가능한 컨텍스트 관리, 벤치마크 워크플로를 통해 모델 성능을 운영 환경에서 점검하고 개선하는 루프를 지원한다. 모델 체크포인트 단독보다 하니스 결합 시 도구 구현과 평가가 즉시 적용되며, 이는 연구·제품 단계에서 반복적 최적화를 가속한다. 결과적으로 모델은 도구 중심 에이전트 스택의 구성요소로 사용하기 적합하다.

강점

• 공개된 서브-400B 오픈 웨이트 경쟁군 내에서 다수 벤치마크(예: DeepSearchQA 92.5 F1, BrowseComp 84.8 accuracy)에서 최상위 점수를 기록한 것으로 제시되어 에이전틱 서치 성능이 우수하다는 근거가 있다. 벤치마크는 외부 평가 셋을 분리해 AI4AI 최적화 루틴과 독립적으로 측정되었으며 기술보고서에 결과 근거가 연결되어 있다. 이 점은 검색·증거 집계 작업에서 실전 성능을 중시하는 응용에 매력적이다.
• 영어와 중국어 웹 브라우징을 포함한 멀티소스 증거 집계와 출처 검증에 초점을 맞춘 튜닝으로 다국어 웹 리서치 워크로드에 적합하다. 툴 호출 결과를 문맥에 맞게 통합하고 실패 복구 전략을 제시하는 행동 패턴이 모델 출력에 반영되어 있다. 따라서 실제 리서치 에이전트나 자동화된 조사 시스템에 곧바로 적용할 수 있는 장점이 있다.
• AxisAgentic 하니스와 SGLang 배포 예제가 함께 제공되어 도구 계약·재현 가능한 컨텍스트 관리·평가 파이프라인을 즉시 활용할 수 있다. 모델 체크포인트 단독보다는 하니스 결합 시 도구 구현과 벤치마크 재현이 쉬워 운영상 실험 주기를 단축시킨다. 이는 엔지니어가 모델을 즉시 파이프라인에 통합해 검증하는 데 실무적 이점을 제공한다.

훈련 방식

Qwen3.5-397B-A17B를 기반으로 한 포스트트레이닝 방식이 적용되었으며, AI4AI 경계 탐색 파이프라인으로 목표·증거·제약·리스크·수용 정책을 인간이 정의하고 AI 에이전트가 실패를 진단해 범위가 한정된 개입을 제안하는 순환적 후처리로 튜닝이 진행되었다. 파인튜닝은 툴 호출 형식과 Qwen 추론 파서를 보존하도록 조정되어 에이전틱 서치 워크로드에 적합하게 모델 동작을 맞춘 점이 핵심이다. 데이터 소스과 검증 루프, 하니스 기반 벤치마크를 분리해 과적합 가능성을 낮추는 평가 설계가 병행되었다.

알아두면 좋은 것

• 모델은 Qwen/Qwen3.5-397B-A17B에서 포스트트레이닝된 프로페셔널 체크포인트로 공개되어 있으며, 오픈 웨이트로 배포되어 연구자와 엔지니어가 직접 모델을 실행해 실험할 수 있다. 개발 흐름은 AI4AI 파이프라인을 통해 목표·제약·리스크 경계를 설정한 뒤 에이전트가 실패를 진단하고 개선안을 제안하는 순환적 프로세스에 기반한다. 이로 인해 모델은 단순 대화 생성보다 툴 연동과 증거 집계에 초점이 맞춰져 있다.
• AxisAgentic 하니스와 XYZ-Aquila-SFT 데이터셋, 기술보고서와 데모 링크가 README에 연결되어 있어 재현 가능한 에이전트 실험 환경이 제공된다. 하니스는 search/scrape/python 같은 구체적 툴 구현과 툴 계약을 포함하며 벤치마크 워크플로를 통해 평가가 가능하도록 구성되어 있다. 따라서 모델 성능 재현과 비교 실험을 원활하게 수행할 수 있다.
• README에 공개된 벤치마크에서 서브-400B 오픈 웨이트 군에서 모든 평가열에서 최고 점수를 보고했으며, 일부 항목에서는 더 큰 폐쇄형 모델과도 경쟁력 있는 성능을 보인 것으로 제시되어 있다. 벤치마크 평가는 ReAct 스타일의 서치 하니스와 최대 256K 컨텍스트를 사용한 외부 평가로 분리되어 있어 과적합 위험을 줄였다. 기술보고서에 평가지침과 근거가 연결되어 있어 수치의 출처 추적이 가능하다.
• SGLang 기반 배포 예제가 포함되어 있어 로컬 GPU 클러스터에서 OpenAI 호환 엔드포인트로 모델을 띄우는 절차를 제공한다. 예제는 텐서 병렬(tp-size)과 메모리 분할, 컨텍스트 길이 설정을 포함하며, reasoning-parser와 tool-call-parser로 Qwen 파서를 지정하도록 구성되어 있다. 운영 환경에서는 tp-size와 context-length를 하드웨어 제약에 맞춰 설정해야 한다.

기술적 특징

• 포스트트레이닝 과정은 인간이 설정한 목표와 위험 한계를 바탕으로 AI 에이전트가 실패를 탐지하고 국소적 개입을 제안하는 AI4AI 루프를 사용했다. 이 루프는 데이터 보강, 추가 SFT, 런타임 정책 조정, 도구 계약 개선까지 다양한 축에서 개입을 적용할 수 있도록 설계되어 모델 동작을 에이전틱 서치 요구사항에 맞게 정밀 조정한다. 기술보고서와 데이터 세트 링크가 README에 연결되어 있어 파이프라인 설계 근거를 확인할 수 있다.
• 출력 포맷은 Qwen 호환의 reasoning 및 tool-call 파서를 유지하도록 고정되어 있어 기존 Qwen 생태계의 파서·툴 체계를 그대로 활용할 수 있다. 이로 인해 AxisAgentic 같은 하니스와의 연동이 원활하며, 도구 계약을 따르는 구조적 함수 호출을 생성해 외부 툴 스텁이 안정적으로 작동하게 한다. 개발자는 도구 스키마만 맞추면 모델의 툴 사용 흐름을 그대로 재현할 수 있다.
• 모델과 배포 예제는 대규모 컨텍스트(README 예시에서는 262144)를 지원하도록 런타임 설정과 메모리 분할 권장값을 제공한다. 대용량 컨텍스트를 다루기 위해 텐서 병렬 설정과 KV 캐시 관리 등 운영 파라미터를 조정하도록 안내하며, 이는 장기 계획과 증거 누적을 필요로 하는 에이전트 워크로드에서 문맥 유지에 기여한다. 사용자는 하드웨어 제약에 맞춰 tp-size와 context-length를 조정해야 한다.
• 체크포인트는 safetensors 포맷으로 배포되어 빠른 로딩과 메모리 매핑을 활용한 안정적 배포를 지원한다. 이 포맷은 체크포인트 무결성을 유지하면서 모델 로딩 시 안전성을 높이는 실무 장점이 있다. 또한 라이선스는 Apache-2.0으로 상업적 활용과 배포에서 법적 유연성을 제공한다.

차별점

• 서브-400B 공개 모델군에서 에이전틱 서치 전용으로 포스트트레이닝되어 벤치마크 상위권 성능을 보고했다는 점이 핵심 차별점이다. 단순 텍스트 생성 모델이 아니라 툴 호출, 장기 계획, 증거 검증 같은 에이전트 행동 패턴을 중심으로 튜닝되어 실제 서치 에이전트 구축에 더 적합하다. 공개 하니스와 데이터가 함께 제공되어 성능 재현과 운영 통합이 쉬운 구조를 갖추고 있다.
• Qwen3.5-397B-A17B 기반의 포스트트레이닝 결과물로서 원본 Qwen 추론·툴콜 호환성을 유지하므로 Qwen 생태계에서의 재사용성이 높다. 이는 이미 Qwen 파서를 사용하는 파이프라인이나 도구와의 통합 비용을 낮추는 실무적 이점으로 이어진다. 기존 Qwen 모델을 운영하던 환경에서 최소한의 변경으로 에이전틱 서치 능력을 확장할 수 있다.
• AxisAgentic 하니스와 SGLang 배포 예제를 통해 도구 계약, 재현 가능한 평가 워크플로, 데모 환경이 함께 제공된다는 점이 운영적 차별성을 만든다. 체크포인트와 하니스가 결합되어 실험에서 프로덕션까지 연결되는 루프를 짧게 유지할 수 있으므로 연구자와 엔지니어의 적용 장벽을 낮춘다. 이로 인해 모델은 단순한 연구용 체크포인트를 넘어 도구 중심 애플리케이션에 바로 투입 가능하다.

벤치마크