화면 보고 컴퓨터 직접 조작하는 AI 모델, 제논 ‘훈민 VLM 397B’ 오픈소스 공개

(platum.kr)

생성형 AI 기업 제논이 컴퓨터 화면을 인식해 직접 조작할 수 있는 오픈소스 모델 ‘훈민 VLM 397B’를 공개하며, 효율적인 학습 기술을 통해 한국어 성능 유지와 고도화된 GUI 에이전트 능력을 동시에 입증했습니다.

이 글의 핵심 포인트

1제논, 컴퓨터 직접 조작이 가능한 오픈소스 모델 ‘훈민 VLM 397B’ 공개
2알리바바 Qwen3.5-397B를 기반으로 GUI 조작 및 운영체제 제어 능력 강화
3ScreenSpot-Pro 리더보드 2위 기록 및 OSWorld 성능 대폭 향상
4NVIDIA B200 GPU 8장을 활용한 효율적인 지도학습 및 강화학습 적용
5한국어 성능(KMMLU 등)을 기존 모델 수준으로 유지하며 기능 고도화 성공

이 글에 대한 공공지능 분석

왜 중요한가?

단순 텍스트 생성을 넘어 AI가 인간의 인터페이스(GUI)를 직접 제어하는 'AI 에이전트' 시대로의 전환을 가속화하는 기술적 진보를 보여줍니다. 특히 대규모 파라미터 모델에 특정 기능을 효율적으로 이식하는 방법론을 제시했다는 점이 핵심입니다.

어떤 배경과 맥락이 있나?

최근 AI 트렌드는 모델 크기를 키우하는 '스케일링 법칙'에서, 특정 도메인이나 작업(Task)을 수행할 수 있는 '에이전트 능력'을 부여하는 방향으로 이동하고 있습니다. 제논은 기존 거대 모델을 활용해 적은 자원으로도 고성능 에이전트를 만드는 효율적 학습 방식을 채택했습니다.

업계에 어떤 영향을 주나?

오픈소스 공개로 인해 기업용 AI 에이전트 솔루션을 개발하려는 스타트업들에게 강력한 베이스 모델을 제공하며, GUI 기반 자동화 소프트웨어 시장의 기술적 진입 장벽을 낮출 것으로 보입니다.

한국 시장에 어떤 시사점이 있나?

글로벌 빅테크의 모델을 기반으로 하되, 한국어 특화 성능과 특정 기능(컴퓨터 조작)을 결합한 '버티컬 에이전트' 개발 전략이 한국 스타트업의 생존 및 경쟁력 확보를 위한 유효한 전략임을 시사합니다.

이 글에 대한 큐레이터 의견

제논의 이번 발표는 '모델 크기 경쟁'에서 '기능적 완성도 경쟁'으로의 패러다임 전환을 상징합니다. 8장의 B200 GPU만으로 4,000억 파라미터급 모델의 능력을 고도화했다는 점은, 막대한 컴퓨팅 자원을 보유하지 못한 스타트업들에게도 '효율적 미세 조정(Fine-tuning)'을 통해 충분히 강력한 에이전트를 만들 수 있다는 희망적인 메시지를 전달합니다.

물론 리스크도 존재합니다. GUI 에이전트 기술은 보안과 프라이버시 이슈에 매우 취약합니다. AI가 사용자의 화면을 보고 직접 클릭을 수행하는 과정에서 개인정보 유출이나 권한 오남용 문제가 발생할 수 있으며, 이는 기업용 솔루션 도입의 가장 큰 걸림돌이 될 수 있습니다. 따라서 창업자들은 기술적 성능뿐만 아니라, 에이전트의 동작을 제어하고 검증할 수 있는 '가드레일' 기술을 병행 개발하는 데 집중해야 합니다.

원문 보기 →