미국 코딩 AI, 중국 모델 위에 세웠다

달라진 건 점수만이 아니에요. 코그니션 팀은 발표문에서 "SWE-2 medium이 SWE-1.7보다 높은 점수를 받으면서 단계 수는 58% 적고 비용은 평균 81% 낮다"라고 적었어요. 평균 단계 수는 SWE-1.7이 127회였는데 SWE-2 medium은 53회였고, 코드를 처음 고치기 시작하는 시점도 48번째 단계에서 18번째 단계로 당겨졌어요.

회사는 이 차이를 탐색 방식에서 찾았어요. 이전 모델이 코드베이스를 지나치게 오래 뒤져 쉬운 일에도 시간을 썼다는 사용자 반응이 있었는데, 새 모델은 어느 부분이 실제로 중요한지 먼저 가른다는 설명이에요. 막힌 길을 만났을 때 다른 경로를 찾는 성향도 늘어서, 필요한 MCP 연결이 막히자 이미 접근 권한이 있던 슬랙 대화 기록에서 자료를 다시 맞춰 낸 사례를 회사가 들었어요.

훈련 방식에서 새로 내놓은 건 비용을 보상 함수에 직접 넣은 방법이에요. 성공 여부에서 비용에 계수를 곱한 값을 빼는 단순한 식을 쓰되, 그 계수를 바탕 모델의 비용 대비 성능 곡선 기울기에 맞췄어요. 코그니션 팀은 "모든 노력 수준을 한 번의 강화학습 안에서 처음부터 끝까지 함께 훈련한다"라고 밝혔는데, Kimi K3가 노력 수준과 분야마다 별도 전문가 모델을 훈련한 뒤 하나로 합치는 방식을 쓴 것과 다른 길이에요.

값을 깎은 자리는 훈련 인프라에도 있어요. 회사는 요청을 묶어 처리하는 방식으로 처리량을 10~20% 올렸고, 초안 모델을 학습 중에 같이 훈련해 디코딩 속도를 끌어올렸다고 밝혔어요. NVFP4와 FP8 커널에 양자화를 고려한 학습을 붙여, 매개변수가 세 배 가까이 큰 바탕 모델을 쓰면서도 학습과 추론 사이의 어긋남을 직전 모델보다 줄였다고 적었어요. 강화학습 환경 수는 세 배로 늘렸고, 이전 SWE-2 체크포인트로 검증기를 계속 조이는 순환 구조도 만들었어요.

노력 수준마다 성격이 갈리는 것도 이번 모델의 특징이에요. medium은 훨씬 빨리 행동으로 넘어가 쉬운 일과 중간 난이도 일을 싸게 처리하고, high와 max는 계획을 더 세우고 코드베이스를 더 넓게 훑으며 복잡한 검증으로 불확실한 부분을 줄여요. 회사는 이 세 단계를 각각 따로 훈련하지 않고 한 번의 학습에서 함께 끌어올렸다고 설명했어요.

여기서 이번 발표의 진짜 대목이 나와요. 미국 회사가 자기 간판 제품의 두뇌를 중국 연구소가 공개한 모델 위에 올렸다는 사실이에요. 코그니션은 직전 모델 SWE-1.7의 훈련 인프라와 방식을 그대로 이어받았고, 이번에는 매개변수가 세 배 가까이 큰 바탕 모델로 옮겨 갔어요. 공개 가중치 모델이 나라 경계를 넘어 남의 상용 제품의 바닥이 되는 흐름이 최상위 코딩 모델까지 올라온 거예요.

그래서 회사는 성능 말고 다른 것도 재야 했어요. 코그니션은 중국에서 민감하게 다뤄지는 주제에 관한 질문 145개를 영어와 간체자, 번체자로 각각 물어 답이 중국 공식 입장을 자기 주장으로 삼는지 확인했어요. SWE-2는 전체 98.0%를 통과했는데 영어는 99.8%, 번체자는 99.1%였고 간체자만 95.2%였어요.

두 번째 평가는 고객이 누구냐에 따라 코드가 달라지는지를 봤어요. 서구와 파키스탄, 중국, 티베트, 파룬궁 관련 고객 설정을 각각 두고 취약하거나 악용될 수 있는 기능을 요청했는데, 어느 설정에서도 취약성이 통계적으로 뚜렷하게 오르거나 내리지 않았다고 회사는 밝혔어요. 이런 평가를 모델 발표문에 함께 싣는 관행 자체가 바탕 모델의 국적이 만들어 낸 절차예요.

코드를 쓰는 값이 내려가면 바뀌는 건 도구가 아니라 사람이 서 있는 자리예요. 단계 수가 절반 이하로 줄었다는 건 사람이 중간에 끼어들어 확인할 지점도 그만큼 줄었다는 뜻이에요. 회사는 새 모델이 반박을 받으면 주장을 되풀이하지 않고 결론을 다시 끌어낸다고 적었는데, 검증이라는 일이 사람에게서 모델 쪽으로 옮겨 가는 중이라는 신호이기도 해요.

메탈이 확인한 발표문에는 값을 매긴 방식까지 적혀 있어요. 모든 모델의 비용은 공개 할인을 포함한 정가 기준이고, 각주에는 Fable 5.1 Max가 FrontierCode 1.1 Main에서 과제당 12.83달러로 50.3%를 받아 3.28달러짜리 Fable 5.1 Medium의 50.9%보다 낮았다는 사실도 실렸어요. 메탈은 딥시크가 1조6,000억 매개변수 모델을 접고 552B로 갈아탄 일을 보도한 바 있는데, 두 발표가 가리키는 방향은 같아요. 경쟁은 이제 가장 똑똑한 모델이 아니라 같은 값에서 가장 멀리 가는 모델에서 갈려요.