생성형 AI 스타트업 제논이 컴퓨터 화면을 직접 인식하고 조작해 업무를 수행하는 AI 모델 '훈민(Hunmin) VLM 397B'를 오픈소스로 공개했습니다. 이 모델은 알리바바의 3,970억 파라미터(parameter) 규모 대규모 언어모델(LLM)인 '큐원(Qwen3.5-397B)'을 기반으로, 컴퓨터 조작 능력을 추가한 것이 핵심입니다. 화면에서 버튼이나 입력창 같은 조작 대상을 찾아내고, 운영체제(OS)와 프로그램을 넘나들며 실제 작업을 완료하는 능력을 강화했습니다.
'훈민 VLM 397B'는 화면 내 조작 대상 위치 탐지 능력 평가 지표인 'ScreenSpot-Pro'에서 75.6점을 기록하며 허깅페이스(Hugging Face) 리더보드 2위에 올랐습니다. 리눅스(Linux) 환경의 360개 과제를 수행하는 'OSWorld'에서는 기본 모델보다 22.3점 높은 70.5점을, 윈도우(Windows) 환경 평가에서도 9.1점 상승한 성능을 보였습니다. 특히, 컴퓨터 조작 능력을 추가하면서도 한국어 성능 저하를 최소화하여 KMMLU 등 한국어 평가 8종에서 기본 모델과 2점 이내의 차이를 유지했습니다. 제논은 4,000억 파라미터에 가까운 모델을 엔비디아(NVIDIA) B200 GPU 8장이라는 상대적으로 적은 자원으로 고도화했으며, 이는 지난 7월 공개한 소규모 GPU 학습 방법론을 실제 적용한 결과입니다.
이번 '훈민 VLM 397B'의 오픈소스 공개는 AI 모델 경쟁의 무게중심이 파라미터 규모 확장보다는 필요한 능력을 얼마나 효율적으로 추가하느냐로 이동하고 있음을 보여줍니다. 제한된 컴퓨팅 자원으로도 고성능의 컴퓨터 조작 능력을 구현하고 한국어 성능까지 유지한 것은 국내 AI 기술의 경쟁력을 입증하는 사례입니다. 제논은 이 모델을 자사의 실행형 AI '원에이전트'에 연결하여 기업 업무에서 AI가 처리할 수 있는 작업 범위를 넓히는 데 활용할 계획이며, 이는 기업의 디지털 전환(DX) 가속화와 업무 자동화(RPA) 시장에 새로운 가능성을 제시할 것으로 기대됩니다.