리커시브 인텔리전스(Ricursive Intelligence)가 인공지능(AI) 칩 설계 플랫폼을 구동하기 위해 자체 개발한 대규모 언어모델(LLM)인 '리플-65B 프리뷰(Ripple-65B Preview)'를 공개하며 업계의 주목을 받고 있습니다. 이 모델은 에이전트 코딩(agentic coding) 성능에서 미국 오픈웨이트(open-weight) 모델 중 최고 기록을 세웠을 뿐만 아니라, 기존 최첨단 모델 대비 10분의 1에 불과한 3,200만 달러라는 혁신적으로 낮은 비용으로 개발되어 AI 모델 훈련의 효율성을 극대화했습니다.
리플-65B 프리뷰는 12조 개 토큰으로 사전 학습되었고 최대 100만 컨텍스트 길이(context length)를 지원합니다. 터미널벤치 2.1(TerminalBench 2.1)에서 80.52점을 기록하며 리플렉션 빔 501B(Reflection Beam 501B)나 메타 뮤즈 스파크 오픈 816B(Meta Muse Spark Open 816B) 등 훨씬 더 큰 규모의 미국 오픈웨이트 모델들을 뛰어넘는 성능을 보였습니다. 특히, 이 모델은 엔비디아(NVIDIA) 하드웨어에 최적화된 얇고 깊은(thin-and-deep) 밀집형 트랜스포머(dense Transformer) 아키텍처를 채택하여, 혼합 전문가(MoE) 모델과 달리 복잡성을 줄이면서도 강력한 추론(reasoning) 성능과 낮은 지연 시간(low-latency) 토큰 생성을 가능하게 합니다. 또한, 140만 롤아웃(rollouts)만으로 강화 학습(Reinforcement Learning, RL) 목표를 달성하여 기존 SOTA 모델 대비 70배 적은 롤아웃으로 효율적인 학습을 이뤄냈습니다.
리커시브 인텔리전스의 이번 성과는 AI 모델 개발 비용이 기하급수적으로 증가하는 추세 속에서, 하드웨어, 소프트웨어, 모델을 공동 최적화하는 접근 방식이 얼마나 중요한지 보여줍니다. 특히, 자체 합성 데이터 파이프라인과 정교한 강화 학습 레시피를 활용하여 고품질 데이터를 확보하고 학습 효율을 극대화한 점은 주목할 만합니다. 이는 고비용의 데이터 구매 없이도 최첨단 모델을 개발할 수 있음을 입증하며, 향후 AI 모델 개발의 방향성에 큰 영향을 미칠 것으로 예상됩니다. 리플-65B 프리뷰는 허깅 페이스(Hugging Face), 투게더 AI(Together AI) 등 다양한 플랫폼에서 활용 가능하여, 더 많은 개발자들이 효율적인 에이전트 코딩 모델을 접할 수 있게 될 것입니다.