제논, 화면 인식·컴퓨터 조작 특화 '훈민 VLM 397B' 오픈소스 공개

AI 전문 기업 제논이 최근 화면 인식 및 컴퓨터 조작에 특화된 오픈소스 모델 ‘훈민 VLM 397B’를 공개했다. 이 모델은 사용자에게 보다 매끄러운 업무 환경을 제공하기 위해 개발되었으며, 특히 AI가 단순히 정보를 제공하는 것을 넘어 실제로 사용자의 업무를 직접 수행할 수 있는 능력을 갖추고 있다. 이번 발표는 비즈니스 환경에서의 AI 활용 가능성을 한층 넓히는 기회가 될 것으로 기대된다.

훈민 VLM 397B의 기술적 진화

훈민 VLM 397B는 3970억 개의 매개변수를 가진 오픈 모델인 ‘큐원3.5-397B’를 기반으로 하여, 컴퓨터 화면의 조작 및 인식 능력을 극대화한 것이 특징이다. 이 모델은 사용자가 필요로 하는 작업을 수행하기 위해 화면상의 버튼이나 입력창을 효과적으로 식별하고, 그에 따라 직접 행동할 수 있는 능력을 보유하고 있다. 제논 관계자는 "훈민 VLM 397B는 단순히 화면의 요소를 인식하는 것을 넘어, 실제 작업을 수행하는 데 필요한 전반적인 조작 능력을 강화했다"고 설명했다.

이 모델은 특히 고난도 화면 인식 성능을 평가하는 ‘스크린스팟-프로’에서 75.6점이라는 높은 정확도를 기록하며, 허깅페이스 공식 리더보드에서 2위에 올라 주목받았다. 이는 국내 모델 중 유일한 성과로, 제논의 기술력이 국제적으로 인정받고 있음을 보여준다.

향상된 작업 수행 능력

훈민 VLM 397B는 실제 작업 수행 과정에서도 뛰어난 성과를 보이고 있다. 리눅스 환경에서 360개의 과제를 수행하는 ‘OS월드’ 벤치마크에서는 70.5점을 기록하며 기존 기본 모델에 비해 22.3점 향상된 결과를 보였다. 또한, 윈도우 환경에서의 ‘윈도우에이전트아레나’에서도 9.1점의 성능 개선을 이루어, 다양한 운영체제와 애플리케이션을 오가며 주어진 과업을 수행할 수 있는 능력을 강화했다.

이처럼 훈민 VLM 397B는 단순히 화면을 읽어내는 수준을 넘어, 실제 업무에서 필요한 컴퓨터 조작 능력을 전반적으로 개선했다. 특히 한국어 성능을 유지하는 데도 주력하여, 기존 모델 대비 성능 저하를 최소화하는 데 성공했다. 이는 국내 기업들이 필요로 하는 언어 처리 능력까지 갖춘 것으로, 실제 비즈니스 환경에서의 활용 가능성을 더욱 높이고 있다.

혁신적 접근과 향후 전망

훈민 VLM 397B는 제한된 컴퓨팅 자원에서도 고성능을 발휘할 수 있도록 설계되었으며, 제논은 이를 위해 사후학습 기술을 적용했다. 이 과정에서 엔비디아의 GPU를 활용하여 모델을 고도화하는 데 성공했다. 이러한 기술적 진화는 제논이 목표로 하고 있는 ‘액셔너블 AI’의 실행력을 높이는 데 중요한 역할을 할 전망이다.

제논은 이번 모델과 함께 개발 및 평가 방법론을 오픈소스로 공개하여, 다른 연구자들과 개발자들이 자신만의 모델을 개선하거나 새로운 아이디어를 실험할 수 있는 기반을 제공할 계획이다. 이는 AI 기술의 생태계를 더욱 풍요롭게 하고, 기업들이 AI를 활용해 업무 효율성을 극대화할 수 있는 기회를 창출하는 데 기여할 것이다.

제논의 훈민 VLM 397B는 AI의 실질적 활용 가능성을 한 단계 끌어올리는 모델로, 앞으로 다양한 산업에서의 활용이 기대된다. AI가 사용자의 업무를 직접 지원하는 시대가 점차 가까워지고 있다는 점에서 그 의미가 더욱 남다르다.