인공지능 커뮤니티가 깜짝 놀랐습니다. 브라질의 한 지방자치단체 IT 회사가 개발한 대규모 오픈소스 모델이 세계 최고 수준에 진입했기 때문입니다.

이 기사는 기계로 번역되었습니다

원문 표시

브라질 리우데자네이루 시 정부 산하 IT 기업인 이플란리오(IplanRIO)가 알리바바의 통이첸원(Tongyi Qianwen) 3.5-397B-A17B 모델을 기반으로 Qwen 3.5-397B-A17B 모델을 사후 학습시키고, 이를 Rio 3.5 Open 397B라는 대규모 모델로 공개하면서 예상치 못하게 세계 최고 수준의 AI 기업으로 발돋움했다.

기사 작성자 및 출처: Machine Heart

오늘날, 전 세계(미국 제외)에서 금지된 클로드 페이블 5 외에도, AI 커뮤니티에는 오픈 소스 모델에 대한 게시물이 쏟아지고 있습니다.

한 트위터 사용자가 브라질 리우데자네이루 시 정부 산하 IT 회사가 개발한 오픈 소스 모델인 Rio 3.5 397B가 여러 벤치마크 테스트에서 Qwen 3.7 Plus와 같은 다른 오픈 소스 모델보다 우수한 성능을 보였다는 사실을 발견했습니다. 이 모델의 기반이 되는 모델은 Qwen3.5-397B-A17B입니다 .

또 다른 트위터 사용자 "Chubby"는 믿기지 않는다는 반응을 보이며 "전에 들어본 적도 없는 모델이 이제 오픈 소스 분야에서 최첨단 기술이 되었고, 심지어 Qwen 3.7까지 능가했다니"라고 말했습니다.

이번 주에 Qwen3.5로 사후 학습되어 최첨단 성능을 달성한 두 번째 모델입니다. 다른 하나는 Qwen3.5-397B-A17B를 기반으로 구축된 Nex-N2-Pro 397B로, GPT-5.5 및 Opus 4.7과 같은 최고 모델과 유사한 성능을 보였습니다.

리우 3.5의 부상에 대해 허깅페이스(Huggingface) 공동 창립자 겸 CEO인 클렘 델랑그는 다음과 같이 말했습니다. "인공지능의 미래는 그 무엇도 미리 정해져 있지 않습니다. 앞으로 어떤 일이 일어날지는 우리 모두에게 선택과 행동의 여지를 줄 것입니다. 첫 번째 길: 폐쇄형 API, 중앙집권적 권력, 실리콘 밸리와 워싱턴의 소수가 결정하는 미래. 두 번째 길: 오픈 소스 AI, 리우데자네이루와 같은 기관을 포함하여 모든 사람이 참여하고, 소유하고, 공동으로 구축할 수 있도록 하는 길. 친구여, 당신의 길을 선택하십시오."

다음으로, 리오 3.5 397B 모델의 기술적 세부 사항을 살펴보겠습니다.

Rio 3.5 Open 397B는 리우데자네이루 시 정부 산하 시립 IT 기업인 IplanRIO가 개발한 최첨단 범용 AI 모델입니다.

이 모델은 Qwen 3.5 397B 데이터셋으로 사후 학습되었으며, 에이전트 프로그래밍, 수학, STEM, 다국어 지원, 다중 모달리티 등의 벤치마크 테스트에서 오픈소스 모델 중 최고 수준의 성능을 달성했습니다. 기본 모델 대비 상당한 성능 향상을 보여주었으며, 세계 최고 수준의 오픈소스 및 클로즈드소스 모델들과 경쟁할 수 있는 수준에 도달했습니다.

이 모델의 핵심 특징은 다음과 같습니다.

총 3970억 개의 매개변수 중 170억 개의 활성화 매개변수를 하이브리드 전문가 아키텍처(MoE)를 사용하여 처리했습니다.
1,010,000개의 토큰은 100만 개의 컨텍스트 창에 해당합니다.
통합 SwiReasoning: 명시적 추론과 잠재 공간 추론 간의 동적 전환을 지원하여 정확성과 효율성 간의 균형을 향상시킵니다.
뛰어난 다재다능함: 에이전트 프로그래밍, 추론, 명령 추종 및 멀티모달 작업에서 탁월한 성능을 발휘합니다.
뛰어난 다국어 능력: 포르투갈어, 영어, 중국어 및 기타 수십 개 언어에 능통함;
MIT 라이선스에 따라 사용이 허가되었습니다. 완전 개방형이며 상업적 및 연구 목적으로 사용할 수 있습니다.

그중 SwiReasoning은 Shi et al.(2025)의 연구를 기반으로 하는 학습이 필요 없는 추론 프레임 입니다. 엔트로피 기반 신뢰도 신호를 이용하여 명시적 사고 사슬 추론과 잠재 공간 추론 사이를 동적으로 전환할 수 있습니다. 이를 통해 정확도와 토큰 효율성을 모두 향상시킬 수 있습니다. 학습 과정에서 모델은 잠재 공간 추론으로 인한 효율성 향상을 위해 명시적으로 최적화됩니다.