AllSpark, 오픈소스 검색 에이전트 ‘Iris-mini’·‘Iris-pro’ 공개
중국 AllSpark, 오픈소스 검색 에이전트 ‘Iris-mini’·‘Iris-pro’로 대형 AI 검색 성능 선도
- 중국 연구소 AllSpark가 오픈소스 검색 에이전트 ‘Iris-mini’와 ‘Iris-pro’를 공개하며 전체 학습 절차를 함께 제시하고, 언어 모델 기반 에이전트가 웹을 스스로 탐색해 복잡한 질문에 답하도록 설계했다.
- Iris-mini는 350억 파라미터, Iris-pro는 3,970억 파라미터를 사용하고 Qwen3.6-35B-A3B와 Qwen3.5-397B-A17B 모델을 기반으로 하며, 256,000 토큰 컨텍스트 윈도우로 대형 검색 작업을 처리하도록 구성되어 있다.
- 학습 파이프라인은 웹 링크 구조에서 시드 페이지와 그래프를 만들고 다단계 질문을 생성해 단순 검색으로는 풀 수 없게 모든 중간 용어를 패러프레이즈하며, 도구 없이는 풀 수 없지만 적절한 소스로는 풀 수 있는 난도 높은 과제를 선별한다.
- BrowseComp·BrowseComp-ZH·DeepSearchQA·Humanity’s Last Exam 등 벤치마크에서 Iris-mini는 82.2·84.8·86.9·52.3, Iris-pro는 88.6·85.1·92.9·56.4를 기록해 동급 오픈 가중치 검색 에이전트 중 최고 수준 성능을 보였다.
- 연구팀은 컨텍스트 관리 전략이 특히 소형 Iris-mini의 BrowseComp 점수를 최대 21.2포인트 끌어올리는 등 실질 성능에 미치는 영향을 분석하고, 히스토리 삭제와 2차 시도 결합이 웹 검색 기반 추론 품질을 좌우함을 강조한다.
- 훈련 데이터와 Iris 모델은 일반 도구 사용과 사무 업무에서도 성능 향상을 보여 검색이 불완전한 정보를 다루는 범용 역량으로 작동할 수 있음을 시사하며, 오픈소스 공개는 한국의 공공 AI 검색·사이버 위협 분석 역량을 자체 개발할 기회를 제공한다.
한국 정책 담당자는 오픈소스 검색 에이전트와 컨텍스트 관리 기법을 조기 실험해 공공 데이터 검색·위협 인텔리전스 자동화를 선도하고, 중국발 기술 의존과 벤치마크 편향 리스크를 동시에 관리하는 거버넌스를 설계할 필요가 있다.
주요 용어: 검색 에이전트(질문 이해 후 웹을 탐색해 근거를 모으는 AI 시스템), 컨텍스트 윈도우(AI가 한 번에 기억·처리할 수 있는 토큰 분량), 오픈 가중치(모델 파라미터를 공개해 누구나 재학습·배포할 수 있는 형태)
출처: The Decoder
