AI News Oct 29, 2026 8 min read

Cursor DeepSeek V4.1 비용 1달러 미만, Medium이 High 앞서

Cursor DeepSeek V4.1 비용은 작업당 0.60~0.98달러이고, CursorBench 4.0에서 Medium이 High보다 높게 나왔다. Qwenputer, Opus 5.5 게임 제작, Ling-3.1-flash-1019, Mol-1도 함께 다룬다.

Cursor의 CursorBench 4.0 표에서 DeepSeek V4.1 Flash는 Medium 설정이 High보다 점수가 높게 나왔습니다. 작업당 평균 비용은 네 설정 모두 1달러 미만입니다. Qwenputer, Simon Willison의 Claude Opus 5.5 게임 제작기, Ant Group의 Ling-3.1-flash-1019, Molence Bio의 Mol-1도 공개됐습니다. 다섯 소식에서 표와 저장소로 확인되는 부분과 저자나 회사의 주장인 부분을 함께 살펴봅니다.

오늘 담긴 것

코딩 도구와 비용

Cursor DeepSeek V4.1 Flash, CursorBench 4.0에서 Medium이 High보다 높은 점수

DeepSeek V4.1 Flash의 노력 설정 네 단계와 작업당 비용을 상징하는 다이얼 패널과 가격표

10월 28일 기준 Cursor의 CursorBench 4.0 표에는 DeepSeek V4.1 Flash 1017의 Max, Medium, High, Low 네 설정이 올라 있다. 점수는 Max 47.7%, Medium 46.3%, High 45.6%, Low 44.9%이고, 작업당 평균 비용은 0.98달러에서 0.60달러 사이다.

  • 네 설정: Max 47.7%·0.98달러(17위), Medium 46.3%·0.80달러(21위), High 45.6%·0.77달러(24위), Low 44.9%·0.60달러(27위).
  • 역전: Medium이 High보다 0.7%포인트 높고, 작업당 평균 비용은 0.03달러 더 든다.
  • 조건: 비용은 모델별 공개 토큰 단가를 사용 토큰에 적용한 작업당 평균이다.

무엇이 달라지나

노력 설정을 올린다고 점수가 단계마다 오르지는 않는다. 이 표에서는 High가 Medium보다 0.7%포인트 낮다. 두 설정의 평균 비용 차이는 작업당 0.03달러이고, 페이지는 작은 점수 차이가 통계적으로 의미 없을 수 있다고 밝힌다.

한계

표본 수와 오차 범위는 공개되지 않았다. Medium과 High의 0.7%포인트 차이로 설정 순서가 실제로 뒤집힌다고 말하기는 어렵다. 이 모델이 표에 들어온 날짜와 Settings > Models에서 고를 수 있다는 안내는 이 페이지에 적혀 있지 않고, 표의 마지막 갱신 기록은 10월 7일이다.

커뮤니티 반응

■High로 고정해 쓰던 사람은 단계별 값을 보고 고르는 편이 낫다고 짚는 글이 올라왔다.

■작업당 0.60~0.98달러는 폭이 좁으니 가장 높은 설정을 쓰겠다는 답글도 나왔다.

■구독 사용량에 포함해 달라는 요청에, 써 보니 포함돼 있지 않다는 답이 달렸다.

본문 펼치기 · 약 4분

Medium이 High를 앞선 폭은 0.7%포인트라 설정 순서가 뒤집힌다고 말하기 어렵다

CursorBench 4.0 표에서 DeepSeek V4.1 Flash 1017은 네 설정으로 올라 있다. Max는 47.7%에 작업당 0.98달러로 81개 항목 중 17위다. Medium은 46.3%에 0.80달러로 21위, High는 45.6%에 0.77달러로 24위, Low는 44.9%에 0.60달러로 27위다. 설정 이름만 보면 High가 Medium 위지만 점수는 Medium이 0.7%포인트 높다.

작업당 사용량도 같은 방향은 아니다. 표에 따르면 Medium은 작업당 398,255토큰과 189단계, High는 385,196토큰과 186단계를 썼다. 페이지 아래 주석은 결과에 편차가 있고 작은 점수 차이는 통계적으로 의미 없을 수 있다고 적는다.

표본 수와 오차 범위가 공개되지 않았으므로 이 표는 “Medium이 High보다 낫다”가 아니라 “이 표에서 두 값이 이렇게 나왔다”로 읽는 편이 맞다. High로 고정해 쓰던 팀이라면 같은 작업 샘플로 두 설정을 직접 돌려 보고 정할 수 있다.

작업당 평균 비용은 낮지만 최고 점수 모델과는 10%포인트 넘게 벌어진다

점수가 비슷한 모델과 나란히 놓으면 위치가 보인다. DeepSeek V4.1 Flash Max는 47.7%에 0.98달러다. Haiku 5.5 Max는 48.4%에 1.12달러, Sonnet 5.5 High는 47.8%에 1.20달러다. 반대로 표 맨 위의 Opus 5.5 Max는 57.8%에 13.43달러여서 DeepSeek Max와 점수가 10.1%포인트 벌어진다.

토큰 사용량을 보면 비용 구조가 다르다. 표에서 DeepSeek Max는 작업당 537,047토큰을 썼고 Opus 5.5 Max는 218,363토큰이다. 단계 수는 187과 185로 비슷한데 토큰은 2배를 넘는다.

토큰을 더 많이 쓰고도 평균 비용이 낮은 것은 적용된 단가가 낮은 쪽으로 읽힌다. 표는 모델별 공개 100만 토큰당 단가(입력, 캐시 읽기, 캐시 쓰기, 출력)를 적용해 평균 비용을 계산했다고 설명한다. 이 값이 Cursor 구독 사용량에서 어떻게 차감되는지는 페이지에 적혀 있지 않다.

설정을 올릴 때 점수와 비용이 같은 비율로 오르지 않아 작업 유형별로 따로 골라야 한다

표 기준으로 Low에서 Max로 올리면 점수는 2.8%포인트, 작업당 평균 비용은 0.38달러 오른다. Low에서 Medium은 1.4%포인트에 0.20달러, Medium에서 Max는 1.4%포인트에 0.18달러다. 같은 표의 Opus 5.5는 High와 Extra High가 모두 56.0%인데 비용은 3.97달러와 6.98달러다. 설정을 높인다고 점수가 따라 오른다고 볼 수는 없다.

CursorBench는 실제 Cursor 세션에서 뽑은 모호한 다중 파일 작업으로 에이전트를 채점한다. 4.0은 9월 10일 편집, 리팩터링, 조사, 의도 이해, 작업 관리, 디자인 준수를 다루는 장기 문제를 도입했다.

표의 점수와 비용은 작업 전체의 평균이라 쉬운 작업과 어려운 작업에서 설정별 차이가 어떻게 갈리는지는 공개되지 않았다. 작은 수정에는 낮은 설정, 어려운 작업에는 높은 설정을 쓰는 식의 나눠 쓰기는 이 표만으로 뒷받침되지 않는다. 자기 작업 기록으로 따로 확인해야 한다.

비용 순위를 인용할 때는 가격 조정 기록이 있다는 점을 함께 적어야 한다

표 아래 설명에 따르면 작업당 평균 비용은 모델별로 공개된 100만 토큰당 단가를 사용 토큰에 적용해 계산한다. 입력, 캐시 읽기, 캐시 쓰기, 출력 단가가 모두 들어간다. 그래서 가격이 바뀌면 같은 점수의 비용 칸이 달라질 수 있다.

변경 기록에도 이런 사례가 있다. 10월 7일에는 Sonnet 5.5 결과가 조정된 가격을 반영하도록 갱신됐다. 8월 11일에는 Sonnet 5, 7월 30일에는 GPT-5.6 Terra와 Luna 결과가 같은 이유로 갱신됐다. 비용 순위를 다른 곳에 옮겨 적는 쪽은 표를 확인한 날짜를 함께 적어 두는 편이 안전하다.

자세히 읽기 · Cursor의 CursorBench 공개 표 ↗

모델 구조 실험

Qwenputer, Qwen3.5-4B 가중치에 RISC-V CPU를 컴파일해 넣은 실험

Qwen3.5-4B 앞에 RISC-V CPU 계층을 붙인 Qwenputer를 상징하는 겹겹의 층과 칩

10월 28일 기준 divagr18/qwenputer 저장소는 Qwen3.5-4B 앞에 32비트 RISC-V CPU 역할의 계층 11개를 붙인 Qwenputer를 소개한다. 계층의 가중치는 학습이 아니라 컴파일러가 계산했고, 메모리로는 Qwen3.5의 Gated DeltaNet 상태를 쓴다.

  • 구조: RV32IM에 Zba와 큰 수 보조 연산기를 더한 CPU가 C와 MicroPython 코드를 모델의 순전파 안에서 실행하고, 공식 riscv-tests를 통과한다고 README는 밝힌다.
  • 저자 측정: 세트당 40문항, 탐욕 디코딩 기준으로 큰 정수 곱셈이 기본 모델 55.0%에서 Qwenputer 97.5%로 올랐고, 호스트 Python 도구를 붙인 기본 모델은 100%였다.
  • 라이선스: 코드는 MIT, 모델 가중치는 Apache-2.0이다.

무엇이 달라지나

계산을 모델 밖 도구에 맡기지 않고 모델 자신의 가중치와 상태 안에서 실행하는 방식을 보여 준다. README는 tool_call 블록 형식을 빌려 쓰지만 모델 밖에서 이를 실행하는 런타임, 샌드박스, 도구 실행기는 없다고 설명한다. Qwen의 원래 가중치는 바꾸지 않았다.

한계

정확도 표는 저자의 자체 측정이고 독립 재현은 공개되지 않았다. 기본 Qwen은 도구 없이 산술을 정확히 하라는 문장만 받았고 Python 열은 호스트 인터프리터를 썼으므로 세 열의 조건이 다르다. 저장소는 저자 Divyansh Agrawal의 개인 계정에 있고 공개일은 적혀 있지 않다. 내부 실행의 지연 시간 수치는 README 본문에 없고 파일시스템 모델은 실험 단계다.

커뮤니티 반응

■제작자의 40문제 평가에서 큰 정수 곱셈이 55%에서 97.5%로 올랐지만, Python 도구를 붙인 기본 모델은 같은 항목에서 100%였다고 짚는 글이 나왔다.

■AI가 스스로 CPU를 배운 것이 아니라 사람이 설계한 계산 회로를 기존 언어 모델에 결합한 것이라는 설명이 이어졌다.

■도구 없이는 인터넷 같은 외부 네트워크에 닿을 수 없다고 짚으며 기대와 걱정이 반반이라는 글도 올라왔다.

본문 펼치기 · 약 4분

계산 회로는 학습이 아니라 컴파일로 만들었고 Qwen의 원래 가중치는 그대로다

README에 따르면 CPU는 Qwen 자신의 계층 앞에 놓인 트랜스포머 계층 11개이고, 이 계층의 가중치는 하나도 학습되지 않았다. 컴파일러가 모든 값을 계산해 넣었고, 합쳐진 모델은 일반 Qwen3_5ForCausalLM으로 불러온다. Qwen의 원래 가중치는 바뀌지 않았으며 설정 폭을 넓히고 계산 계층을 더했을 뿐이라고 저장소는 적는다.

메모리는 Qwen3.5가 이미 쓰는 Gated DeltaNet 상태다. README의 설명으로는 이 계층의 상태 행렬을 델타 규칙으로 한 행씩 정확히 덮어쓸 수 있어서 한 행을 메모리 칸으로 쓴다. 게이트를 열어 둔 상태에서 키를 한 행만 가리키는 벡터로 주면 그 행만 교체되고, 읽기는 같은 방식의 질의로 한다. 새 계층 종류는 필요하지 않았고, 이미 있던 구조의 성질을 이용한 설계다.

40문항 표에서 97.5%는 39문항이고, 세 열의 조건이 서로 다르다

README의 표는 세트당 40문제를 탐욕 디코딩으로 풀게 했다. 합성 정수 산술은 기본 75.0%, Qwenputer 97.5%, Python 도구 97.5%였다. DeepMind 계열 mul_big은 55.0%, 97.5%, 100%였다.

div_big은 72.5%, 97.5%, 95.0%였다. mul_div_multiple_longer는 90.0%, 100.0%, 97.5%, add_or_sub_big은 87.5%, 97.5%, 97.5%였다. 한 문제가 2.5%포인트에 해당하므로 97.5%는 40문제 중 39문제다. Python 도구보다 높은 행도, 낮은 행도 섞여 있다.

기본 모델은 도구 없이 모든 산술 단계를 정확히 하라는 시스템 문장만 받았다는 점도 결과와 함께 읽어야 한다. README는 기계의 출력 약 23만 위치를 참조 모델에 다시 돌려 불일치가 0건이었다고 밝힌다. Qwen의 텍스트 동작은 KL 6e-4로 기본 모델과 같았고, 소음 기준선은 5e-4다. 불일치 0건은 CPU 쪽 출력을 기계의 참조 모델과 비교한 값이다. 모든 입력과 실행에서의 정확성 보장으로 넓혀 읽을 수는 없다.

내려받아 시험하려면 README의 실행 순서와 아직 실험 단계인 파일시스템을 구분해야 한다

README가 안내하는 순서는 세 단계다. 저장소를 내려받아 experimental/riscv 폴더에서 uv sync --extra hf를 실행한다. 이어 hf download로 divagr1925/Qwen3.5-4B-Qwenputer를 받는다. 마지막으로 chipformer.rv.chat 드라이버에 calc-bridge.elf 펌웨어와 “Use calc: what is 123456789 * 987654321?” 같은 질문을 넘긴다.

드라이버는 입력 뒤에 펌웨어를 상태에 올려 CPU를 켜고, CPU가 도는 동안의 추적 토큰은 Qwen 계층에 들어가지 않게 한다. README는 Triton 실행기가 L4에서 초당 약 3,200 추적 토큰을 낸다고 적는다.

파일시스템 모델은 rv-store 브랜치에 있는 실험이다. put, append, get, list, delete 도구가 추가돼 최대 512개 파일, 약 5만 3천 토큰을 상태에 담고, 다음 대화에서 상태를 다시 불러 파일을 이어 쓸 수 있다고 한다.

저자 표에서 여러 세션에 걸친 90문항 회상은 기본 7.8%, 이 모델 83.3%, Python 도구 78.9%였다. 나중 세션에서 바뀐 사실 30문항은 3.3%, 90.0%, 83.3%였다(README). 기본 모델 열의 조건은 이 README에 자세히 적혀 있지 않다.

첫 버전인 CHIP-8 모델은 같은 방식을 더 작은 기계로 시험한 사례다

README에 따르면 첫 Qwenputer는 CHIP-8 기계를 Qwen3.5-4B에 컴파일해 넣은 모델이다. 모델이 48213 × 9917 = 을 쓰면 계산 기계가 곱셈을 실행하고, 모델이 478128321을 자릿수 단위로 직접 쓴다고 한다.

저자는 3자리 덧셈부터 20자리 곱셈까지 틀린 답을 낸 적이 없다고 적는다. 이는 저자의 보고이고, 이 글에서 직접 실행해 본 것은 아니다.

계산 기계는 0이 아닌 가중치가 약 70만 개라고 한다. README는 병합 모델이 14.65GB로 기본 Qwen의 9.3GB보다 크지만 추가분이 거의 0이라 내려받는 크기는 비슷하다고 설명한다. 이 크기는 CHIP-8 버전에 대한 설명이다. RISC-V 버전의 크기는 README 본문에 적혀 있지 않다.

자세히 읽기 · divagr18의 qwenputer 저장소 README ↗

에이전트 활용 사례

Claude Opus 5.5로 게임 만들기, Simon Willison이 꼽은 10월의 전환점

Claude Opus 5.5로 만든 브라우저 게임 네 종을 상징하는 게임 컨트롤러와 작은 호박

Simon Willison이 10월 28일 블로그 글에서 Claude Opus 5.5가 재미있는 게임을 만들 수 있는 수준에 이르렀다고 주장했다. 근거는 최근 몇 주 사이 코드를 보지 않고 만든 게임 네 종이며, 모두 HTML과 JavaScript로 브라우저에서 돌아간다.

  • 주장: Opus 5.5가 3D 모델링, 음악 생성, 게임 설계에서 의미 있게 좋아졌다는 저자의 의견이다.
  • 지시문: 게임이 재미없을 때 “Make it a LOT more fun”을 덧붙이라고 권한다.
  • 투입: 어떤 프로젝트도 저자 본인 작업은 4시간을 넘지 않았고, 그 밖의 시간은 Claude Code가 혼자 일했다고 적는다.

무엇이 달라지나

게임 제작을 시험하는 진입 경로가 짧아졌다는 보고다. 저자는 chatgpt.com이나 claude.ai의 일반 채팅 화면에서 “Build a mobile-friendly three.js game where…”로 시작해도 된다고 안내한다. 프로젝트가 시제품 단계를 넘기면 Codex나 Claude Code로 옮기라고 권한다.

한계

재미를 재는 객관 지표는 공개되지 않았고, 네 게임에 대한 평가는 모두 저자의 개인 체험이다. GPT-6 Astra가 아직이라는 평도 철저한 조사가 아니라 현재 인상이라고 저자가 밝혔다. 시도했다가 실패한 사례의 수는 글에 적혀 있지 않다.

커뮤니티 반응

■기준이 “컴파일된다”에서 “두 번 플레이했다”로 옮겨 갔다는 글이 여러 개 올라왔다.

■모델이 게임 안에 들어가는 쪽이 더 흥미롭다며 주말에 그런 시제품을 만들었다는 답글이 달렸다.

■날씨와 벌, 거대 호박 가판대가 든 게임이 이제 토요일 하루의 요청 수준이라는 반응도 나왔다.

본문 펼치기 · 약 4분

저자가 꼽은 향상은 3D 모델링, 음악, 게임 설계 세 가지이고 모두 개인 체험이다

글은 2025년 11월을 코딩 에이전트의 전환점으로 본 지난 글을 먼저 언급한다. Opus 4.5와 GPT-5.1이 코딩 에이전트를 소프트웨어 엔지니어의 일상 도구로 만든 시점이다. 이번 10월은 게임 제작에서 같은 전환이 왔다는 것이 저자의 판단이다.

Opus 5.5가 좋아진 영역으로 3D 모델링, 음악 생성(Scrimshaw Jukebox), 게임 설계를 든다. 모델이 게임처럼 보이는 것은 오래전부터 만들었지만 실제로 재미있는 게임은 어려웠는데, “Make it a LOT more fun”이라고 지시하자 달라졌다고 한다.

글에서 GPT-6 Astra는 게임을 만들 수는 있지만 재미의 감각이 Opus 5.5에 못 미친다는 인상으로 소개된다. 저자는 OpenAI가 연말까지 따라잡을 것으로 예상한다. 이는 철저한 조사를 하지 않았다는 전제가 붙은 의견이다.

네 게임은 투입 노력과 반복 횟수가 달라 같은 결과로 묶기 어렵다

Tree Appreciator는 일반 Claude 채팅에서 한 번의 지시로 나왔고 추가 수정이 필요 없었다. 알고리즘으로 만든 나무 두 그루의 차이를 찾는 모바일 친화 게임이다. Emberwick은 이야기가 15분쯤 이어지는 판타지 마을 RPG다. 퀘스트 인물이 다른 이야기 요소 때문에 엉뚱한 위치에 있는 식의 문제로 플레이 테스트와 추가 지시를 여러 번 거쳤다.

같은 초기 지시문 순서를 ChatGPT GPT-6 Pro에도 넣었더니 보기에는 훌륭하지만 플레이는 훨씬 못하다는 것이 저자 판단이다. Claude 쪽은 이후 수정을 거쳤고, GPT-6 Pro 쪽이 같은 수정 과정을 거쳤는지는 글에 적혀 있지 않다.

Battle Drones는 저자가 가장 성공적이라고 꼽는 실시간 전략 게임이지만 처음부터 Opus 5.5로 만든 것은 아니다. 글에 따르면 7월에 Claude Fable 5로 만든 2D 버전이 있었고, Opus 5.5에 “Make it a LOT more fun”과 three.js 이식을 지시해 바뀌었다. 지금은 2~4인 멀티플레이, 메달, 리플레이, 맵 7종과 무작위 맵 생성기, 규칙 변형을 갖췄다.

저자는 지난 화요일 Apache 2.0으로 공개했고, 다음 날 Gabriel Turpin이 1900년대 벨 에포크 프랑스를 배경으로 한 스팀펑크 포크 Panache를 냈다. Quarter Sun Cove는 Opus 5.5 Ultracode가 수백만 토큰을 쓰며 거의 이틀 동안 만들었다. 저자는 게임 규칙을 아직 납득하지 못했고 Battle Drones만큼 재미있지는 않다고 쓴다.

시작은 한 줄 지시문으로 충분하다고 권하지만 AI 제작물에 대한 반감도 글에 함께 있다

저자는 게임이 저위험 프로젝트라 바이브 코딩에 알맞다고 본다. 정적 호스팅(GitHub Pages나 Cloudflare Pages)에 올린 HTML과 JavaScript 게임은 모바일 브라우저에서 네이티브와 구별하기 어려웠다고 글은 쓴다. 다만 저자가 만드는 종류의 게임에 한정한 평가다. 오디오 기반 멀티플레이 시도는 아내에게 심한 두통을 줬다는 일화도 적었다.

글은 AI가 만든 그림, 음악, 글, 코드를 싫어하는 사람에게 바이브 코딩 게임은 그 모두를 한꺼번에 담은 것이라고 인정한다. 게임 커뮤니티가 AI 생성 에셋에 이미 반감을 갖고 있고, Steam Next Fest의 저품질 AI 게임 논란이 최근 사례라고 한다. 저자는 이로 인해 이용자가 갈릴 것으로 예상한다. 자신의 게임은 게임잼이나 대회에 내지 않겠다고 밝힌다. 이만큼 적은 창작 투입으로 결과가 나온 것을 흥분되면서도 부끄러운 일로 표현했다.

짧았다는 저자의 작업 시간과 모델이 일한 시간은 따로 읽어야 한다

글은 어떤 프로젝트도 저자 본인 작업이 4시간을 넘지 않았다고 쓴다. 그 밖에 Claude Code가 혼자 일한 시간이 많았다고 덧붙인다. Battle Drones는 7월에 만든 이전 버전이 있었고, Quarter Sun Cove도 이틀 가까이 모델이 일한 결과다. 4시간이라는 수치만으로 전체 제작 기간을 짐작하기는 어렵다.

Emberwick에 대해 저자는 그래픽, 줄거리, 인물, 음악, 대화가 모두 모델에서 나왔다고 쓴다. 자신의 창작 투입은 판타지 마을이라는 설정과 동굴 속에 잠든 트롤 정도였다고 한다. 저자는 Foo Camp에서 비슷한 경험을 한 사람 여럿을 만났다고 글에 적었지만, 그 사람들의 결과물은 글에 소개되지 않았다.

자세히 읽기 · Simon Willison의 블로그 글 ↗

오픈 모델과 과학

Ant Group Ling-3.1-flash-1019 성능 비교, 지수 41에서 44로

Ling-3.1-flash-1019의 전문가 모듈 일부만 활성화되는 구조를 상징하는 서버 랙

inclusionAI가 10월 27일 Ling-3.1-flash-1019와 기본 체크포인트 Ling-3.1-flash-base를 Hugging Face에 올렸다. 총 560B, 토큰당 활성 25B, 컨텍스트 1M 토큰이며 두 모델 모두 MIT 라이선스다.

  • 규모: 하이브리드 선형 어텐션 MoE, 라우팅 전문가 512개 중 토큰당 8개와 공유 전문가 1개를 쓴다.
  • 카드 수치: 이전 Ling-3.1-flash 대비 Artificial Analysis Intelligence Index v4.3.2는 41에서 44다. AutomationBench-AA는 62%에서 68%, CritPt는 18%에서 26%, SciCode는 54%에서 57%다. AA-Briefcase는 약 1400에서 1524 Elo다.
  • 함께 공개: base 체크포인트는 이어 학습, 도메인 적응, 후속 학습 연구용이다.

무엇이 달라지나

같은 계열 모델에 후속 학습을 더해 추론과 실제 업무형 에이전트 항목 점수를 올렸다는 공개다. 후속 학습의 출발점이 되는 base 체크포인트도 같은 라이선스로 함께 받을 수 있다.

한계

수치는 모델 카드에 적힌 값이고 평가 설정 같은 세부 조건은 카드 본문에 없다. 점수 상승은 같은 계열의 이전 모델 대비이며, 지수 버전이 v4.3.2라 다른 버전의 점수와 직접 견주기 어렵다. 카드의 SGLang 실행 예시는 1019가 붙지 않은 inclusionAI/Ling-3.1-flash 경로를 쓴다. 서버 예시는 H200 8장 또는 GB300 4장 구성이어서 개인 PC에서 돌리기에는 규모가 크다.

커뮤니티 반응

■한국어 Threads 글이 지수 41에서 44, AutomationBench-AA 62%에서 68%, CritPt 18%에서 26% 상승을 소개하며 base도 함께 공개됐다고 전했다.

■Ant Ling 공식 계정은 추가 후속 학습을 추론과 실제 업무형 에이전트에 맞췄다고 소개하고 온라인 체험 링크를 냈다.

■공식 계정의 후속 게시물은 Hugging Face와 ModelScope에서 내려받아 평가하고 만들어 보라고 안내했다.

본문 펼치기 · 약 4분

점수 상승은 같은 계열의 이전 모델 대비 값이고 다른 모델과의 비교가 아니다

모델 카드는 Ling-3.1-flash-1019를 Ling-3.1-flash의 업그레이드 버전이라고 소개한다. 후속 학습으로 추론과 실제 업무형 에이전트 능력이 크게 좋아졌다는 것이 회사의 설명이다. Artificial Analysis Intelligence Index v4.3.2는 41에서 44, AutomationBench-AA는 62%에서 68%로 올랐다. CritPt는 18%에서 26%, SciCode는 54%에서 57%, AA-Briefcase는 약 1400에서 1524 Elo다.

모두 같은 계열의 이전 모델과 견준 값이다. 다른 회사 모델과 같은 조건에서 나란히 놓은 표는 카드에 없다. AA-Briefcase의 이전 값은 약 1400이라는 근사치로만 적혀 있어 상승 폭이 정확히 얼마인지는 알 수 없다. 지수가 3점 오른 것이 개별 업무에서 얼마나 체감되는지도 카드는 말하지 않는다.

기본 모델 표에서는 장문 맥락의 이점과 약점이 함께 나온다

base 카드는 여덟 영역 47개 벤치마크에서 두 모델과 비교한 표를 싣는다. 영역은 언어 이해, 지식, 코드, 수학, 추론, 다국어, 의료, 장문 맥락이다. 비교 대상은 DeepSeek-V4-Pro-Base(1.6T, 활성 49B)와 MiMo-V2.5-Pro-Base(1.02T, 활성 42B)다.

항목마다 샷 설정이 다르고 비교 모델의 규모가 Ling보다 크다는 점을 먼저 알아야 한다. 표는 항목별 점수만 나열하고 전체 평균은 제시하지 않는다.

표에서 Ling-3.1-flash-base가 크게 앞선 항목은 LongBench 51.90(두 비교 모델 17.70, 15.66)이다. LEval은 85.09(58.34, 61.49), OmniMath는 65.31(34.89, 40.13)로 앞선다. 반대로 AA-Omniscience는 37.67로 DeepSeek의 48.16에 못 미친다.

코드에서는 BigCodeBench 53.60이 MiMo의 66.75보다 낮고, HumanEval-Plus 79.88도 MiMo의 82.93보다 낮다. 같은 장문 맥락 영역에서도 ruler_128k는 88.64로 DeepSeek의 95.06보다, ruler_256k는 86.64로 DeepSeek의 94.37보다 낮다. 장문 맥락이 전반적으로 강하다고 한마디로 말하기 어려운 이유다.

실행에는 서버급 GPU가 필요하고 base는 그대로 쓰는 용도가 아니라고 카드가 밝힌다

카드의 SGLang 예시는 Docker 이미지를 받아 H200 8장에 TP8과 EP8로 서버를 띄우고, GB300 4장에서는 TP4와 EP4를 쓰라고 안내한다. vLLM 예시도 텐서 병렬 8을 쓴다.

권장 샘플링은 온도 1.0, top_p 0.95, top_k 20에 enable_thinking을 켜는 것이다. 앞서 말한 대로 SGLang 예시의 모델 경로는 1019가 아닌 Ling-3.1-flash여서, 1019를 쓰려면 경로를 확인해야 한다.

base 카드는 권장 용도로 이어 사전학습, 중간 학습, 지도 미세조정, 선호 최적화와 강화학습 후속 학습, 증류, 장문 맥락과 MoE 시스템 연구를 든다.

최종 사용자 대화 배포, 추가 정렬과 평가 없는 안전 필수 용도, 후속 학습과 과제별 평가 없는 상용 사용에는 그대로 권하지 않는다고 밝힌다. 가중치는 학습에 FP8을 쓰고 공개는 BF16 체크포인트로 한다고 적었다.

구조 사양과 학습 자료 안내는 카드 본문의 점수와 따로 읽어야 한다

모델 카드의 사양표에 따르면 트랜스포머 계층은 KDA 63개와 Gated MLA 9개를 7대 1로 섞었다. 밀집 계층은 4개, 어텐션 헤드는 64개, 은닉 크기는 4096, 어휘 크기는 157184다. 같은 구조가 base 카드에도 적혀 있다.

허브 페이지의 Safetensors 항목은 모델 크기를 572B 파라미터로 표시한다. 카드 본문의 560B와 숫자가 다르고, 차이의 이유는 페이지에 적혀 있지 않다. 카드는 학습 내용 요약 PDF를 따로 안내하면서, 이 요약이 기술 문서나 사용 조건, 라이선스를 대신하지 않는다고 밝힌다. 이 모델은 어떤 추론 제공자에도 배포되어 있지 않다고 페이지에 표시된다.

자세히 읽기 · inclusionAI의 Ling-3.1-flash-1019 모델 카드 ↗ · inclusionAI의 Ling-3.1-flash-base 모델 카드 ↗

Molence Bio Mol-1 사용법, 단백질 구조 예측 모델 코드와 체크포인트 공개

Mol-1의 단백질과 리간드 복합체 구조 예측을 상징하는 접힌 사슬과 작은 구슬 모형

10월 28일 기준 molence/Mol-1 저장소는 Molence Bio의 생체분자 구조 예측 모델 Mol-1의 코드, 체크포인트 내려받기 방법, 미세조정 예제를 제공한다. 코드는 Apache-2.0이고 Protenix에서 파생됐다.

  • 공개: 약 2.2GB 체크포인트, 참조 데이터 약 0.3GB, 여섯 구조짜리 미세조정 예제.
  • 실행: 644토큰 예제에 GPU 메모리 약 14GB가 필요하고, 95GiB Blackwell GPU에서 약 2분(절반은 모델 로딩) 걸린다. 첫 실행은 CUDA 확장 빌드 몇 분이 더해진다.
  • 출력: 샘플마다 CIF 구조 파일과 신뢰도 JSON이 나온다.

무엇이 달라지나

입력 JSON 작성부터 예측, 자기 mmCIF 구조로 미세조정 데이터를 만드는 절차까지 문서와 예제가 갖춰져 직접 돌려 볼 수 있는 경로가 열렸다. 다만 기본 설정은 공개 MSA 서비스에 네트워크로 접속한다.

한계

README에는 예측 구조가 실제 결합이나 약효를 뜻하는지에 관한 문구가 없고, 구조 예측과 실험에서 확인된 결과는 별개다. 벤치마크 결과는 그림으로 실려 있어 본문 텍스트에서는 비교 모델별 성공률 값을 확인할 수 없다. 본문에 적힌 수치는 평가 규모와 설정에 관한 것이다(펩타이드 복합체 평가는 150개 PDB 항목의 172개 인터페이스 군집, PoseBusters 검사는 방법당 64,800개 예측, 항체와 항원 평가는 시드 부분집합 201,376개 등). 인용 정보는 “Coming soon”이고 공개일도 적혀 있지 않다. README는 저장소 라이선스를 Apache-2.0으로 밝히지만 체크포인트 파일의 라이선스는 따로 적지 않는다.

커뮤니티 반응

■입력은 단백질, DNA, RNA, 리간드이고 출력은 CIF와 신뢰도 JSON이며 추가 학습 예제까지 이어진다고 소개한 글이 올라왔다.

■그럴듯한 구조를 예측했다고 실제 결합이나 약효가 있다는 뜻은 아니니 구조 예측과 실험 확인을 구분해야 한다는 글이 나왔다.

■체크포인트는 약 2.2GB지만 예제는 GPU 메모리 약 14GB가 필요하고, 기본 설정이 공개 ColabFold 서비스를 쓰므로 로컬 설치가 완전한 오프라인 처리는 아니라는 글도 올라왔다.

본문 펼치기 · 약 5분

내려받는 체크포인트는 2.2GB지만 예제 실행에는 GPU 메모리 약 14GB가 필요하다

README의 설치는 저장소를 받아 pip로 설치하는 방식이다. NVIDIA GPU에서는 pip install -e “.[cuda]”, CPU에서는 “.[cpu]”, CUDA 13.0 이전 드라이버에서는 “.[cuda12]”를 쓴다. 빠른 시작은 MOL_ROOT_DIR를 정하고 참조 데이터 약 0.3GB를 내려받는 데서 시작한다.

이어 체크포인트 약 2.2GB를 받아 mol pred로 예제를 돌린다. CUDA 장비에서의 첫 예측이나 학습은 융합 LayerNorm CUDA 확장을 컴파일하며, 몇 분간 출력 없이 컴파일러 로그만 나올 수 있다. README는 이 빌드가 환경마다 한 번이고 이후에는 캐시된다고 설명하며, CPU용 설치 경로도 따로 있다.

예제는 두 리간드가 붙은 동종이량체, 644토큰이다. README는 메모리가 토큰 수에 대해 거의 제곱으로 늘고 GPU에 따라 다르다고 설명한다. 기본값은 95GiB GPU에서 약 1,500토큰까지 맞는다고 한다.

더 큰 입력은 청크를 줄이고 PyTorch 삼각 곱셈과 확장 가능한 할당 세그먼트를 쓰는 별도 설정이 필요하다. 이 설정으로 FoldBench에서 가장 큰 2,456토큰과 2,532토큰 입력은 95GiB GPU에서 시드당 약 25분 걸렸다고 적혀 있다.

기본 설정은 공개 MSA 서비스에 접속하므로 로컬 설치와 오프라인 실행은 다르다

자기 입력에 대해 mol pred는 JSON에 없는 정보를 검색한다. README에 따르면 단백질 MSA는 공개 ColabFold MMseqs2 서비스에서 가져오고, 이 옵션은 기본으로 켜져 있어 네트워크 접속이 필요하다.

미리 계산된 템플릿 히트가 든 예제에서 템플릿을 쓰려면 kalign이 필요하고, 자기 입력의 템플릿 검색에는 HMMER도 필요하다. 템플릿 구조는 처음 쓸 때 PDBe에서 받는다. RNA MSA는 기본으로 꺼져 있고, 켜면 unpairedMsaPath가 없는 RNA 사슬은 릴리스 아카이브에 없는 수십 기가바이트 데이터베이스(Rfam, RNAcentral, NCBI nt RNA 일부)를 HMMER로 검색한다.

입력 JSON은 단백질 사슬, DNA, RNA, 리간드, 이온 항목을 받으며 공유결합과 잔기 변형도 적을 수 있다. 출력 읽기에서는 plddt가 0~100, chain_plddt가 0~1 척도라는 점과 PAE 행렬이 잔기 번호가 아닌 토큰 기준이라는 점을 README가 따로 경고한다. 환경은 mol doctor로 읽기 전용 진단을 할 수 있다.

벤치마크는 그림으로만 실려 있어 숫자로 비교하려면 기술 보고서를 따로 봐야 한다

README는 세 종류의 벤치마크 그림을 싣는다. 항체와 항원 구조 예측에서는 시드 다섯 개를 쓰는 조건의 DockQ 성공률을 보여 준다. 32개 시드에서 뽑을 수 있는 다섯 시드 조합 201,376개에 대한 성공률도 있다.

단백질과 리간드, 분자 접착제 예측에서는 PoseBusters 개별 점검 통과율을 방법당 64,800개 예측 기준으로 낸다. 단백질과 펩타이드 예측은 2026년 1분기부터 3분기 자료인 MolBench-Peptide-26, 곧 PDB 150건의 인터페이스 군집 172개에서 평가했다.

그림 설명에는 읽을 때 조건이 붙는다. README에는 Mol-1이 재활용 10회를 썼다고 되어 있지만 기준 모델들의 같은 설정은 이 설명에 적혀 있지 않다. 또 y축을 잘라 쓰고 패널마다 범위가 다르다고 밝힌다. 미세조정 예제는 구조 여섯 개짜리 데이터로 6단계만 돌리는 시연이라 절차를 확인하는 용도이고, 학습 품질을 보여 주는 값은 아니다. 수치 비교는 README가 링크한 기술 보고서를 따로 봐야 한다.

Protenix에서 파생된 코드라 출처 고지와 명령 구성을 함께 확인해야 한다

README의 감사 문구는 Mol-1이 Protenix에서 파생됐고, Protenix는 AlphaFold 3, OpenFold, ColabFold를 포함한 AlphaFold 3 생태계 위에 있다고 밝힌다. 파생된 파일에는 원래 저작권 고지와 라이선스 헤더가 남아 있고, 바뀐 파일에는 그 사실과 기준이 된 상류 판본이 적혀 있다고 한다. 제3자 구성요소와 라이선스는 THIRD_PARTY_NOTICES.md에 따로 있다.

명령은 다섯 가지다. mol pred는 예측, mol json은 PDB나 CIF 구조를 Mol-1 JSON으로 바꾸는 변환, mol msa는 단백질 MSA 검색이다. mol prep은 MSA와 템플릿 검색, mol doctor는 환경 진단을 맡는다.

미세조정은 체크포인트에서 시작해 가중치를 엄격하게 불러오고, 옵티마이저와 스케줄러는 새로 시작하며 EMA는 불러온 가중치로 초기화한다(README). 관찰 시점의 저장소에는 릴리스와 태그가 없고 커밋은 4개였다.

자세히 읽기 · Molence Bio의 Mol-1 저장소 README ↗

Fluxaivory desk

Built from primary sources with AI assistance and published after automated checks. AI Use Policy · Corrections

Follow Fluxaivory

Get the briefing by email

A weekly roundup of the top AI news in plain English, from primary sources. Free. Unsubscribe anytime.