SWE-1.7, GPT-5.5급 성능 달성하다
Cognition이 Devin에 탑재된 새로운 코딩 AI 모델 SWE-1.7을 공개했습니다. 이 모델은 훨씬 낮은 비용으로 GPT-5.5 및 클로드 3.5 오퍼스(Claude 3.5 Opus)에 필적하는 최고 수준의 지능을 달성했습니다. 특히 '사후 학습의 한계(Post-training ceiling)'를 뛰어넘어 장기적인 소프트웨어 엔지니어링 작업에 탁월한 성능을 발휘하는 것이 특징입니다.
오늘 우리는 지금까지 학습한 모델 중 가장 뛰어난 성능을 자랑하는 SWE-1.7을 출시합니다. 이 모델은 훨씬 낮은 비용으로 최고 수준(frontier-level)의 지능에 도달하며, 비용 대비 성능 파레토 곡선(Pareto curve)을 한 단계 더 발전시켰습니다. SWE-1.7은 당사의 강화학습(RL) 파이프라인 전반에 걸친 광범위한 개선 결과입니다. 더 나아진 인프라, 안정적인 학습, 고품질 데이터, 그리고 장기적 작업(long-horizon tasks)을 위한 새로운 기법들이 적용되었습니다.
SWE-1.7은 이미 광범위한 강화학습 사후 학습(RL post-training)을 거친 Kimi K2.7 베이스 모델을 기반으로 학습되었습니다. 따라서 당사의 자체 학습을 통해 얻은 추가적인 성능 향상은 '사후 학습의 한계(post-training ceiling)'라는 통념에 반하며, 강화학습이 이전에 생각했던 것보다 모델의 능력을 훨씬 더 끌어올릴 수 있음을 시사합니다. Cognition(코그니션)은 FrontierCode 1, 2를 통한 평가 단계와 SWE-1.7을 통한 학습 단계에서 훌륭한 에이전트 기반 소프트웨어 엔지니어링(agentic software engineering)을 위한 원칙을 정립하고 다듬어 왔습니다. 당사의 모델은 고품질 소프트웨어 엔지니어링의 핵심 요소인 더 긴 호라이즌의 비동기식 작업에 특화되어 최적화되었습니다.
SWE-1.7은 오늘부터 Cerebras를 통해 1000 TPS(초당 토큰) 속도로 Devin(웹, 데스크톱, CLI)에서 사용할 수 있습니다. 직접 사용해 보시기를 권장합니다! 이 글의 나머지 부분에서는 SWE-1.7을 학습시킨 방법, 즉 모델 개발 과정의 인프라, 알고리즘 및 데이터 작업을 다룹니다. 두드러지는 4가지 핵심 구성 요소를 설명해 드릴 것입니다.
엔트로피 보존 및 학습 안정화(Preserving entropy and stabilizing training): 긴 강화학습(RL) 실행은 두 가지 어려운 문제에 직면합니다. 바로 엔트로피 붕괴(entropy collapse)와 학습 및 추론 간의 수치적 드리프트(drift)로 인한 불안정성입니다. 우리는 이러한 문제의 원인을 추적하여 해결함으로써, 과거의 실행이 정체되었던 지점을 훨씬 넘어서도록 학습을 지속적으로 개선했습니다.
멀티 클러스터 학습 및 내결함성(Multi-cluster training and fault tolerance): 강화학습에는 모든 추론 컴퓨팅이 하나의 클러스터에 있을 필요가 없습니다. 우리는 3개 대륙에 걸친 클러스터에서 학습을 진행하고, 객체 스토리지를 통해 가중치 업데이트를 전송하며, 하드웨어 오류가 학습 실행을 중단시키지 않도록 내결함성을 구축했습니다.
고품질 데이터 큐레이션(Curating high-quality data): 각 작업을 자동화된 실행 테스트를 거치게 하고, 학습 신호가 낮은 작업은 필터링하며, 보너스 해킹(reward-hacking)을 방지하기 위해 작업을 더욱 견고하게 만드는 광범위한 데이터 품질 파이프라인을 구축했습니다.
장기적 작업을 위한 자기 압축(Self-compaction for long-horizon tasks): 모델이 자신의 작업 상태를 요약하고 해당 요약본부터 다시 시작하도록 학습함으로써, 원래의 컨텍스트 창(context window) 한계를 넘어 작업 범위를 확장했습니다. 우리는 정확도를 희생하지 않으면서도 간결한 출력을 장려하기 위해 교차 길이 페널티(alternating length penalty)를 사용합니다.
마지막으로, 당사의 학습 설정 결과 모델이 습득한 신중한 탐색과 간결한 추론과 같은 흥미로운 행동 경향에 대한 관찰 결과를 공유하며 글을 맺겠습니다.
엔트로피 보존 및 학습 안정화 우리는 학습의 안정성이 대규모 환경에서 예측 가능한 성능 향상을 이끄는 핵심 요소임을 발견했습니다. 비동기식 강화학습(Asynchronous RL)으로 학습할 때 직면한 가장 심각한 문제 중 하나는 학습 정책과 샘플링 정책이 보통 다르기 때문에 발생하는 추론과 학습 간의 KL 발산(KL divergence) 불일치 문제였습니다. 과거에는 (소규모에서나) 이를 수정하기 위해 중요도 샘플링(importance-sampling) 기법과 NVFP4 전문가 라우팅 재생(experts routing replay)을 위한 저정밀 롤아웃(low-precision rollouts) 대상 양자화 인식 학습(quantization-aware training)을 사용했습니다. 여기서는 규모가 커짐에 따라 더욱 중요해지는 추가적인 개입 조치를 소개합니다.
우리는 Top-p 샘플링이 엔트로피 붕괴(강력한 모델이 탐색을 멈추고 수백 단계 내에서 보상이 정체되는 현상)를 막는 데 크게 기여한다는 사실을 발견했습니다. 확률이 매우 낮은 토큰들은 종종 궤도를 이탈하거나 분포를 벗어난 궤적(trajectories)의 일부입니다. 이러한 궤적은 낮은 보상을 생성할 가능성이 높으며, 소프트맥스(softmax) 함수의 특성상 이 토큰들이 토큰 확률 분포를 날카롭게(sharpening) 만듭니다. 실제로, 확률이 가장 높은 토큰 x1과 차선인 x2가 있고, 낮은 보상을 초래하는 낮은 확률의 토큰3(x3)이 있다고 가정해 봅시다. 만약 토큰 3을 샘플링하게 되면, 소프트맥스 확률 수식의 특성상 해당 토큰의 로그 확률(logprob)에 대한 그래디언트가.