리얼-SWE: 비공개 실제 기업 코드베이스에서 AI 모델 평가
Real-SWE는 실제 기업으로부터 라이선스를 받은 비공개 운영 코드베이스에서 최신 AI 모델을 평가하는 새로운 벤치마크입니다. 과금, 세금 계산, 고객 마이그레이션 같은 실제 비즈니스 결과가 걸린 작업을 다루며, 기업 고유의 코딩 관례와 복잡한 맥락을 이해해야 합니다. 공개 인터넷에 존재하지 않는 독점 시스템에서 에이전트가 실제 소프트웨어 엔지니어의 업무를 수행할 수 있는지를 검증한다는 점에서 주목받습니다.
2026년 9월
Real-SWE 소개: 비공개, 실제, 기업 코드베이스에서 최신 AI 모델을 벤치마킹합니다.
01 서론
오늘 우리는 실제 기업으로부터 라이선스를 받은 비공개 운영(production) 코드베이스에서 최신 AI 모델을 평가하는 벤치마크인 Real-SWE를 공개합니다. 각 작업(task)은 실제 회사로부터 라이선스를 받은 비공개 운영 코드베이스에서 나온 것으로, 해당 회사 엔지니어들이 실제로 수행하는 문제이며, 기존 제품에 따르는 모든 맥락과 복잡성을 포함하고 있습니다.
- 비공개 코드베이스: 에이전트는 코드와 해결책이 공개 인터넷에 존재하지 않는 독점 시스템을 탐색해야 합니다.
- 비즈니스적 결과가 따르는 작업: 과금을 정확히 처리하거나, 세금을 계산하거나, 고객을 마이그레이션하는 작업. 기업 운영 방식에 영향을 주는 변경사항으로, 여러 서비스에 걸쳐 이루어지는 경우가 많습니다.
- 회사별 고유의 복잡성: 모든 회사는 자체 규칙과 코드 작성 방식이 있습니다. 에이전트는 이러한 관례를 이해하고 기존 시스템과 호환되는 방식으로 변경을 해야 합니다.
코딩 에이전트가 실제 세상에서 소프트웨어 엔지니어의 일을 정말 수행할 수 있을까요? 전문가가 생성하거나 합성된 작업은 잘 설계될 수 있지만, 실제 기업의 엔지니어들이 수행해야 하는 그대로의 실제 작업은 아닙니다.
우리의 작업은 두 가지 축에서 차별화됩니다: 기반이 되는 코드 산출물(coding artifact)과 지시사항의 구체성입니다. 두 요소 모두 오늘날 최신 모델들에 도전이 되는 복잡성을 더합니다.
우리는 기업 엔지니어가 실제로 일하는 방식을 반영하기 위해 네이티브 하네스(native harness)를 사용하며, 모델 단독이 아닌 모델과 하네스의 조합을 평가합니다.
실제 기업의 작업에는 회사별 맥락이 필요합니다. 올바른 과금은 비즈니스 규칙과 외부 서비스에 따라 달라집니다.
예시 작업: "각 사업자가 올바른 세금을 부과받고, 면세 고객에게는 세금이 부과되지 않도록 인보이스 과금을 수정하라."
전체 지시사항 보기: 월요일에 과금 시스템이 다시 열리는데, 이 서비스가 발행하는 모든 인보이스에 세금이 붙지 않고 있다. 플랫폼의 각 사업자는 서로 다른 방식으로 세금을 정산한다. 일부는 자체 세율을 유지하고, 일부는 우리의 세금 당국 제공자(tax authority provider)를 통해 구매자의 목적지 기준으로 각 인보이스 가격을 책정하기를 원하며, 일부는 아무것도 징수하지 않는다. 또한 면세 대상 고객은 해당 사업자가 어떻게 설정되어 있든 세금이 부과되지 않는다. 목적지 기준 가격 책정은 양쪽 주소, 가격이 책정된 품목, 해당 사업자가 판매하는 제품 카테고리를 가지고 세금 당국에 요청해야 하며, 사업자가 속한 계정에 따라 샌드박스 또는 운영 환경 당국에 요청한다. 당국이 거부하는 주소는 인보이스 발행을 중단하지 않고 보고되어야 한다. 세율, 세액, 총액은 발급된 인보이스에 포함되어야 하며, 인보이스가 정산되면 해당 인보이스 번호로 판매가 당국에 신고되어 수익이 일치하도록 한다. 유럽 당사자 간 인보이스에는 양측의 VAT 등록번호가 표시된다. 세금 당국과 장부(ledger)는 TAX_JAR_URL, PROD_TAX_JAR_URL, INFLUX_URL에서 접근 가능하다.
환경의 서비스: TJ TaxJar 샌드박스, TJ TaxJar 운영 환경, InfluxDB 장부, NestJS 서비스, TypeScript
에이전트는 코드, 인프라, 비즈니스 도구를 아우르며 작업합니다. Real-SWE 작업 환경 전반에 걸친 도구와 서비스.