Devin 개발사 코그니션이 강화학습으로 포스트트레이닝한 코딩 모델 SWE-2를 공개했습니다. 문샷 AI의 2.8조 파라미터 오픈 모델 Kimi K3를 기반으로 하며, FrontierCode 1.1 Main에서 50.0%를 기록해 Fable 5.1과 1점 이내 차이를 보였습니다. 비용은 64% 더 낮아, 오픈소스 기반 모델의 비용 효율성을 보여주는 사례입니다.
DeepReinforce가 Gemma 4와 Qwen 3.5를 기반으로 구축된 오픈소스 코딩 모델 패밀리인 Ornith-1.0을 발표했습니다. 이 모델은 고정된 프레임워크를 사용하는 대신 강화학습(RL) 과정에서 자체적인 스캐폴드(Scaffold)를 학습하는 것이 특징입니다. 397B 파라미터의 플래그십 모델은 SWE-Bench Verified에서 82.4점을 기록했으며, 모든 가중치가 MIT 라이선스로 공개되어 실무자들이 자유롭이 활용할 수 있다는 점에서 중요합니다.
Moonshot AI가 토큰 효율성이 개선된 오픈소스 코딩 모델 'Kimi K2.7-Code'를 공개했습니다. 이 모델은 도구 호출(Tool call) 및 추론(Reasoning) 기능을 체계적으로 지원하는 고급 프롬프트 템플릿을 특징으로 합니다. Hugging Face 플랫폼에 게시되어 개발자들이 자유롭게 활용할 수 있습니다.