팀스파르타, K-AI 리더보드 최고 난도 추론 1위… 초경량 AI 모델 기술력 입증

팀스파르타, K-AI 리더보드 최고 난도 추론 1위… 초경량 AI 모델 기술력 입증

AI 업스킬링 기업 팀스파르타가 자체 개발한 초경량 언어모델이 정부가 운영하는 국가 AI 성능 평가에서 최고 난도 추론 분야 1위를 기록했다. 대규모 언어모델(LLM) 중심으로 경쟁이 이어지는 시장에서 상대적으로 작은 모델로 성능을 입증했다는 점이 주목된다.

팀스파르타(대표 이범규)는 자체 개발한 언어모델 'K-AX 스파르탄 1.8B'가 과학기술정보통신부와 한국지능정보사회진흥원(NIA)이 운영하는 K-AI 리더보드의 초고난도 추론 평가 'HLE(Ko)' 부문에서 단독 1위를 기록했다고 20일 밝혔다.

HLE(Humanity's Last Exam)는 미국 AI안전센터(CAIS)와 스케일AI(Scale AI)가 공동 개발한 AI 추론 벤치마크다. 수학과 과학, 인문학 등 100여 개 분야 전문가들이 출제한 2,500개 문항으로 구성돼 있으며, 최상위 AI 모델의 추론 능력을 평가하는 지표 가운데 하나로 활용되고 있다.

회사에 따르면 K-AX 스파르탄 1.8B는 이번 평가에서 0.123점을 기록했다. 2위 모델은 0.077점을 기록했으며, 상위권 대부분 모델도 0.068~0.077점대에 분포했다.

이번 결과에서 주목받는 부분은 모델 규모다. K-AX 스파르탄 1.8B는 18억(1.8B) 개의 파라미터를 가진 초경량 모델이다. 회사는 상위 10개 모델의 평균 규모가 약 387억(38.7B) 파라미터인 점을 감안하면 약 20분의 1 수준의 모델 크기로 최고 점수를 기록했다고 설명했다.

또한 2,360억(236B) 파라미터 규모의 대형 모델과 비교하면 모델 크기는 약 131분의 1에 불과하지만 점수는 두 배 이상 높았다고 밝혔다.

하드웨어 요구 사항도 차별화 요소로 제시했다. 팀스파르타는 K-AX 스파르탄 1.8B가 약 256MB 수준의 메모리 환경에서도 구동이 가능해 CCTV나 라즈베리파이(Raspberry Pi) 같은 초소형 컴퓨터에서도 고난도 추론이 가능하다고 설명했다.

반면 수백억~수천억 파라미터 규모의 대형 모델은 수백GB 메모리와 다수의 GPU 서버가 필요한 만큼, AI 인프라 구축 비용을 90% 이상 절감할 수 있는 구조를 목표로 하고 있다고 덧붙였다.

회사 측은 성능 향상의 배경으로 자체 개발한 SGT와 SSGT 학습 방법론을 제시했다.

기존처럼 모든 토큰을 동일하게 학습하는 방식이 아니라 추론 과정에서 핵심적인 역할을 하는 토큰을 중심으로 학습 효율을 높이고, 답변 과정에서 오류를 스스로 수정하는 자기 교정(Self-Correction) 구조를 결합했다는 설명이다.

팀스파르타는 해당 기술을 기반으로 1,220억(122B) 파라미터 규모의 프런티어 모델 'K-AX 스파르탄 122B'도 개발했다고 밝혔다.

이 모델에는 양자화(Quantization) 기술을 적용해 기업 내부 서버에서도 운용할 수 있도록 설계했으며, 이를 기반으로 폐쇄망 환경에서 사용할 수 있는 AI 코딩 에이전트 'AX 포트리스(AX Fortress)'를 선보였다.

AX 포트리스는 인터넷과 연결되지 않은 내부망에서 코드 생성과 자동완성, 코드 리뷰, 테스트, 배포 도구 호출 등을 수행하는 AI 개발 지원 솔루션이다. 회사는 워크스테이션 기준 자동완성 응답 속도가 0.3초 미만이라고 설명했다.

주요 적용 대상은 금융과 공공기관, 국방, 제조업 등 보안 요구 수준이 높은 산업이다. 외부 생성형 AI 서비스 사용이 제한되는 환경에서도 내부 데이터를 외부로 전송하지 않고 AI 개발 환경을 구축할 수 있도록 설계됐다.

팀스파르타는 현재 보안관제 분야에서 도메인 특화 학습과 내부 시스템 연동 검증을 마쳤으며, 앞으로 법률 문서 검토와 금융 규제 분석, 의료 가이드라인 분석 등 고난도 추론이 필요한 분야로 활용 범위를 확대할 계획이라고 밝혔다.

이범규 팀스파르타 대표는 "이번 성과는 독자적인 AI 설계와 학습 기술만으로도 높은 수준의 추론 성능을 구현할 수 있음을 보여준 사례"라며 "검증된 기술을 기반으로 보안과 생산성을 동시에 요구하는 기업들의 AI 전환을 지원하는 데 집중하겠다"고 말했다.

AI 산업에서는 최근 모델 규모를 키우는 경쟁과 함께 적은 연산 자원으로 높은 성능을 구현하는 소형 언어모델(SLM) 개발도 활발해지고 있다. 다만 벤치마크 성능과 실제 산업 현장에서의 활용도는 별도로 검증되는 만큼, 이번 평가 결과가 금융·공공 등 실제 도입 사례로 이어질지 업계의 관심이 모이고 있다.