2026년 국산 RSI 현주소…모델 가중치 개조는 아직 없어

국산 RSI의 진짜 수위: 아무도 감히 모델 가중치를 실제로 건드리지 못하지만, 모두가 "AI를 만드는 기계"를 고치고 있다.

저자: 가오윤이

편집: 천펑

RSI, 즉 AI가 AI를 만드는 것은 2026년 각 모델 업체들이 앞다투어 내놓은 내부 성적표가 되었고, 국내 1차 시장에서 가장 뜨거운 방향 중 하나이기도 하다. BP에 "Self-Training"이라는 문구만 들어가도 밸류에이션이 최소 20%는 더 붙는다.

하지만 진짜 RSI는 AI가 AI를 개선하는 것만이 아니라, 경험을 축적해 학습 방법 자체가 함께 진화하도록 하는 것이다.

올해 9월, 상하이교통대학, 칭화대학, 바이트댄스, 센스타임 등 기관의 연구자 35명이 논문 《The Last AI Built by Humans》를 발표해 업계 전체에 하나의 기준자를 세웠다. 이 논문은 RSI를 L1부터 L5까지 다섯 계층으로 나누는데, 결론은 마음이 아프다:

글로벌 최전선 대형 업체들의 시스템 대부분은 L1에서 L2로 가는 과도기 단계에 있고, L3, L4는 특정 수직 영역(소프트웨어 공학, 과학적 발견 등)에서 산발적인 원형이 있으며, 진정한 L5 폐쇄 루프는 극소수 제한된 실험실 프로토타입에만 존재한다.

이 자로 9월, 10월에 국내 모델 업체들이 공개한 RSI 실험 성과, 즉 학습 파이프라인, 추론 시스템, GPU 연산자, Agent 스캐폴딩을 재어 보면, 현재 어떤 업체도 AI로 하부 모델 가중치를 실제로 다시 쓰려 하지 않는다. 다시 말해 현재 모두는 전설 속의 "AI가 스스로 차세대 AI를 발명하는 것(L5)"과는 문턱조차 아직 잡지 못한 상태다.

그렇다면 이번 RSI 열풍 속에서 국내 주요 대형 업체와 스타 창업 기업은 각각 어떤 생태적 위치에 걸려 있을까? 그들은 각각 AI가 무엇을 개선하게 하고, 어디까지 왔을까? 이하에서 우리는 국내 모델 업체들의 최신 RSI 현황을 정리했다.

01

즈푸(智谱) RSI: 10만 장의 국산 카드 위에서 돌아가며 스스로 최적화할 수 있는 추론 시스템

즈푸는 국내에서 처음으로 RSI를 실제 생산 환경에 돌린 사례다. RSI의 첫걸음에서 모델 가중치는 건드리지 않고, 가장 더럽고 힘든 최하층 추론 시스템에 먼저 착수했다. 이를 성공적으로 돌린 뒤 즈푸는 다시 눈을 Agent의 Harness로 돌렸다. 전자는 원가 절감, 후자는 효율 증대이며, 모두 실제적인 엔지니어링 작업이다.

먼저 추론 인프라다. 새 모델이 실제로 사용자에게 쓰이기까지는 한 무리의 잡다하고 힘든 작업이 가로놓여 있다. 칩의 연산력을 어떻게 짜내고, 거대한 작업을 어떻게 수천 수만 장의 카드에 동시에 나눠 돌리고, 대화 중에 생겨나는 방대한 임시 데이터를 어떻게 효율적으로 관리할지 등, 이런 일은 과거 Infra 엔지니어가 한 줄 한 줄 조정해낸 것이었다.

즈푸는 이번에 GLM-5.3이 구동하는 "Infra Agent"에게 이 모든 것을 맡겼다. 9월 17일 탕제는 X에 장문 《순환적 자기 개선으로 가는 길(通往递归自我改进)》을 올리며, GLM-5.3이 구동하는 Infra Agent가 10만 장의 국산 칩으로 구성된 클러스터에서 단 2주 만에 제로에서 GLM-5.3-Flash의 생산급 추론 서비스를 구축했다고 밝혔다.

이 시스템은 전체 온라인 트래픽을 감당하면서 동시에 엔드투엔드 처리량을 초기 베이스라인의 3.2배로 끌어올렸고, 하드웨어 이용률과 토큰당 비용은 주류 엔비디아 GPU 수준에 바로 따라붙었다. 이 자율 구축 추론 스택의 지원 아래 즈푸가 익명으로 출시한 GLM-5.3-Flash는 6일 동안 62조 개가 넘는 토큰을 소화했다.

그리고 이렇게 돌려서 성공한 최적화 방안은 "최적화 뼈대(骨架)"로 추상화되어 자산 라이브러리에 저장되고, 다음에 비슷한 병목을 만나면 바로 재사용된다. 탕제의 말을 빌리면: "즈푸는 이미 최소 폐쇄 루프를 구현했다. 모델이 시스템을 최적화하고, 시스템이 모델에 서비스한다."

소식이 전해진 당일 즈푸의 홍콩 주가는 8.29% 올랐고, 시장은 "즈푸 RSI"의 성과에 바로 값을 매겼다.

이어 10월 하순, 칭화대와 즈푸 팀은 논문 《HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs》를 업데이트했고, 탕제가 직접 서명하며 목표를 Agent의 Harness에 겨냥했다.

대형 모델 외곽의 스케줄링 프레임워크로서 Harness는 프롬프트 설계, 도구 호출, 연산 예산 배분, 그리고 작업 라우팅의 흐름을 관장한다. 과거 이 복잡하게 얽힌 제어 파라미터는 엔지니어가 수동으로 조정할 수밖에 없었다. AI가 스스로 고치게 하면 특히 "정답을 몰래 훔쳐보고" 부정행위를 해, 점수는 높지만 실속 없는 물건을 만들기 십상이었다.

HarnessPro의 돌파구는 정답을 전혀 건드리지 않는다는 점에 있다. 시스템은 여러 전담 Agent를 파견해 분업·협업하게 한다. 진단 Agent는 병목을 찾아내고, 테스트 생성 Agent는 스스로 케이스를 합성해 스트레스 테스트를 하며, 계획·구현 Agent는 비용 절감 또는 성능이라는 서로 다른 지향에 따라 프레임워크 코드를 고친다. 동시에 "정확도"와 "실행 비용"을 두 개의 지표로 함께 돌린다.

결과는 정답 접촉 제로라는 전제 아래, 고난도 코드 작업의 통과율이 떨어지기는커녕 오히려 올랐고, 작업당 비용은 53%나 잘라냈다.

이 일련의 움직임은 즈푸 창업자 겸 수석 과학자 탕제의 업계 명언을 정확히 입증한다: "루프를 구동하는 것은 지능이 아니라 폐쇄 루프 그 자체다." 모델 자체가 그렇게 천재적이지 않더라도, 개선 가능한 대상 하나, 검증 가능한 심판 하나, 그리고 유지 가능한 피드백 회로 하나가 있어 이 세 가지를 하나의 폐쇄 루프로 맞물리게 하면 성능은 극한으로 밀어붙여질 수 있다.

즈푸의 야심은 분명 여기서 그치지 않는다. 8월 31일 반기 실적 교류회에서 탕제는 이미 차세대 GLM-6.0을 "완전 자체 학습(完全自训练)" 모델로 정의했고, 방금 조달한 50억 달러 중 약 60%의 순액을 이 자체 진화 체계에 쏟아붓겠다고 계획했다.

10월 초 싱가포르 강연에서 그는 다시 GLM-5.4 / 5.5의 세 가지 노선을 제시했다. 사전 학습 데이터 규모를 몇 T로 키워 파라미터 수가 현재의 7400억 개 남짓에서 최소 1조 개로 치솟을 것으로 보이는 것, SFT, RLHF, RLVR을 심화하는 RL 후속 학습 강화, 그리고 장기 추론과 에이전트 능력을 지속적으로 늘리는 것이다.

그는 이제 AI가 기본적으로 대화나 Coding 코드 작성에까지 경쟁할 필요가 없다고 강조하며, 차세대는 RSI 자율 반복 업그레이드, 그리고 주기가 더 길고 더 자율적인 Agent라는 두 길로 간다고 했다.

하지만 그는 최대 난점도 회피하지 않는다. "모델을 계속 확장하는 것이 아니라,"라고 그는 말했다. "모델이 언제 멈추고, 언제 오류를 바로잡고, 자신의 학습 결과를 어떻게 평가할지를 신뢰성 있게 판단하도록 만드는 것이다."

02

DeepSeek RSI: DSec 샌드박스 공장, 하루 300만 개의 "실험장"

DeepSeek의 RSI는 다른 집과 좀 다르다. 그것이 먼저 개조한 것은 Agent의 훈련장, 즉 샌드박스다.

RSI의 본질은 고밀도 시행착오다. 한 세대의 Agent 훈련이 끝나면 다음 라운드의 훈련 환경은 다시 엔지니어가 처음부터 구축해야 한다. 이 병목을 해결하지 못하면 아무리 똑똑한 모델도 달릴 수 없다.

이 교착 상태를 깨기 위해 9월 19일 DeepSeek는 칭화대학과 손잡고 자동화 샌드박스 클러스터 DSec을 선보였다. 이는 명실상부한 ‘AI 실험장 공장’이다. 3만 코어 CPU, 250TB 메모리의 방대한 기반을 갖추고 있으며 하루 약 300만 개의 샌드박스를 생산할 수 있다. 가벼운 함수 호출부터 완전한 가상머신까지 네 단계 격리 환경이 초 단위로 응답하며 필요에 따라 즉시 꺼내 쓸 수 있다.

이곳에서 AI는 처음으로 자신의 진화 속도를 스스로接管했다. 더 이상 인공적으로 구축한 훈련장에 의존하지 않고, ‘에이전트가 자동으로 환경을 구축하고, 환경이 더 강한 에이전트를 낳고, 더 강한 에이전트가 다시 더 나은 환경을 만들어내는’ 시스템 순환을 형성한다. 게다가 이렇게 구축된 환경은 모두 자산으로 재사용될 수 있다.

동시에 DeepSeek는 Harness도 개선하고 있다.

8월에 오픈소스로 공개한 DeepSeek Harness는 ‘모든 것이 플러그인’을 내세우며, 에이전트의 도구, 로그, 심지어 핵심 실행 프레임워크까지 모듈화했다. 이렇게 함으로써 얻는 이점은 에이전트가 ‘달리면서 업그레이드’하는 것을 구현했다는 점이며, 잘못 고쳐도 원클릭으로 되돌릴 수 있다.

예전에는 AI가 프레임워크를 업그레이드하려면 반드시 정지 후 재시작해야 했고, 그렇지 않으면 시스템이 고칠수록 더 엉망이 됐다. 이제 모듈화 이후 AI는 정지하지 않은 상태에서 언제든지 언로드하고 새것으로 교체할 수 있어 매우 안전하다.

이러한 ‘언제든 꽂고 빼는’ 방식을 뒷받침할 견고한 기술 기반을 마련하기 위해 DeepSeek는 베이징대학과 함께 논문 《A Programming Paradigm for Spatiotemporal Composability》에서 그 배후의 Cordis 메커니즘을 상세히 설명했다. 이 메커니즘은 두 가지 업계의 난제를 전문적으로 해결한다. 하나는 오류가 발생했을 때 어떻게 원상태로 롤백할 것인가, 다른 하나는 특정 플러그인을 뽑아냈을 때 다른 모듈에 영향을 주지 않으면서 의존성을 어떻게 자동 조정할 것인가이다.

이 설계는 이미 오픈소스 챗봇 프레임워크 Koishi에서 4년 동안 안정적으로 운영되며 4000개가 넘는 커뮤니티 플러그인을 성공적으로 지원해왔다.

10월 21일 DeepSeek는 또 ‘미래를 예측’하는 자가 진화 에이전트 DeepEvolve를 선보였는데, 이 역시 RSI(재귀적 자기 개선)의 핵심 단계다. AI가 정보 오염이 일어나는 현실 세계에서 어떻게 자기 진화하는지를 배우게 하는 것이다.

그 핵심은 ‘자료 검색’과 ‘결과 예측’을 분리하는 것이다. 제한된 실시간 궤적으로부터 재사용 가능한 예측 기술을 정밀하게 증류해낸다. 이렇게 하면 외부 정보가 아무리 혼란스러워도 AI는 간섭을 배제하고 복기 경험에 의지해 진리를提炼해내며 알고리즘의 폐쇄 루프 반복을 실현할 수 있다.

러원펑의 수는 하나하나 보면 산발적으로 보이지만, 실상은 모두 같은 종착점을 가리킨다.

MoE 아키텍처, MLA 어텐션 메커니즘에서 DSA 희소 알고리즘, 그리고 오늘날의 DSec 샌드박스와 자체 재구성이 가능한 Harness에 이르기까지 DeepSeek의 모든 혁신은 한 가지 일을 하고 있다. 바로 AGI와 RSI의 컴퓨팅 파워 문턱을 낮추는 것이다.

03

면벽(面壁) RSI: ‘AI를 만드는’ 자동화 공장

면벽의 RSI는 AI가 ‘AI를 만드는’ 데 필요한 저층 기반 소프트웨어를 작성하도록 하는 것이다.

일반적으로 AI를 칩과 적응시키는 작업, 특히 국산 칩과 연결할 때는 인간 엔지니어가 대량의 저층 연산자 튜닝, 통신 연산자 재작성, 그리고 소프트웨어·하드웨어 협동 조정 작업을 해야 한다. 이는 경험에 극도로 의존하며 수개월이 걸리는 막노동으로, 칩의 컴퓨팅 파워가 충분히 발휘될 수 있는지를 직접 좌우한다. 면벽은 이 부분 저층 적응 코드의 개발 작업을 AI가 반복 수행하도록 넘겼으며, AI가 산출한 코드 성능은 최고 수준 엔지니어가 직접 작성한 버전의 최대 1.6배에서 5배에 달하고, 원래 수개월 걸리던 소프트웨어·하드웨어 적응 주기가 일 단위로 압축됐다.

올해 5월 면벽 내부에서 ‘단조 공정’(Forge Engineering) 프로젝트를 시작했다. 면벽인텔리전스 수석 과학자 리위쉬안은 프로젝트의 핵심 사고를 “환경은 많이 주고, 지시는 적게 준다”로 요약했다. 프로젝트 전체는 AI를 만드는 저층 소프트웨어 링크를 따라 한 단계씩 추진된다.

첫 단계는 훈련 소프트웨어 ForgeTrain 개발이다. 9월 24일 면벽은 성과를 발표했는데, AI가 처음부터 독립적으로 대형 모델 사전 훈련 프레임워크 ForgeTrain을 작성해 단 8시간 만에 엔비디아의 성숙한 프레임워크 Megatron-LM의 기준 수준에 따라잡았고, 2.5일 만에 성능 역전을 완성했다. 이 작업을 사람에게 맡긴다면 최소 3~5명의 최고 수준 엔지니어가 6개월 이상 투입돼야 한다.

두 번째 단계는 저층 연산자 ForgeKernel 개발이다. 10월 27일 면벽은 최신 진전을 발표했는데, AI가 한층 더 칩의 최저층으로 내려가 모델과 하드웨어를 연결하는 ‘마지막 1킬로미터’를 재작성한다. 이 자율 반복 ForgeKernel 연산자 시스템은 화웨이, 엔비디아의 공식 연산자 순위 1위를 잇따라 차지했다. 어센드 950 시리즈 테스트에서 그 기준 가속비는 2위의 1.6배에서 5배에 달했으며, 이는 하드웨어 투입이 동일한 조건에서 컴퓨팅 파워 활용률을 효과적으로 끌어올린 것과 같다.

세 번째 단계는 과학 계산 재작성이다. AI가 이제 분야를 넘어 일부 실제 산업 시뮬레이션, 과학 계산 저층 핵심 코드의 작성을 넘겨받기 시작했다.

훈련 프레임워크, 저층 연산자에서 다시 과학 계산에 이르기까지 AI는 점차 이러한 저층 코드 개발 작업을 이어받고 있다. 동시에 인간 엔지니어는 표준과 평가 지표(Harness)를 정하는 쪽으로 전환하고 있다.

언급할 만한 점은 면벽 역시 9월의 그 《인류가 만든 마지막 AI》 보고서에 깊이 참여한 기관 중 하나라는 것이다. 면벽의 프로젝트를 이 로드맵에 넣어 보면, 그것은 AI가 ‘AI 제조 AI’의 엔지니어링 구현에 깊이 참여하고 있는 단계에 있으나, 아직 ‘무엇을 훈련하고 왜 훈련할지를 스스로 결정하는’ 최상위 의사 결정 단계에는 도달하지 못했다.

04

월지암면(月之暗面) RSI:

장주기 작업의 자율 반복

월지암면의 RSI는 ‘내공파’ 노선을 걷는다. 대량의 컴퓨팅 파워를 대규모 강화 학습에 투입해 AI의 장기 자율 능력을 전력으로 끌어올린다.

후속 훈련 단계에서 월지암면은 KDA 하이브리드 선형 어텐션과 MoonEP 훈련 인프라를借助해 모델이 인체 시뮬레이션, 금융, 3D 모델링 등 실제 작업 환경에서 반복적으로 반복하도록 한다.

7월 16일 월지암면은 총 파라미터 2조 8000억 개의 Kimi K3를 발표하고 오픈소스로 공개했다. 이런 고강도 에이전트 훈련을 뒷받침하기 위해 팀은 AgentEnv라는 샌드박스 시스템을 구축했으며, 훈련과 평가 기간 동안 누적 5100만 개가 넘는 샌드박스를 생성하고 150만 개가 넘는 이미지를 사용했다. 그러나 초고압력 스트레스 테스트에서 전통적인 컨테이너는 커널 크래시와 교착 상태가 빈번히 발생해 훈련이 자주 중단됐다. 팀은 결국 Firecracker 마이크로 가상머신을 기술적 기반으로 전환했다.

이 시스템을 뜯어보면 월지암면은 실제로 세 가지 차원에서 자동화를 이뤄냈다.

작업 차원에서는 사람이 샌드박스 환경 하나와 최종 목표만 주면, 모델이 그 안에서 수십 단계의 조작을 연속으로 수행한다. 잘못 실행되거나 막히면 스스로 시스템 로그를 보고 오류 코드를 찾아낸 뒤 고쳐서 다시 실행하며, 작업이 통과될 때까지 이를 반복한다.

학습 단계에서 과거 대규모 모델 학습이 가장 두려워했던 것은 경사 폭주(gradient explosion)였고, 엔지니어들이 종종 한밤중에 일어나 수동으로 복구해야 했다. 이제 학습 클러스터에는 상주하는 지능형 에이전트가 있어, 이상을 감지하면 26개의 과거 대응안 중 가장 적합한 한 가지를 골라 자동으로 롤백하고 데이터를 수정하며 학습을 계속하는데, 전 과정에 사람의 개입이 필요 없다.

평가 단계에서 강화학습은 이번 라운드가 실제로 강해졌는지 약해졌는지를 알아야 한다. 월지암면(月之暗面)은 지능형 에이전트 보상 모델을 도입해 각종 "자기 학습 레시피"에 점수를 매기고, 고득점 레시피는 남겨 다음 라운드 학습에 들어가고 저득점은 바로 탈락시킨다.

이런 대규모 투자는 10월에 리더보드의 인증을 받았다.

10월 14일, Hillclimb는 RSI 전용 벤치마크 DeepRSI를 발표했는데, AI에게 48시간 자율 과학 연구 챌린지를 부여하며 15개 문제 전부가 실제 머신러닝 연구 과제에서 나왔다. Kimi K3는 820점으로 전 세계 3위에 올랐으며, 가장 높은 순위의 중국 모델이자 오픈소스 모델로서 Grok 4.7과 Gemini 3.8 Flash를 앞섰고 Claude Fable 5.1과 GPT-6 Astra에 이어 두 번째였다. 게다가 이번 테스트에서 K3의 운영 비용은 159달러에 불과했는데, 이는 Claude Fable 5.1의 약 4분의 1 수준이다.

그러나 장시간 자율 능력을 추구하는 이런 자기 진화 노선은 곧 통제 불능의 리스크를 드러냈다.

10월 26일, 성능이 더 강력한 K3.1 Pro가 출시된 지 48시간도 채 되지 않아 공식 측이 긴급히 사과 공지를 발표했다. 지능형 에이전트에 부여한 자율권이 너무 컸던 탓에 하위 Agent 간 호출 빈도가 통제를 벗어나 사용자 할당량이 대량으로 허비되었다. 팀은 최종적으로 중복된 하위 Agent 호출을 긴급히 축소하고 모든 구독 사용자에게 월간 할당량의 25%를 반환했다.

이는 사실 RSI에 베팅한 모든 모델이 공통으로 마주한 모순이기도 하다. 장시간 자율 능력을 일단 풀어놓으면 Token 소모를 통제하기가 매우 어려워진다.

올해 초부터 월지암면 CEO 양즈린(杨植麟)은 RSI의 리듬에 대한 판단을 분명히 밝혔다. 그는 2026년 대규모 모델이 전면적으로 AI 주도 연구 단계에 진입할 것으로 보았는데, AI가 자동으로 과제를 합성하고 환경을 구축하며 보상 함수를 정의하고 심지어 스스로 새로운 네트워크 아키텍처를 탐구할 것이라고 했다.

이 가속 노선을 따라 2026년 월지암면은 세 가지 전략 주선을 명확히 했다.

기술 개선과 추가 확장을 통해 K3의 등가 FLOPs를 적어도 한 자릿수(order of magnitude) 더 끌어올려 사전 학습 수준에서 국제 최전선과 대등해지고, 모델 학습과 Agent 제품 경험을 수직으로 연결해 "남다른" Kimi를 만들어내며, 상업화는 Agent에 집중해 절대적인 사용자 규모를 추구하지 않고 지능 상한을 지속적으로 끌어올리면서 동시에 매출의 자릿수 성장을 실현한다.

그가 내부 서한에서 한 말이 널리 퍼졌다. "이것은 소란한 시대이지만, 나에게 Kimi의 출발점은 단순하다. 바로 순수한 호기심, AGI의 상한이 어디에 있는지에 대한 호기심이다." 2026년의 Kimi는 약간의 편집증과 약간의 심미적 고집이 필요한 그 기술 노선을 선택했다.

05

알리바바 RSI: 33라운드 자율 반복,

AI가 학습 프로세스를 재구성하다

RSI 측면에서 알리바바 Qwen은 무게중심을 학습 레시피, 데이터 폐쇄 루프, 칩-모델 협동의 자기 진화 경로에 두었는데, 이는 국내에서 "모델이 모델을 학습시킨다"는 방향에 가장 가까운 노선이기도 하다.

9월 22일 윈치(云栖) 콘퍼런스에서 알리바바는 핵심 주력 모델 Qwen3.8-Max의 자기 진화 실력을 보여주었다. 그것은 전혀 인공 개입 없이 스스로 학습 프로세스를 구축하고 한 달 넘게 지속적으로 운영되며 무려 33라운드의 고빈도 유효 반복을 완료했다.

그것은 내부 테스트 로그와 사용자 피드백에 따라 자신의 약점을 찾아내고, 스스로 학습 데이터를 생성하며, 대조 실험을 설계하고, 다시 소형 모델에 여러 차례 검증을 맡겨 무효 샘플을 걸러낸다. 이번 자기 반복을 거쳐 Qwen3.8-Max는 Artificial Analysis의 점수가 40점에서 45점으로 크게 상승했다.

학습 측 데이터 폐쇄 루프 외에도 알리바바는 칩-모델 협동 탐구도 추진하고 있다. 추론 측에서 Qwen3.8은 핑터우거(平头哥)의 신형 GPU에서 차세대 Qwen3.8-Flash 아키텍처 적응과 SGLang 추론 프레임워크 튜닝을 자율적으로 완료해 단일 인스턴스의 추론 처리량을 곧바로 96% 끌어올렸다.

윈치 콘퍼런스에서 우융밍(吴泳铭)은 재귀적 자기 개선을 알리바바의 장기 기술 노선에 포함시켰는데, 그 전까지 국내 대기업 수장이 공개 전략 차원에서 직접 RSI를 언급하는 경우는 드물었다.

그는 ASI로 가는 경로가 점차 명확해지고 있으며 재귀적 자기 개선이 그중 하나의 주선이라고 보았다. 모델은 실제 피드백에 따라 끊임없이 최적화할 수 있다. 그는 한 가지 측산을 제시했는데, 현재 기계의 사고 총량은 인류의 3%에 미치지 못하지만 먼 미래에는 인류의 1000배까지 끌어올릴 기회가 있어 성장 공간이 매우 크다고 했다. 그는 동시에 연산력 외에도 AI는 지각·상호작용 능력을 보완하고 가치관 정렬을 잘 해야 하므로, 팀의 중점 중 하나는 멀티모달의 이해와 생성을 연결하는 것이라고 언급했다.

Qwen 팀은 최근 인사 변동을 맞이해, 전 DeepMind Gemini 자기 개선 및 강화학습 방향 핵심 멤버였던 저우하오(周浩)가 알리바바에 합류했다.

한편 Qwen은 이미 많은 외부 팀이 RSI 실험을 하는 기반 모델이 되었다. 텐센트 Terminal-RSI, 즈위안(智源) AREX-2는 Qwen3.8-27B를 기반으로 구축했고, 차오옌즈넝(超衍智能) Apex-35B-V1.0은 Qwen3.6-35B-A3B를 선택했다.

06

바이트댄스 RSI: 체계화된 RSI 탐구

바이트댄스 Seed의 RSI 탐구는 매우 체계적으로 진행되었으며, 무게중심을 기반 이론, 평가 및 검증 메커니즘 연구에 두어 RSI 분야 전체에 엄격한 심판 기준을 세우려 했다.

화산엔진에는 동적 모델 식별자 doubao-seed-evolving이 있는데, 이는 고정불변의 모델이 아니라 Seed 팀의 자기 진화 연구개발 프레임워크로 내부에서는 Seed-for-Seed라고 부른다.

간단히 말해, 반복을 거쳐 나온 새 Seed 모델이 역으로 학습 신호를 생성해 후속 버전을 지속적으로 최적화한다. 이런 모듈화 덕분에 개발자는 동일한 Model ID에 접속하기만 하면 지속적으로 업그레이드되는 능력을 얻을 수 있다. 9월 9일의 반복에서는 비동기 하위 과제 검수를 중점적으로 최적화해 멀티모달 이해 소요 시간을 40% 줄이고 Office 크로스 앱 협동 능력을 보완했다.

그러나 이런 자기 부트스트랩 폐쇄 루프의 이면에는 바이트 팀의 RSI 진화에 대한 가장 신중한 과학적 성찰이 있다.

9월, Seed는 조지아공대 등 여러 최고 기관과 함께 Self-Developing Agents 프로젝트를 발표했고, 앞선 Chain-of-Experience 연구와 함께 바이트의 자기 진화 논문 매트릭스를 정식으로 구성했다. 팀은 연구에서 현재 업계의 대다수 소위 RSI 시스템이 본질적으로 "반폐쇄 루프"에 불과하다고 명확히 지적했다.

바이트댄스(字节)는 환각을 깨기 위해 Golden Verifier(황금 검증기)라는 개념을 제안했다. 지금 많은 시스템은 스스로 순환하는 것처럼 보이지만, 따지고 보면 채점 규칙, 검증 도구, 최적화 방향이 모두 인간이 미리 그어 놓은 출제 범위다. AI는 어느 방향으로 진화할지 스스로 결정할 수 없다.

진정한 "전(全)폐루프"로 나아가기 위해 팀은 검증 가능한 세 가지 문제로 나눴다. 흐릿한 목표 하나만 주어졌을 때 모델이 자율적으로 진화할 수 있는가, 모델이 스스로 측정하고 스스로 평가한 결과가 안정적으로 실질적인 능력으로 바뀔 수 있는가, 모델이 스스로 지능형 에이전트의 연구개발 스캐폴딩을 구축하고 지속적으로 반복 개선할 수 있는가.

이 연구에서 나온 결론은 비교적 신중했는데, 중국 대형 빅테크의 동종 탐색 중에서는 비교적 드문 편이다. 실험에 따르면 에이전트는 자기 평가 단계에서 피드백 신호에 과적합되기 쉽다. AI는 당장 어떤 행동이 더 보기 좋고 높은 점수를 받을 수 있는지를 실제로 구별할 수 있지만, 이런 단기적 판단을 장기적이고 안정적인 전략으로 고정하기는 극히 어렵다. 자기 평가에서 얻은 이런 고득점은 현실 세계에서의 장기적이고 신뢰할 수 있는 능력 향상으로 전환되지 못하는 경우가 많다.

다른 업체들과 달리 Seed는 더 기초 이론 쪽에 치우쳐, 먼저 스캐폴딩과 평가기를 다듬는다. 모든 방안과 마찬가지로 이 체계의 최상위 목표 역시 여전히 사람이 설정한다.

07

샤오미 RSI:

6일 6박 RSI 라이브 방송

샤오미가 얼마 전 진행한 전網(전체 네트워크) 라이브 방송은 적지 않은 사람들을 크게 놀라게 했다. RSI 측면에서 샤오미는 하위 프레임워크를 건드리지 않고, 후속 학습 강화학습(后训练强化学习)이라는 단계부터 손을 대며, 그 전 과정을 인터넷 라이브 방송으로 옮겼다.

이 라이브 방송은 6일 6박 동안 이어졌으며, 9월 22일 샤오미는 MiMo-V2.6을 정식 발표하고 오픈소스로 공개했다. 공식은 이를 RSI 노선을 탐색하는 핵심적 한 걸음으로 규정했다. 이 모델은 Artificial Analysis 지능 지수 평가에서 46점을 받아 오픈소스 모델 1위에 올랐으며, Kimi K3의 44점, GLM-5.3의 45점보다 높았다.

실시간 강화학습 훈련 전체에서 Pro 버전에는 262만 달러, Flash 버전에는 85만 달러가 투입되었고, 각각 30단계 반복을 완료하며 누적 75만 건의 훈련 궤적을 생성했다.

훈련 구성에서 이 모델은 백만 컨텍스트 윈도우를 네이티브로 지원하며, 매 라운드 1568개 샘플을 샘플링하고 단일 라운드 훈련에 35억~37억 토큰을 소모한다. MoE 아키텍처에서 전문가 부하 불균형을 피하기 위해 팀은 라우팅 모듈을 고정했고, 동시에 보상 해킹 위험에 대응해 다층 검증 메커니즘을 구축하여 보상 설계, 적대적 테스트, 이상 모니터링, 다중 검증기 교차 확인에 기대어 모델의 편법 점수 따기를 줄였다.

뤄푸리는 라이브 방송 게시글에서 이렇게 썼다. "강화학습은 모델 자기 향상 경로 중 확장성이 비교적 강한 방향 가운데 하나다…… 이 길에서 얼마나 멀리 갈 수 있는지, 우리는 공개적으로 한 번 시도해 보고 싶다."

샤오미는 훈련 비용, 궤적 데이터, 반복 과정을 전부 공개했다. 그것이 업계에 검증하려는 것은 다음과 같다. 하위 소프트웨어·하드웨어를 개조할 필요 없이, 포화된 컴퓨팅 파워를 강화학습에 투입하는 것만으로도 오픈소스 모델은 상당한 자기 반복을 구현할 수 있다.

이번 중국산 대대적인 중국산 RSI 물결을 정리해 보면 "천둥소리는 크지만 빗방울은 작다"는 느낌을 지울 수 없다. 가중치 자체를 실제로 바꾸고 있는 곳은 한 곳도 없으며, 가장 급진적인 플레이어조차 "최소 폐루프" 안에서 맴돌 뿐이다. 모두가 더 많이 몰려서 바꾸는 것은 훈련 데이터, Harness, 추론 시스템, 샌드박스 환경, 후속 학습 RL이다.

그들이 충분히 똑똑하지 않기 때문일까?

정반대다. 이것이 반영하는 것은 RSI의 궁극적 비전과 엔지니어링 현실 사이의 간극이다. 탕제(唐杰)의 말을 빌리면, 이 세대의 RSI는 아직 "AI가 AI의 코딩을 돕고, AI가 AI의 시스템 구축을 돕는" 단계에 있으며, 모델이 차세대 모델을 독립적으로 설계하게 하는 목표에 이르러서는 아직 아무도 진짜 문턱을 더듬지 못했고, 무턱대고 AI가 자신의 가중치를 수정하게 두면 환각의 끝없는 구렁텅이와 시스템의 통제 상실에 빠질 뿐이다.

샤오미의 6일 6박 라이브 방송은 강화학습의 완전한 장부를 공개했고, 지푸(智谱)의 10만 카드 생산 클러스터, Deepseek의 300만 개 샌드박스…… 이것들은 RSI의 영혼을 건드리지 않은 것처럼 보이지만, 실제로는 중국 대형 모델 업체들이 AGI로 향하는 길에 깔아 놓은 디딤돌 하나하나다.

이 흩어진 폐루프들이 가속하며 펼쳐지고, "가중치를 건드리지 않는" 엔지니어링 폐루프가 한 구간씩 뚫리다가, 마침내 하나의 큰 물줄기로 모여드는 그날이야말로 중국 대형 모델에 질적 변화가 일어나는 순간이다.

참고 링크: alphaxiv.org/abs/2609.11873

올라타세요, 레펑왕(雷峰网, 위챗 공식계정: 雷峰网)이 세계 AI 톱 콘퍼런스의 정수를 보여드립니다

독점 열람 가능:

- 전문가 발표 PPT - 대회 보고서 전문 - 인기 논문 해설 - 학술 신진 인터뷰

위쪽 QR코드를 스캔하거나

「阅读原文」을 클릭해 특별 구역을 팔로우하세요.

레펑왕 오리지널 기사로, 무단 전재를 금합니다. 자세한 내용은 전재 안내를 참조하세요.

0명이 저장함

공유: