Zellige AI, 압축 CJK 기반 코딩 에이전트 Tessera-27B-B-CJK 출시

Zellige AI가 Qwen3.8-27B를 기반으로 한 오픈 웨이트 코딩 에이전트 Tessera-27B-B-CJK를 Apache-2.0 라이선스로 공개했습니다. 이 모델은 영어, 중국어 단어, 기호를 섞은 압축된 약어로 사고 과정을 처리해 에이전트 루프의 토큰 소비를 줄이도록 설계됐습니다. 최종 출력과 도구 호출은 일반 영어 및 코드로 유지됩니다.

토큰 효율성 및 성능

원본 모델 대비 사고 토큰 사용량이 크게 감소했습니다.

• 사고 토큰 감소: 평균적으로 원본 모델의 0.50–0.60배 수준의 사고 토큰을 사용하며, 일반 대화에서는 0.496배(90% 신뢰구간 0.385–0.624)를 기록했습니다.
• 토큰 가중 효율성: 토큰 가중 사용량은 0.644배입니다.
• 신뢰성: 88개의 매칭된 대화에서 **100%**의 유효한 도구 호출과 0개의 반복 루프를 유지해 원본 모델과 동일한 신뢰성을 확보했습니다.
• 긴 컨텍스트: 101K에서 131K 토큰 길이의 프롬프트에서 6개 중 6개의 유효한 도구 호출을 성공적으로 처리했습니다.

학습 및 배포

이 모델은 Tinker 플랫폼에서 원본 모델의 자체 출력을 활용해 4단계의 짧은 LoRA 학습을 수행했습니다. 파이프라인에는 사고 과정을 압축된 CJK로 재작성한 시드 SFT, 토큰 단위 반복 방지 수정, 에이전트 SFT, 그리고 기각 샘플링 단계가 포함됐습니다.

• 가중치: 병합된 bf16 가중치는 Hugging Face에서 제공되며, LoRA, GGUF, NVFP4 버전도 함께 배포됩니다.
• 제한 사항: 에이전트 루프에 최적화되어 있어 경쟁 수학 및 어려운 알고리즘 코드 작업에서는 점수가 낮고 반복 루프가 더 많습니다. bf16 모델만 평가되었으며, GGUF 및 NVFP4 파일은 아직 테스트되지 않았습니다.