Qwopus3.8-27B-Flash-V2 공개, 추론 강도 제어 도입

Qwen3.8의 추론 강도 제어

Qwopus3.8-27B-Flash-V2는 Qwen3.6의 단순한 생각 켜기/끄기 방식을 넘어 Qwen3.8의 추론 강도 수준을 지원합니다. 채팅 템플릿 지시문을 통해 세 가지 수준을 제어할 수 있습니다.

• low: 사고 과정을 간결하고 집중적으로 유지하도록 프롬프트를 주입합니다.
• medium: 추가 지시문 없이 모델이 자연스럽게 판단합니다.
• xhigh (기본값): 신중한 검증, 대안 고려 및 일관성을 장려합니다.

이 메커니즘은 하드 토큰 예산이 아닌 소프트 행동 제어로 작동하여, 에이전트 시스템이 작업 복잡도에 따라 깊이와 속도를 균형 있게 조절할 수 있게 합니다.

V2 후속 학습 및 효율성 중심

V2는 기본 Qwen3.8-27B가 아닌 원본 Qwopus3.8-27B-Flash에서 후속 학습되었습니다. 업데이트에서는 완료 효율성을 최적화하고 병적인 장기 추론 루프를 줄이기 위해 수정된 보상 함수와 강화 학습 방법을 도입했습니다. 목표는 작업 완료에 기여하는 부분에만 추론 토큰을 사용하는 것이며, 이는 워크플로당 수십에서 수백 번 모델을 호출하는 에이전트에게 중요한 요소입니다.

Python 포맷팅 수정

V2의 주요 초점은 첫 번째 Flash 릴리스에서 발견된 Python 들여쓰기 실패 모드를 해결하는 것이었습니다. 의미적으로 올바른 코드라도 들여쓰기가 잘못될 수 있는 문제를 V2 학습을 통해 구체적으로 거부하도록 했습니다. 코딩 작업에 권장되는 설정은 다음과 같습니다.

• enable_thinking = True
• reasoning_effort = "xhigh"
• temperature = 0.3
• top_p = 0.95
• top_k = 20

로컬 테스트 결과, 온도를 0.3으로 낮추면 포맷팅이 안정화되고 평균 추론 길이가 감소하는 것으로 나타났습니다.

벤치마크 결과

MMLU-Pro의 2,500개 질문 샘플에서 Qwopus3.8-27B-Flash-V2는 **92.33%**의 정확도를 달성했습니다. 이는 이전 Flash 버전의 91.28% 및 보고된 Qwen3.8 기본 결과인 **92.73%**와 비교됩니다. 평가에는 결정적 검증자를 사용하여 성공적으로 완료된 에이전트 소프트웨어 엔지니어링을 위한 14개 작업의 숨겨진 테스트 배터리도 포함되었습니다. 이 모델은 Hugging Face에서 Qwopus3.8-27B-Flash-V2-GGUF로 제공됩니다.