AI BriefingUkisAI Swift 모델, 정확도 손실 최소화하며 사고 토큰 최대 61.4% 절감
UkisAI Swift GLM5.3 + GSQ-RCO, Swift Ornith 9B / -57.7% Token Usage with <1% accuracy loss on max reasoning
·2026.10.30 03:54
핵심 내용
Swift GLM-5.3-Flash가 MMLU-PRO에서 사고 토큰을 61.4% 줄였다
자세히 보기
- UkisAI가 병리적 과잉 사고와 토큰 사용량을 줄이면서 정확도를 유지하도록 최적화된 Swift GLM-5.3-Flash와 Swift Ornith 9B를 출시함
- Swift GLM-5.3-Flash는 MMLU-PRO에서 사고 토큰을 61.4% 절감하고, Terminal-Bench 2.1, DeepSWE v1.1, GPQA-Diamond, MMLU-Pro, C-Eval, IFBench, AIME 2026, HMMT, LiveCodeBench v6 9개 벤치마크에서 평균 정확도 손실은 0.46%에 그침
- Swift Ornith 9B는 정확도 손실 없이 사고 토큰 사용량을 33.5% 줄이고, 과잉 사고 루프를 약 2배 감소시킴
- 해당 모델은 Hugging Face에서 GLM-5.3-Flash는 1bit-8bit, Ornith 9B는 4bit-8bit GGUF 포맷과 W4A16AWQ, NVFP4 포맷으로 제공됨
- 학습 과정에서는 과잉 사고와 연관된 토큰에 페널티를 부여하고, 정확도 회복을 위해 RL 및 온-폴리시 증류(on-policy distillation)를 적용함
- 2026년 11월에는 Swift DeepSeek v4.1 Flash 1017 및 1B/4B 기반 모델 출시 예정임
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
