ResolveAI, 27B 모델 SRE-1 출시… 프런티어 모델급 정확도로 프로덕션 인시던트 해결

·2026.11.20 08:38

핵심 내용

27B 모델 SRE-1이 강화 학습으로 라이브 프로덕션 사례의 단일 조사 통과율을 38.8%까지 끌어올렸다.

1 / 2

자세히 보기

  • ResolveAI가 프로덕션 알람의 근본 원인을 식별하도록 특별히 학습된 27B 오픈 웨이트 모델 SRE-1을 출시함. 해당 모델은 회사 플랫폼을 통해서만 제공됨.
  • 49개의 어려운 라이브 프로덕션 사례에서 SRE-1 5개 조사 앙상블은 테스트된 최강 프런티어 모델과 동일한 성능을 보임. 동시에 비용은 더 낮았으며, 강화 학습을 통해 단일 조사 통과율은 6.9%에서 38.8%로 향상됨.
  • ResolveAI 전체 시스템은 178건의 등급 매겨진 조사에서 범용 코딩 에이전트보다 약 2배 많은 인시던트를 해결함. 가장 어려운 3분의 1의 알람에서는 근본 원인 점수가 15~25% 더 높았음.
  • SRE-1 기반의 Primary On-call은 일반 가용(GA) 상태로, 인간 에스컬레이션 없이 최대 80%의 페이지 알람을 처리함. 고객들은 평균 해결 시간(MTTR)이 10배 개선되었다고 보고함.

Model Development

  • 16명의 AI 연구원이 최대 512개의 GPU를 활용해 7.4일간의 학습 기간 동안 개발함.
  • 알람 타임스탬프에 고정된 도구를 사용한 강화 학습을 적용해 모델이 미래 데이터에 접근하는 것을 방지함.
  • Snowflake Cortex Training의 지원을 받아 개발했으며, Snowflake 엔지니어링 SVP인 Vivek Raghunathan은 팀의 모델링 및 RL 인재를 언급함.

Operational Impact

  • Primary On-call은 텔레메트리, 인프라, 코드, 운영 지식을 가로질러 조사를 수행해 알람을 닫거나 엔지니어에게 에스컬레이션함.
  • 관련 알람을 연결해 근본 문제를 식별하고 수정함으로써 재발하는 인시던트를 방지함.
  • Salesforce는 초기 다크 런칭 테스트 중 엔지니어를 깨우지 않고 페이지 알람의 70% 이상을 해결했다고 보고함.

이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.

AI 처리 방식을 확인하거나, 요약 오류와 출처 표기 문제, 삭제 요청을 문의 · 건의로 알려주세요.