Deep Agents v0.7 출시

Deep Agents v0.7은 모델의 성능을 유지하면서도 토큰 효율성과 비용을 극대화하기 위해 **기본 하네스(Base Harness)**를 대폭 간소화했다. 이번 업데이트의 핵심은 불필요한 컨텍스트를 제거하는 컨텍스트 엔지니어링에 있다.

주요 변경 사항은 다음과 같다:

• 기본 시스템 프롬프트 제거: 일반 가이드라인과 도구 사용 관련 문구를 삭제했다.
• 도구 설명 최적화: 내장된 도구(Built-in tool)의 설명을 43% 줄였다.
• Todo 리스트 옵션화: 성능 향상에 큰 기여를 하지 못하는 TodoListMiddleware를 기본 설정에서 제외하고 선택 사항으로 변경했다.

이러한 변화를 통해 기본 에이전트 턴당 **기본 입력 토큰(Base input tokens)**이 약 6k에서 2k로, 즉 65% 감소했다. 이는 비용 절감과 속도 향상으로 이어진다.

성능 검증을 위해 자율적 작업(Autonomous), 대화형 작업(Conversational), 롱 컨텍스트(Long-context) 세 가지 카테고리의 새로운 평가 스위트를 도입했다. GPT-5.6-Luna, Gemini-3.6-Flash, Claude-Sonnet-4-6, Claude-Opus-4-8 모델을 대상으로 테스트한 결과, 전반적인 보상(Reward)은 유지되면서 토큰과 비용이 감소했다. 특히 Luna 모델의 경우 토큰은 34%, 비용은 15% 감소하며 성능은 오히려 4% 향상되는 결과를 보였다.