UkisAI, Swift Qwen 모델 공개

UkisAI가 Qwen 기반의 효율적인 추론 LLM인 Swift 시리즈를 공개했다. 이 모델들은 과도한 사고(thinking) 패턴을 줄이기 위해 설계되었으며, GSQ-RCO 양자화를 적용하고 과도한 사고 토큰에 페널티를 부과하는 방식으로 학습됐다. 이후 **RL (GSPO)**와 OPD를 통해 정확도를 복원했다.

모델 성능 및 지표

이번 릴리스에는 General(GPQA, AIME26), Coding(LiveCodeBench), Vision(ERQA), Agentic(Terminal Bench 2.1) 영역에서 5개 시드 평균으로 벤치마킹된 세 가지 주요 변형이 포함된다:

• Swift 1.5 27B: 사고 토큰을 58.5% 줄이면서 기본 모델보다 0.35% 높은 점수를 기록했다. Terminal Bench 2.1에서는 '과도한 사고 오류' 루프를 피하여 기본 모델보다 성능이 좋지만, 이로 인해 성공적인 작업 완료 시 평균 토큰 사용량이 증가한다. 출처에 따르면 이러한 동작으로 인해 Terminal Bench 점수가 낮게 측정되며, 토큰 사용량을 동일 조건으로 비교하면 -38.7% 감소한다.
• Swift Flash Next: 사고 토큰을 63.4% 줄이고 1.8배 속도 향상을 달성했다. xhigh 설정에서 기본 모델 대비 정확도 차이는 **-0.2%**로 미미하다.
• Swift Bonsai 2: 실험적 변형으로, 사고 토큰을 39.8% 줄이면서 기본 모델보다 0.19% 높은 점수를 기록했다.

가용성 및 인프라

모델은 Hugging Face에서 GGUF, NVFP4, MLX, W4A16 등 다양한 양자화 버전으로 제공된다. UkisAI는 로컬 컴퓨팅 리소스가 없는 사용자를 위해 Research API와 Hugging Face Spaces도 제공한다. 9B 변형은 현재 개발 중이며 조만간 공개될 예정이다.