코그니션, SWE-2 Flash 가중치 비공개
최근 30일 조회수 — 좋아요 —핵심 요약
코그니션은 공개 모델 기반 SWE-2 Flash의 성능을 높였지만 보안 악용 우려로 가중치를 공개하지 않았다.
코딩 에이전트 개발사 코그니션(Cognition)이 공개 가중치 모델을 기반으로 성능을 크게 높인 SWE-2 Flash를 내놨지만, 완성된 모델의 가중치는 공개하지 않기로 했다. 코그니션은 사이버보안 악용 가능성을 이유로 들었다. 개방형 모델의 성과를 활용해 만든 파생 모델을 다시 비공개로 전환했다는 점에서 공개 가중치 생태계의 한계도 드러났다.1
SWE-2 Flash의 기반은 싱킹 머신스 랩(Thinking Machines Lab)이 7월 30일 아파치 2.0 라이선스로 공개한 Inkling-Small이다. Inkling-Small은 전체 2,760억 개 매개변수 가운데 120억 개를 활성화하는 전문가 혼합(Mixture-of-Experts·MoE) 모델이다. 누구나 허깅페이스에서 가중치를 내려받아 수정하거나 상업적으로 이용할 수 있다. 아파치 2.0은 파생 모델의 변경 사항을 공개할 의무를 부과하지 않으므로, 코그니션의 비공개 결정은 라이선스상 허용된다.1
코그니션은 강화학습 전에 중간학습(mid-training) 단계를 추가한 것이 성능 향상의 핵심이라고 설명했다. 회사가 공개한 수치를 보면 Terminal-Bench 4.0 점수는 기반 모델의 0.9%에서 20%로, FrontierCode 2.0은 3.2%에서 24%로 올랐다. 후자는 더 큰 SWE-2의 23.8%도 근소하게 앞섰다. 가격은 SWE-2의 5분의 1이며 토큰 생성 속도는 약 3배 빠르다는 것이 회사 주장이다.1
다만 SWE-2 Flash가 모든 평가에서 앞선 것은 아니다. SWE-Bench Pro v2 Hard에서는 89.9%로 SWE-2의 90.6%에 가까웠지만, DeepSWE 1.1과 Terminal-Bench 4.0에서는 SWE-2보다 뒤졌다. Claude Haiku 5.5와 DeepSeek V4.1 Flash도 여러 벤치마크에서 더 높은 점수를 냈다. 무엇보다 이 수치는 독립 검증을 거치지 않은 코그니션 자체 측정 결과다.1
가중치 제한의 근거가 된 사이버보안 성능도 함께 상승했다. ExploitBench 점수는 Inkling-Small의 11.3%에서 34.8%로 높아졌다. 코그니션은 취약점을 찾고 분석하는 능력이 공격자에게도 쓰일 수 있다고 본다. 그러나 ExploitBench만으로 실제 공격 능력이나 가중치 공개가 악용 위험을 얼마나 키우는지는 판단할 수 없다.1
코그니션은 일부 기업과 연구기관이 자체 인프라에서 모델을 검사하고 미세조정할 수 있도록 제한적으로 가중치를 공유하는 프로그램을 준비 중이다. 선정 기준과 이용 제한, 파생 모델의 공유 허용 여부는 아직 공개하지 않았다. 공개 기반 모델의 개선 방법과 성능은 보여줬지만, 그 결과물을 누가 직접 검증하고 활용할 수 있는지는 회사가 결정하는 구조다.
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Cognition turned an open model into a coding beast. But it won't release the weights. — The New Stack
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.