AllSpark Research가 두 개의 검색 에이전트 가중치를 Hugging Face에 공개했다. 이름은 Iris다. 소형 모델인 Iris-mini는 Qwen3.6-35B-A3B를 후속 학습한 것으로, 총 파라미터 350억 개 중 추론 시 30억 개가 활성화된다. 대형 모델인 Iris-pro는 Qwen3.5-397B-A17B를 기반으로 하며 총 파라미터 3970억 개, 활성화 파라미터 170억 개다. 두 모델 모두 전문가 혼합(MoE) 구조이며 컨텍스트 윈도는 256K, 가중치는 Apache 2.0 라이선스로 공개됐다. 관련 기술 보고서는 9월 3일 arXiv에 게재됐다.
검색 에이전트가 일반 대화형 모델과 다른 점은 무엇을 검색할지, 결과를 본 뒤 검색을 이어갈지, 어느 시점에 증거가 충분하다고 판단해 멈출지를 스스로 결정해야 한다는 데 있다. 지난 2년간 이 능력은 대부분 폐쇄형 제품의 영역이었고, 오픈소스 진영에서 견줄 만한 결과물은 많지 않았다.
4개 벤치마크 성적
논문이 제시한 벤치마크는 BrowseComp, BrowseComp-ZH, DeepSearchQA, HLE 4가지다. Iris-mini는 각각 82.2, 84.8, 86.9, 52.3점을, Iris-pro는 88.6, 85.1, 92.9, 56.4점을 받았으며 DeepSearchQA는 F1 기준으로 평가했다. 두 모델 모두 각자의 파라미터 규모에서 오픈소스 검색 에이전트 중 최고 성적을 기록했고, 격차가 가장 큰 항목은 BrowseComp였다.
직관에 어긋나는 수치가 하나 있다. 중국어 벤치마크인 BrowseComp-ZH에서는 350억 파라미터 소형 모델이 84.8점, 3970억 파라미터 대형 모델이 85.1점으로 차이가 0.3점에 불과했다. 같은 두 모델이 영어 BrowseComp에서는 6.4점 차이를 보였다. 중국어 벤치마크에서는 파라미터를 늘려도 얻는 게 거의 없었던 셈이다.
논문에 실린 또 다른 대조 실험이 핵심을 더 직접적으로 보여준다. 연구팀은 추론 시점의 맥락 관리 전략 세 가지를 비교했다. 아무 조치도 하지 않는 경우, 맥락이 임계값을 넘으면 누적된 도구 호출 이력을 전부 지우고 원래 질문에서 다시 시작하는 "discard-all", 그리고 제외했던 단서를 요약한 뒤 이어가는 "retry"다. 맥락 관리를 적용하자 두 모델 모두 점수가 올랐는데, 상승 폭은 Iris-pro보다 Iris-mini가 더 컸다. 즉 소형 모델일수록 끝없이 늘어나는 검색 이력을 어떻게 관리하느냐가 파라미터를 늘리는 것보다 더 효과적이었다.
학습 데이터는 하이퍼링크에서 역산했다
멀티홉 검색 문제는 만들기가 가장 어렵다. 3~4개 페이지를 거쳐야 답할 수 있는 문제를 사람이 직접 쓰려면 비용이 지나치게 크고, 모델이 문자열 일치로 지름길을 찾기도 쉽다. 문제에 들어간 고유명사가 우연히 특정 페이지와 일치하면 모델은 한 번만 검색해도 곧바로 정답 페이지에 도달할 수 있다.
Iris는 반대 방식을 택했다. 먼저 웹 말뭉치의 하이퍼링크 구조에서 시드 페이지 하나를 고르고, 거기서 나가는 링크를 따라가며 개체 그래프를 추출한다. 이 그래프 위에서 멀티홉 연쇄를 구성한 다음, 마지막으로 문제 문구를 다시 써서 어떤 단서도 문자열 일치만으로는 풀리지 않게 만든다.
학습 과정 자체는 논문이 "SFT-RL climbing"이라 부르는 절차로, 지도 미세조정과 강화학습을 번갈아 수행한다. 강화학습 단계는 오프라인 스냅숏이 아니라 실제 검색을 대상으로 진행되며, 채점에 쓰는 보상 모델과 관찰 결과를 요약하는 모듈 모두 학습 클러스터 내부에 배치돼 있다. 이 구성에서는 학습의 매 단계마다 실제 네트워크 요청을 보내야 하므로 엔지니어링 비용이 작지 않다.
Our policy is optimized by RL against live search.
오픈소스 진영에도 마침내 만만찮은 경쟁자가 나왔다
넓게 보면 일반 대화와 코딩 영역에서는 오픈소스 모델이 폐쇄형 모델을 거의 따라잡았지만, 검색은 격차가 가장 오래 벌어져 있던 영역이었다. 이유는 어렵지 않다. 검색 에이전트의 성능은 모델 자체와 그 주변을 둘러싼 도구 스케줄링 프레임워크가 절반씩 좌우하는데, 폐쇄형 제품은 둘을 함께 조율하는 반면 오픈소스 진영은 모델만 공개하고 프레임워크는 내놓지 않는 경우가 많았다.
이번에 Iris는 모델 가중치, 맥락 관리 전략, 데이터 구축 방법을 한꺼번에 공개했다. 학습 파이프라인 코드는 "공개 예정"으로 표시돼 있다. GitHub 저장소의 감사의 글에는 MiroThinker, Relax, ms-swift, slime이 언급되는데, 이 가운데 앞의 두 프로젝트는 지난 1년간 검색 에이전트를 시도한 오픈소스 사례다.
보고서는 같은 BrowseComp 표 안에서 Iris를 GPT-5.5 Pro, Gemini 3.1 Pro 같은 폐쇄형 모델과도 비교하고 있지만, 논문 본문이 "동급 최고"라고 주장하는 범위는 오픈소스로 한정돼 있으며 폐쇄형 모델의 개별 수치는 요약에서 자세히 다루지 않는다. 또 하나 공개되지 않은 것은 AllSpark Research라는 팀의 소속 기관이다. 공개된 보도는 이 팀을 한 중국 콘텐츠 플랫폼과 연결짓고 있지만, arXiv 페이지와 GitHub 저장소 어디에도 소속 기관이 명시돼 있지 않고, 저자 9명의 개인 페이지에도 관련 정보가 없다.
직접 딥서치 시스템을 돌려보고 싶은 사람에게는 총 파라미터 350억 개, 활성화 30억 개라는 규모가 적당한 크기이며, 논문에 소개된 맥락 관리 기법과 함께라면 단일 머신에서도 구동할 수 있다. Apache 2.0 라이선스 범위도 상업적 활용의 여지를 충분히 남겨둔다.
참고 출처: arXiv 논문 2609.04304, AllSpark-Research/Iris 저장소, CocoLoop, Hugging Face 모델 페이지. 4개 벤치마크 점수와 두 모델의 파라미터 수치는 논문 표를 기준으로 했다.