Qwopus3.5-9B-coder는 고성능 **🤖 에이전틱 코딩 (Agentic Coding), 복잡한 도구 호출 (Tool Calling), 그리고 논리적 추론 (Logical Reasoning)**을 위해 특별히 최적화 및 미세 조정 (Fine-tuned)되었습니다.

💡 왜 9B 밀집 모델 (Dense Model)인가? *우리는 9B 밀집 아키텍처가 대규모 언어 모델 (LLM)을 위한 완벽한 ***"스윗 스팟 (Sweet Spot)"***을 나타낸다고 믿습니다. 이 모델은 표준 노트북이나 Mac mini와 같은 입문용 16GB RAM 장치에서 8비트 정밀도 (8-bit precision)로 원활하게 실행되어, 매우 가벼우면서도 높은 범용성을 제공합니다. 값비싼 하드웨어 없이도 인상적인 추론 속도와 함께 뛰어난 성능을 달성할 수 있습니다. 간단히 말해, Qwen3.5-9B는 현재 동급 최고의 오픈 소스 모델입니다.

🛠 학습 전략 (Training Strategy)

이 모델의 미세 조정 (Fine-tuning) 과정은 역추적 (Trace Inversion) 데이터 증강 기술과 고품질의 **에이전트 트레이스 (Agent Traces)**를 깊이 있게 통합했습니다. 이러한 체계적인 접근 방식은 복잡한 프로그래밍 작업을 해결하는 모델의 능력을 강화할 뿐만 아니라, 다양한 도구를 사용할 때의 논리적 일관성과 정확성을 크게 향상시킵니다.

이 모델은 구체적으로 다음과 같은 목표를 위해 설계되었습니다:

• 🧩 더 구조화되고 강력한 논리적 추론 (Logical Reasoning) 능력, 반복적인 사고 감소
• 💻 코드 작성, 디버깅 (Debugging), 그리고 저장소 수준 (Repository-level) 작업 처리에서의 더 강력한 능력
• 🛠 터미널 명령, 파일 작업, 브라우저를 위한 더 안정적이고 정확한 도구 호출 (Tool Calling) 능력
• 🔁 더 나은 교차 데이터 소스 증류 정렬 (Cross-data source distillation alignment)

모든 벤치마크 (Benchmarks) 결과는 모델 카드 (Model card)를 확인하세요.

MTP를 통해 약 10GB VRAM에서 더 나은 성능과 더 빠른 속도를 제공하기를 바랍니다. 8GB VRAM만으로도 좋은 토큰 생성 속도 (t/s)를 유지하며 에이전틱 코딩 (Agentic coding)을 수행할 수 있습니다.