장기 지평(Long-horizon) 에이전트는 경제적으로 가치 있는 작업을 자율적으로 수행할 수 있는 능력—몇 시간에서 며칠까지—덕분에 점점 더 많은 주목을 받고 있습니다. 이는 자동화된 발견과 재귀적 자기 개선(Recursive Self-improvement, RSI)에 필수적인 역량입니다. 하지만 오픈 소스 모델들은 여전히 장기 지평 작업에서 어려움을 겪고 있는데, 그 주된 이유는 훈련 데이터와 작동하는 레시피가 모두 부족하기 때문이며, 이 둘을 확장하는 것은 어렵습니다. 즉, 길고 복잡한 작업을 큐레이션하고 검증하기 어려우며, 해당 작업들의 보상(reward)은 희소합니다(sparse). 우리는 이 두 가지 문제를 모두 해결했습니다. 첫째, 우리는 Tev-Gym을 소개합니다. 이는 검증 가능하고, 밀도 높으며, 점진적인 보상을 갖춘 최초의 장기 지평 에이전트 훈련 데이터셋으로, 7개 도메인에 걸쳐 1,170개의 검증된 작업 환경을 포함합니다. 이 데이터셋은 잠재 세계 우선(latent-world-first) 접근 방식을 기반으로 구축되는데, 먼저 잠재 세계를 구성합니다. 이는 작업 도메인, 워크플로우, 그리고 각 단계 후 예상되는 상태에 대한 완전하고 정확한 숨겨진 명세입니다. 그런 다음 각 작업은 이 명세를 에이전트가 마주하는 환경으로 점진적으로 렌더링(rendered)되어, 제어 가능한 복잡성과 자연스러운 진행 측정 지표를 가능하게 합니다. 둘째, 우리는 이 측정 지표를 훈련 레시피로 변환합니다. 진행 잠재 보상 성형(progress-potential reward shaping, PPRS)을 통해, 우리는 진행도를 밀도 높은 단계별 보상으로 변환하여 훈련 효율성을 개선하고, 그렇지 않으면 다루기 어려웠던 작업들을 훈련 가능하게 만듭니다. 이 레시피로 훈련된 Tev-27B는 Agents' Last Exam computing and math sciences domains (ALE-CM)에서 상당한 성능 향상을 달성하며, Pass@5 측면에서 GPT-6 Astra 및 Claude Opus 5와 동등합니다. ALE 관련 데이터만으로 훈련되었음에도 불구하고, Terminal-Bench (TB) 3.0 및 4.0 서브셋에 일반화되어 GLM 5.2 및 Gemini 3.7 Flash를 능가하며, TB 2.1과 같은 중기 지평 작업에서는 Claude Opus 4.8 수준의 성능에 도달합니다.