네이버는 30일 추론 능력을 강화한 생성형 AI 'HyperCLOVA X THINK(하이퍼클로바X 씽크)' 개발을 완료하고, 모델의 설계와 성능 등 세부 정보를 담은 테크니컬 리포트를 발표했다. 추론 모델은 '생각하는 힘'이 강화된 AI로, 사용자가 질의를 입력하면 모델이 자체적으로 사고하며 답변 계획을 수립한다. 이 과정에서 복잡한 문제 분할, 적절한 도구 및 함수 선택, 오류 반추 및 교정 능력이 발현되어 생성 정보의 정확도와 유용성이 향상된다. 이 기술은 AI 에이전트 서비스의 핵심 기술로 주목받고 있다.

HyperCLOVA X THINK는 추론 능력을 기반으로 언어 이해도를 높였다. 네이버에 따르면, 'KoBALT-700' 벤치마크로 주요 거대언어모델(LLM)의 언어 능력을 측정한 결과, HyperCLOVA X THINK는 유사 규모의 국내 주요 추론 모델 및 글로벌 최고 수준 오픈소스 모델보다 높은 점수를 기록했다. 해당 벤치마크는 서울대학교 언어학과가 LLM의 깊이 있는 한국어 이해도를 진단하기 위해 설계했으며, AI가 대화의 격률 파악, 문장 논항 구조 분석 등을 평가하는 전문가 수준의 문항으로 구성됐다.

또한 HyperCLOVA X THINK는 또 다른 대표적인 한국어 성능 평가 지표인 'HAERAE-Bench'에서도 국내외 주요 오픈소스 모델보다 높은 점수를 기록했다. AI 에이전트 서비스에서 사용자와 모델 간 자유로운 언어적 상호작용의 중요성이 커지는 가운데, HyperCLOVA X THINK는 일상 속 다양한 상황에서 사용자의 지시를 정확하게 이해하고 수행할 수 있는 추론 모델로서 경쟁력을 갖췄다.

나아가 네이버는 HyperCLOVA X THINK를 통해 AI가 언어뿐만 아니라 시각 정보를 바탕으로도 추론할 수 있는 기술을 확보했다. 테크니컬 리포트에 따르면, HyperCLOVA X THINK는 STEM(Science, Technology, Engineering, Mathematics) 문제를 이미지 형식으로 입력했을 때 이를 인식하고 추론하는 과정을 통해 정답을 맞추는 능력을 보였다. 예를 들어 한국 대학수학능력시험 생명과학 문제에서, 그림으로 제시된 생태계 천이 과정과 특정 식물 군집의 시간에 따른 총생산량 및 호흡량 그래프를 인식 및 분석하고 이를 관련 지식과 결합하여 올바른 서술을 선택했다.

네이버클라우드 유강민 리더는 "이번 추론 모델은 멀티모달 추론을 겨냥해 만든 것이 아님에도 시각 추론 영역에서 의미 있는 결과가 도출됐다"며 "이미 하이퍼클로바X 기반의 이미지, 영상, 음성 멀티모달 기술을 확보하고 있으므로, 향후 보다 강력한 멀티모달 추론 능력을 갖춘 모델로 고도화할 것"이라고 말했다.

네이버는 추론 모델을 오픈소스로도 공개할 계획이다. 경쟁력 있는 한국어 추론 모델을 통해 한국 AI 기술 생태계가 더욱 활성화될 것으로 기대된다. 네이버가 지난 4월 공개한 오픈소스 경량 모델 'HyperCLOVA X SEED'는 한 달여 만에 50만 다운로드를 넘어서며 국내 오픈소스 AI 생태계 발전에 기여했다.

성낙호 네이버클라우드 하이퍼스케일 AI 기술 총괄은 "하이퍼클로바X를 '지능의 향상'과 '감각의 확장'의 두 가지 축으로 고도화하고 있으며, 이번 HyperCLOVA X THINK를 통해 지능 측면에서 상당한 발전이 이뤄졌다"며 "급변하는 AI 흐름 속에서 글로벌 선두권 그룹의 기술을 지속적으로 갖춰가고 있으며, 기술 패러다임에 발맞추는 것에 그치지 않고 사용자에게 실질적 가치를 제공할 수 있는 방법을 함께 찾아나갈 것"이라고 말했다.

한편, 네이버는 언어 모델(HyperCLOVA X), 멀티모달 모델(HyperCLOVA X Vision, HyperCLOVA X Audio, HyperCLOVA X Video 등)과 마찬가지로 추론 모델 HyperCLOVA X THINK도 독자적 AI 기술을 활용해 개발했다. 특히 모델 설계에 적용된 'Peri-LN(Peripheral Layer Normalization)' 기법은 세계 최고 권위 AI 학회 중 하나인 'ICML(International Conference on Machine Learning) 2025'에 채택되었으며, 추론 모델의 학습 효율을 높이기 위해 자체 개발한 강화학습 방법도 글로벌 학계에 공유됐다.

0 0