엔터프라이즈 AI 회사 라이터가 8월 13일 새 대표 모델 팔미라 X6와 다시 짠 에이전트 하네스를 함께 냈어요 — X6는 Z.ai의 공개 모델 GLM-5.2를 후처리 학습한 것으로 100만 토큰당 입력 2달러·출력 8달러고, 둘을 붙이면 값이 평균 52% 내린다는 건 회사가 자기 플랫폼을 재서 낸 수치예요. 근거로 내건 건 7월 8일 arXiv에 올린 자사 논문으로, 과제 22개·모델 6종(클로드 소네트 4.6, 제미나이 3.1, 큐원 3.6, GLM 5.1 등)에서 모델은 그대로 두고 하네스만 바꿔 토큰 38%(14.2k→8.8k)·과제당 비용 41%(0.21→0.12달러)를 줄였고, 모델을 안 가리고 33~61% 효율이 올랐다고 적었어요. 다만 저자 33명이 전부 라이터 직원이라고 논문에 공시돼 있고, 견준 건 라이터가 만든 기본 방식과 라이터 하네스 한 쌍뿐에 단일 실행이며, 논문 스스로 '긴 호흡의 코딩 벤치마크에선 결과가 다를 수 있다'며 코딩 과제는 재지 않았다고 적어 뒀어요.
- 하네스
- 모델에 도구와 맥락을 붙여 실제 작업을 돌리는 프로그램. 클로드 코드·코덱스 같은 것
- 캐시 적중
- 앞부분 맥락이 바뀌지 않아 다시 보내지 않고 재사용되는 것. 그만큼 입력 토큰 값이 깎인다
- 체크포인트
- 긴 대화를 통째로 들고 가지 않도록 중간중간 접어 둔 요약 기록
- 서브에이전트
- 본 작업에서 갈라져 나와 따로 돌다 결과만 돌려주는 하위 에이전트
- 후처리 학습
- 이미 만들어진 공개 모델에 추가 학습을 얹어 용도에 맞게 다듬는 것
새 모델보다 논문에 적힌 기법 여섯 가지가 클로드 코드·코덱스에 그대로 옮겨져요 — 시스템 프롬프트·도구 목록을 글자 단위로 고정해 캐시 적중을 지키고(프롬프트 토큰의 99.9%를 캐시로 받았대요), 오래된 대화는 버리는 대신 요약 체크포인트로 접고, 서브에이전트 응답은 8KB로 잘라 받고, 같은 실패의 재시도를 끊고 도구 동시 실행을 4개로 묶는 식이에요. 38%는 남의 작업에서 나온 값이니 우리 캐시 적중률부터 재 보는 게 순서예요.
- 원 논문 — 기법 여섯 가지 앞부분을 글자 단위로 고정해 캐시를 지키는 것, 80% 지점에서 오래된 대화를 요약 체크포인트로 접는 것, 서브에이전트 응답을 8KB로 잘라 받는 것, 승인 대기 중엔 되묻지 않고 멈춰 두는 것, 실패를 종류별로 나눠 재시도를 끊는 것, 도구 호출을 한 방식으로 통일하는 것 여섯 가지를 들었어요. arXiv
- 논문이 스스로 적은 한계 '저자들은 여기서 평가한 하네스와 팔미라 모델을 만드는 라이터 직원'이라고 공시했고, 단일 실행·표본 22개라 품질 판단엔 모자라며 다른 회사 하네스와 견준 건 실측이 아니라 구조 비교라고 적었어요. arXiv
- 제품 쪽 수치 — 값과 점수 X6는 평가 아홉 개 평균 0.87을 100만 토큰당 2달러·8달러에 냈다며 오푸스 4.8(0.86, 3·15달러)·GPT-5.5(0.80, 5·15달러)와 견줬고, 관리자용으로는 팀별 사용량 화면과 지출 경고 기준이 함께 붙었어요. SiliconANGLE
- 회사가 말하는 배경 라이터 대표는 '기업은 다음 벤치마크 쫓는 데 완전히 질렸고 원하는 건 값이 평평해지는 것인데 아무도 못 내놓는 것 같다'며, 비용 폭증에 최고정보책임자들이 모델 회사에 기대를 접고 있다고 했어요. TechCrunch