두 모델 다 MoE 구조(Pro 는 42B, Flash 는 15B 활성)에 문맥 창 100만 토큰이고, 샤오미 자체 표에서 DeepSWE v1.1 은 Pro 가 71.9 로 클로드 오푸스 5 의 74.0 에 근접하지만 터미널 벤치 4.0 은 34.9 로 오푸스 5 의 49.0, GPT-5.6 Sol 의 39.9 에 못 미치고 SWE-bench Verified 는 표에 없어요. 오픈라우터 가격은 Pro 가 입력 100만 토큰당 0.435달러·출력 0.87달러, Flash 는 0.14달러·0.28달러이고, 아티피셜 애널리시스는 Pro 를 지능 지수 46 으로 오픈 웨이트 1위에 올렸어요. HN 토론(448점·226댓글)에서는 학습 데이터에 클로드 출력이 섞였다는 지적과 GLM 5.3 이 비교표에서 빠졌다는 지적이 나왔고, 코딩 에이전트에서 이 모델을 직접 돌린 사용기는 아직 거의 없어요.
용어 풀이
- MoE
- Mixture of Experts. 토큰마다 전문가 일부만 활성화해 전체 파라미터보다 적은 계산으로 추론하는 구조
- FP8
- 8비트 부동소수점. 가중치를 8비트로 저장해 메모리를 절반으로 줄이는 양자화 형식
- API
- Application Programming Interface. 프로그램이 원격 모델을 호출하는 통로
- HN
- Hacker News. 와이콤비네이터가 운영하는 개발자 커뮤니티
운영자 인사이트
Pro 는 FP8 로도 1TB 급이라 자체 서빙이 아니라 API 로 쓰는 모델이고, Flash 도 DGX 스파크 두 대를 묶어야 도는 크기예요. 샤오미 표만 봐도 패치 생성보다 터미널 작업 격차가 크니, 클로드 코드나 오픈코드에 붙여 볼 때는 SWE 류 벤치 점수를 믿기보다 자기 저장소의 셸 다단계 작업으로 먼저 재 보세요.
여러 관점으로 보기
- 모델 카드 (라이선스·벤치마크 표) 허깅페이스 모델 카드에 MIT 라이선스와 벤치마크 전체 표가 있고, 저장소는 9월 21일 15시 39분(UTC)에 만들어졌어요. Hugging Face
- API 가격 오픈라우터 엔드포인트 정보에 Pro 가 입력 0.435달러·출력 0.87달러, 문맥 1,048,576 토큰, 최대 출력 131,072 토큰, FP8 양자화로 올라 있어요. OpenRouter
- 제3자 지표 아티피셜 애널리시스는 Pro 를 지능 지수 46, 출력 속도 초당 129.7 토큰, 첫 토큰 지연 2.17초로 재고 오픈 웨이트 가운데 1위로 두었어요. Artificial Analysis
- HN 반응 학습 데이터에 클로드 출력이 섞였다는 지적, 비교표에 GLM 5.3 이 없다는 지적, 그리고 309B Flash 를 DGX 스파크 두 대에서 vLLM 으로 돌린 레시피가 올라왔어요. Hacker News
- 공개 훈련 대시보드 공개 나흘 전 기사는 샤오미가 강화학습 훈련 비용(하루 43만 2천 달러)과 처리 토큰을 실시간 대시보드로 내보이며 훈련 중이었다고 전했어요. Forkast