397B 오픈 모델이 이제 데스크톱을 조작합니다. 9B 모델은 9점 뒤처질 뿐입니다.

NorthCUA는 11월 3일 세 개의 오픈 웨이트 모델과 이를 실행하는 하네스를 함께 공개했습니다. 헤드라인 숫자는 Pro입니다. 397B 파라미터 mixture-of-experts 시스템으로, OSWorld-Verified에서 88점을 기록했습니다. 이 벤치마크는 에이전트가 실제 운영체제 안에서 여러 단계의 작업을 완료해야 하는 것으로, 파일 옮기기, 애플리케이션 전환, 양식 작성, 화면 읽고 다음에 어디를 클릭할지 판단하기가 포함됩니다.
더 주목해야 할 숫자는 78.9입니다. 9B 파라미터의 Nano입니다.
모델 크기가 44배 차이 나는데 벤치마크 격차는 9점입니다. Mini는 중간에서 35B, 85점입니다. 브라우저 탐색 벤치마크인 WebArena-Verified에서도 격차는 비슷하게 좁습니다.
이 벤치마크가 실제로 측정하는 것
OSWorld-Verified는 에이전트에게 작업과 가상 머신을 주고 최종 상태가 일치하는지 채점합니다. 객관식 시험보다 실제 업무에 가깝고, 보이는 것보다는 실제 업무에서 멉니다. 작업은 잘 정의되어 있고 환경은 깨끗하며, 예상치 못한 방해가 없습니다.
88점은 대략 12퍼센트의 작업이 실패한다는 뜻입니다. 연구 시스템에는 좋은 결과이고, 당신의 파일을 건드리는 제품에는 나쁜 결과입니다. 에이전트가 여덟 번에 한 번 틀리고, 그 실패 중 일부가 잘못된 것을 지우거나 잘못된 버튼을 누르는 것이라면, 아무도 업무용 노트북에서 그것을 감독 없이 두지 않을 것입니다.
이것이 이번 공개에 대한 정직한 해석이고, 저자들이 기술 보고서에서 과장하지 않았다는 점은 인정할 만합니다. 또한 모든 비교에 절대 점수를 공개하지 않고, 폐쇄 모델 결과를 표가 아니라 판정처럼 제시합니다. Pro는 OSWorld에서 Qwen3.8-Max와 Kimi-K3를 이기고, Mini는 Kimi-K3를 이기며, WebArena에서는 Mini가 Qwen3.8-Max를 이기고 Pro는 둘 다 이깁니다.
이는 저자들이 자기 작업 세트에서 직접 수행한 평가입니다. 리더보드 순위가 아니라 주장으로 받아들여야 합니다.
어떻게 학습했는가
세 부분이고, 이름은 유난히 직설적입니다.
Experience Flywheel은 실제 애플리케이션 사용에서 뽑아낸 실행 가능한 작업을 제공합니다. 핵심은 작업에 ground truth가 딸려 온다는 점입니다. 스프레드시트가 제대로 채워졌는지 확인할 수 있기 때문입니다.
Harness는 긴 상호작용을 하나로 붙듭니다. 결정을 기록하고, 관찰을 되먹이고, 단일 컨텍스트 윈도보다 훨씬 오래 이어지는 세션에 걸쳐 결과를 검증합니다. 모든 궤적은 격리된 E2B sandbox에서 수집되었습니다. 이는 학습 데이터가 재현 가능하고 모델이 망가뜨릴 수 있는 실제 머신을 본 적이 없다는 뜻이기도 합니다.
Staged Learning은 일정입니다. 먼저 grounding mid-training으로 버튼과 텍스트 필드가 어떻게 생겼는지 가르칩니다. 다음으로 완전한 작업 궤적에 대한 장기 지평 지도 학습 미세조정. 그다음 데스크톱과 웹 전반에 걸친 공동 강화학습을 Group-Relative Policy Optimization으로 수행합니다. 최근 추론 모델 성과 대부분을 떠받친 것과 같은 계열의 방법입니다.
규모는 수십 개 애플리케이션에 걸친 400만 건 이상의 GUI 상호작용 스텝입니다. GUI 데이터로는 크고, 프런티어 언어 모델 뒤의 텍스트 코퍼스와 비교하면 작습니다. 바로 전문화가 이기는 조건입니다.
Ultrafast 변형이 더 흥미로운 결과물이다
NorthCUA-Ultrafast는 직접 행동 선택과 생성을 결합하고, RL 이전의 Nano 모델에서 실행됩니다. 쉽게 말해 추론 단계를 건너뛰고 학습된 지름길로 관찰을 행동에 사상하며, 지름길이 자신 없을 때만 사고로 되돌아갑니다.
보고서는 일치하는 성공한 WebArena 작업에서 평균 완료 시간이 2.3배 빠르다고 밝힙니다. 같은 작업, 같은 성공률, 절반이 안 되는 실제 시간.
이것이 computer-use 에이전트의 배포 문제의 형태이고, 대부분의 사람이 기대하는 형태는 아닙니다. 성공률이 주목을 받습니다. 지연 시간은 인간이 실제로 에이전트가 일하는 것을 지켜볼지 방을 나갈지를 결정합니다. 4분 걸리고 85퍼센트 성공하는 작업은 도구입니다. 같은 작업이 100초라면 기능입니다.
지능이 어디에 있어야 하는지도 시사합니다. 지름길을 가진 9B 모델이 열심히 생각하는 397B 모델과 거의 같다면, 많은 데스크톱 작업에서 병목은 추론의 깊이가 아니었던 것입니다. 병목은 grounding 품질과 데이터 커버리지였고, 그 둘은 개선 비용이 더 쌉니다.
여기서 오픈 웨이트가 더 중요한 이유
computer-use 에이전트는 당신의 화면을 봅니다. 캡처하는 모든 스크린샷에는 고객 기록, 비밀번호 필드, 아직 발표되지 않은 제품, 내부 대시보드가 들어 있을 수 있습니다. 그 스트림을 원격 API로 보내는 것은 데이터 거버넌스 결정입니다. 많은 조직에게 그것은 내릴 수 없는 결정입니다.
이번 공개가 파는 것은 원시 성능이 아니라 그 거버넌스 제약입니다. 데스크톱 자동화를 원하면서 화면 캡처를 제3자를 거쳐 보낼 수 없는 병원, 은행, 정부 계약업체, 제조업체는 이제 세 가지 크기와 하네스를 고를 수 있고, 소프트웨어 라이선스 비용도 없습니다.
이어지는 실무 지침은 지루하고 옳습니다. 가장 자주 하는 세 가지 작업으로 Nano를 먼저 시험해 보십시오. 양식 작성, 보고서 내보내기, 두 애플리케이션 간 데이터 이동입니다. 이걸 해낸다면 Mini가 데이터센터 GPU 한 장에서 운영 물량을 감당합니다. Pro는 한계를 찾기 위해 존재하고, 당신의 한계 문제가 Pro로 풀리지 않는다면 문제는 모델이 아니라 작업 설계입니다.
세 가지 크기는 가격 결정이다
9B, 35B, 397B를 한 번에 내놓는 것은 고객이 스스로 정렬하도록 두는 방식입니다.

9B 파라미터는 노트북이나 미니 PC에 들어갑니다. 클라우드 이그레스가 비싼 나라의 소규모 사업자가 돌릴 수 있는 버전이고, 이번 공개가 늘 등장하는 몇몇 시장 밖에서도 의미를 갖게 하는 버전입니다. 35B는 데이터센터 GPU 한 장에 들어가고, 대부분의 운영 배포가 여기에 안착합니다. 397B는 아키텍처가 확장된다는 것을 입증하고 초록에서 인용되기 위해 존재합니다.
arXiv 스타일 보고서는 평가에서도 비슷한 일을 합니다. 오픈 동료 모델이 아니라 조 단위 파라미터의 폐쇄 모델과 비교합니다. 인용되는 비교는 당신이 이기는 비교이기 때문입니다. Nano가 잘 조정된 32B 비전-언어 모델에 비해 어떤지 알고 싶은 독자는 여기서 찾지 못할 것입니다.
그렇다고 숫자가 틀린 것은 아닙니다. 숫자가 좁아질 뿐이고, 구매자에게 유용한 행동은 헤드라인을 무시하고 감당할 수 있는 계층을 시험하는 것입니다.
아무도 해결하지 못한 부분
12퍼센트 실패율은 통계입니다. 그 뒤에는 모든 computer-use 시스템이 공유하는 구체적인 행동들이 있습니다.
상태를 잘못 읽습니다. 이미 체크된 체크박스를 클릭하고, 다음 단계에서는 방금 켰다고 가정합니다. 어느 창에 포커스가 있는지 놓칩니다. 부분적으로 성공한 행동을 재시도해 효과를 두 배로 만듭니다. 그리고 비가역성이라는 개념이 없어서, 메뉴를 여는 것과 400명에게 보내는 이메일의 전송을 누르는 것에 같은 확신이 적용됩니다.
이번 공개에서 그것을 다루는 것은 없습니다. 완화책은 아키텍처에 있습니다. 에이전트를 컨테이너에서 실행하고, 비가역적 단계 전마다 스냅숏을 뜨고, 정의된 행동 목록에는 사람의 확인을 요구하고, 모든 클릭을 프레임 캡처와 함께 기록해 실패를 진단할 수 있게 하는 것입니다.
오픈 웨이트는 그 아키텍처를 더 싸게 만듭니다. 그것이 이들을 지지하는 진짜 논거입니다. 폐쇄 API는 공급자의 안전 계층을 신뢰하라고 강요합니다. 오픈 체크포인트는 당신이 직접 울타리를 두를 수 있게 합니다.
9B와 397B 사이의 9점은 이 시장의 앞으로 2년에 대해 말해 줍니다. 모델은 천천히 좋아질 것이고, 제품은 충분히 좋으면서 비용이 맞는 계층을 중심으로 만들어질 것입니다. Nano가 오늘 당신의 워크플로에 충분하다면, 흥미로운 엔지니어링은 이미 가진 모델 주위에 세우는 하네스에 있습니다.
관련 글
중국산 안드로이드 시스템 UI의 광고를 끄는, 커뮤니티가 관리하는 탭 표
시스템을 건드리지 않고, 잠금 해제도, 플래싱도 하지 않는다. 제조사가 이미 열어 둔 스위치를 하나씩 뒤집을 뿐이다. 대가는 이 목록을 계속 써 줄 사람이 필요하다는 것이다.
GPT Image 2.6, 토큰 단가는 그대로 두고 청구서를 올렸다
GPT Image 2.6은 2.5의 토큰 단가를 하나도 바꾸지 않았는데 이미지 한 장 값은 올랐다. 작업의 상당 부분이 이제 출력 토큰에서 일어나기 때문이다. 출시 11일째, 가격 구조가 순위표보다 많은 것을 말한다.
IDM을 바깥에서 다시 만든 사람이 손대지 않은 부분을 적어 두었다
Mister Download Manager는 Internet Download Manager의 흐름을 Rust로 다시 구현해 5배 속도와 86개 언어를 내건다. 더 흥미로운 문서는 아무것도 복사하지 않고 어떻게 만들었는지 설명하는 문단이다.
Rune은 에이전트가 자기 작업을 검증할 수 있도록 만든 Rust UI 프레임워크
Rune은 헤드리스로 렌더링하고 요소 트리를 덤프하며 스크립트 입력을 받는다. 스크린샷으로는 얻을 수 없는, diff 가능한 신호를 코딩 에이전트에게 준다. 프레임워크는 프리릴리스이며 풀 리퀘스트를 받지 않는다.