# Athanor, AI 에이전트가 스스로 기반 모델을 개선하는 시스템

> Claude Opus 5.5 에이전트 4개가 104시간 동안 Qwen3‑4B 성능을 끌어올려, 사람의 지시 없이 공식 지시 튜닝 버전과 맞먹는 결과를 냈다.

Oossa · 2026-10-16 · https://oossa.com/ko/ath-anor-lets-ai-agents-improve-a-base-model-on-their-own

연구진이 AI 에이전트가 자체적으로 후속 학습 실험을 수행하는 데 필요한 도구를 제공하는 오픈 시스템 Athanor를 공개했다. 에이전트는 데이터와 평가 도구 모음, 작업 관리 기능을 이용할 수 있지만 외부 교사 모델을 호출할 수는 없다. 104시간 동안 진행된 실험에서 각각 8개 GPU가 장착된 노드 한 대를 사용한 Claude Opus 5.5 에이전트 4개는 원시 Qwen3‑4B‑Base 모델의 성능을 크게 개선했다.

## 에이전트가 거둔 성과

6개 과제로 구성된 개발용 평가에서 모델 점수는 15.9에서 67.3으로 상승했다. 비공개 홀드아웃 평가에서는 9.2에서 48.2로 올라 공식 Qwen3‑4B‑Instruct‑2507의 점수인 66.5와 47.9를 각각 넘어섰다. 에이전트는 공개 추론 데이터로 지도 미세 조정을 하고, 강화학습의 롤아웃 방식을 새롭게 바꾸고, 에이전트 간 가중치를 병합하고, 자기 증류를 거듭하는 등 기존 기법을 조합해 성능을 끌어올렸다. 이 모든 과정에서 사람이 연구 방향에 관한 조언을 제공하지 않았다.

## 중요한 이유

AI 에이전트가 신뢰할 수 있는 연구 과정을 스스로 수행할 수 있다면 더 나은 모델을 개발하는 비용이 낮아지고 발전 속도도 빨라질 수 있다. 대규모 연구팀이 없는 개발자도 Athanor 같은 오픈 플랫폼을 통해 자율 학습 파이프라인을 실험할 수 있다.

## 팩트

- Athanor는 2026-10-16에 arXiv 논문으로 소개됐다.
- Claude Opus 5.5 에이전트 4개가 실험에서 각각 8개 GPU 노드 한 대를 사용했다.
- 104시간 동안 진행된 실험에서 Qwen3‑4B‑Base의 개발용 평가 점수는 15.9에서 67.3으로 올랐다.
- 홀드아웃 평가 점수는 9.2에서 48.2로 상승해 공식 지시 튜닝 버전의 47.9를 넘어섰다.
- 에이전트는 공개 데이터만 사용했으며 외부 교사 모델을 호출할 수 없었다.

## 왜 중요한가

이번 결과는 현재의 AI 에이전트가 후속 학습 연구의 전 과정을 수행할 만큼 충분한 엔지니어링 역량을 이미 갖췄음을 보여준다. 대형 연구소가 없는 조직도 더 적은 비용으로 경쟁력 있는 지시 튜닝 모델을 만들 수 있지만, 성과에 대한 독립적인 검증은 아직 이뤄지지 않았다.

## 출처 및 참고 자료

1. [Athanor: An Agent-Native System for Autonomous Post-Training Research](https://arxiv.org/abs/2610.21055) – arXiv, 2026-10-16

최종 업데이트: 2026-10-16