Axion-1.0은 ByteDance가 11월 2일에 공개한 에이전트 기반 모델로, 논문과 학습 레시피, 코드가 모두 Apache 2.0 라이선스로 공개되어 있습니다. 결론부터 말하겠습니다. 에이전트 모델이 어떻게 학습되는지 배우고 싶은 사람에게는 지금 가장 읽을 만한 오픈소스 프로젝트입니다. 당장 쓸 수 있는 모델을 내려받아 작업하고 싶은 사람은 아직 기다리세요. 가중치 공개는 아직 완전히 갖춰지지 않았습니다.
Axion-1.0은 두 개의 모델과 하나의 공개 레시피입니다
Axion-1.0은 두 가지 크기로 나옵니다. 35B(토큰당 3B 연산)와 122B(토큰당 10B 연산)로, 둘 다 Mixture-of-Experts 아키텍처이며 기반은 각각 Qwen3.6-35B-A3B와 Qwen3.5-122B-A10B입니다. 처음부터 학습한 새 모델이 아니라 Qwen 베이스에 3단계 레시피로 학습한 에이전트 모델입니다. 가벼운 지도 미세조정을 두 번, 강화학습을 한 번 거쳤고, 학습 샘플은 약 1만 8천 개, 122B 버전은 약 1,000 GPU 시간이 들었습니다. 에이전트에는 네 가지 도구가 딸려 있습니다. 웹 검색, 웹페이지 방문, 학술 논문 검색, Python 코드 실행입니다. 성적을 보면 35B는 세 가지 연구형 에이전트 테스트에서 GPT-5.5와 Gemini 3.1 Pro를 앞질렀고, 122B는 Humanity's Last Exam에서 59점을 받았습니다. 공식 저장소는 GitHub의 bytedance 조직에 있으며 프로젝트 이름은 axion1_0입니다.
배포하기 전에, 내가 무엇을 받는지부터 가려내세요
코드와 레시피는 GitHub에 있습니다. 데이터 구축과 필터링, 프롬프트, 학습 코드, 평가 스크립트가 모두 들어 있어 그대로 따라 하면 학습 과정 전체를 재현할 수 있습니다. 이것이 진짜 가치입니다. 35B 가중치는 Hugging Face에서 내려받을 수 있지만, 프로젝트 README 스스로가 이것은 커뮤니티 재현본이지 공식 가중치가 아니라고 밝히고 있습니다. BF16 형식으로 약 70GB이며 일반 컴퓨터에서는 돌릴 수 없고, 최소 대용량 메모리 GPU나 대여 GPU가 필요합니다. 122B 가중치는 현재 공식 다운로드 링크가 없어서 쓰려면 레시피대로 직접 학습해야 합니다. 바로 쓸 수 있는 채팅 화면도, 원클릭 배포 스크립트도 없습니다. 지금으로서는 바로 쓸 수 있는 제품이라기보다 공개된 실험 기록에 가깝습니다. 에이전트를 실행하는 런타임인 DeepSeek Harness와 달리 Axion-1.0은 에이전트가 어떻게 학습되는지를 연구하기 위한 모델입니다.
세 가지 함정, 시작하기 전에 읽어두세요
첫 번째 함정은 커뮤니티 가중치를 공식 가중치로 착각하는 것입니다. 문제가 생겨도 공식 지원이 없고, 업데이트와 수정은 커뮤니티에 달려 있습니다. 두 번째 함정은 벤치마크 점수에 현혹되는 것입니다. HLE 같은 점수는 연구형 과제를 측정한 것으로, 일상적인 코딩이나 조사도 똑같이 잘된다는 뜻은 아닙니다. 세 번째 함정은 재현 비용을 과소평가하는 것입니다. 레시피가 공개되었다고 저렴한 것은 아니며, 122B의 학습 비용은 여전히 1,000 GPU 시간을 넘습니다. 어울리는 사람은 에이전트 학습 방법을 연구하고 싶은 연구자와 엔지니어입니다. 바로 쓸 수 있는 모델만 원하는 사람에게는 맞지 않습니다. 공식 가중치나 커뮤니티 패키지를 기다리는 것이 낫습니다. MoE 아키텍처를 먼저 이해하고 싶다면 Mixture of Experts가 연산을 어떻게 아끼는지를 보세요.
