마이크로소프트, 4B 컴퓨터 사용 에이전트 'Mage-VL-Cowork' 오픈소스 공개… 클릭과 터미널을 한 모델로, OSWorld 66%
좋은 아침입니다! 오늘 아침 소식은 마이크로소프트가 허깅페이스에 공개한 작은 컴퓨터 사용 에이전트 모델 Mage-VL-Cowork입니다. 4B(40억 파라미터) 크기의 비전-언어 모델 하나가 화면을 보고 마우스·키보드로 조작하는 일과, 터미널에서 명령어·파이썬 코드를 실행하는 일을 스스로 골라 가며 처리합니다. 별도의 오케스트레이터(작업 분배 시스템) 없이 한 모델 안에서 두 방식을 오간다는 점이 특징입니다.
핵심 포인트
- 4B급 최고 성능: 데스크톱 작업 벤치마크 OSWorld-Verified에서 50단계 제한 기준 66.0%를 기록해, 같은 4B 규모 모델 중 가장 높은 점수를 냈습니다. 운영체제 작업 87.5%, 여러 앱을 넘나드는 워크플로 62.7%입니다.
- 클릭할 때와 코딩할 때를 스스로 판단: 화면 레이아웃이나 이미지 편집처럼 눈으로 봐야 하는 작업은 GUI 조작으로, 스프레드시트·문서·프레젠테이션 수정이나 결과 검증처럼 정확해야 하는 작업은 터미널로 처리합니다.
- 5단계 학습 커리큘럼: GUI 이해, GUI 에이전트, 코딩·터미널 능력을 각각 키운 뒤 하나로 합치고, 마지막에 온라인 강화학습을 더했습니다. 강화학습 단계에서 정확도는 10.16%p 올라가고 모델 호출 수는 13.0%, 출력 토큰은 25.4% 줄었습니다.
- 학습 데이터 생성 비용 82.6% 절감: 'Mage-CUA-Forge'라는 데이터 생성 파이프라인으로 6,915개 기본 기술에 걸친 293,806개 작업을 만들었고, 작업당 비용을 0.906달러에서 0.158달러로 낮췄습니다.
- 실사용 속도 차이: 마이크로소프트 시연에서 LibreOffice Calc 작업을 6단계·39초 만에 끝냈는데, GUI만 쓰는 Qwen3.6-27B는 같은 작업에 39단계·9분 56초가 걸렸습니다.
- Apache-2.0 라이선스: 가중치가 상업적 이용이 가능한 라이선스로 공개됐고, 3만 2,768 토큰 컨텍스트에 SGLang 서버와 도커 컨테이너도 함께 제공됩니다.
왜 중요한가
지금까지 컴퓨터를 대신 조작하는 AI 에이전트는 대부분 거대한 상용 모델에 의존했고, 화면 캡처만 보고 클릭을 반복하다 보니 느리고 토큰도 많이 들었습니다. Mage-VL-Cowork는 작은 4B 모델도 GUI와 터미널을 상황에 맞게 섞어 쓰면 훨씬 큰 모델에 가까운 성능을 낼 수 있다는 걸 보여 줍니다. 로컬 PC나 온디바이스에서 돌아가는 업무 자동화 에이전트가 한층 현실에 가까워졌다는 신호입니다. 다만 셸 명령을 직접 실행하는 모델인 만큼, 마이크로소프트도 격리된 샌드박스 환경에서 사람의 확인을 거쳐 쓰라고 권고하고 있습니다.
출처