# \#task-automation **URL:** https://discuss.pytorch.kr/tag/task-automation/4644.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Kimi-K2: 에이전트형 인공지능을 위한 최신 MoE LLM (feat. Moonshot AI)](https://discuss.pytorch.kr/t/kimi-k2-moe-llm-feat-moonshot-ai/7247)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 13, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/kimi-k2-moe-llm-feat-moonshot-ai/7247 "2025-07-13T03:30:25Z")
Kimi-K2 모델 소개 최근 중국의 Moonshot AI가 공개한 Kimi-K2는 오픈소스 언어모델 분야에서 가장 주목할 만한 진보 중 하나로 평가받고 있습니다. 이 모델은 총 1조 개의 파라미터를 갖춘 대규모 MoE(Mixture-of-Experts) 구조 기반으로, 활성 파라미터는 320억 개에 이릅니다. 특히, 긴 문맥을 이해하는 능력과 에이전트 지향의 문제 해결 기능을 갖추고 있어 일반 챗봇을 넘는 다양한 응용 가능성을 보여주고 있습니다. Moonshot AI는 기존의 Kimi 모델을 통해 수십만 토큰 규모의 컨텍스트 길이를 실현한 바 있으며, Kimi-K2는 이를 더 발전시켜 에이전트형 태스크, 도구 호출, 자동화된 사고 및 코드 생성 분야에서 경쟁 모델보다 뛰어난 성능을 보여줍니다. 실제로 SWE-bench Verified와 같은 고난도 벤치마크에서 오픈소스 모델 중 세계 최고 성능을 달성했으며, 이는 GPT-4.1, Claude Opus 등 상용 대형모델들과도 어깨를 나란히 합니다. 또한 Kimi-K2는 MuonClip이라는 고유의 옵티마이저를 기반으로 15.5조 개의 토큰을 안정적으로 학습하였으며, AI 연구자 및 개발자를 위한 Base, 일반 사용자 및 API 연동을 위한 Instruct 버전으로 나누어 제공됩니다: Kimi-K2-Base: 연구자와 모델 개발자들이 커스터마이징이나 파인튜닝에 적합한 베이스 버전입니다. 추론 최적화나 도구 사용 기능은 탑재되어 있지 않으며, 기초 언어 모델링 용도에 활용됩니다. Kimi-K2-Instruct: Instruct 버전은 미리 파인튜닝이 완료된 상태로, 일반적인 대화형 챗봇 혹은 LLM 기반 API 서비스에 바로 사용할 수 있습니다. 특히 Reflex-style 응답이 특징으로, ‘생각 후 말하기’보다는 즉각적이고 명확한 응답에 초점을 맞췄습니다. Kimi-K2 모델 구조 및 구성 Kimi-K2는 MoE(Mixture-of-Experts) 기반 언어모델로, 1조(1T) 개… --- ## [OWL, 자동회된 작업 수행을 위한 개방형 다중 에이전트 협력 프레임워크 (feat. CAMEL)](https://discuss.pytorch.kr/t/owl-feat-camel/6549)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 17, 2025, 10:30오전 UTC](https://discuss.pytorch.kr/t/owl-feat-camel/6549 "2025-03-17T10:30:00Z")
OWL 소개 최근 AI 연구에서는 다중 에이전트 시스템(MAS, Multi-Agent System)이 중요한 주제로 떠오르고 있습니다. 이번에 소개할 OWL(Optimized Workforce Learning)은 자동화된 작업 수행을 위한 개방형 다중 에이전트 협력 시스템으로, 실제 작업 자동화에서 강력한 성능을 입증한 프레임워크입니다. OWL(Optimized Workforce Learning)은 여러 개의 AI 에이전트가 협력하여 작업을 자동화할 수 있도록 설계되었습니다. CAMEL-AI 프레임워크를 기반으로 만들어졌으며, 다양한 도구(toolkits)를 활용하여 복잡한 업무를 자동화할 수 있습니다. 특히, 최근 수행한 GAIA 벤치마크에서 58.18점의 평균 점수로 오픈소스 프레임워크 중 1위를 기록하였습니다. OWL의 주요 기능 강력한 멀티 에이전트 협력 여러 AI 에이전트가 역할을 나누어 협력하여 문제를 해결 단순 질의응답을 넘어서 복잡한 업무 처리 가능 다양한 툴킷 내장 :books: 웹 검색 툴킷: Google, DuckDuckGo, Baidu, Wikipedia 검색 지원 :page\_facing\_up: 문서 분석 툴킷: PDF, Word, Excel 문서 내용을 자동 분석 :framed\_picture: 이미지·비디오 분석 툴킷: 시각 정보를 기반으로 내용 파악 :desktop\_computer: 브라우저 자동화: Playwright 프레임워크를 활용한 웹 상호작용 다양한 AI 모델과 호환 OpenAI GPT-4, DeepSeek, Qwen 등 다양한 모델 지원 LLM과 연동하여 더 강력한 AI 자동화 시스템 구축 가능 MCP(Model Context Protocol) 기반의 표준 인터페이스 여러 모델과 데이터를 효율적으로 연결하는 프로토콜 보다 유연하고 확장 가능한 AI 시스템 구축 가능 :github: OWL GitHub 저장소 이 글은 GPT 모…