하네스-1 공개, 20B 오픈소스 AI가 GPT-5.4 검색을 이긴 비결
일리노이대·UC버클리·크로마 공동 연구진이 공개한 오픈소스 AI 검색 에이전트 하네스-1. 200억 파라미터로 GPT-5.4 검색 성능을 넘어선 외부 시스템 분리 아키텍처를 정리해요.
AI 검색 성능에 또 하나의 변곡점이 생겼어요. 200억(20B) 파라미터의 작은 오픈소스 모델이 GPT-5.4 같은 초대형 모델의 검색 성능을 넘어섰다는 소식이 들려왔는데요. 주인공은 일리노이대 어바나-샴페인(UIUC), UC 버클리, 크로마(Chroma) 연구진이 공동으로 공개한 AI 검색 에이전트 하네스-1(Harness-1) 이에요.
크기가 작은데 어떻게 더 잘 검색했을까요? 핵심은 모델 자체가 모든 걸 다 처리하지 않고, 기억·정리·검증을 외부 시스템으로 분리한 새로운 아키텍처에 있다고 해요.
📰 2026년 6월 10일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.
1. 하네스-1, 무엇이 새로운가
하네스-1은 단일 LLM이 모든 일을 처리하던 기존 방식에서 벗어났어요. 모델은 “추론(reasoning)” 역할만 담당하고, 검색 기록·문서 정리·결과 검증은 별도의 외부 모듈이 맡는 구조예요.
연구진은 이 구조를 “에이전트 하네스(Agent Harness)“라고 불러요. 마치 마구를 채워 말의 힘을 효율적으로 쓰는 것처럼, 작은 모델에 외부 도구를 정교하게 연결해 큰 모델만큼의 결과를 내자는 발상이에요.
- 파라미터 규모: 약 200억(20B)
- 공개 형태: 완전 오픈소스(모델 가중치 + 학습 코드)
- 벤치마크: 다단계 검색 과제에서 GPT-5.4를 상회
2. 20B 모델로 GPT-5.4 검색 성능을 뛰어넘은 비결
GPT-5.4 같은 첨단 모델은 수천억 파라미터를 사용해요. 그런데 200억짜리 모델이 어떻게 더 좋은 검색 성능을 냈을까요? 연구진은 세 가지 분리 전략을 강조했어요.
첫째, 장기 기억의 외부화예요. 기존 모델은 컨텍스트 윈도우 안에 모든 정보를 욱여넣다가 한계를 만났는데, 하네스-1은 외부 메모리 스토어에 검색 기록과 핵심 문장을 따로 저장해요.
둘째, 정리 작업의 분리예요. LLM이 직접 문서를 요약·재정렬하지 않고, 별도의 경량 정렬 모듈이 청크를 정리해서 다시 모델에 건네줘요.
셋째, 검증 단계의 분리예요. 결과가 맞는지 확인하는 자기 검증 루프를 외부 시스템으로 빼내, 모델이 같은 실수를 반복하지 않도록 했어요.
3. 외부 시스템 분리 아키텍처가 왜 효과적일까
LLM의 약점 중 하나는 “한 번에 너무 많은 걸 하려 한다”는 점이에요. 추론, 기억, 정리, 검증을 동시에 하다 보면 어디서든 오류가 누적돼요. 외부 시스템 분리는 이 문제를 구조적으로 줄여줘요.
이 접근은 사람의 일 처리 방식과 닮아 있어요. 사람도 머릿속에 모든 정보를 다 담아두지 않고, 메모장·검색 기록·체크리스트 같은 외부 도구를 활용해요. 하네스-1은 이 원리를 모델 아키텍처에 그대로 적용한 셈이에요.
특히 다단계 검색(multi-hop retrieval) 같은 복잡한 작업에서 효과가 컸어요. 첫 검색 결과에서 단서를 뽑아내고, 그걸로 다시 검색을 던지는 과정이 반복될수록 일반 LLM은 정확도가 떨어지는데, 하네스-1은 외부 메모리 덕분에 단서를 잃지 않고 끝까지 따라가요.
4. 기존 검색 AI와의 차이 (ChatGPT 서치·Gemini·Perplexity)
지금 사용자가 쓸 수 있는 검색 기반 AI는 크게 세 가지예요. ChatGPT 서치, Gemini, Perplexity 가 대표적이죠.
이들과 하네스-1을 단순 비교하면 다음과 같아요.
| 항목 | 하네스-1 | ChatGPT 서치 | Gemini | Perplexity |
|---|---|---|---|---|
| 공개 방식 | 오픈소스 | 클로즈드 | 클로즈드 | 클로즈드(엔진은 자체) |
| 모델 크기 | 약 20B | 비공개(초대형) | 비공개(초대형) | 다중 모델 라우팅 |
| 강점 | 다단계 검색, 검증 분리 | 자연어 대화 + 검색 | 구글 검색 통합 | 출처 인용·리서치 |
| 비용 구조 | 자체 호스팅 가능 | 구독료 | 구독료 | 구독료 |
상용 서비스들이 “사용 경험”에 최적화되어 있다면, 하네스-1은 “연구·개발자 관점에서 분해해 쓸 수 있는 레퍼런스”에 가까워요. 두 진영은 적대 관계가 아니라, 서로의 발전을 자극하는 관계로 봐야 해요.
5. 오픈소스로 공개한 의미
연구진이 모델 가중치와 학습 코드를 모두 공개한 건 단순한 자랑이 아니에요. 외부 시스템 분리라는 설계 패턴이 다른 연구자와 스타트업에도 빠르게 확산되도록 하려는 의도가 커요.
오픈소스 공개로 기대할 수 있는 흐름은 이래요.
- 국내 스타트업이 하네스-1을 베이스로 한국어 특화 검색 에이전트를 만들 수 있어요.
- 사내 지식 검색처럼 보안이 중요한 환경에서 자체 호스팅 옵션이 생겨요.
- 저비용 검색 인프라가 가능해져, 큰 모델 API에만 의존하던 구조가 다양해져요.
또 한 가지 흥미로운 점은, “더 큰 모델이 정답이 아닐 수 있다”는 메시지를 다시 한 번 던졌다는 거예요. 모델 크기 경쟁만이 답이 아니라, 아키텍처 설계도 같은 비중으로 중요해진 거죠.
6. AI 검색 도구를 일하는 데 어떻게 활용할까
하네스-1 같은 연구 모델은 일반 사용자가 당장 쓰긴 어려워요. 하지만 같은 흐름을 일하는 데 바로 적용할 방법은 분명히 있어요. 지금 가장 가까운 선택지는 검색 특화 AI인 Perplexity예요.
Perplexity Pro는 출처 인용·다단계 검색·논문 리서치 모드 등을 통합 제공해서, 하네스-1 같은 연구가 지향하는 방향을 사용자 경험으로 미리 보여주고 있어요. 정가 기준 월 29,000원 인데, 매일 검색에 쓴다면 부담스러운 가격이긴 해요.
같은 Perplexity Pro를 서브쉐어에서는 더 합리적인 가격에 쓸 수 있어요.
- 파티형: 월 7,500원 (정가 대비 74% 절약)
- 단독형: 월 14,000원 (정가 대비 52% 절약)
여러 AI 도구를 비교해 보고 싶다면 AI 검색 도구 비교 가이드 2026도 함께 읽어 보세요. ChatGPT 서치·Gemini·Perplexity의 검색 성능과 출처 표시 방식을 정리했어요.
리서치 양이 많은 직장인이나 대학생이라면, AI 검색 도구 하나를 제대로 쓰는 것만으로 하루 1~2시간을 줄일 수 있어요. 도구는 비싸지 않게, 활용은 깊게 가져가는 게 핵심이에요.
7. 한국 개발자·기획자에게 주는 시사점
해외 연구 소식이 한국 시장에 미치는 영향은 생각보다 빠를 수 있어요. 하네스-1이 던지는 시사점을 세 가지로 정리해 봤어요.
첫째, 모델 선택의 폭이 넓어져요. 모든 작업에 GPT-5급 모델을 쓰는 게 아니라, 검색은 하네스-1 계열, 코딩은 코드 특화 모델, 글쓰기는 범용 모델처럼 작업별 최적 모델을 조합할 수 있어요.
둘째, 자체 호스팅 검토 가치가 커져요. 사내 문서 검색이나 고객 응대 봇처럼 외부 API 호출이 부담스러운 영역에서, 오픈소스 + 외부 시스템 분리 구조는 매력적인 대안이에요.
셋째, 개발 학습 우선순위가 바뀌어요. 단순 프롬프트 엔지니어링을 넘어, 메모리 스토어 설계·문서 정리 파이프라인·검증 루프 같은 시스템 디자인 역량이 점점 중요해져요.
8. 자주 묻는 질문 (FAQ)
하네스-1은 일반 사용자도 바로 쓸 수 있나요?
아직은 연구용 공개에 가까워요. 모델 가중치와 코드는 공개됐지만, 일반 사용자용 웹 UI는 없어요. 개발자가 직접 환경을 구성해 써야 하기 때문에, 일반 사용자는 ChatGPT 서치나 Perplexity 같은 상용 서비스를 활용하는 게 현실적이에요.
GPT-5.4 검색 성능을 이겼다는 게 모든 면에서 더 좋다는 뜻인가요?
아니에요. 검색 특화 벤치마크에서 우수했다는 의미이고, 자연어 대화·창작·코딩 등 다른 영역까지 종합 비교한 결과는 아니에요. “작은 모델 + 좋은 시스템 설계 = 큰 모델 능가 가능”이라는 메시지로 받아들이는 게 맞아요.
한국어 환경에서도 잘 작동하나요?
원 논문 기준 벤치마크는 영어 중심이에요. 한국어 성능은 추가 학습이나 한국어 데이터 파인튜닝을 거쳐야 본격적으로 검증할 수 있어요. 국내 연구진과 스타트업이 한국어 버전을 만든다면, 그 결과를 기다려볼 필요가 있어요.
일반 직장인이 AI 검색을 잘 쓰려면 어떻게 해야 하나요?
지금 당장은 Perplexity 같은 상용 검색 AI를 익혀 두는 게 가장 빨라요. Perplexity Pro 가이드 2026에서 검색 프롬프트 작성법과 출처 활용법을 정리했으니 참고해 보세요.
9. 마무리
하네스-1은 단순히 “또 하나의 오픈소스 모델”이 아니라, AI 검색이 가는 방향을 보여주는 신호로 읽어야 해요. 모델 크기 경쟁에서 시스템 아키텍처 경쟁으로 무게 중심이 이동하고 있다는 뜻이에요.
이런 변화의 혜택을 가장 빨리 누리는 사람은 결국 검색 AI를 잘 활용하는 사용자 예요. 도구 자체에 큰 돈을 쓰지 않더라도, 좋은 검색 AI 하나를 꾸준히 익혀 두는 것만으로도 일하는 속도가 달라져요. Perplexity Pro 같은 서비스를 서브쉐어 파티형 월 7,500원 으로 시작해 보면, 부담 없이 그 차이를 직접 느낄 수 있을 거예요.