UI-Venus-2-9B: 논문도, 발표도 없이 SOTA에 근접한 수치로 출시된 Ant Group의 9B GUI 에이전트

UI-Venus-2-9B가 2026년 8월 26일 Hugging Face에 공개됐는데, 모델 출시에 보통 수반되는 것들이 모두 빠져 있었다. 발표 게시물도, 보도자료도, 기술 보고서도 없었다. README의 arXiv 배지는 자리 표시자 URL을 가리키고 있고, 인용 블록에는 명시적으로 다음과 같이 적혀 있다: TODO: UI-Venus-2 보고서가 공개되면 arXiv 식별자를 업데이트하세요. 프로젝트 페이지 링크도 마찬가지로 자리 표시자다. 이 글을 작성하는 시점 기준으로 저장소의 다운로드 수는 0회, 좋아요 수는 1개이며, 그 안에 포함된 4개의 safetensors 샤드는 범용 GUI 에이전트를 나타낸다. 이 에이전트는 자체 모델 카드에 따르면 AndroidWorld와 OSWorld-Verified에서 Q​wen3.6-27B를, WebVoyager에서 Claude Opus 4.6을, Online-Mind2Web에서 O​penAI Operator를 능가하며, OSBlind 공격 성공률을 기존 GUI 에이전트에서 전형적이던 90% 이상에서 18.5%로 낮춘다. InclusionAI의 모델 카드는 이 제품군을 Ant Group의 Venus Team이 개발한 것으로 명시하는데, 이는 Ant Group이 오픈 웨이트(open-weights) 컴퓨터 사용(computer-use) 경쟁에 조용히 진출했음을 의미한다. 그리고 가장 조용한 점은, 그 수치 중 어느 것도 아직 독립적으로 재현되지 않았다는 것이다.

실제로 출시된 것

리포지토리의 이름은 inclusionAI/UI-Venus-2-9B, image-text-to-text로 태그되어 있으며 qwen3_5 아키텍처 태그를 가집니다. 이 모델은 Q​wen3.5-9B에서 초기화된 9B 파라미터 모델로, Apache-2.0 라이선스로 BF16 형식으로 공개되었습니다. 이것은 기반 GUI 에이전트로, 인터페이스를 관찰하고 작업 상태를 추론하며 작업을 실행하고 그 결과 피드백을 다음 결정에 반영합니다 — 카드에 따르면 하나의 체크포인트에서 모바일 앱, 웹 플랫폼, 데스크톱 운영체제를 아우르도록 훈련된 폐쇄형 관찰-추론-실행-피드백 루프입니다.

• 파라미터 — 9B, Q​wen3.5-9B에서 초기화, BF16, 4개 샤드.

• 라이선스 — Apache-2.0.

• 컨텍스트 — 공식 vLLM 호출이 설정하는 것은 --max-model-len 262144 (256K 토큰)이며, 이는 에이전트가 한 에피소드에서 유지할 수 있는 스크린샷 기록의 양입니다.

• 서빙 — 일급 vLLM 지원과 O​penAI 호환 엔드포인트 및 --reasoning-parser qwen3 플래그는 모델이 Q​wen3 스타일로 행동하기 전에 추론 토큰을 생성한다는 의미입니다.

• Reach — 이 카드는 170개 이상의 다국어 모바일 앱(중국어 100개 이상, 영어 70개 이상), 50,000개 이상의 라이브 웹사이트, 그리고 50개 이상의 전문 애플리케이션을 갖춘 네이티브 데스크톱 OS에 대한 트레이닝 커버리지를 제공한다고 주장합니다.

추론 파서 디테일은 보기보다 중요하다. 행동하기 전에 생각하는 GUI 에이전트가 새로운 것은 아니지만, 표준 vLLM에 연결되고 O​penAI 호환 API와 기본 Q​wen 추론 파서를 갖춘 제품을 출시한다는 것은 서빙 스토리가 좋은 의미에서 지루하다는 뜻이다. 명령 하나로 바로 실행되며, 이는 어제 막 만들어진 모델치고는 이례적으로 성숙한 것이다.

숫자들, 그리고 그것들이 아닌 것

아래의 모든 내용은 공급업체가 보고한 것입니다. 모델 카드는 강력한 공개 벤치마크와의 비교 표를 게시하며, UI-Venus-2-9B에 가장 좋은 결과를 보여주는 행은 AndroidWorld 80.2로, Q​wen3.6-27B의 70.3, MAI-UI-8B의 70.7, GUI-Owl-1.5-32B-Instruct의 69.8보다 높습니다. OSWorld-Verified에서는 9B가 70.8을 기록하여 다시 Q​wen3.6-27B의 62.0보다 앞서지만 Kimi K2.6의 73.1에는 뒤처집니다. 웹 내비게이션의 경우 카드는 WebVoyager 90.8을 나열하며, 이는 Claude Opus 4.6의 88.0과 Seed-2.0의 85.1보다 높고, Online-Mind2Web 74.0은 O​penAI Operator의 61.3과 비교됩니다.

가장 두드러진 내부 비교는 모델 자체의 베이스와의 비교입니다. DeskCraft에서 UI-Venus-2-9B는 48.0점을 기록한 반면, 초기화의 기반이 된 Qwen3.5-9B는 14.6점에 그쳐 33.4포인트의 도약을 보여줍니다. 이는 훈련 레시피의 핵심 근거이며, CAPTCHA에서도 동일한 패턴이 반복됩니다. MCA-Bench는 75.7 대 베이스의 30.4, NextGen-CAPTCHAs는 47.6 대 2.8입니다. CAPTCHA 수치는 그 자체로도 주목할 가치가 있습니다. 이는 이 모델이 깔끔한 벤치마크 페이지가 아니라 실제의 적대적인 운영 웹사이트에서 작동하도록 구축되었음을 보여주는 가장 명확한 신호이기 때문입니다.

• 모바일 — AndroidWorld 80.2, MobileWorld 65.8, VenusBench-Mobile 46.5.

• 컴퓨터 사용 — OSWorld-Verified 70.8, DeskCraft 48.0.

• 웹 — WebVoyager 90.8, Online-Mind2Web 74.0, REAL 76.9, Odysseys 77.3.

• GUI 접지 — ScreenSpot-Pro 73.0, VenusBench-GD 77.1, OSWorld-G-R 78.5, UI-Vision 53.2.

• CAPTCHA — Spatial-CAPTCHA-Bench 42.8, MCA-Bench 75.7, NextGen-CAPTCHAs 47.6, OpenCaptcha 50.7.

• 안전성 — OSBlind 공격 성공률 18.5%, 동일 카드 기준 Claude 4.5 Sonnet은 73.0, GPT-4o는 93.3.

방법: 다섯 가지 작업 계열, 세 단계

카드가 설명하는 학습 파이프라인은 베이스 모델 델타가 이처럼 큰 이유입니다. UI-Venus-2는 의도적으로 상호 보완적인 다섯 가지 작업군(Grounding, CAPTCHA, Mobile, Web, Computer)의 혼합으로 세 단계에 걸쳐 학습됩니다. 첫째, 시뮬레이션된 모바일, 웹, OS 환경에서 대규모 궤적 기반 멀티모달 중간 학습을 수행하며, 인간-판별기 협력 검증을 통해 무효 상호작용을 걸러내고, 프로그램 방식으로 합성된 Grounding 및 CAPTCHA 감독 데이터를 포함합니다. 둘째, Mobile, OS, Web을 위한 오프라인 단계별 강화 학습으로 상태 인식 행동 선택을 최적화하며, 검증된 CAPTCHA와 Grounding 인스턴스를 실제 인터페이스에 내장하여 시각적 복잡성 속에서도 정밀한 위치 파악을 학습하게 합니다. 셋째, 도메인 특화 교사들을 하나의 통합 정책으로 결집하는 다중 교사 온폴리시 증류입니다.

검증 계층이 가장 특징적인 부분이다. 작업 완료 여부는 대략적인 최종 화면 모습이 아니라 작업 관련 시각적 키포인트로 판단되며, 여러 모델이 투표하여 이질적인 심사자들을 집계한다. 이는 RL 보상 신호를 보상 해킹에 강건하게 만들기 위한 설계다. 검증된 피드백은 이후 반성 감독(reflection supervision)으로 훈련에 다시 증류되어, 에이전트가 부분적 진전과 실제 완료를 구분하고 장기적 상호작용 중에 회복할 수 있게 한다. 이 중 어느 것도 독립적으로 검증되지 않았으며, 카드는 참조할 재현 결과를 제공하지 않는다. 즉, 이는 논문이 뒷받침해야 하는 주장이다.

가족, 그리고 Ant Group과의 연결

UI-Venus-2-9B는 inclusionAI가 조용히 계속 출시해 온 제품군의 3세대 모델입니다. 원래 UI-Venus 기술 보고서는 2025년 8월에 7B 및 72B 체크포인트로 등장했으며, UI-Venus 1.5는 2026년 2월에 2B, 8B, 30B-A3B 변형으로 이어졌습니다. 새 카드의 인용 블록은 "Venus Team, Ant Group"으로 표시하는데, 이는 inclusionAI와 Ant Group의 관계를 inclusionAI 자체의 표현 방식으로 밝힌 것입니다 — 즉, Ant Group의 AI 연구소가 inclusionAI라는 이름으로 출판하는 것입니다. 이 제품군의 근본적인 가정은 GUI 에이전트가 픽셀만으로 작동해야 한다는 것입니다: DOM 트리, 접근성 XML, 또는 UI 덤프가 아닌 스크린샷을 통해 화면을 관찰하는 방식으로, 이는 구조화된 UI 데이터를 노출하지 않는 대량의 중국어 및 영어 모바일 앱에도 이식 가능하게 만드는 특징입니다. 동반되는 Venus Framework는 이 제품군의 GitHub에서 제공되며, Android 자동화를 구동하고 병렬 다중 기기 제어를 지원합니다.

우리가 아직 모르는 것

이 저장소를 정직하게 읽어보면, 주장과 증거 사이의 간격이 여전히 넓다. 공개된 UI-Venus-2 기술 보고서는 없다 — 배지는 자리 표시자일 뿐이고, README에는 보고서가 "비공개"라고 적혀 있다 — 따라서 벤치마크 표는 방법론 문서도 없고 독립적인 재실행도 없는 채 공급업체 자체 수치로만 남아 있다. 실제 운영 중인 프로젝트 페이지도 없다. 발표도 없으며, 이는 공식 가격 책정이 없고, 호스팅된 API가 없으며, 확정된 로드맵도 없다는 뜻이다. 카드 자체의 표에는 UI-Venus-2-27B가 반복적으로 등장한다 — AndroidWorld에서 84.0, OSWorld-Verified에서 80.5, OSBlind에서 12.3 — 하지만 이 모델은 작성 시점 기준 Hugging Face에 존재하지 않으므로, 이 제품군의 플래그십은 언급만 될 뿐 출시되지 않았다. 그리고 다운로드 수가 0이므로, 연구소 외부에서 이 체크포인트를 실행해 본 사람은 아직 아무도 없다.

실제로 어떻게 실행하는지

모든 미지의 것들 중에서, 확실한 한 가지는 서빙이다. 카드에는 256K 컨텍스트 창과 O​penAI 호환 API로 모델을 띄우는 단일 vLLM 명령어가 문서화되어 있다:

vllm serve inclusionAI/UI-Venus-2-9B --port 8000 --tensor-parallel-size 1 --max-model-len 262144 --reasoning-parser qwen3

이것이 실용적 경로를 자체 호스팅으로 만듭니다 — 가중치를 다운로드하고, vLLM을 실행하고, 에이전트 하네스를 localhost로 지정하면 됩니다. 이는 라우팅 계층이 GUI 에이전트 자체보다 주변 스택에서 값어치를 하는 경우입니다: 작업 계획을 작성하는 모델, 화면 상태를 다시 확인하는 비전 모델, 발생한 일을 기록하는 전사 모델 — 이 모든 것이 OrcaRouter에서 공급업체 목록 가격, 0% 마크업, 자동 장애 조치로 운영됩니다. 따라서 하루 된 모델로 프로토타입을 만들 수 있으며, 프로덕션 파이프라인을 그 모델에 걸지 않아도 됩니다. 이와 같은 GUI 에이전트 체크포인트가 라우팅 공급업체에 도달하는 날, 동일한 패스스루로 공급업체 목록 가격에 표시되고, 공급업체 가격 인하도 같은 날 우리 측에 반영됩니다. 그때까지는 Apache-2.0 가중치가 전부입니다.

다음에 볼 콘텐츠

이 조용한 프로젝트가 뉴스가 될지 말지는 세 가지에 달려 있다. 모델 카드의 테이블을 채우는 UI-Venus-2-27B가 실제로 Hugging Face에 나타나고, 12.3 OSBlind 수치를 함께 지니고 있을지. 기술 보고서가 공개되어 최초의 독립 재현에서도 검증을 견딜 수 있을지. 그리고 Ant Group이 조용한 시기가 끝났다고 판단할지 — 9B 오픈 가중치 에이전트가 이런 테이블 수치와 256K 컨텍스트를 갖고 있다면 오랫동안 다운로드 0건에 머물지 않을 테니까.