무슨 일이 일어났나
Ai2랑 워싱턴대가 터미널에서 셸 명령을 직접 치는 에이전트 Tmax를 가중치·학습 데이터·재현 코드까지 통째로 공개했어. 제일 큰 Tmax-27B가 Terminal-Bench 2.0에서 42.7%를 찍었는데, 이게 약 1조 파라미터급인 Kimi K2.5(43.2%)에 거의 붙는 점수야. 덩치는 그쪽의 40분의 1인데도.
실제로 뭘 하나
터미널 에이전트는 사람 대신 셸에 명령을 넣고, 나온 결과를 읽고, 다시 고쳐 치는 걸 반복하는 LLM이야. Tmax는 Qwen 3.6 27B를 베이스로 강화학습을 돌려서 이 흐름을 익혔어. 공개한 게 모델 하나가 아니라 한 세트라는 게 이 발표의 무게야:
- 공개 범위: 2B부터 27B까지 가중치에 학습 데이터, 재현 코드까지 전부
- 데이터셋 Tmax-15k: RL 환경
14,600개로, 환경 데이터를 통째로 공개한 기존 터미널 데이터셋 중 제일 큰 것의2.5배 - 라이선스: 모델은 Apache 2.0, 코드는 GitHub
hamishivi/tmax에 올라와 있어 - 작은 버전도 됨: 9B짜리 Tmax-9B도 Terminal-Bench 2.0에서
27%를 냈어
어떤 의미인가
폐쇄형 거대 모델한테 매번 API로 물어보지 않고도, 내 손 안에서 도는 모델로 터미널 작업을 시켜볼 길이 열린 거야. 더 중요한 건 데이터랑 코드가 다 열려 있어서, 점수만 보고 끝나는 게 아니라 같은 레시피로 직접 다시 만들거나 내 작업에 맞게 손볼 수 있다는 점이야. 셸 자동화나 에이전트형 코딩을 자체 모델로 돌려보고 싶었던 사람한테는 출발점이 생긴 셈이지.
주의할 점
42.7%라는 숫자는 Terminal-Bench 2.0 한 벤치 기준이야. Kimi K2.5에 점수가 붙었다고 모든 작업에서 동급이라는 뜻은 아니고, 벤치 점수도 저자 측 보고라 독립 재현을 한 번 거치는 게 맞아. 그리고 27B를 그대로 돌리려면 GPU 메모리가 꽤 들어서, 보통은 양자화로 비트 수를 줄여 돌려. 작은 9B부터 먼저 띄워보고 내 작업에 쓸 만한지 가늠해도 늦지 않아.