HN TRACTION RADAR
π μ€λ HNμμ λ¬ μ μ¬ μλΉμ€ 6건
ν΄μ»€λ΄μ€ νλ‘ νΈνμ΄μ§μμ 골λΌλΈ μλΉμ€ νΈλμ
λΆμ
π λΆμ 6건π‘ ν보 ν 30건
μ€λ ν΄μ»€λ΄μ€ νλ‘ νΈνμ΄μ§μμ λ°μμ΄ νΉν λ¨κ±°μ λ μ νΒ·μλΉμ€λ₯Ό 골λΌ, κ° μλΉμ€ νμ΄μ§λ₯Ό μ§μ μ½κ³ 무μμ νλ μλΉμ€μΈμ§Β·μ λ΄λμ§ λΆμνμ΄μ.
π μΉ΄λλ₯Ό ν΄λ¦νλ©΄ ν΄λΉ μλΉμ€ νμ΄μ§λ‘ μ΄λν©λλ€.
1. Qwen3.8-27B-FP8 β
μ΄λ―Έμ§Β·λΉλμ€λ₯Ό μ΄ν΄νκ³ μ¬κ³ κΉμ΄λ₯Ό μ‘°μ ν μ μλ 27B λ°μ§ν λΉμ Β·μΈμ΄ λͺ¨λΈμ FP8 μμν κ°μ€μΉλ‘, TransformersΒ·vLLMΒ·SGLang λ±μ λ°°ν¬ν μ μλ€. μ€μΈ‘ HN λ°μ μ§νλ μ 곡λμ§ μμμ§λ§, λ°°ν¬ μΉνμ μΈ 27B ν¬κΈ°μμ μ½λ©Β·μ₯κΈ° μμ΄μ νΈΒ·λ©ν°λͺ¨λ¬ μμ
μ±λ₯μ κ°ννκ³ μλ³Έκ³Ό κ±°μ λμΌν μ±λ₯μ νλ°©νλ€. β π μ±κ³Ό μ νΈ: Hugging Face μ’μμ 42, Qwen νλ‘μ 96.7k; SWE-bench Pro 61.7, QwenSWEBench 79.0, OSWorld-Verified 84.3, LiveCodeBench v6 90.3.
β² 511 Β· π¬ 353 Β· β‘ μκ°λΉ 157.2
2. GLM-5.3 β
GLM-5.2μ κ°μ κΈ°λ° λͺ¨λΈμ νμ₯λ ννλ ¨μ μ μ©ν μ€νμ¨μ΄νΈ μ½λ© λͺ¨λΈλ‘, μ₯κΈ° μμ
κ³Ό μ·¨μ½μ λ°κ²¬Β·μ΅μ€νλ‘μ μ°μ μΆλ‘ μ μννλ€. μ€μΈ‘ HN λ°μ μ§νλ μ 곡λμ§ μμμ§λ§, μ½λ© μ±λ₯ 50% ν₯μκ³Ό μμλ³΄λ€ λΉ λ₯΄κ² λ°νλ μ¬μ΄λ² μλ, 2μ£Ό λ€ κ°μ€μΉ 곡κ°κ° κΈ°μ μ κ΄μ¬ μμΈμ΄λ€. β π μ±κ³Ό μ νΈ: Z.ai Code Bench 50% ν₯μ; Terminal Bench 3.0 28.3; CyberGym 84.5%; ExploitBench 54.4%; 269κ° νλ‘μ νΈμμ μ·¨μ½μ 2,436건, μ€Β·κ³ μν 1,097건 μλ³.
β² 959 Β· π¬ 478 Β· β‘ μκ°λΉ 85.3
4. Toast 1 β
μ§μλ₯Ό νμ μ§μλ‘ λΆν΄νκ³ κ·Όκ±°λ₯Ό μμ§Β·κ²ν ν΄ κ΄λ ¨ λ¬Έλ§₯μ λ°ννλ μ λ¬Έ κ²μ μμ΄μ νΈλ€. λ
립 μ€νμ΄λ λ²μ© λͺ¨λΈμ νμ μμ΄μ νΈλ‘ μΈ μ μλ€. 126μ Β·38λκΈ, μκ°λΉ 34.2μ μ λ°μμ λΉμ©Β·μλ λλΉ κ²μ νμ§ μ£Όμ₯μ νμ
μλ€. κΈ°μ‘΄ κ²μ λ°±μλμ νΈνλλ μ¦μ μ¬μ© κ°λ₯ APIλ μ€μ©μ±μ λμλ€. β π μ±κ³Ό μ νΈ: μ΅λ 10Γ μ λ ΄νκ³ 12Γ λΉ λ¦; OfficeQA Pro V2 μ νλ 70%, μ½ $1.15/μμ
; λμΌ μ μμμ ν ν° 80.6Mβ23M; νμ€ μ€ν $0.016β0.023/μ§μ, μ€μ μ§μ° 8μ΄.
β² 126 Β· π¬ 38 Β· β‘ μκ°λΉ 34.2
νΈλμ
μ§μλ ν΄μ»€λ΄μ€μ μ€μ μΆμ²Β·λκΈ λ°μ(μκ°λΉ νλ ₯)μ κΈ°μ€μΌλ‘ κ³μ°λ©λλ€. λΆμ λ²μλ ν΄μ»€λ΄μ€ νλ‘ νΈνμ΄μ§μ
λλ€.