Qwen3.8-27B-pi-adapted의 개요
Qwen3.8-27B-pi-adapted는 Alibaba의 Qwen3.8-27B용 LoRA 어댑터로, 오픈소스 터미널 코딩 에이전트 pi를 움직이는 모델로 쓰이도록 강화 학습으로 훈련됐습니다. 2026년 11월, Hugging Face 엔지니어들이 출시 글을 쓴 Hugging Face 조직 harness-hub가 하네스별 어댑터 세 개(pi, Hermes Agent, OpenCode) 중 하나로 공개했으며, 세 하네스 모두에서 돌아가는 병합 어댑터도 함께 내놓았습니다.
어댑터는 기반 가중치를 바꾸지 않습니다. 어텐션과 피드포워드 투영에 랭크 32 LoRA 층을 더한 것으로, TRL의 실험적 AsyncGRPO 트레이너를 써서 실제 pi 하네스 안에서 scale800 소프트웨어 작업 750개와 TermGrade 터미널 작업 300개로 NVIDIA B200 GPU 두 개를 사용해 학습했습니다. vLLM이나 llama.cpp에서 Qwen3.8-27B 위에 불러오거나, BF16 기준 약 54GB의 독립 체크포인트로 병합해 씁니다. 평가 궤적은 모두 공개돼 있습니다.
Qwen3.8-27B-pi-adapted, 쓸 만한 가치가 있습니까?
이 어댑터는 모델을 실제로 돌릴 에이전트 하네스 안에서 학습시키면 얼마나 좋아지는지 보여 줍니다. pi에서 사고를 끈 상태로 SWE-bench Pro의 가장 어려운 51개 작업에서 Qwen3.8-27B를 39.2%에서 64.7%로 끌어올렸고, 새로 푼 작업은 15개, 잃은 작업은 2개입니다. Terminal-Bench 2.1의 86개 작업에서는 39.5%에서 55.8%가 됐습니다. 두 변화 모두 부호 검정(p = 0.0023, 0.0013)을 통과했고, Terminal-Bench 향상폭은 체크포인트 선정에 쓰지 않은 68개 작업에서도 16.2포인트를 유지합니다.
더 큰 발견은 효율입니다. 사고를 끈 어댑터 는 Terminal-Bench 2.1에서 최고 추론 강도로 생각하는 기반 모델과 대등하고(56.6% 대 54.2%), SWE-bench Pro에서는 사고가 더해 주는 35포인트 중 25포인트를 얻으면서(64.7% 대 74.5%) 작업당 생성 토큰은 약 4.5분의 1입니다. 둘 다 푼 작업에서 SWE-bench Pro는 기반 모델이 59턴 걸릴 때 23턴, Terminal-Bench는 18턴 대비 8턴이면 됩니다.
모델 카드는 보기 드물게 솔직합니다. 자체 수치를 두 번 정정한 기록이 있는데, 하나는 긴 추론을 잘라 버린 16k 출력 한도, 다른 하나는 기반 모델 실행 9회 중에 끊긴 네트워크 터널 때문이었습니다. 또 향상의 일부는 기반 모델이 자주 다 써 버리는 100단계 예산 안에 작업을 끝내는 데서 온다고 밝힙니다. 채점 여부와 관계없이 모든 궤적이 공개 버킷에 있습니다.
주의할 점: 적용 범위가 좁습니다. 향상은 pi, 텍스트 전용, 온도 0.8, OpenAI completions API 조건에서만 측정됐고, 모델 카드는 pi의 기본값인 Responses API로는 학습도 검증도 하지 않았다고 경고합니다. GGUF 버전은 재평가되지 않았고, 비트 수가 낮은 기반 양자화일수록 학습된 동작에서 멀어지며, 학습은 계획한 1,000단계 중 191단계에서 멈췄습니다. 사고를 켜면 기반 모델과 같은 74.5%에 그쳐, 이미 긴 추론에 비용을 내는 사람에게는 더해 주는 것이 없습니다.
결론: 자신의 GPU에서 pi를 돌린다면 느리게 생각하는 모델을 빠르게 끝내는 모델로 바꿔 주는 무료 업그레이드입니다. 다른 하네스를 쓴다면 자매 어댑터들과 공개된 TRL 레시피가 이번 공개에서 더 흥미로운 부분입니다.
제 역할을 하는 곳
워크스테이션 GPU의 로컬 모델로 pi를 쓰는 개발자
API 토큰 비용 없이 실패하는 테스트와 작은 버그 수정
vLLM과 `--lora-modules qwen3.8-pi=harness-hub/Qwen3.8-27B-pi-adapted`로 Qwen3.8-27B를 사고 끈 상태로 서빙하고, openai-completions API로 pi를 연결합니다. 세션은 기반 모델의 절반 정도 턴에 끝납니다.
Llama.app을 쓰는 Mac 개발자
노트북에서 더 강한 로컬 에이전트 실행
Qwen3.8-27B GGUF(모델 카드 기본값은 Q8_0, Q4_K_XL은 약 17GB)와 F16 LoRA 파일을 models.user.ini에 등록하고 pi-llama 확장을 씁니다. GGUF 경로는 다시 측정되지 않았습니다.
자체 에이전트 하네스를 가진 회사의 ML 팀
자사 하네스와 작업 구성에 맞는 저렴한 어댑터 학습
공개된 TRL `async_grpo_harbor` 레시피를 따릅니다. Harbor 형식 작업을 OpenEnv로 제공하고, 하네스는 배포된 그대로 쓰며, 하네스마다 B200 GPU 두 개를 씁니다. 모델 카드의 학습 곡선과 궤적이 기준이 됩니다.
도입 전 확인할 점
- 설정
- `npm install -g --ignore-scripts @earendil-works/pi-coding-agent`로 pi를 설치하고(Node.js 22.19 이상), vLLM에서 LoRA를 붙인 Qwen3.8-27B를 서빙한 뒤 ~/.pi/agent/models.json에 `"api": "openai-completions"` 로컬 제공자를 추가합니다.
- 연동
- vLLM(LoRA 또는 병합), transformers serve, GGUF 어댑터를 통한 llama.cpp와 Llama.app, pi-llama 확장. Hermes Agent와 OpenCode용 자매 어댑터도 있습니다.
- 데이터와 개인정보
- 자체 호스팅이므로 코드와 프롬프트는 내 컴퓨터에 남습니다. 학습에는 공개 Harbor 작업 세트와, safeagents가 도구 호출을 검사하는 HF 샌드박스를 썼습니다. 평가 샌드박스는 인터넷에 연결돼 있었지만 모델 카드는 원래 수정 사항을 찾아본 흔적이 없었다고 밝힙니다.
- 대규모 사용 시 비용
- 라이선스 비용은 없고, 비용은 27B 모델 서빙입니다. 모델 카드에 따르면 사고하는 기반 모델은 SWE-bench Pro 작업당 중앙값 48.8k 토큰을, 어댑터는 9.4k를 생성하므로 같은 GPU로 몇 배 많은 작업을 처리합니다.
- 제한
- 학습된 설정은 사고 끔. 평가 예산은 100단계, 131,072토큰. Qwen3.8-27B에서만 동작하며 비전 타워는 제공되지 않습니다. vLLM의 접두사 캐시에는 `--mamba-cache-mode align`이 필요합니다.
좋은 점
- pi, 사고 끔 조건에서 SWE-bench Pro 고난도 세트 39.2%에서 64.7%로
- 사고하는 기반 모델보다 생성 토큰 약 4.5분의 1
- 둘 다 푼 작업에서 기반 모델의 절반도 안 되는 에이전트 턴
- 정정 내역, 궤적, 학습 레시피 모두 공개
- Apache 2.0. vLLM이나 llama.cpp에서 LoRA로, 또는 병합해 실행
아쉬운 점
- pi 하네스와 completions API에서만 평가
- GGUF 어댑터는 재평가되지 않았고 저비트 기반 양자화에서 동작이 어긋남
- 사고를 켜면 기반 모델 대비 이득 없음
- 27B 기반 모델 전체가 필요하며 비전은 제공되지 않음
추천 대상
자신의 GPU나 Mac에서 pi 코딩 에이전트를 돌리며, 사고 없이 더 나은 결과와 더 짧고 저렴한 세션을 원하는 개발자.
Qwen3.8-27B-pi-adapted 대안
Qwen3.8-27B-pi-adapted: 자주 묻는 질문
- Qwen3.8-27B-pi-adapted, 쓸 만한 가치가 있습니까?
- 사고를 끈 Qwen3.8-27B를 훨씬 나은 pi 에이전트로 만드는 작고 문서화가 잘된 어댑터이며, pi를 쓰지 않더라도 유용한 레시피입니다. 평점은 5점 만점에 3.9점입니다.
- Qwen3.8-27B-pi-adapted의 가격은 얼마입니까?
- 필요한 기반 모델 Qwen3.8-27B와 마찬가지로 Apache 2.0으로 무료. 실행하려면 27B 기반 모델을 직접 호스팅해야 하며, 기반 모델의 4비트 GGUF는 약 17GB입니다.
- Qwen3.8-27B-pi-adapted의 단점은 무엇입니까?
- pi 하네스와 completions API에서만 평가; GGUF 어댑터는 재평가되지 않았고 저비트 기반 양자화에서 동작이 어긋남; 사고를 켜면 기반 모델 대 비 이득 없음; 27B 기반 모델 전체가 필요하며 비전은 제공되지 않음.
- Qwen3.8-27B-pi-adapted에 적합한 사람은 누구입니까?
- 자신의 GPU나 Mac에서 pi 코딩 에이전트를 돌리며, 사고 없이 더 나은 결과와 더 짧고 저렴한 세션을 원하는 개발자.
- 팀이나 프로덕션 환경에서 Qwen3.8-27B-pi-adapted의 비용은 얼마입니까?
- 라이선스 비용은 없고, 비용은 27B 모델 서빙입니다. 모델 카드에 따르면 사고하는 기반 모델은 SWE-bench Pro 작업당 중앙값 48.8k 토큰을, 어댑터는 9.4k를 생성하므로 같은 GPU로 몇 배 많은 작업을 처리합니다.
- Qwen3.8-27B-pi-adapted에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅이므로 코드와 프롬프트는 내 컴퓨터에 남습니다. 학습에는 공개 Harbor 작업 세트와, safeagents가 도구 호출을 검사하는 HF 샌드박스를 썼습니다. 평가 샌드박스는 인터넷에 연결돼 있었지만 모델 카드는 원래 수정 사항을 찾아본 흔적이 없었다고 밝힙니다.
- Qwen3.8-27B-pi-adapted의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3.8-27B, Inkling 2 Mini 및 Gemma 4입니다.
답변 확인일: 2026년 11월 21일.