GitHub에 공개된 Memdoor 프로젝트의 team-solve 워크플로우가 AI 커뮤니티의 이목을 집중시키고 있습니다. 이 시스템은 Qwen3.8-27B 언어 모델 다섯 개를 하나의 팀으로 구성해 복잡한 코딩 문제를 해결합니다. 보고에 따르면 해당 구조는 LiveCodeBench Hard 벤치마크에서 상위 모델인 Fable 5와 유사한 성능을 달성했습니다.
워크플로우는 GVS5H 방법론을 기반으로 재구현되었습니다. planner, ideator 두 명, solver, manager 등 다섯 가지 역할이 각각 독립적인 컨텍스트에서 작업을 시작합니다. 여기에 repair worker가 추가되어 오류 수정을 담당합니다.
이들은 메모리 공유 없이 디스크 상의 파일만을 통해 서로 소통하며 문제를 풀어나가는 독특한 구조를 따릅니다.
성공 여부는 모델의 자체 판단이 아닌 외부 셸 스크립트가 결정합니다. 이는 다중 에이전트 시스템에서 의사소통 프로토콜과 계산 자원 관리가 얼마나 중요한지 보여줍니다. 개별 모델의 추론 능력이 제한적일지라도 여러 모델의 협업과 반복 시도가 더 나은 해결책으로 유도할 수 있다는 점이 확인되었습니다.
커뮤니티에서는 로컬 환경에서의 경쟁력 유지 필요성이 강조되고 있습니다. Bonsai 2 양자화 기술을 적용하면 합리적인 가격의 게이밍 머신에서도 Qwen 27B 모델을 초당 50 토큰 속도로 실행할 수 있는 것으로 나타났습니다. 이는 클라우드 종속 없이도 높은 수준의 코딩 성능을 구현할 수 있음을 시사하는 구체적인 데이터입니다.
다만 이러한 하네스 기법이 Fable 5 자체의 성능 향상에도 적용될 수 있다는 점은 고려해야 합니다. 현재까지의 검증은 특정 벤치마크와 설정에 국한되어 있습니다. 실제 개발 환경에서의 범용성과 안정성을 입증하기 위해서는 추가 테스트가 필요합니다.