Osmosis AI, 코드 머지 전문 모델 Osmosis-Apply-1.7B 오픈 소스 발표

Osmosis AI는 Osmosis-Apply-1.7B라는 새로운 모델을 오픈 소스로 출시했습니다. 이 모델은 Qwen3-1.7B를 기반으로 세밀하게 조정되어 코드 머지 작업을 보다 정확하고 구조화된 방식으로 수행하도록 설계되었습니다. IDE 에이전트인 Cursor의 "즉시 적용" 기능에서 영감을 받아, Osmosis-Apply-1.7B는 컨텍스트에 맞는 함수 수준의 코드 수정에 특화되어 있습니다. 이 모델은 더 큰 기초 모델들보다 적은 매개변수로 뛰어난 성능을 발휘하며, 코드 특정 포맷 태그, 고품질 데이터셋, 그리고 Model Context Protocol (MCP) 통합을 활용합니다. 코드 머지 작업에 특화된 모델 일반적인 대형 언어 모델(Large Language Models, LLMs)들이 코드 차이 적용과 의미적 머지에 어려움을 겪는 반면, Osmosis-Apply-1.7B는 함수나 블록 수준에서 구조화된 수정을 수행하도록 특화되어 훈련되었습니다. 이 모델은 세 가지 구조화된 입력을 받습니다: (1) 원래 코드, (2) 수정 사항이나 차이점, (3) 예상되는 머지 포맷. 그런 다음, 태그가 태그 내에 중첩된 형태로 수정된 코드 블록을 반환합니다. 이러한 포맷은 생산 환경에 맞는 기대치와 일치하며, 검증 과정을 단순화합니다. 훈련 및 보상 구조 Osmosis-Apply-1.7B는 commitpackft 데이터셋에서 약 100,000개의 실제 커밋을 사용하여 세밀하게 조정되었습니다. 전체 코퍼스의 15% 미만을 대표하는 이 데이터셋은 실용적인 개발자 워크플로를 나타내도록 구조화되었습니다. 훈련 후에는 보상 기반 시스템을 사용해 고충실도 출력을 강화하면서 스타일적 변동성을 어느 정도 용인하도록 설계되었습니다. 이는 실제 코드 리뷰 과정과 유사하게 작동합니다. 벤치마킹 결과 Osmosis AI는 commitpackft 데이터셋의 10,000개 샘플로 모델의 성능을 벤치마킹했습니다. 평균 보상 점수는 다음과 같습니다: Osmosis-Apply-1.7B: 0.9805 Claude 4 Sonnet: 0.9328 GPT-3.5-turbo: 0.8639 Gemini-2.5-Flash: 0.7745 이 결과는 모델이 로컬 수정을 적용하면서 의미, 포맷, 구조를 유지하는 데 뛰어난 능력을 보여줍니다. MCP 통합으로 개발자 워크플로 지원 모델의 핵심 기능 중 하나는 파일 계층, 함수 이름, 수정 태그 등을 활용한 Model Context Protocol (MCP)의 본격적인 지원입니다. 이 모델은 apply-code MCP 스펙에 따라 CLI 도구와 IDE 에이전트에서 원활하게 사용할 수 있습니다. 함수 수준에서 변경 사항을 범위 지정하고, 잘 구조화된 XML 스타일 태그로 수정을 표시하여 차이 추적과 하류 도구 사용을 간소화합니다. 개발자 도구 및 사용 사례 Osmosis AI는 로컬 추론과 vLLM 또는 Gulp Server 같은 서비스와의 통합을 지원하는 참조 구현도 공개했습니다. 이 도구는 CLI 기반 사용 예제, MCP 호환 서버 구현, 안전한 배포 가이드를 포함하고 있습니다. 주요 사용 사례는 다음과 같습니다: - 코드 리뷰 프로세스 개선 - 자동화된 코드 검증 도구 통합 - 빠른 코드 수정 및 적용 포맷 및 배포 모델은 와 태그로 감싸진 수정 사항을 출력하여 자동 검증기와의 호환성을 보장합니다. 추론 준비가 완료된 모델은 safetensors 및 GGUF 형식으로 제공되어 효율적인 배포가 가능합니다. Osmosis-Apply-1.7B는 로컬 호스팅 또는 제약된 하드웨어에서 최적의 추론을 위해 양자화 모드로 서비스될 수 있습니다. 활용 가능性和 라이선스 Osmosis-Apply-1.7B는 Apache-2.0 라이선스하에 Hugging Face와 GitHub에서 이용 가능합니다. 출시에는 추론에 필요한 모든 스크립트, MCP 호환 배포 예제, 구조화된 포맷 가이드가 포함되어 있습니다. 결론 Osmosis AI는 Osmosis-Apply-1.7B를 오픈 소스로 제공함으로써 함수 수준, 구조 인식 코드 수정 모델의 주요 필요성을 충족시키고 있습니다. 기초 모델들과 달리 이 전문 모델은 컴팩트한 크기와 정밀성, 포맷 일치성을 결합합니다. 그 외 MCP 통합, 보상 기반 세밀 조정, 문법적 구조 지원 덕분에 실제 개발자 도구에 이상적인 후보가 되었습니다. 이 연구에 대한 모든 공로는 해당 프로젝트의 연구자들에게 돌아갑니다. 또한, Twitter, YouTube, Spotify에서 Osmosis AI를 팔로우하고, 100,000명 이상의 ML Reddit 커뮤니티에 참여하거나, 뉴스레터를 구독해보세요. 업계 평가 및 회사 프로필 Osmosis-Apply-1.7B의 출시는 개발자 커뮤니티에서 긍정적인 반응을 얻고 있습니다. 업계 전문가들은 이 모델이 로컬 환경에서도 뛰어난 성능을 보여주는 것과 MCP 통합으로 인한 유연한 사용성을 강조하고 있습니다. Osmosis AI는 혁신적인 AI 기술을 통해 개발자의 효율성을 높이는 것을 목표로 하는 신생 기업으로, 이번 모델 출시는 그들의 기술력을 입증하는 중요한 단계입니다.