Apodex-1.0의 검증 중심 딥리서치 에이전트 아키텍처

검증을 추론 과정 안으로 가져온 Apodex-1.0

딥리서치 에이전트가 질문 분해부터 검색, 추론, 답변 합성까지 한 모델에 맡기면 초기 오류가 뒤 단계로 이어지기 쉽다. Apodex 팀이 공개한 Apodex-1.0은 이 문제를 모델의 사후 검토가 아니라 에이전트들이 서로의 근거를 확인하는 구조로 다룬다. Qwen3.5 기반 헤비듀티 솔버에서 상호 검증을 수행하며, 공개·비공개 모델을 아우르는 딥리서치 벤치마크 SotA를 달성했다.

공식 기술 리포트의 제목은 "Apodex-1.0: A Verification-Centric Agent Team for Discoverative Intelligence"다. 모델 패밀리에는 35B 파라미터 규모의 주력 모델 Apodex-1.0-35B-A3B와 경량 모델 Apodex-1.0-mini가 포함된다. 추론 파서(reasoning parser)와 도구 호출 파서(tool-call parser)는 Qwen3 기반이다.

표준 배포에서는 ReAct 패턴을 따르는 단일 도구 사용 에이전트로 실행된다. 헤비듀티 모드의 Apodex-1.0-H는 비동기 에이전트 팀으로 전환되며, 하나의 태스크에 최대 150개 서브에이전트와 15,000 스텝을 투입한다.

기반이 된 Qwen3.5는 Alibaba Cloud가 2026년 2월 공개한 플래그십 모델 패밀리다. 스파스 MoE(Mixture of Experts)를 사용해 397B 총 파라미터 가운데 포워드 패스마다 17B를 활성화한다. LiveCodeBench v6에서는 83.6점, AIME26에서는 91.3점을 기록했으며 지시 따르기(instruction following)와 다국어 이해에서 최고 수준의 성능을 보인다. Apodex 팀은 이 Qwen3 계열 아키텍처를 에이전트 용도에 맞게 파인튜닝해 딥리서치 태스크에 적용했다.

오케스트레이션과 검증이 맞물리는 헤비듀티 솔버

기존 단일 에이전트는 질문 해석, 검색, 추론, 결과 합성을 하나의 컨텍스트 윈도우에서 처리한다. 이에 비해 Apodex-1.0은 오케스트레이터, 서브에이전트, 전역 검증자(global verifier)를 잇는 3층 구조로 인지 부하와 검증 책임을 분산한다.

⤢✕

오케스트레이터는 복잡한 질의를 병렬로 처리할 수 있는 서브태스크로 나누고, 전체 탐색 전략을 조정한다. 각 서브에이전트의 결과는 공유 증거 풀(shared evidence pool)에 모인다. 탐색 중 새로운 가설이 발견되면 관련 역할을 맡은 에이전트에 추가 조사를 배정하는 것도 오케스트레이터의 몫이다.

서브에이전트는 검색, 검증, 추론에 특화된 역할로 분리된다. 검색 에이전트가 웹과 문서에서 자료를 찾으면 검증 에이전트는 다른 에이전트가 확보한 근거의 신뢰성을 독립적으로 판단한다. 추론자와 검증자를 분리했기 때문에 같은 에이전트가 자신이 만든 주장을 다시 승인하는 자기 확증 편향(self-confirmation bias)을 구조적으로 억제할 수 있다.

모든 보고가 증거 풀에 들어오면 전역 검증자는 이를 바탕으로 증거 그래프(evidence graph)를 만든다. 최종 답변에 들어갈 각 클레임은 그래프의 구체적인 증거 노드와 연결되어야 한다. 독립 검증을 통과한 주장만 답변에 남는다.

리포트 풀에는 발견한 내용뿐 아니라 판정과 개입 이력도 기록된다. 그 결과 생성된 결론은 감사 가능(auditable)하고, 문제가 확인되면 철회 가능(retractable)하며, 다른 탐색 경로로 분기 가능(forkable)한 형태를 갖는다.

질문을 쪼개는 기준은 필요한 증거의 성격이다

Apodex-1.0의 태스크 분해는 문장을 작은 질문으로 나누는 데 그치지 않는다. 먼저 질의가 요구하는 정보가 사실 확인인지, 인과 추론인지, 비교 분석인지, 시계열 추적인지를 파악한다. 필요한 증거의 성격이 달라지면 투입할 서브에이전트의 역할도 달라진다.

질의 의도를 분류한 뒤에는 서로 독립적으로 조사할 수 있는 경로를 설계해 비동기로 실행한다. 병렬화는 응답 시간을 줄이는 수단인 동시에, 서로 다른 경로에서 얻은 증거를 교차 검증하기 위한 장치다.

에이전트들이 충돌하는 정보를 가져오면 전역 검증자가 출처 신뢰도와 최신성, 논리적 일관성을 기준으로 충돌을 조정한다. 탐색 경로를 늘리는 것만으로는 해결할 수 없는 근거 간 모순을 별도의 검증 단계에서 다루는 셈이다.

딥리서치 성능을 끌어올린 검증 중심 설계

Apodex-1.0-H는 공개 딥리서치 벤치마크에서 공개·비공개 모델을 통틀어 새로운 SotA를 기록했다. 기술 리포트는 이 성과를 단순히 더 큰 모델을 사용한 결과가 아니라 검증 중심 아키텍처가 만든 효과로 설명한다.

2026년 딥리서치 평가는 BrowseComp, FRAMES, GAIA, HLE(Humanity's Last Exam) 같은 여러 벤치마크를 사용한다. BrowseComp는 지속적인 웹 탐색과 다단계 추론을 평가하며, 특화 에이전트 아키텍처와 범용 모델 사이에 큰 성능 차이가 나타나는 벤치마크다. GAIA는 멀티스텝 추론과 웹 브라우징, 도구 사용, 멀티모달 이해를 함께 다룬다.

기술 리포트가 제시한 성능 메커니즘은 오류 전파 차단, 병렬 탐색을 통한 증거 다양성 확보, 감사 가능성에 기반한 체계적 품질 관리다. 추론 사슬의 앞부분에서 생긴 오류를 검증자가 차단하고, 여러 탐색 경로가 한쪽 자료에 편중되는 문제를 줄이며, 판단 이력을 남겨 결과를 다시 점검할 수 있게 한다.

다른 딥리서치 시스템과 갈리는 지점

⤢✕

Agentic RAG도 에이전트가 검색 전략을 선택하고 반복 탐색을 수행한다. 다만 검색과 생성을 근본적으로 하나의 모델이 담당하고, 품질 검사 역시 생성 모델 내부에서 이뤄진다. 인용을 추적할 수는 있지만, 자기 확증 편향을 완전히 막거나 구조화된 증거 그래프 수준의 감사 가능성을 제공하기는 어렵다.

Perplexity Deep Research는 다중 LLM 앙상블을 이용해 100개 이상의 소스를 탐색하고 약 3분 안에 결과를 제공한다. Claude Opus 4.5/4.6의 추론 능력과 93.9%의 사실 정확도가 강점이다. 반면 에이전트 사이의 상호 검증 구조는 없으며, 검증 품질이 단일 모델의 출력에 의존한다. 클레임과 근거를 증거 그래프로 연결하는 Apodex-1.0-H와는 설계의 출발점이 다르다.

2026년 공개된 Marco DeepResearch는 검증 중심 설계(verification-centric design)를 채택했다는 점에서 Apodex-1.0과 같은 방향을 바라본다. Marco가 낮은 비용과 빠른 응답이라는 효율성에 무게를 둔다면, Apodex-1.0-H는 헤비듀티 정확성과 감사 가능성을 우선한다.

모델뿐 아니라 평가 절차도 공개했다

Apodex 팀은 Apodex-1.0-mini를 HuggingFace의 apodex/Apodex-1.0-mini로 공개했다. 표준 ReAct 설정에서 Apodex-1.0의 공개 벤치마크 결과를 재현할 수 있는 평가 하네스 AgentHarness도 GitHub에 오픈소스로 제공한다.

딥리서치 에이전트는 단순 정확도만으로 평가하기 어렵다. 도구 사용 관련성(tool-use relevance), 증거 근거(evidential grounding), 논리적 일관성(logical coherence)처럼 결과를 만드는 과정의 품질까지 봐야 한다. AgentHarness는 Qwen3 기반 LLM-as-a-Judge를 활용해 이런 고차원 품질 지표를 측정한다. 모델 가중치와 함께 재현 가능한 평가 인프라를 공개했다는 점에서 에이전트 평가 생태계까지 공개 범위에 포함한 전략이다.

검증 가능한 궤적으로 학습 데이터를 만든다

Apodex-1.0은 자기 진화형 설계(self-evolving design)를 학습 파이프라인에 적용한다. 에이전트가 합성 환경에서 태스크를 풀며 궤적(trajectory)을 생성하면, 태스크별 검증 프로그램이 결과를 평가하고 안정적인 보상 신호를 제공한다. 휴리스틱 판단 대신 검증할 수 있는 보상 신호를 사용하므로 수동 어노테이션 없이 학습을 확장할 수 있다.

훈련 데이터의 품질도 같은 원리로 관리한다. Qwen3 기반 LLM-as-a-Judge가 생성된 궤적을 평가하고, 품질이 낮은 샘플은 재생성 루프로 돌려보낸다. 검증을 통과한 궤적만 훈련 데이터에 포함한다. 마지막 품질 보증 레이어에서는 인간 검토자가 최고 등급 궤적을 스팟 체크하는 인간 참여(human-in-the-loop) 검증을 수행한다.

경쟁 축을 속도와 검색량에서 신뢰성으로 넓히다

2026년 딥리서치 에이전트 시장에서는 상업용과 오픈소스 시스템이 함께 경쟁하고 있다. 상업용에는 Kimi-Researcher, OpenAI o3 Deep Research, Grok Deeper Search, Perplexity Deep Research, Gemini Deep Research가 있다. 오픈소스 진영에서는 WebThinker-32B-RL, WebSailor-72B, MiroThinker-1.7 등이 벤치마크 경쟁에 참여한다.

Apodex-1.0의 차이는 검증 중심성(verification-centricity)을 단순한 성능 개선 기법이 아니라 전체 아키텍처를 지배하는 원칙으로 삼았다는 데 있다. 속도와 검색 범위에 집중하는 시스템들과 달리, 결론을 감사하고 필요할 때 철회할 수 있는지가 우선순위에 놓인다.

기술 리포트는 검증 스케일링 효과(verification scaling effects)가 아직 충분히 탐구되지 않았다는 관점도 제시한다. 최대 150개의 서브에이전트가 15,000 스텝을 수행하는 Apodex-1.0-H는 검증 자원을 더 투입할수록 결과 품질을 높일 수 있다는 추론 시간 스케일링(inference-time scaling) 가설을 에이전트 시스템에 적용한 구조로 볼 수 있다.

문서 검색에서 검증된 지식 합성으로

정보 검색 시스템의 관점에서 증거 그래프는 복수 판단자(multiple assessors)를 자동화한 구조와 닮아 있다. 전통적인 정보 검색의 관련성 평가(relevance judgment)는 단일 판단자에게 의존하는 경우가 많았지만, Apodex-1.0에서는 여러 에이전트가 수집하고 판정한 결과를 전역 검증자가 다시 연결한다.

증거 그래프는 역 인덱스(inverted index)의 개념도 확장한다. 역 인덱스가 문서와 토픽의 관련성을 찾는 구조라면, 증거 그래프는 어떤 클레임을 어떤 증거가 지지하는지와 그 신뢰도 체인을 함께 표현한다. 반환할 문서를 찾는 데서 멈추지 않고, 근거가 확인된 지식을 합성하는 verified knowledge synthesis로 검색 시스템의 역할을 넓힌다.

Apodex-1.0이 제시한 핵심은 에이전트의 신뢰성을 결과 생성 뒤에 평가하는 대신 설계 단계부터 확보해야 한다는 것이다. 오케스트레이터, 역할이 분리된 서브에이전트, 전역 검증자, 증거 그래프가 연결되면서 상호 검증과 감사 가능한 결론 생성이 하나의 실행 흐름으로 묶인다.

Qwen3.5 기반 에이전트 특화 훈련과 자기 진화형 파이프라인은 이 구조를 구현하는 기반이다. 단일 태스크에 150개 서브에이전트와 15,000 스텝을 사용하는 헤비듀티 모드는 현재 고비용 특수 사용 사례에 적합하다. 검증 스케일링 효과가 확인되면 다른 딥리서치 에이전트도 비슷한 구조를 채택하는 방향으로 진화할 가능성이 높다.