Sapient, 소형 모델이 LLM보다 추론을 잘한다고 확신하다; 오픈소스 HRM 11.4K 스타 달성

Sapient Intelligence는 뇌에서 영감을 받은 AI 아키텍처를 구축하며, 그 시작은 계층적 추론 모델(HRM)이다. 이는 두 개의 모듈로 구성된 순환 시스템(느린 플래너와 빠른 실행기)으로, LLM이 실패하는 복잡하고 결정론적인 추론 작업을 겨냥하며 로보틱스, 물류, 헬스케어, 기후 예측 분야의 기업용 응용을 목표로 한다.

뇌에서 영감을 받은 계층적 추론, 즉 느린 플래너와 빠른 실행기가 2,700만 파라미터와 1,000개의 예시만으로 확장된 트랜스포머를 능가한다는 것이다.

2억 달러 밸류에이션으로 2,200만 달러 시드 투자 유치, Vertex Ventures, Sumitomo Group, JAFCO가 주도(2024년 12월 발표).

2024년 싱가포르에서 Guan Wang과 Austin Zheng이 창업한 Sapient Intelligence는 더 나은 AI란 더 큰 모델을 의미한다는 가정에 도전하고자 했다. 팀은 자기회귀 트랜스포머 LLM이 장기적이고 다단계적인 추론에 취약하다고 주장하며 신경과학으로 눈을 돌렸다. 즉 뇌는 서로 다른 시간 규모로 작동하는 영역에 걸쳐 계산을 계층적으로 조직한다는 것이다(VentureBeat; Digit).

2024년 12월 이 스타트업은 Vertex Ventures, Sumitomo Group, JAFCO가 주도한 2억 달러 밸류에이션의 2,200만 달러 시드 투자를 발표했다(Digit). 2025년 중반에는 HRM을 발표했는데, 이는 느린 고수준 플래너와 빠른 저수준 실행기라는 두 개의 결합된 순환 모듈로 '계층적 수렴'을 가능하게 하며, 2,700만 파라미터로 과제당 약 1,000개의 예시로 훈련되었다. VentureBeat는 ARC-AGI 점수 40.3%(o3-mini-high의 34.5% 대비), Sudoku-Extreme과 Maze-Hard에서 거의 완벽한 결과(사고 연쇄 모델은 0%를 기록), 그리고 과제 완료에서 약 100배 속도 향상을 주장했다고 보도했다. 코드는 2025년 8월 GitHub에 공개되어 ROSS Index 2025년 4분기 항목이 되었다. 2025-10-24 기준 11.4K 스타, 11.4배 성장.

자기회귀 LLM은 장기적 다단계 추론에 취약하므로, Sapient는 언어 과제에서 정면으로 경쟁하기보다 실제 격차를 겨냥했다.

1,000개의 훈련 예시를 가진 2,700만 파라미터 모델은 반증 가능하고 재현 가능한 주장이며, 이를 오픈소스로 공개함으로써 벤치마크 결과를 커뮤니티 신뢰와 GitHub 스타로 전환했다.

2억 달러 시드 밸류에이션은 제품이 아닌 아키텍처에 기반했다. 투자자들은 뇌에서 영감을 받은 계층적 계산이 또 하나의 모델 경쟁이 아니라 범용 추론 계층이 될 수 있다고 베팅했다.

결정론적이고 지연 시간에 민감한 영역(로보틱스, 물류, 진단)을 겨냥함으로써 Sapient는 '더 똑똑하고, 더 작고, 더 빠른' 것이 명확한 경제적 가치를 지니는 문제를 선택했다.

Sapient의 쐐기는 증거였다. 어려운 벤치마크에서 거대 기업을 능가하는 작고 개방적이며 재현 가능한 모델은 어떤 논문보다도 설득력이 있다. 즉 GitHub 스타가 신뢰성의 엔진이 되었다.

2026년 9월 2일 기준 Sapient Intelligence는 운영 중이며 시드 투자를 받은 상태다. HRM은 GitHub에 오픈소스로 남아 있으며(2025년 10월 말 기준 11.4K 스타, ROSS Index 2025년 4분기), 회사는 HRM을 특화된 문제 해결사에서 보다 범용적인 추론 모듈로 발전시키고 있다고 밝혔으며, 헬스케어, 기후 예측, 로보틱스 분야에서 초기 작업을 진행 중이다. 여기에는 계절 기후 예측에서 97% 정확도를 보고한 것도 포함된다(Korben, 2025-08-27).