코딩 에이전트 비용은 사용하는 모델만으로 결정되지 않는다. 모델이 도구 실행을 기다리고, 진행 상황을 확인하고, 같은 작업에 여러 번 호출되는 흐름도 비용을 만든다. Unreal Labs는 GPT-6 Astra xhigh를 사용하는 에이전트 하네스 Unreal Agent를 공개하며, 도구 실행 구조를 바꿔 모델 턴과 입력 토큰을 줄였다고 밝혔다.
Terminal-Bench 4.0에서 Unreal Agent는 57.9% 통과율을 기록했다. 공개 리더보드의 Codex 비교 결과도 57.9%였고, 제시된 비용은 $2,350에서 $1,428로 내려갔다. 약 39.2% 절감이다.
도구 호출을 모델 턴에서 떼어 놓는다
일반적인 에이전트는 모델이 도구를 호출한 뒤 실행이 끝날 때까지 기다리고, 진행 상태를 다시 묻는 턴을 만들 수 있다. Unreal Agent는 도구 요청을 받으면 세션 기록에 “진행 중” 이벤트를 남기고 실제 작업은 백그라운드에서 돌린다. 작업이 끝나면 결과를 로그에 붙인 뒤 모델을 다시 호출한다.
이 방식으로 모델은 긴 도구 작업을 기다리거나 반복해서 상태를 확인하는 데 턴을 쓰지 않는다. 환경 설정을 진행하는 동안 코드 탐색과 웹 검색을 겹쳐 실행할 수 있고, 도구 작업 중에도 사용자가 방향을 바꾸거나 새 지시를 추가할 수 있다.
Unreal Labs가 공개한 구조 설명과 실행 장면은 공식 X 게시물에서 확인할 수 있다.
성능은 유지하고 비용과 모델 턴을 줄였다
Unreal Labs가 공개한 비용·성능 표를 정리했다. 비교 대상 Codex 수치는 공개 리더보드 결과다.
| 벤치마크 | Unreal Agent | Codex 공개 리더보드 결과 | 비용 절감 |
|---|---|---|---|
| Terminal-Bench 4.0 | 57.9%, $1,428 | 57.9%, $2,350 | 39.2% |
| DeepSWE 1.1 | 72.4%, $1,367 26 turns · 1.60M 입력 토큰 | 69.0%, $1,633 30 turns · 2.19M 입력 토큰 | 16.4% |
| SWE-Atlas Codebase QnA | 65.8%, $936 16 turns · 898k 입력 토큰 | 63.3%, $1,303 22 turns · 1.69M 입력 토큰 | 28.2% |
비용 절감률은 Codex 비용에서 Unreal Agent 비용을 뺀 뒤 Codex 비용으로 나눈 값이다. Terminal-Bench에서는 39.2%로, “최대 40%”라는 발표 수치와 맞는다. DeepSWE는 통과율이 3.4%포인트 높고 비용은 16.4% 낮았다. SWE-Atlas는 통과율이 2.5%포인트 높고 비용은 28.2% 낮았다.
비용 비교와 벤치마크 그래프는 두 번째 공식 X 게시물에도 담겨 있다.
간결한 도구와 단순한 흐름으로 구성
공개 구현은 프롬프트를 간결하게 유지하고, 도구 결과에서 작업에 필요한 정보만 전달하도록 설계됐다. 여러 도구 작업을 비동기로 겹쳐 진행하며, 단일 에이전트 흐름에서 사용자의 새 지시를 받아 다음 작업에 반영한다.
특히 DeepSWE와 SWE-Atlas 표에는 모델 턴과 입력 토큰이 함께 공개됐다. 도구 출력이 짧고 상태 확인을 위한 호출이 줄면, 같은 작업을 끝내는 데 드는 입력과 모델 호출도 줄어드는 경로를 볼 수 있다.
MIT 라이선스 저장소에서 구조 살펴보기
Unreal Agent는 GitHub 저장소에 MIT 라이선스로 공개돼 있다. Go 기반 라이브러리와 실행기, Harbor 호환 벤치마크 실행기를 포함한다.
비슷한 에이전트 구조를 비교하고 싶다면 OpenAI Codex 하네스의 기업 도입 사례도 함께 볼 수 있다. 모델 선택과 함께 도구 호출을 연결하는 하네스 설계가 에이전트 운영 비용을 좌우하는 연구 과제로 자리 잡고 있다.
모델을 한 단계 낮추기 전에 에이전트가 기다리거나 상태를 묻느라 소비한 턴을 세어 보면, 비용을 줄일 지점을 찾을 수 있다.
