Local-first Agent 기반 Mano-P, Cloud 모델 대비 GUI 작업 성공률 17%p 상회

Context

Cloud 기반 AI Coding Tool의 상용화로 인한 데이터 보안 및 프라이버시 침해 우려 증가. 범용 LLM의 높은 Latency와 특정 플랫폼 종속성으로 인한 도메인 특화 최적화의 한계 발생.

Technical Solution

• GLM 기반 Multi-agent 협업 및 Project Knowledge Base 구축을 통한 ZCode 3.0의 모델 중심 아키텍처 설계
• OpenCode 기반 MIT 라이선스 채택 및 Multi-model 호환 레이어 구축을 통한 MiMo Code의 생태계 유연성 확보
• HarmonyOS 전용 Bifang 모델 적용 및 전체 Workflow 통합을 통한 DevEco Code의 Vertical Specialization 구현
• Apple M4/M5 칩셋 최적화 및 W8A8 Activation Quantization 적용을 통한 Mano-P의 Local-first 실행 환경 구축
• GUI-VLA Agent 모델 설계를 통한 스크린샷 및 태스크 설명의 온디바이스 처리로 데이터 외부 유출 원천 차단
• Cider SDK 기반 양자화 기법 적용으로 Prefill 속도 개선 및 추론 효율 최적화

Impact

• Mano-CUA 1.1: OSWorld 평가에서 성공률 58.2% 기록하여 2위(45.0%) 대비 13.2%p 우위 확보
• WebRetriever Protocol I: NavEval 41.7점으로 Gemini 2.5 Pro(40.9) 및 Claude 4.5(31.3) 상회
• Mano-P 4B Quantized Model: M5 Pro 기준 약 80 tokens/s의 Decode 속도 달성
• W8A8 Quantization: W8A16 Baseline 대비 Prefill 속도 약 12.7% 향상
• Local Model 성능: macOS GUI 작업 통과율 56.0%로 Cloud 기반 Qwen3-VL-Plus(39.0%) 압도

Key Takeaway

특정 도메인(OS, GUI)에 최적화된 소형 모델(SLM)과 Local-first 아키텍처의 조합이 범용 Cloud LLM보다 높은 효율과 보안성을 제공함.