Leaf는 AI를 생산하고·실행하고·진화시키는 4가지 공정을 하나의 루프로 연결합니다. 에이전트가 일할수록 모델이 강해집니다.
회사 데이터로 AI를 굽습니다. 모델 선정부터 데이터 준비, LoRA 학습, 양자화, 배포 패키징까지 한 파이프라인에서.
답변이 아닌 행동을 가르칩니다. 언제 어떤 도구를 쓰고, 실패하면 어떻게 루프를 돌릴지 — 업무 수행 방식 자체를 학습.
AI가 혼자 일하게 하는 실행 환경. Skill·Tool·MCP를 조율해 코딩·분석·보고 같은 실제 업무를 처리합니다.
AI가 쌓은 성공·실패 기록이 자동으로 학습 데이터가 됩니다. 쓸수록 강해지는 모델 자가진화 루프.
생산·실행·진화는 하나의 루프입니다.
에이전트가 실패하고 고친 경험이 곧 다음 모델의 학습 데이터가 됩니다. 멈추지 않는 한 모델은 계속 강해집니다.
Leaf는 모델을 한 번 만들고 끝내지 않습니다. 5단계가 맞물려 계속 돌아가며 모델을 갱신합니다.
5단계를 한 번 돌면 끝이 아닙니다. Runtime에서 쌓인 경험이 다시 데이터셋으로 돌아와 다음 버전을 학습시킵니다. 이 루프가 멈추지 않는 한 모델은 계속 강해집니다.
모델 혼자는 파일도 못 만집니다. Capability Layer가 4가지 능력을 모델에 달아주는 순간, 에이전트가 됩니다.
아무리 똑똑한 모델도 파일 시스템을 만질 손이 없습니다. Leaf Harness가 그 손이 됩니다.
판단하고, 분석하고, 다음 행동을 결정합니다.
두뇌의 결정을 현실의 결과로 바꿉니다.
file.read · file.writeterminal.run · npm testrag.search · diff.viewMCP 서버 연결·실행Sandbox 격리 환경두뇌(모델)는 판단하고, 신체(하네스)는 실행합니다. 이 분리가 3B 소형 모델도 강력하게 만드는 핵심 원리입니다.
단순 API 모델과 자율 에이전트의 차이는 이 7가지에 있습니다.
기존 파인튜닝은 "올바른 답"을 가르칩니다. Leaf는 "어떤 상황에서 어떤 도구를 쓰고, 실패하면 어떻게 복구하는지"— 업무 수행 방식 자체를 가르칩니다.
하나의 모델이지만 역할을 나눠 서로 검증하며 일합니다. System Prompt와 Tool 권한을 분리하는 것만으로 강력한 협업 파이프라인이 만들어집니다.
rag.searchfile.write, terminal.runtest.rundiff.viewAI가 작업에 실패하면 원인을 분석하고, 수정안을 만들어 다시 실행합니다. 사람이 개입하지 않아도 됩니다.
에이전트가 실패하고 고치는 과정 전체가 기록됩니다. 이 원시 로그를 자동으로 정제해 고순도 학습 데이터로 만듭니다.
sft.jsonl성공한 행동 시퀀스. 모델이 직접 모방해서 학습합니다.
dpo.jsonl성공 vs 실패 쌍. '이건 하고 이건 하지 말자'는 선호도 학습입니다.
tool-use.jsonl올바른 도구 호출 패턴. 언제 어떤 Tool·MCP를 쓰는지 특화 학습.
3B짜리 소형 모델도 올바른 Skill·Tool·루프 환경을 주면 단순 코딩에서 대형 모델을 압도합니다. 모델의 IQ보다 환경의 수준이 더 중요합니다.
원리: 작업을 잘게 쪼개 반복(Chain of Hacking) + 외부 기억(RAG) + 테스트 피드백(Hard Feedback) + 성공 경로 재사용(Experience Logging). 특히 반복적 코딩·데이터 처리 태스크에서는 소형 + 하네스가 대형 단독을 이깁니다.
OpenCode·Cursor·LeafPlan은 Leaf Gateway 하나만 호출합니다. 뒤에서 어떤 모델을 쓰든 제품 코드는 손댈 게 없습니다.
/v1/chat/completions/v1/tools/call/v1/agents/run두 바퀴가 맞물릴 때, Leaf는 단순한 도구가 아닌 무한 진화하는 사이버네틱 공장이 됩니다.
에이전트가 실제 업무를 처리합니다. 실패하면 Self-Correction이 자동으로 고치고, 그 경험 전부가 Logger에 쌓입니다.
하네스가 쌓은 경험 데이터를 학습 데이터로 정제해 모델을 재학습합니다. 더 강해진 모델이 다시 하네스에 들어갑니다.
"AI가 일하고, 실패하고, 고치며 얻은 경험을 스스로의 진화를 위한 압도적 자산으로 탈바꿈시키는 사이버네틱 공장.그것이 Leaf입니다."
Leaf의 핵심 약속입니다. 모델의 타고난 성능을 높이는 게 아닙니다. Capability Layer라는 강력한 신체를 입혀서소형 모델도 대형 모델이 못 하는 일을 해내게 만듭니다.
Leaf는 모든 기업이 자신만의 Capability Layer를 구축하고, 어떤 소형 모델이든 하네스와 경험으로 진화시킬 수 있게 합니다.
모델을 고르는 것보다, 모델이 일하는 환경을 만드는 것이 먼저입니다.
파인튜닝으로 모델을 만들고 끝내지 않습니다. 에이전트가 스스로 실패하고 고치며 다음 버전 학습 데이터를 생성합니다. 쓸수록 강해집니다.
5단계는 한 번으로 끝나지 않습니다. Runtime에서 쌓인 경험이 다시 1단계로 돌아와 모델을 갱신합니다.
기존 8코어(모델 팩토리)에 Capability Layer(Skill·Tool·MCP·하네스 루프)가 더해진 완전체입니다.
회사 데이터는 외부로 한 발자국도 나가지 않습니다. 로컬 학습 → 어댑터 가중치만 중앙 집계 → Intelligence Pack으로 재배포. AI가 AI를 학습시키는 자가진화 루프.
FedAvg 대시보드모든 추론은 OpenAI-compatible 엔드포인트로 통일. 환경만 바꾸면 됩니다.
모델의 크기보다, 모델이 일하는 환경의 수준이 결과를 결정합니다.
Leaf Enterprise · 메뉴얼 B · 2026-05-04