연구 질문에 답하고, 그 결과가 어떻게 나왔는지 추적할 수 있는 오픈소스 워크벤치
논문이나 데이터 파일을 열어놓고 '이 결과가 어떻게 나왔는지'를 묻는 순간, AI 에이전트가 코드를 실행하고 차트를 만들며 그 과정을 투명하게 보여줍니다. AIPOCH Open-Science는 과학 연구를 위한 오픈소스 데스크톱 앱으로, 로컬에서 데이터를 다루며 어떤 모델이든 연결해 사용할 수 있습니다. 결과물 하나하나가 어떤 입력과 코드로 만들어졌는지 기록을 남기므로, 나중에 다시 확인하거나 동료에게 넘겨줄 때 신뢰할 수 있습니다.
v1.0.8 업데이트와 최신 변화
2026년 11월 기준 최신 버전인 v1.0.8이 출시되었습니다. 이번 업데이트에서는 설정 화면을 용도별로 탭으로 나누어 찾기 쉽게 개편했습니다. DOI, arXiv, PubMed 식별자를 이용해 최대 100개까지 문헌을 한꺼번에 가져오는 기능이 추가되었고, 문헌 상세 화면에 AI가 만든 연구 스냅샷을 볼 수 있게 되었습니다. 또한 세션이 끝나면 에이전트 프로세스가 정상적으로 해제되고, macOS와 Windows에서의 업데이트 과정이 더 부드럽게 개선되었습니다.
연구 과정의 투명성과 재현 가능성
이 도구의 핵심은 결과물 뒤에 숨겨진 과정을 드러내는 것입니다. AI가 만든 차트나 보고서, 표는 모두 불변 버전으로 저장되며, 각 버전에는 생성에 사용된 코드와 실행 이력, 입력 데이터, 환경 정보가 함께 기록됩니다. 'Provenance' 뷰를 통해 이 증거들을 직접 살펴볼 수 있고, 검증할 수 없는 부분은 추측하지 않고 '사용 불가'로 표시합니다. 이렇게 기록된 연구 세션은 .science 패키지로 내보내어 다른 컴퓨터나 프로젝트에 가져올 수 있습니다. 가져온 기록은 읽기 전용으로 유지되며, 코드 실행이나 자격 증명 복원은 일어나지 않아 안전합니다.
확장 가능한 과학 도구와 모델 선택
내장된 24개의 과학 스킬과 마켓플레이스의 525개 스킬을 통해 연구 워크플로를 확장할 수 있습니다. 48개의 내장 커넥터와 사용자 정의 MCP 커넥터를 이용해 과학 데이터 소스에 접근하며, 도구별 권한을 세밀하게 관리합니다. 모델 선택의 자유도 높습니다. 클라우드 LLM 제공자, 커스텀 게이트웨이, 또는 기존 Claude와 Codex 구독 계정을 모두 지원합니다. Claude Code, OpenCode, Codex, CodeBuddy, Pi 등 5가지 에이전트 백엔드 중 선택 가능하며, Python과 R 노트북을 로컬에서 실행하거나 SSH, Slurm을 통해 원격 HPC에 작업을 제출할 수도 있습니다.
성능 평가와 벤치마크 결과
README는 AstaBench, ASI-Bench, BiomniBench-DA 등 다양한 벤치마크에서의 자체 평가 결과를 공개합니다. AstaBench LitQA2-FullText-Search 테스트에서 gpt-6-astra 모델을 사용해 90.67%의 Recall@30을 기록했으며, 이는 당시 보고된 최고 점수와 동률입니다. ASI-Bench B1~B4 비교에서도 GPT-6 모델을 사용해 각각 79.35, 56.11, 59.67, 59.46점을 얻어 해당 비교군에서 가장 높은 점수를 기록했습니다. 벤치마크마다 과제와 채점 방식이 다르므로 결과 간 직접 비교는 어렵습니다.
설치 환경과 사용 전 확인 사항
macOS 12 이상(Apple Silicon 및 Intel), Windows 10/11 x64, Linux x64/ARM64를 지원합니다. macOS에서는 Homebrew를 통해 설치할 수 있으며, 독립형 CLI는 Node.js 22.13.0 이상을 요구합니다. Windows 재설치 시 연구 데이터는 보존되지만, 완전한 초기화를 원하면 데이터 리셋 도구를 사용해야 합니다. 이 도구는 로컬 우선(local-first) 구조이므로 데이터가 외부 서버로 전송되지 않는 환경을 선호하는 연구자에게 적합합니다.
