섹션별 상세
Claude Opus 4.6과 GPT-5.4가 종합 성능에서 최상위권을 형성하며 치열하게 경쟁하고 있다. Claude Opus 4.6은 Chatbot Arena에서 1503점을 기록하며 사용자 선호도 1위를 차지했고, GPT-5.4는 GPQA Diamond에서 92.8점을 기록하며 고난도 과학적 추론 분야에서 우위를 점했다.
DeepSeek R1과 DeepSeek V3.2는 압도적인 가격 경쟁력을 바탕으로 시장 점유율을 확대하고 있다. DeepSeek R1은 입력 100만 토큰당 $0.28, 출력 $0.42라는 매우 낮은 가격을 책정했음에도 불구하고 MATH-500 97.3점, AIME 2025 90.8점이라는 놀라운 수학적 성능을 기록했다.
코딩 및 소프트웨어 엔지니어링 분야에서는 Gemini 3.1 Pro와 Claude Opus 4.6이 독보적인 성과를 보여준다. Gemini 3.1 Pro는 HumanEval에서 100.0점 만점을 기록했으며, Claude Opus 4.6은 실제 GitHub 이슈 해결 능력을 측정하는 SWE-bench Verified에서 80.8점을 기록하여 실무 적용 가능성을 입증했다.
중국계 모델들의 기술적 성장이 두드러지며 글로벌 리더보드 상위권에 다수 포진했다. Zhipu AI의 GLM-5(744B), Moonshot의 Kimi K2.5(1T), Qwen 3.5(397B) 등은 수천억 개 이상의 파라미터를 보유하며 수학 및 일반 추론 벤치마크에서 미국계 선두 모델들과 대등한 수준에 도달했다.
용어 해설
- MMLU-Pro
- — 57개 주제에 걸친 일반 지식을 측정하는 MMLU의 확장판으로, 더 어렵고 정교한 질문을 통해 모델의 실제 지식 수준과 추론 능력을 정밀하게 평가하는 벤치마크이다.
- GPQA 다이아몬드(GPQA Diamond)
- — 생물학, 물리학, 화학 등 과학 분야 전문가들이 작성한 매우 어려운 객관식 질문 세트로, 비전문가가 검색만으로는 해결하기 힘든 수준의 고차원적 추론 능력을 측정한다.
- SWE-벤치(SWE-bench)
- — 실제 GitHub 이슈를 해결하는 능력을 평가하는 지표로, 모델이 코드베이스를 이해하고 직접 코드를 수정하여 테스트를 통과하는 소프트웨어 엔지니어링 역량을 확인한다.
- 챗봇 아레나(Chatbot Arena)
- — 사용자들이 두 모델의 답변을 블라인드 테스트하여 승자를 가리는 방식으로 산출되는 Elo 레이팅 기반 지표로, 실제 사용자가 체감하는 모델의 유용성과 자연스러움을 나타낸다.
기술
- GPT-5.4
- Claude 4.6
- DeepSeek R1
- Gemini 3.1 Pro
- Qwen 3.5
- GLM-5
- Kimi K2.5
활용 사례
- 모델 벤치마킹 및 선정
- API 비용 최적화 전략 수립
- 코딩 보조 에이전트 도입
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 02. 25.수집 2026. 02. 25.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
