2026년 4월 AI 평가 다이제스트: 노이즈인가, 성능 저하인가, 아니면 서사인가?

이 아티클은 Claude Opus 4.7 및 Mythos, GPT-5 등 최신 프런티어 모델들의 출시 이후 제기된 '모델 성능 저하(Nerfing)' 논란을 심층적으로 분석한다. 사용자들이 체감하는 성능 변화가 실제 지능의 하락인지, 아니면 안전성 설정 및 시스템 프롬프트 변경에 따른 부수적 효과인지를 종단적 연구 데이터와 기업의 변경 로그를 통해 대조한다. 특히 UK AISI와 Stanford 등 주요 기관이 제시하는 새로운 AI 평가 방법론인 심리 측정(Psychometrics)과 문항 반응 이론(IRT)의 도입을 강조한다. 결론적으로 단순 벤치마크 점수를 넘어 모델의 잠재적 능력과 위험을 과학적으로 추론하기 위한 평가 체계의 고도화가 필수적임을 시사한다.