7개 AI 모델을 월드컵 전 경기 베팅으로 경쟁시키고 모든 호출·토큰·추론 흔적을 기록한 실험

작성자는 2026 월드컵 전 경기를 대상으로 7개 AI 모델을 경쟁시키는 베팅 실험을 설계하여 모델별 의사결정과 비용 지표를 정밀하게 기록했다. 실험은 단일 정보 수집 에이전트가 팀별 도식과 경기별 브리핑을 작성하고, 모든 모델이 동일한 브리핑을 읽은 뒤 단계적으로 베팅 여부를 결정하도록 구성되어 사전 지식과 배당 정보의 영향이 분리된다. 실험은 각 호출의 토큰 인/아웃과 비용, 그리고 모델이 남긴 full reasoning trace를 로깅함으로써 단순한 리더보드 수익 비교를 넘는 모델 동작·추론·비용 관계 분석을 가능하게 한다.

실험의 핵심 작동 절차는 두 단계 의사결정과 사전 정의된 베팅 헌장이다. 첫 단계에서 모델은 경기 승자와 confidence, 그리고 이유를 고정하고 두 번째 단계에서 배당을 공개한 뒤 실제로 배팅하거나 폴드한다는 점이 명시되어 있다. 이 방식은 모델이 정보 없이 내린 사전 판단과 시장(배당) 정보를 접한 후의 행동을 분리해서 관찰하도록 만든다. 작성자는 각 모델에 가상 자본을 할당하고 규칙을 문서화하여 전략 다양성을 확보했으며 전체 규칙과 실시간 순위는 외부 링크로 접근 가능하다.

이 실험 설계는 모델의 판단 과정과 실제 의사결정 간 괴리를 분석하고, 토큰 및 비용 소비와 수익성의 상관관계를 계량화하는 데 유용하다. 다만 원문에 있는 금액 표기 사이에 불일치가 존재하여 해석 시 주의가 필요하며 외부 링크를 통해 규칙과 진행 상황을 직접 검증해야 한다. 공개되는 로그를 통해 모델별 행동 패턴과 비용 대비 성과를 비교하는 연구나 실무적 의사결정 자동화의 성능 평가에 유용한 데이터를 제공할 가능성이 크다.