모델별 DeepSWE 점수와 작업당 평균 비용 비교 차트

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

여러 LLM 변종을 동일한 DeepSWE 벤치마크와 태스크당 평균 비용으로 비교한 차트가 모델 간 성능 대 비용의 트레이드오프를 시각화하고 있다; 일부 gpt-5.6 계열 변종은 상대적으로 낮은 비용에서 높은 DeepSWE 점수를 보여 비용 효율 프런티어에 위치하며 Claude 계열은 높은 점수를 유지하나 더 큰 비용을 수반하는 경향이 관찰된다. 이 시각 자료는 단일 최고 점수 대신 비용 대비 성능 비율을 기준으로 모델을 평가해야 한다는 실무적 시사점을 제공하며 실제 운용 판단을 위해서는 벤치마크의 세부 태스크 구성과 비용 계산 방식의 재현 검증이 필요하다.

실용적 조언

운영 예산이 제한된 환경에서는 비용 대비 성능이 높은 모델 변종을 우선 실험군으로 선정해 실제 워크로드에서 재검증할 것을 권고한다.
벤치마크 결과를 그대로 적용하기보다 자사 태스크에 맞는 소규모 평가를 통해 DeepSWE 점수와 태스크당 비용이 어떻게 변하는지 확인해 의사결정에 반영해야 한다.
비용 계산은 토큰 사용량과 호출 패턴에 민감하므로 실제 호출 로그를 기반으로 태스크당 평균 비용을 재계산해 비교해야 한다.

섹션별 상세

01

차트는 모델별로 DeepSWE 점수(세로축)와 작업당 평균 비용(가로축)을 동시에 배치해 성능과 비용의 트레이드오프를 시각화하고 있다. 입력으로는 동일한 벤치마크 태스크 집합이 사용되고 출력은 각 모델의 평균 점수와 태스크당 비용값으로 표시되어 점들의 곡선이나 클러스터를 형성한다. 시각적으로 고성능 모델들이 반드시 비용이 높은 곳에만 몰려있지 않고 일부 변종은 낮은 비용에서 상대적으로 높은 점수를 유지해 비용 효율적 선택지가 존재함이 드러난다. 이로 인해 운영 환경에서는 단순 최고 점수 대신 비용 대비 성능 비율을 기준으로 모델을 선택할 필요가 있다는 결론이 도출된다.

02

이미지에서 녹색 계열의 gpt-5.6 계열 변종들은 가로축에서 오른쪽(저비용) 쪽에 위치하면서 세로축에서 비교적 높은 DeepSWE 점수를 유지해 비용 효율 프런티어에 가깝게 배치되어 있다. 데이터 포인트들의 입력·출력 관계는 동일 평가 태스크에 대한 응답 품질과 해당 호출의 비용 정보를 결합해 계산된 평균값이며, 차트의 우측 상단 방향이 'most efficient'로 표시된 점은 비용이 낮고 점수가 높은 지점이 효율성이 높음을 의미한다. 차트의 분포는 예산 제약이 있을 때 특정 gpt-5.6 변종이 높은 처리량과 낮은 단가로 실용적인 선택이 될 가능성을 시사한다.

03

주황색 계열의 Claude 계열 포인트들은 일부 변종이 높은 DeepSWE 점수를 보이나 가로축에서 더 왼쪽(비용이 높은) 쪽으로 분포해 점수 대비 비용이 상대적으로 높은 축에 위치하고 있다. 시각적 증거로서 같은 수준의 점수를 낸 모델들 중 비용 차이가 커서, 동일 성능을 목표로 할 때 비용적 불리함이 있을 수 있음이 확인된다. 이 분포는 연구·개발 단계에서 최고 성능을 우선할지 아니면 비용 효율을 우선할지에 따라 선택이 달라져야 함을 의미한다.

04

파란색·청록색 계열의 일부 모델들은 중간 이하의 DeepSWE 점수와 중간 수준의 비용을 보이며 특정 작업군에서는 실용적이지만 최고 성능을 요구하는 상황에는 적합하지 않은 위치를 차지한다. 차트 상에서 이들 포인트는 입력된 벤치마크 태스크에서의 평균 출력 품질이 상대적으로 낮고 그에 따른 비용 대비 이득이 제한적임을 나타낸다. 따라서 중간 성능·중간 비용의 모델들은 비용 절감과 품질 유지 사이에 균형이 필요한 워크로드에서 고려 대상이 될 수 있다.

이미지 분석

Chart
차트는 세로축에 DeepSWE 점수(0~80%), 가로축에 평균 비용(달러)을 두고 여러 모델 변종의 점들을 연결해 효율성 프런티어를 시각화하고 있다. 오른쪽 상단 방향이 효율성이 높은 구간이며 gpt-5.6 계열은 상대적으로 우측(저비용)에서 높은 점수를 유지하고 Claude 계열은 높은 점수를 보이나 더 높은 비용을 수반하는 분포를 보인다. 이 이미지는 모델 선택 시 단순 성능 비교를 넘어서 비용 구조를 함께 고려해야 함을 직접적인 시각적 근거로 제시한다.
모델별 DeepSWE 점수와 태스크당 평균 비용을 가로세로 축으로 배치한 분산형 비교 차트이다.

Chart
두 번째 이미지는 원본 차트의 프리뷰 버전으로서 동일한 데이터 포인트와 레이블을 포함해 동일한 비교 정보를 전달한다. 원본과 프리뷰 모두 모델명 라벨, 점들의 연결선, 효율성 지향 화살표 등이 포함되어 있어 시청각적으로 동일한 결론을 지원한다. 차트 복수 버전은 시각적 접근성이나 공유용 축소본으로 유용하나 분석적 내용은 원본과 동일하다.
첫 번째 이미지와 동일한 모델 성능·비용 비교 차트의 프리뷰 이미지이다.

용어 해설

DeepSWE 벤치마크(DeepSWE): — 모델의 소프트웨어 엔지니어링 관련 성능을 측정하는 평가 지표로서 여러 유형의 소프트웨어 질문과 코드 관련 과제를 통합해 점수를 산출한다. 입력으로는 코드·설계·디버깅 관련 문제들이 제공되고 모델은 정답 또는 해결 절차를 출력하여 채점된다. 모델 간 성능 비교와 비용 효율성 판단에 사용되며 본 차트의 세로축 값으로 활용되었다.
작업당 평균 비용(Avg cost per task): — 단일 평가 과제(태스크)를 처리하는 데 드는 평균 화폐 단위 비용으로서 토큰 사용량·요청 빈도·요금 체계 등을 종합해 계산된다. 입력은 모델 호출과 응답 과정에서 발생하는 비용 데이터를 포함하고 출력은 태스크당 달러 단위 평균값이다. 비용 대비 성능 판정과 운영 예산 산정에 직접적인 영향을 주는 지표이다.
비용 효율성(Cost efficiency): — 주어진 예산 범위 내에서 모델이 산출하는 성능(예: DeepSWE 점수)을 최대화하는 능력으로서 성능과 단위 비용의 비율을 통해 표현된다. 이 차트에서는 세로축의 성능 점수와 가로축의 태스크당 평균 비용 분포를 동시에 고려해 효율성 우위를 판정했다. 운영 환경에서 처리량과 비용을 동시에 관리할 때 핵심 의사결정 기준으로 활용된다.