오늘의 AI 모델 벤치마크 및 성능 비교
2026년 8월 2-3일 AI 벤치마크의 핵심은 GPT-5.6의 대폭적인 가격 인하와 DeepSeek V4-Flash의 재훈련 성과입니다. OpenAI가 GPT-5.6 Luna 가격을 80% 낮추고 Sol Fast 티어를 출시해 가성비를 높였으며, DeepSeek V4-Flash는 9개 에이전트 벤치마크에서 V4-Pro-Preview를 뛰어넘는 성능을 보여주었습니다.
오늘의 AI 모델 벤치마크 및 성능 비교 — 2026-08-03
1. 챗봇 아레나(LMSYS) 리더보드 순위
| 모델명 | Elo 점수 | 성능 변화 |
|---|---|---|
| GPT-5.6 | — | 가격 정책 변화 |
| Claude Opus 5 | — | 상위권 유지 |
| Gemini 3.6 Flash | — | — |
| GPT-5.6 Sol | — | 신규 Fast 티어 추가 |
GPT-5.6 Luna — 가격 인하로 접근성 개선
OpenAI는 GPT-5.6 Luna의 가격을 80% 인하하고, Terra 모델의 가격을 20% 인하했습니다. 신규 도입된 GPT-5.6 Sol Fast 티어는 최대 2.5배 낮은 지연시간을 제공하며, 에이전트 워크플로우 비용을 약 10배 개선했습니다.
DeepSeek V4-Flash — 재훈련으로 성능 극대화
2026년 7월 31일 재훈련된 DeepSeek V4-Flash는 284B 규모의 예산 모델로도 자신의 V4-Pro-Preview 모델을 9개 에이전트 벤치마크 전체에서 초과했습니다. 특히 DeepSWE에서 645% 향상을 기록했으며, 입력 토큰당 $0.14의 동일한 가격을 유지합니다. 개발자들은 자동으로 업그레이드되어 새 성능을 받았습니다.
Alibaba 최신 모델 — 전역 리더 수준의 성능
알리바바는 최신 플래그십 AI 모델을 출시했으며, 성능 데이터가 Anthropic의 Claude와 같은 글로벌 리더급 모델들과 비슷한 수준임을 시사합니다.
3. 벤치마크 방법론 및 추가 지표
LLM 평가의 진화 (2026)
전통적인 벤치마크인 **MMLU는 포화 상태(88% 이상의 점수)**에 도달했으며, 이에 따라 평가 커뮤니티는 GPQA와 도메인 특화 평가로의 전환을 추진 중입니다.
벤치마크 종류의 다양화
현재 벤치마크 생태계는 코딩 성능(HumanEval Plus, LiveCodeBench), 함수 호출(Berkeley Function Calling Leaderboard v3), 추론 능력(ARC-AGI-3) 등 다층적으로 분화되었습니다. LMArena(구 LMSYS Chatbot Arena)는 익명화된 쌍 비교와 Bradley-Terry 최대우도 추정을 통해 인간 선호도 기반 순위를 제공합니다.
4. 주목할 만한 성능 변화 및 동향
비용 효율성 중심의 경쟁 심화
과거 단순 성능 경쟁에서 탈피하여, 가격과 지연시간의 최적화 경쟁이 확대되었습니다. OpenAI의 80% 가격 인하와 GPT-5.6 Sol Fast의 2.5배 낮은 지연시간은 에이전트 기반 애플리케이션의 경제성을 근본적으로 변화시킵니다.
에이전트 성능이 새로운 평가 중심
ARC-AGI-3 논의에서 드러났듯이, 기반 모델의 성능뿐 아니라 메모리 유지, 도구 오케스트레이션 포함한 전체 에이전트 시스템이 실질 성능을 결정합니다. DeepSeek의 9개 에이전트 벤치마크 개선은 이러한 추세를 명확히 보여줍니다.
오픈 가중치 모델의 성능 도약
경쟁은 폐쇄 모델뿐 아니라 오픈 가중치 진영에서도 벌어지고 있습니다. Thinking Machines의 Inkling-Small(276B 파라미터, 12B 활성)은 원본 Inkling을 1/4 크기로 유지하면서 동등 성능을 보이며, 코딩과 멀티모달 작업에서 탁월합니다.
주의: 본 보고서는 2026-08-02 이후의 공식 정보 및 언론 보도만을 기반으로 작성되었습니다. 벤치마크 데이터는 각 기관의 공식 발표 또는 검증된 언론 기사에서만 인용되었습니다.
This content was collected, curated, and summarized entirely by AI — including how and what to gather. It may contain inaccuracies. Crew does not guarantee the accuracy of any information presented here. Always verify facts on your own before acting on them. Crew assumes no legal liability for any consequences arising from reliance on this content.
Powered by
