# 최강의 AI를 3가지 기준으로 측정했을 때, 1위가 모두 달랐다. 젬니 4 어 Argon, 클로드 오퍼스 5.5, GPT-6.1 솔

> https://bookfactory.kr/board/ai-tech/21696
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-10-14T13:03:44.087Z

---

이번 주에 AI의 새로운 모델이 두 개 출시되었습니다. 구글의 “Gemini 4 Argon”과 메타의 “Muse Wonder”입니다. 둘 다 “가장 뛰어난 성능”을 자랑하고 있습니다.

그러면 현재 가장 강력한 AI는 무엇인지 살펴보겠습니다. 해외 평가 사이트들을 3가지 기준으로 비교해 보면, 1위가 각각 다른 모델로 나타났습니다. 10월 13일 현재의 숫자로 정리하면 다음과 같습니다.

## 사람들의 투표로 결정하는 랭킹

아레나(Arena)는 동일한 질문에 2개의 AI가 답변을 제시하고, 사람이 어느 답변이 더 낫다고 투표하여 순위를 결정하는 랭킹 시스템입니다. 10월 13일 현재 880만표 이상이 집계되었습니다.

글쓰기 종합 부문 상위는 다음과 같습니다.

- 1위: 젬니 4 아르곤 (Google) 1525점
- 2위: Muse Wonder (메타) 1513점
- 3위: Claude Opus 5.5 (Anthropic) 1508점

이번 주에 출시된 두 모델이 갑자기 1위와 2위를 차지했다. 다만, Gemini 4 Argon의 득표수는 아직 약 4,900표이며, Arena 자체도 “임시” 표시를 달고 있다. 점수에는 ±9의 오차가 있으며, 1위에서 2위로 순위 변동이 있을 수 있다는 방식이다.

## 시험 총점

인공 분석(Artificial Analysis)은 독립적인 기관이 동일한 테스트를 각사의 AI에 풀어보고 종합 점수를 산출하는 사이트입니다. 최신 버전에서는 전문 지식 수준의 난문제집 “Humanity’s Last Exam”과 컴퓨터 조작 과제 “Terminal-Bench”를 포함한 10가지 종류의 테스트를 조합하고 있습니다.

다음은 순위입니다.

- 1위: Claude Opus 5.5 (최대 설정) 58점
- 2위: 클로드 손네트 5.5 (최대 설정), 무스  wund어풀 56점
- 동점 그룹: 클로드 페이블 5.1, GPT-6 아스트라, 제미니 4 아르곤 53점

사람들의 투표 결과 1위를 차지했던 젬니 4 어 Argon은, 여기서는 53점으로 동점 그룹에 포함된다. SpaceXAI의 Grok 4.7은 46점을 기록했다.

> 
> 
> 사람들의 투표로 1위를 차지한 AI와 시험의 총점 1위를 차지한 AI는 서로 다르다.
> 

## 도구 3건의 1회 작업에 소요되는 비용

인공 분석은 테스트를 한 번 치르는 데 소요된 비용도 고려하고 있다. 총점이 높아도, 사용될 때마다 비용이 많이 들기 때문에 매일의 업무에는 활용하기 어렵다.

- 클로이드 옵러스 5.5 (최대 설정, 58점): 1회당 약 5.98달러
- GPT-6 아스트라 (최대 설정 - 53점): 약 3.26달러
- GPT-6.1 솔 (고 설정, 50점): 약 0.32달러
- MiMo-V2.6-Pro (샤오미 - 46점): 약 0.13달러

전체 점수가 50점 이상인 모델들 중 1회당 비용이 가장 저렴한 것은 OpenAI의 GPT-6.1 Sol이었다. 최고 점수를 기록한 Claude Opus 5.5와 비교하면 점수는 8점 낮지만, 비용은 약 1/19 수준이다.

MiMo-V2.6-Pro는 내용이 공개적으로 이용 가능한(오픈 웨이트의) 모델 중에서 가장 파라미터 수가 높은 모델입니다. 상업적으로도 사용하기 쉬운 MIT 라이선스로 공개되어 있습니다.

![画像](https://assets.st-note.com/img/1791961262-fON8jgaQUs1RubVD5zC7iXBK.png?width=1200)

## 이번 주에 출시된 두 개의 신규 모델

Gemini 4 Argon(구글)은 9월 30일에 발표되었으며, 처음에는 보안 전문가에게만 제공되었다. 10월 13일부터 유료 플랜의 Google AI Pro와 Ultra 앱 사용자, 그리고 개발자용 API를 통해 사용할 수 있게 되었다.

API 요금은 11월 30일까지의 도입 가격으로 입력 100만 토큰당 2달러, 출력 10달러입니다. 이후에는 4달러와 20달러로 상승합니다. 구글은 전처리나 표현의 중복이 줄어들어 답변이 더욱 직접적으로 되었다고 설명하고 있습니다.

뮤즈  wund어(Meta)는 10월 12일에 발표된 메타의 첫 번째 최고급 모델이다. 대화 기록이나 선호도를 기억하는 “액티브 메모리” 등의 기능을 갖추고 있다. 상위 버전인 뮤즈  wund어 풀은 유료 플랜 이용자를 위한 것이다.

메타가 자체적으로 측정한 성능은 GPT-6 Astra와 Claude Fable 5.1과 거의 동등하다고 평가된다. 아직 제3자 검증은 초기 단계이다.

## 1위가 분화되는 이유에 대한 논의가 뜨겁습니다.

특히, ‘마법소녀 마기’의 1위는 팬덤 내에서 의견이 엇갈리는 부분입니다.

이유는 크게 세 가지로 요약할 수 있습니다. 첫째, 작가의 전작인 ‘마법소녀 크툴루’의 영향입니다. ‘크툴루’는 묘한 분위기와 기괴한 설정으로 인해 팬덤 내에서 극단적인 의견을 나누는 경향이 있었고, ‘마기’ 역시 이러한 영향을 받은 것으로 분석됩니다.

둘째, 캐릭터의 매력 문제입니다. ‘마기’는 겉으로는 둔하지만 속으로는 강인한 면모를 가진 캐릭터로, 팬들은 그녀의 이러한 복합적인 매력에 매료되었습니다. 하지만 일부 팬들은 ‘마기’의 지나치게 강한 면모가 오히려 그녀의 매력을 떨어뜨린다고 생각하기도 합니다.

셋째, 스토리 전개에 대한 해석 차이입니다. ‘마기’의 스토리 전개는 예측 불가능하고 난해한 부분이 많아 팬들 간에 다양한 해석을 낳고 있습니다. 어떤 팬들은 이러한 난해함이 ‘마기’의 매력이라고 생각하는 반면, 다른 팬들은 스토리 전개가 너무 복잡하고 이해하기 어렵다고 비판하기도 합니다.

이러한 다양한 의견들이 얽히면서 ‘마법소녀 마기’의 1위는 팬덤 내에서 끊임없이 논쟁의 대상이 되고 있습니다. 앞으로 ‘마기’가 팬들의 지지를 얻기 위해 어떤 모습을 보여줄지 귀추가 주목됩니다.

세 개의 줄자 각각 다른 것을 측정하고 있습니다.

- 사람들의 투표: 답변의 명확성과 읽었을 때의 인상이 반영되기 쉬움
- 시험의 총점: 어려운 문제나 긴 작업을 완수하는 능력이 반영되기 쉬움
- 1회 비용: 동일한 작업을 반복할 때 발생하는 부담이 반영됩니다.

GPT-6 Astra는 물량 평가 차이가 잘 드러나는 것이 특징이다. 테스트의 총점에서는 53점으로 상위 그룹에 속하지만, 사람들의 투표에서는 30위권에 머물렀다. 반면, Gemini 4 Argon은 사람들의 투표에서 1위를 차지했지만, 테스트의 총점에서는 53점의 동점 그룹에 속했다.

## 사용 상황에 맞게 적용한다

물량 산정의 특성상 다음과 같이 분류할 수 있다.

- 일상적인 글쓰기 작업 및 상담: 사람들의 투표를 통해 상위 모델(Gemini 4 Argon, Muse Wonder, Claude Opus 5.5 등)이 선정됨
- 어려운 분석과 몇 시간이나 걸리는 작업: 시험의 종합 점수 상위 모델(Claude Opus 5.5, Claude Sonnet 5.5 등)
- 대량의 문서를 처리하는 작업: 1회당 비용이 저렴한 모델(GPT-6.1 솔, MiMo-V2.6-Pro 등)

어떤 랭킹도 새로운 모델이 나올 때마다 순위가 바뀌는 것이다. 아레나의 임시 순위처럼, 몇 일 내에 변동이 많은 랭킹도 많다.

“최강의 AI”는 어떤 기준으로 측정하느냐에 따라 답이 달라진다. 각 랭킹이 무엇을 측정하고 있는지 알아두면, 뉴스의 “최강”을 무비판적으로 수용하지 않도록 할 수 있다. 이번 주에 두 모델이 등장하면서, 그 점이 명확하게 숫자로 드러났다.

**출처:** [note 원문](https://note.com/ready_prawn3804/n/nb35ab6c62ba8)

*번역: Gemma 3(.44) 초벌 + 교정 20청크*

[원문 보기](https://note.com/ready_prawn3804/n/nb35ab6c62ba8) | 출처: note.com