최신 AI 성능 벤치마크 v5 발표... 1위 클로드 vs 오픈소스 격차 12점으로 벌어져

요약 인공지능 벤치마크 평가 기관인 아티피셜 애널리시스(Artificial Analysis)가 최신 종합 성능 지표인 '인텔리전스 인덱스 v5(Intelligence Index v5)'를 공개했습니다. 지난 1월 발표된 v4 이후 가장 큰 규모의 개편으로, 전체 평가의 60%를 비공개 데이터셋 및 비공개 정답 기반으로 전환해 데이터 오염 문제를 대폭 방어한 것이 핵심입니다. 지표 가중치는 지식 작업, 코딩, 과학, 일반 역량에 각각 25%씩 균등 배분되었습니다. 이번 평가 결과 종합 1위는 58점을 기록한 앤트로픽의 '클로드 오푸스 5.5(Claude Opus 5.5 max)'가 차지했습니다. 그 뒤를 이어 오픈AI의 'GPT-6 아스트라(57점)'와 'GPT-6.1 솔(55점)'이 2위와 3위를 기록하며 앤트로픽과 오픈AI가 상위 5개 모델을 모두 독식했습니다. 구글의 '제미나이 4 아르곤'은 50점으로 6위에 올랐습니다. 세부 평가 영역별로는 특정 모델이 전부를 독점하지 못하고 치열한 양상을 보였습니다. 클로드 오푸스 5.5는 깃허브 메인테이너의 머지 여부로 실전 코딩 역량을 평가하는 '프론티어코드 2.0(FrontierCode 2.0)'과 'HLE-다이아몬드', 'AA-옴니시언스 v1.1' 3개 부문에서 선두를 차지했습니다. 반면 고난도 과학 리서치를 터미널에서 수행하는 '터미널-벤치-사이언스'와 물리학 난제 서브셋인 'CritPt v2'에서는 GPT-6 아스트라가 각각 1위를 기록했습니다. 특히 주목할 점은 폐쇄형 독점 모델과 오픈 가중치(Open-weights) 모델 간의 격차가 기존 3점에서 12점 차로 크게 벌어졌다는 것입니다. 아직 가중치가 미공개된 키미 K3.1 프로(Kimi K3.1 Pro)가 46점으로 오픈 진영 중 가장 높았으며, 실제 가중치가 공개된 모델 중에서는 딥시크 V4.1 플래시(DeepSeek V4.1 Flash)가 32점에 그쳐 1위와 무려 26점의 큰 격차를 보였습니다. 한편 상위 모델 간 작업당 처리 비용은 최소 0.96달러(GPT-6.1 테라)에서 최대 13.04달러(클로드 페이블 5.1)로 13배가 넘는 극심한 차이를 나타냈습니다.