최근 인공지능 분석 플랫폼 아티피셜 애널리시스(Artificial Analysis)의 최신 리더보드에서 앤트로픽(Anthropic)의 대규모 언어모델(LLM) 클로드 오푸스 5(Claude Opus 5)가 종합 지능 지수(Intelligence Index) 61점으로 1위를 차지했습니다. 이는 평가 대상 170개 모델 중 가장 높은 점수로, 특히 ‘적응형 추론(Adaptive Reasoning)’과 ‘최대 노력(Max Effort)’ 구성에서 뛰어난 성능을 보였습니다. 2위와 3위는 각각 60점을 기록한 클로드 오푸스 5 Xhigh Effort와 클로드 페이블 5(Claude Fable 5)가 차지했습니다.
아티피셜 애널리시스의 인텔리전스 인덱스 v4.1은 에이전트 작업, 코딩, 과학 추론, 지식 신뢰성, 장문맥 추론 등 9가지 핵심 평가 항목을 종합하여 모델의 지능을 측정합니다. 특히, 추론 모델이 답변 전에 복잡한 문제를 처리하기 위해 ‘확장 사고(extended thinking)’를 수행하는 시간까지 성능 측정에 반영하는 것이 특징입니다. 이 외에도 출력 속도, 첫 토큰 지연 시간(TTFT), 문맥 창(context window) 크기, 그리고 작업당 비용 등 다양한 성능 지표를 함께 제공하여 모델의 종합적인 역량을 평가합니다. 예를 들어, 머큐리 2(Mercury 2)는 초당 901.6 토큰으로 가장 빠른 출력 속도를, 제미니 2.5 플래시-라이트(Gemini 2.5 Flash-Lite)는 0.34초로 가장 짧은 첫 토큰 지연 시간을 기록했습니다.
이번 리더보드 결과는 단순히 지능 점수만으로 AI 모델의 우열을 가리기 어렵다는 점을 다시 한번 보여줍니다. 지능이 아무리 뛰어나도 특정 사용 사례에서는 비용 효율성, 처리 속도, 혹은 긴 문맥 처리 능력이 더 중요할 수 있기 때문입니다. 예를 들어, 공개 가중치 모델 중에서는 GLM-5.2 (max)가 51점으로 가장 높았지만, 전체 1위 모델과는 10점 차이가 났습니다. 이는 개발자들이 특정 애플리케이션의 요구사항에 맞춰 지능, 속도, 비용, 문맥 창 등 다양한 요소를 종합적으로 고려하여 최적의 모델을 선택해야 함을 의미합니다. 이러한 다차원적인 벤치마크는 AI 모델의 실제 활용 가치를 판단하는 데 중요한 지표가 될 것입니다.