체급이 성능을 끌어올리되, 전략은 성과의 방향을 바꾼다

국내 독자 AI 파운데이션 모델 5종의 벤치마크가 공개되었는데, 역시 전반적인 성능은 대규모 모델을 보유한 SK텔레콤의 A.X K1(519B)과 LG AI연구원의 K-EXAONE(236B)이 앞서는 것으로 나타났다. 두 모델은 한국어·글로벌 일반 지능, 수학·코딩, 지시 이행 등 다수 영역에서 상위권을 기록했다.

반면 업스테이지의 Solar-Open-100B는 파라미터 규모가 상대적으로 작은데도 지시 이행(IFEval)과 학술 추론(MMLU-Pro) 등 핵심 지표에서 대형 모델과 대등한 성과를 보였다. 네이버클라우드의 하이퍼클로바X 시드 32B는 통신 에이전트 실무(T2-Telecom)에서 강점을 드러냈고, NC AI의 배키(VAETKI)는 일부 지표만 공개됐지만 중형 모델로서 경쟁력을 입증했다. 다만 각 사의 평가 환경과 공개 지표가 달라 수치는 참고용이며, 성능과 효율 중 무엇을 중시하느냐에 따라 평가는 달라질 수 있다고 한다.

단일 점수 경쟁에서 다차원 균형으로

이번 비교는 “체급이 성능을 끌어올리되, 전략은 성과의 방향을 바꾼다”는 점을 잘 보여준다. 초대형 모델은 범용 지표에서 안정적인 우위를 확보하지만, 중·대형 모델도 데이터 전략과 학습·추론 설계에 따라 특정 핵심 지표에서 대형 모델을 위협할 수 있기 때문이다.

즉 독자 파운데이션 모델의 평가는 단일 점수 경쟁이 아니라 규모(파라미터)·효율(토큰/비용)·목적 적합성(도메인/에이전트)의 다차원 균형으로 전환되고 있는 것이다. 이는 ‘프롬 스크래치’ 논쟁을 넘어, 정부 평가 역시 성능·활용성·확장성을 종합해 역할 분담형 생태계를 어떻게 설계할 것인지가 관건임을 함축한다.

출처: https://www.aitimes.com/news/articleView.html?idxno=205433