추론 단가가 자릿수로 갈라졌다
Artificial Analysis 비교에서 DeepSeek V4-Flash와 Claude Fable 5의 테스트당 비용이 100배 벌어졌다. 같은 이틀 사이 304B 모델이 단일 GPU와 휴대폰까지 내려왔고, 프런티어는 값이 아니라 체감 품질로 심판받기 시작했다.
하네스 엔지니어링
설정 두 개로 세 배, 2.8조 오픈 웨이트의 압박
OpenAI가 API 설정 두 개로 ARC-AGI-3 점수를 세 배 올렸고, SlopCodeBench에서 Opus 5는 17개 체크포인트 중 4개만 통과했다. Kimi K3와 500달러 미세조정 9B 모델이 오픈 웨이트의 실효 범위를 넓히는 국면을 정리했다.
오픈 웨이트가 상단을 건드린 주말, 반대로 움직인 청구서
Kimi K3가 중국 오픈웨이트 모델로는 처음으로 일부 프런티어 벤치마크에서 Opus 4.8을 앞섰다. 같은 주말 Fable 5는 계량제로 전환됐고 Codex 컨텍스트는 축소됐다. 성능은 아래에서 올라오고 가격은 위에서 조여드는 국면을 정리했다.
가성비로 돌아온 프런티어 경쟁, 그리고 하네스라는 청구서
OpenAI가 GPT-5.6으로 토큰당 지능과 달러당 성능을 앞세운 가성비 공세를 걸었고, Claude Sonnet 5가 맞섰다. 그러나 토큰 오버헤드와 에이전트 안전성 사고는 실제 비용과 위험이 모델보다 그것을 감싼 하네스에서 청구됨을 드러냈다.
프런티어 러시, 그리고 벤치마크 신뢰의 균열
화요일 이후 이틀 새 GPT-Live와 Grok 4.5, SWE-1.7, Mistral Robostral까지 프런티어 라인업이 전선 전체에서 동시에 재편됐다. 본인은 그 속도의 이면에서 벤치마크 신뢰성과 에이전트 보안이라는 두 균열이 같은 날 함께 커졌다고 본다.