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.
LLM 벤치마크
제품은 쏟아지고, 신뢰는 검증을 기다린다
Anthropic이 Sonnet 5·Claude Tag·Claude Science로 제품 표면을 넓히자 셀프호스팅 오픈소스 대안이 곧장 따라붙었고, 같은 주 벤치마크 회의론과 최신 모델의 도구 역행 사례는 쏟아지는 성능을 대체 무엇으로 검증하고 신뢰할지를 되물었다.
좁혀진 모델 격차, 하네스로 이동하는 승부
작은 오픈 모델이 벤치마크 상단으로 치고 올라오며 프런티어와의 격차가 좁혀졌다. 그럴수록 승부는 모델 자체가 아니라 SWE-rebench 리더보드와 AGENTS.md, 3-비평자 하네스처럼 모델을 감싼 규율과 오케스트레이션으로 옮겨간다.
쏟아지는 프런티어, 추격하는 오픈웨이트
빅테크가 Opus 4.8·Fable 5·GPT-5.6 Sol을 한 주에 쏟아내는 사이, GLM 5.2가 사이버보안 벤치마크에서 Claude를 앞서고 로컬 모델이 빠르게 따라붙는다. 모델 우열보다 하네스가 승부를 가르는 국면을 짚는다.
출시 러시의 정점에서 오픈으로 기우는 무게 중심
빅테크가 또 한 번 라인업을 통째로 갈아엎은 주, Anthropic은 Opus 4.8과 Fable 5·Mythos 5를 동시에 내놨고 OpenAI는 GPT-5.5를 보안·헬스로 밀었다. 그러나 GLM-5.2와 Apertus가 보여주듯 무게 중심은 오픈·로컬로 빠르게 새고 있다.