Claude Opus 5가 지능 지수 1위, 모델 선택은 순위보다 복잡해졌어요

Claude Opus 5가 지능 지수 1위, 모델 선택은 순위보다 복잡해졌어요

IT & AI 뉴스 썸네일

Claude Opus 5의 최대 추론 설정이 Artificial Analysis Intelligence Index에서 61점을 받아 선두에 올랐어요. 170개 모델을 비교한 종합 순위라는 점은 눈에 띄지만, 실제 서비스를 고를 때는 점수 하나만 보면 부족해요. 같은 비교표에서 속도, 지연 시간, 작업당 비용, 문맥 창의 선두 모델이 모두 달라요. 1

핵심 요약

구분	핵심	왜 볼만한가요
종합 지능	Claude Opus 5 최대 추론 설정이 61점으로 1위에 올랐어요	에이전트 업무와 코딩, 과학 추론, 지식 신뢰성, 장문맥 추론을 한 점수로 비교해요
평가 구성	Intelligence Index v4.1은 9개 평가를 가중 결합해요	단순 질의응답보다 실제 도구 사용과 긴 작업을 더 폭넓게 다뤄요
속도와 지연	출력 속도는 Mercury 2, 첫 토큰 지연은 Gemini 2.5 Flash-Lite가 앞섰어요	사용자 체감 성능은 종합 지능 순위와 다른 결과를 보여줘요
비용	모델별 입력·캐시·추론·출력 비용을 작업 단위로 비교해요	토큰 단가만으로는 긴 추론 작업의 실제 비용을 알기 어려워요
공개 가중치	GLM-5.2 최대 설정이 공개 가중치 모델 중 가장 높은 51점을 받았어요	자체 배포가 필요한 팀은 전체 순위와 별도로 후보를 좁힐 수 있어요

1. Claude Opus 5의 61점은 무엇을 재는 점수인가요

Artificial Analysis 모델 비교표에서 Claude Opus 5 최대 추론 설정은 Intelligence Index 61점을 기록했어요. 같은 모델의 xhigh 설정은 60점이며, Claude Fable 5 대체 모델 조합과 GPT-5.6 Sol 최대 설정도 상위권에 자리해요. 점수 차이가 작아서 1위라는 제목만으로 모델 간 체감 차이를 단정하기는 어려워요. 2

Intelligence Index v4.1은 9개 평가를 묶어요. 실제 업무형 에이전트 작업, 도구 사용, 터미널 코딩, 과학 코딩, 일반 추론과 지식, 물리학 추론, 지식 정확도, 장문맥 추론을 함께 반영해요. 추론 모델이 답을 내기 전에 쓰는 확장 사고 시간도 성능 측정에 들어가요. 짧은 문제 정답률만 재는 전통적인 시험과는 범위가 달라요. 1

종합 점수는 출발점으로 보는 편이 좋아요

종합 지수는 서로 다른 업무를 하나의 숫자로 압축해요. 평균적인 능력을 빠르게 비교할 때는 편하지만, 팀이 실제로 처리할 작업의 비중까지 대신 정해 주지는 않아요. 터미널에서 코드를 고치는 업무와 긴 문서에서 근거를 찾는 업무는 필요한 능력이 달라요. 법률 문서 검토나 고객 지원 자동화처럼 오류 비용이 큰 작업은 평균 점수보다 해당 분야 평가와 실패 사례를 먼저 확인해야 해요.

728x90

지식 신뢰성을 따로 재는 AA-Omniscience도 이런 이유로 볼만해요. 정답에는 점수를 주고 환각에는 벌점을 주며, 답변 거부에는 벌점을 주지 않는 방식이에요. 이 규칙에서는 조심스럽게 답을 피하는 모델과 자신 있게 틀리는 모델의 차이가 드러나요. 다만 거부가 잦은 서비스라면 이 점수만으로 실제 만족도를 설명하기 어려워요. 평가 규칙과 운영 환경을 함께 봐야 해요. 2

빠른 모델과 똑똑한 모델은 같은 순서가 아니에요

원문 비교표는 지능 외에도 출력 속도와 첫 토큰 지연을 따로 보여줘요. 전체 모델 기준 출력 속도에서는 Mercury 2가 약 902 tokens/s로 가장 빠르게 표시돼요. 첫 토큰 지연에서는 Gemini 2.5 Flash-Lite가 약 0.35초로 앞서요. Llama 4 Scout는 10M 토큰의 최대 문맥 창을 제공해요. 각 항목의 선두가 서로 다르다는 사실만으로도 하나의 순위가 모든 사용 사례를 설명하지 못한다는 점을 알 수 있어요. 2

대화형 제품은 첫 답이 빨리 나타나는지가 중요해요. 긴 보고서를 만드는 백그라운드 작업은 첫 토큰보다 전체 완료 시간과 결과 품질이 더 중요할 수 있어요. 대규모 문서를 한 번에 넣는 서비스는 문맥 창이 필요하지만, 실제 검색 정확도와 비용도 따로 시험해야 해요. 문맥 창이 크다고 긴 입력 전체를 같은 정확도로 활용한다는 뜻은 아니에요.

토큰 단가보다 작업당 비용을 봐야 해요

추론 모델은 답변 전에 더 많은 토큰과 시간을 쓸 수 있어요. 입력 가격과 출력 가격만 비교하면 캐시 쓰기, 캐시 저장, 내부 추론량이 빠져 실제 청구액을 잘못 짐작하기 쉬워요. Artificial Analysis는 입력, 캐시 적중, 캐시 쓰기, 추론, 답변 토큰을 가중해 작업당 비용을 계산해요. 제공업체마다 캐시 정책과 긴 문맥 가격 구간이 다르므로 같은 토큰 수라도 비용 구조가 달라질 수 있어요. 1

운영팀이라면 대표 작업 20~50개를 골라 후보 모델에 같은 조건으로 실행해 보는 편이 현실적이에요. 성공률, 응답 시간, 재시도 횟수, 사람의 수정 시간, 최종 비용을 함께 기록하면 돼요. 최고 추론 설정이 단순 분류나 짧은 문서 수정에 늘 필요한 것은 아니에요. 난도가 낮은 요청은 빠르고 저렴한 모델로 보내고, 실패했거나 복잡한 요청만 상위 모델로 넘기는 방식도 선택지가 될 수 있어요.

왜 중요한가요

이번 결과는 Claude Opus 5가 폭넓은 평가에서 강한 성적을 냈다는 근거를 제공해요. 에이전트 작업과 코딩, 과학 추론, 장문맥을 함께 보는 지수에서 1위에 올랐기 때문에 복잡한 업무 후보군에 넣어 볼 이유는 충분해요. 반면 61점과 인접 모델의 점수 차이는 크지 않고, 속도와 비용 차이는 업무량에 따라 더 크게 체감될 수 있어요. 2

모델 도입 판단은 순위표에서 끝나지 않아요. 먼저 품질 실패가 치명적인 작업인지, 응답 속도가 중요한 작업인지, 자체 배포가 필요한지 구분해야 해요. 그다음 해당 조건에 맞는 세부 평가와 가격표를 보고 후보를 줄이는 편이 좋아요. 마지막에는 실제 입력과 도구 환경으로 재현할 수 있는 시험을 돌려야 해요. 종합 지수는 후보를 찾는 지도에 가깝고, 최종 선택은 팀의 작업 데이터가 정해요.

참고 자료

1. Claude Opus 5, Artificial Analysis 지능 리더보드 1위 — GeekNews
2. Comparison of Models: Intelligence, Performance & Price Analysis — Artificial Analysis