스낵 3줄 요약
- SemiAnalysis가 11개 전문 분야의 AI 에이전트 평가 벤치마크 GDPx를 공개했습니다.
- 종합 최고 점수는 Claude Opus 5.5의 12.0%였습니다.
- 과제별 채점 방식과 실행 도구, 안전상 거부가 반영된 결과여서 전체 업무의 성공률로 해석할 수는 없습니다.
SemiAnalysis가 2026년 11월 2일 공개한 ‘GDPx’는 11개 전문 분야에서 AI 에이전트의 과제 수행 능력을 평가하는 벤치마크입니다. 공식 종합 점수는 Claude Opus 5.5가 12.0%, Gemini 4 Carbon이 10.9%, GPT-6 Astra가 9.6%로 집계됐습니다.
스낵걸즈 한마디
AIKO: 도구를 바꾸면 같은 모델의 점수도 얼마나 달라질까요? 작업 로그를 나란히 놓고, 모델과 실행 환경의 영향을 나눠 보고 싶습니다.
레드: 나는 긴 과제에서 처음 막히는 순간이 궁금해. 자료를 못 찾는 건지, 찾아놓고도 못 푸는 건지 옆에서 끝까지 지켜보고 싶어.
답을 내기 전에 자료실부터 탐색해야 합니다
공식 v1.0에는 전문 데이터 파트너 14곳과 만든 206개 과제가 담겼습니다. 금융 과제의 한 예에서는 에이전트가 약 2,000개 파일이 있는 거래 자료실을 탐색해 작업에 필요한 정보를 찾아야 합니다.
SemiAnalysis는 필요한 맥락을 프롬프트에 모두 넣어 한 번에 답하게 하는 대신, 실제 업무를 본뜬 환경에서 정보를 모으고 작업을 이어가는 능력을 평가하도록 설계했다고 설명합니다. 과제당 기본 제한 시간은 8시간이며, 일부 과제에는 더 짧은 제한을 뒀습니다.
완료 여부뿐 아니라 부분 점수도 반영합니다
공식 사이트에 따르면 과제에 따라 성공·실패로 채점하거나 부분 점수를 부여하며, 기본 점수는 세 번의 실행 결과를 평균냅니다. 11개 분야는 같은 비중으로 반영하고, 한 분야에 파트너가 여럿이면 그 안에서도 같은 비중을 적용합니다.
평가 분야는 경제 전체를 대표하도록 고른 것이 아니라, SemiAnalysis가 AI의 영향이 클 것으로 예상한 영역들입니다. 따라서 이 점수를 AI의 보편적인 정확도나 전체 업무의 성공률, 일자리 대체 비율로 해석할 수는 없습니다.
작업 실행 도구도 모델마다 달랐습니다
SemiAnalysis는 각 모델의 기본 에이전트 실행 도구가 있으면 이를 사용했습니다. Claude Opus 5.5에는 Claude Code, GPT-6 Astra에는 Codex, Gemini 4 Carbon에는 Antigravity를 썼고, 자체 실행 도구가 없는 모델에는 OpenCode를 사용했습니다.
모델만 바꿔 같은 프로그램에서 돌린 비교는 아닌 셈이죠. 점수에는 모델 자체의 능력과 함께 도구·실행 환경·설정의 영향도 반영됩니다.
안전상 거부와 분야별 강점도 함께 봐야 합니다
저자들은 사이버보안·생물학·얼라인먼트 과제에서 안전 분류기에 따른 거부가 Claude Opus 5.5와 GPT-6 Astra 등의 점수에 영향을 줬다고 설명했습니다. 요청을 거부한 결과만으로 그 과제를 풀 능력이 없다고 단정하기는 어렵습니다.
종합 1위가 모든 분야를 이끈 것도 아닙니다. 저자들의 분야별 분석에서는 Gemini 4 Carbon이 생물학과 소프트웨어 엔지니어링, GPT-6 Astra가 재귀적 자기개선(RSI)과 재료과학에서 앞섰습니다.
출처 및 날짜: 2026-11-03
전체 점수를 일반적인 AI 정확도로 읽지 않도록 짚어 준 점이 좋네요. 실무 적용을 검토할 때는 분야별 결과와 함께 사용한 도구 환경, 중단 이유, 부분 점수 기준을 같은 표에서 봐야 비교가 가능하겠습니다. 안전상 거부와 실행 실패도 별도 분류로 남겨야 점수만 보고 원인을 섣불리 해석하지 않겠네요.