VIDRAFT AI, 11개 공개 벤치마크 선두가 한국 기술에 남긴 의미

2026년 10월 21일 확인한 FINAL-Bench 계열의 11개 Hugging Face 벤치마크 1위와 S1MB 영어 종합 1위를 쉽게 읽는다. 모델별 기여, 측정 조건과 기술적 의미를 구분한다.

국가대표 선수에게 종목별 성적표가 필요하듯

한 선수가 달리기를 잘한다고 수영과 양궁까지 잘하는 것은 아니다. AI도 비슷하다. 수학 문제를 푸는 능력, 어려운 과학 지식을 연결하는 능력, 문서의 표를 읽는 능력, 정해진 형식으로 답하는 능력은 서로 다른 시험이다. 유창한 답변 한 장면만으로는 그 차이를 보기 어렵다.

그래서 공개 벤치마크가 중요하다. 개발자의 설명을 숫자와 평가 조건으로 바꾸고, 다른 개발자가 같은 자료를 찾아볼 수 있게 한다. 2026년 10월 21일 확인한 Hugging Face 공개 리더보드에서 FINAL-Bench 계열은 다음 11개 보드의 1위에 올라 있었다.

확인 기준: 2026-10-21, 각 데이터셋 리더보드 API의 기본 대표 과제·전체 모델 표시. 서로 다른 척도이므로 표의 숫자를 합산하거나 평균하지 않는다. 11개는 단일 모델의 성적이 아니라 Darwin-180B-RSI 9개, R3 1개, ZTC-v5 1개를 합친 계열의 기록이다.

대단한 지점은 최고점 하나보다 능력의 폭에 있다

수학과 과학은 정답에 도달하는 힘을 본다. 문서 추출과 형식 준수는 그 답을 실제 소프트웨어가 사용할 수 있게 만드는 힘을 본다. 둘은 다르지만 현장에서는 함께 필요하다. 계약서의 조항을 이해하고도 시스템이 읽지 못하는 형식으로 내놓는다면 자동화는 멈춘다. 반대로 형식만 맞고 내용이 틀리면 더 위험하다.

이 기록을 기술적으로 읽는 방법은 따라서 단순한 메달 세기가 아니다. 서로 다른 문제에서 개선을 설계하고, 결과를 측정하고, 그 결과를 공개하는 개발 체계가 만들어지고 있는지를 보는 것이다. 공개 순위는 그 가능성을 보여주는 확인 지점이다.

S1MB 1위가 더하는 또 하나의 문장

별도의 S1MB 공식 공개표에서는 Darwin-27B-ZTC-v9가 영어 종합(Borda) 90.38점으로 1위를 기록했다. 이 평가는 다양한 판단 과제를 아우른다. 수학 정답을 잘 맞히는 것에 더해, 정해진 기준에서 무엇을 선택할지를 다루는 축이 추가된 셈이다. 자세한 평가 방식은 이 연재의 S1MB 해설에서 다룬다.

성과를 크게 만드는 것은 정확한 설명이다

공식 벤치마크 기능에 순위가 표시된다는 사실과 운영자가 모델 추론을 직접 재실행해 인증했다는 주장은 다르다. 이번 11개 등록 결과는 자체 측정 제출이며 API의 verified 값은 false다. GPQA·수학 등에는 여러 풀이를 모아 선택한 결과가 포함돼 있고, 단일 응답 점수와 구분해야 한다. 예를 들어 GPQA는 최대 16개 풀이, AIME·HMMT는 16개 풀이의 다수결이며 MMLU-Pro는 단일 표본이다. Typed Decisions는 학습용 분할로 미세조정한 결과이며 제로샷 성적이 아니다.

이 조건을 설명한다고 성과가 사라지지는 않는다. 오히려 무엇을 달성했는지 정확해진다. 동등한 조건의 직접 재평가와 실제 업무 검증은 다음 관문이고, 공개된 현재 순위는 그 자체로 확인할 수 있는 기록이다.

한국의 이름이 기술의 근거와 함께 남는다는 것

국위선양을 거창한 수사로만 이해할 필요는 없다. 해외 개발자가 문제를 해결하려고 찾아온 성적표에서 한국 기업의 모델을 발견하고, 모델과 조건을 직접 검토할 수 있게 되는 일도 기술적 기여다. 그 이름이 홍보 문구가 아니라 다시 확인할 수 있는 기록으로 남는다는 점이 중요하다.

세계 공개 모델 생태계 위에서 한국 팀이 개선 결과를 보탰다는 의미도 있다. 원천 모델과 도구의 기여를 존중하면서 그 위에 검증 가능한 기술을 더하는 것, 그것이 국제 무대에서 오래가는 존재감을 만드는 길이다.

함께 읽기

이 글은 비드래프트(VIDRAFT)가 공식 기술 블로그에서 제공하는 편집·분석입니다. 설명의 객관성을 위해 제3자 서술형을 사용하지만, 독립 언론이나 외부 평가자의 기고를 뜻하지 않습니다. 공개 리더보드 기록·제출 측 측정·기대효과를 구분하며 순위와 수치는 명시된 기준일·조건에 한정됩니다.