
오픈AI와 구글의 최신 AI 모델이 수능 풀이 평가에서 450점 만점을 받았다. 국내 모델 가운데 가장 높은 점수를 낸 LG AI연구원의 K-엑사원 2.5는 414.7점으로, 최고점과 35점 이상 차이가 났다. 점수 격차에는 탐구영역 결과가 크게 작용했다.
이 결과는 순천향대 컴퓨터소프트웨어공학과 구유겸 씨가 운영하는 ‘2027학년도 수능 거대언어모델(LLM) 풀이 대시보드’에 공개됐다.
구 씨는 ‘hehee9’라는 닉네임으로 지난해부터 모델별 수능 풀이 결과를 공개해 왔으며, 이번에도 문제와 정답이 공개된 뒤 국내외 모델에 문제를 풀게 해 과목별 점수와 종합 점수를 반영했다.
GPT-6.2 아스트라와 제미나이 4 네온이 나란히 만점을 기록했다. 오픈AI의 GPT-6.2 솔과 구글 제미나이 4 아르곤은 각각 449.6점, 앤트로픽의 클로드 오퍼스 5.5와 클로드 페이블 5.2는 각각 449.3점이었다. 중국 모델도 430점대에 들었다.
문샷AI 키미 K3.1 프로는 438점, 알리바바 큐웬4 맥스는 434.5점, 딥시크 V4.1 플래시는 432.7점을 얻었다.
국내 1위 K-엑사원 2.5는 국어 98점, 수학 100점, 영어 96점, 한국사 50점으로 주요 과목에서 높은 점수를 기록했다. 다만 탐구영역 환산 점수는 70.7점이었다.
다른 국내 모델인 업스테이지 솔라 프로 4는 392.8점, 크래프톤 라온-1 미니 프리뷰는 357.2점, KT 믿:음 K 3.0 프로는 352.8점이었다.
점수를 해석할 때는 평가 방식을 함께 봐야 한다. 국어·수학의 모든 선택과목과 영어·한국사·탐구 17개 과목을 대상으로 했고, 실제 수험생처럼 선택과목 일부만 푸는 방식이 아니라 모든 선택과목을 풀게 했다. 국어·수학은 선택과목 평균을, 탐구는 전체 과목 평균의 두 배를 반영해 450점 만점으로 환산했다.
평가에는 각 모델의 공식 API를 사용했으며 검색이나 계산기 같은 외부 도구는 제공하지 않았다. 문제는 텍스트로 입력하고 그림과 그래프는 이미지로 첨부했다. 다만 이는 개인 개발자가 진행한 비공식 평가다.
모델별 이미지 입력 지원과 추론 설정이 다를 수 있고, 일반 이용자가 웹사이트나 앱에서 사용하는 환경과도 차이가 있다. 구 씨 역시 깃허브의 평가 방법 설명에서 실제 서비스 사용 결과와 다를 수 있다고 밝혔다.