[연속기획⑤] 독자 AI 1차 평가 1위, Frontier 지표 항목별 LG 모델을 해부하다

독자 AI 파운데이션 모델 1차 단계평가에서 LG AI연구원이 최고점을 기록한 핵심 축은 AI Frontier Index였다. Frontier Index는 단일 점수 경쟁이 아니라, 글로벌 공통 벤치마크와 개별 비교 평가를 포함한 다층 구조로 설계됐다. 수학, 지식, 장문 이해, 코딩, 안전성 영역을 종합해 세계적 수준 도달 여부를 검증하는 체계다. LG 모델의 기술적 위치를 정확히 이해하려면 이 세부 항목을 공개된 성능 데이터와 직접 대조해야 한다.

먼저 수학 영역이다. Frontier 지표는 고난도 추론 능력을 요구한다. K-EXAONE 모델 카드에는 AIME 2025 벤치마크 결과가 공개돼 있다. AIME는 고급 수학 경시 수준 문제를 기반으로 구성된 지표로, 단순 계산 능력이 아니라 다단계 논리 추론을 평가한다. 공개된 성능 수치는 고난도 수학 추론 대응 능력을 갖추고 있음을 보여준다. 이는 Frontier Index 수학 항목 요구 조건과 직접적으로 연결된다.

지식 영역은 MMLU-Pro 성능으로 확인된다. MMLU-Pro는 다양한 전문 분야에 대한 이해도를 평가하는 확장형 벤치마다. Frontier Index는 일반 상식이 아니라 학문·전문 영역 지식 일반화를 포함한다. K-EXAONE은 모델 카드에서 해당 성능을 제시하고 있으며, 이는 대규모 사전학습 기반 일반화 능력을 반영한다.

코딩 영역은 LiveCodeBench v6 결과와 맞닿는다. 코드 생성과 실행 정확도를 평가하는 글로벌 벤치마다. Frontier Index는 글로벌 공통 벤치마크 항목을 포함하며, 코딩 능력은 그 핵심 구성 요소다. 공개된 LiveCodeBench 성능은 글로벌 모델과의 직접 비교를 전제로 한 대응 지표다.

장문 이해 및 복합 추론 영역은 IFBench와 τ²-Bench 결과로 확인된다. IFBench는 지시 따르기 능력을, τ²-Bench는 계획 및 다단계 추론 능력을 평가한다. K-EXAONE은 262,144 토큰, 즉 256K 컨텍스트를 지원한다. 장문 맥락 유지와 복합 입력 대응은 이 구조적 기반 위에서 구현된다. Frontier Index의 장문 이해 항목은 이러한 설계와 직접 맞닿는다.

안전성 및 신뢰성 영역은 KGC-Safety 벤치마크 결과로 확인된다. Frontier Index는 안전성과 신뢰성을 명시적으로 포함한다. K-EXAONE은 한국어 기반 안전성 평가 지표를 공개하고 있으며, 이는 정책적 요구 조건과 연결되는 부분이다.

이들 항목은 개별적으로 존재하지 않는다. 236B 규모의 Mixture-of-Experts 구조는 다영역 표현력을 확보하기 위한 기반이다. 추론 시 23B만 활성화하는 구조는 대형 모델 성능과 연산 효율을 동시에 확보하는 방식이다. 11조 토큰 사전학습은 수학·지식·코딩·안전성 등 다영역 벤치마크 대응을 위한 학습 스케일이다. 256K 컨텍스트는 장문 평가 요구 조건을 기술적으로 충족한다.

Frontier Index는 특정 지표 우위만으로는 통과하기 어렵다. 수학이 강해도 코딩이나 안전성이 약하면 균형 점수를 얻기 어렵다. LG AI연구원이 1차 단계평가에서 Frontier 영역 최고점을 기록했다는 점은 단일 영역 우위가 아니라 다영역 균형 성능을 확보했음을 의미한다.

공개된 벤치마크 데이터를 항목별로 대조해 보면, K-EXAONE은 Frontier Index가 요구하는 수학·지식·코딩·장문 이해·안전성 구조와 직접적으로 대응한다. 평가 체계와 모델 구조의 교차는 추상적 표현이 아니라, 벤치마크 데이터 수준에서 확인된다.

이번 1차 단계평가는 LG 모델이 글로벌 수준 도달 여부를 다영역 데이터로 검증받은 사례로 볼 수 있다. Frontier 지표 항목별 해부를 통해, 최고점의 의미는 단순 순위가 아니라 구조적 균형 성능이라는 점이 드러난다.