🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI Royal Rumble 1부에서는 빠른 완료보다 실제 작동 여부, 검증의 깊이, 위험 통제가 승패를 갈랐고 GLM 5.2와 Grok 4.5가 차례로 탈락했다.

📌 핵심 요점

1. 다섯 모델은 동일한 브리프와 공통 도구만 받은 채 웹사이트·모의투자·게임·LoRA 학습 과제를 자율 수행하며, 모호한 요구사항도 질문 없이 직접 해석해야 했다. 실패를 숨기지 않는 정직성, 지시 준수, 실제 산출물, 창의성이 주요 평가 기준이었다.
2. 첫 번째 웹사이트 과제에서 Sol은 풍부한 시각 요소와 역동적인 전환, Fable은 토너먼트 구조를 활용한 몰입감, Kimi K3는 밝은 색조와 독자적인 장면 구성을 보여줬다. 세 모델 모두 일부 레이아웃·깜빡임 문제가 있었지만 전반적인 흐름은 작동했다.
3. Grok은 약 19분 만에 가장 빨리 웹사이트를 완성했지만 시각적 개성과 필수 콘텐츠가 부족했다. GLM 5.2는 스크롤과 진행 기능이 사실상 작동하지 않아 첫 라운드 최하위로 탈락했다.
4. 두 번째 모의투자 과제에서는 Fable·Sol·Kimi K3가 돈치안 돌파와 이동평균 필터, 평균진폭범위 손절을 결합한 유사한 추세 추종 전략에 수렴했다. 그러나 거래 조건과 위험 관리 차이로 Fable은 소폭 수익, Kimi K3와 Sol은 손실, Grok은 약 12% 손실을 기록했다.
5. Fable과 Kimi K3가 각각 3회와 4회만 거래한 것과 달리 Sol은 52회, Grok은 144회 거래했다. 충분한 반복 검증 없이 조건을 느슨하게 구성한 Grok은 세 평가 구간 모두에서 손실을 내며 탈락했고, Fable·Sol·Kimi K3가 2부에 진출했다.

🧩 배경과 문제 정의

• 2026년 7월 말 기준, 프런티어 AI 모델 5개가 동일한 브리프와 도구를 받아 사람의 도움 없이 고난도 과제를 수행한다.
• 벤치마크 점수나 개발사의 주장에 의존하지 않고, 실제 제작·연구·구현·검증 역량을 비교해 가장 강한 모델을 가리는 것이 목적이다.
• 과제의 모호성을 스스로 해소하고 실패를 숨기지 않는 자율 에이전트 역량을 중점적으로 평가하며, 각 라운드에서 최하위 모델은 탈락한다.

🕒 시간순 섹션별 상세정리

1. 동일 조건의 자율 경쟁과 정직성 중심 규칙

• 다섯 모델은 동일한 브리프와 도구만 사용해 추가 도움 없이 과제를 완수해야 한다. [00:12]
• 질문이나 선택지 요청은 허용되지 않으며, 실패나 결함도 숨기지 않고 그대로 평가받는다. [00:27]
• 네 라운드마다 최하위 모델이 탈락하고, 마지막 두 모델이 결승에서 맞붙는다. [00:35]

2. 네 가지 고난도 과제와 참가 모델

• 첫 과제는 독자적인 시각 체계를 갖춘 스크롤형 웹사이트 제작이다. [03:27]
• 이어 실시간 모의투자, 타임루프 퍼즐 게임, 무성영화 스타일의 LoRA 학습을 진행한다. [03:42]

3. 공정한 실행 환경과 웹사이트 브리프

• Fable은 Claude Code, Sol은 Codex, Grok은 Grok Build에서 각각 실행된다. [06:32]
• GLM과 Kimi는 기존 스킬을 제거한 Hermes Agent 빈 프로필에서 동일한 공통 도구만 사용한다. [06:47]

4. 큰 완료 시간 격차와 평가 원칙

• Grok 4.5는 약 19분 만에 웹사이트를 가장 먼저 완성한다. [08:47]
• Sol은 약 49분 만에 두 번째로 완성해 Grok보다 약 30분 늦는다. [09:05]

5. Sol의 고밀도 시각 연출

• Sol은 첫 화면부터 Grok보다 더 많은 시각 요소와 전환을 제시한다. [10:28]
• 스크롤을 시작하자 높은 정보 밀도와 뚜렷한 시각적 개성이 드러난다. [10:43]

6. GLM 5.2의 작동 불능

• GLM 결과물은 스크롤 입력에 제대로 반응하지 않으며 별도의 스크롤바도 없다. [12:25]
• 진행률도 2%에 머물러 콘텐츠를 정상적으로 확인하기 어렵다. [12:40]

7. Fable의 토너먼트형 인터페이스

• Fable은 1시간 14분 만에 작업을 완료한다. [13:50]
• 모델 이름이 빠르게 교체되는 도입부로 토너먼트 분위기를 조성한다. [14:05]

8. Kimi K3의 밝고 과감한 화면

• Kimi K3는 가장 긴 1시간 52분을 들여 결과물을 완성한다. [15:28]
• 다른 모델들과 달리 밝은 색조의 인터페이스로 차별화한다. [15:43]

9. 첫 라운드 판정과 GLM 탈락

• Grok은 요구된 화면을 구현했지만 움직임과 시각적 개성이 부족하다. [16:52]
• Sol은 세련된 디자인과 풍부한 움직임, 역동적인 전환을 앞세워 Grok보다 높은 완성도를 보여준다. [17:05]

10. 모의투자 과제와 과적합 방지 조건

• 두 번째 과제는 시장 조사·전략 추론·시스템 구현을 함께 요구한다. [19:00]
• 각 모델은 외부 도움 없이 거래 전략을 직접 연구하고 개발해야 한다. [19:27]

11. 새 세션에서 시작된 두 번째 라운드

• 남은 네 모델은 이전 과제의 영향을 배제하기 위해 새 세션에서 동시에 출발한다. [21:57]
• 각 모델에는 시장 조사부터 실행 시스템 구현까지 아우르는 긴 요구사항이 주어진다. [22:12]

12. 돌파 전략으로의 수렴과 위험 설계 차이

• Fable은 비트코인·이더리움·솔라나·금에 돈치안 채널 돌파 전략을 적용한다. [24:37]
• Sol과 Kimi K3도 설정은 다르지만, 독립적으로 유사한 돌파 전략에 도달한다. [24:52]

13. 모의투자 손익과 과도한 거래의 대가

• 초반 손익 경쟁은 팽팽하지만, Grok의 성과는 이후 급격히 악화된다. [26:40]
• 반면 Fable과 Kimi K3는 비교적 안정적인 흐름을 유지한다. [26:55]

14. Grok 탈락과 파트 1의 결론

• Grok 4.5는 기능 오류 없이 과제를 완수했지만, 전략을 반복적으로 검토하고 개선하는 과정이 부족했다. [28:28]
• 결국 빠른 완료에 치중한 접근은 첫 라운드의 단순한 화면과 두 번째 라운드의 큰 손실로 이어지며 탈락의 원인이 됐다. [28:47]

🧾 결론

• 이번 1부의 핵심은 모델의 응답 속도나 벤치마크 평판보다 실제 결과물이 요구사항대로 작동하는지, 실패를 스스로 발견하고 검증했는지가 더 중요하다는 점이다.
• GLM 5.2는 핵심 상호작용의 작동 실패, Grok 4.5는 지나치게 빠른 완료와 부족한 반복 검증이 각각 탈락의 직접적인 배경이 됐다.
• Fable은 두 과제에서 비교적 안정적인 완성도와 보수적인 위험 관리를 보여줬고, Sol은 강한 시각적 표현력, Kimi K3는 긴 작업시간을 활용한 독자적 구현으로 생존했다.
• 최종 우승자는 아직 결정되지 않았으며, 게임 개발과 LoRA 학습 결과까지 다루는 2부를 확인해야 세 모델의 종합 우열을 판단할 수 있다.

📈 투자·시사 포인트

• AI 모델의 경쟁력은 단일 벤치마크보다 자율적인 요구사항 해석, 도구 활용, 오류 처리, 결과 검증처럼 실제 업무에서 드러나는 복합 역량으로 평가할 필요가 있다.
• 가장 빠른 Grok이 두 과제 모두에서 품질과 검증 부족을 드러낸 사례는 낮은 지연시간이나 빠른 산출이 곧 높은 생산성과 신뢰성을 의미하지는 않음을 보여준다.
• 모의투자 결과에서는 비슷한 돌파 전략을 채택했더라도 거래 빈도와 위험 제한에 따라 손익이 크게 달라졌다. 전략 아이디어 자체보다 과잉 거래 억제와 손실 통제가 시스템 성과를 좌우할 수 있다는 시사점이 있다.
• 오픈웨이트 모델인 Kimi K3는 웹사이트와 거래 시스템을 모두 완성하며 2부에 진출했지만, 이것만으로 폐쇄형 모델과의 전반적인 성능 격차가 해소됐다고 단정할 수는 없다.
• 검증 필요: 영상의 모의투자 성과는 제한된 평가 구간과 모의 계좌에서 나온 결과이므로 실거래 수익성이나 장기적인 전략 우위를 입증하지 않는다. 평가 구간, 수수료·슬리피지 반영 방식, 반복 실험 결과를 추가로 확인해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 영상은 다섯 참가 모델을 2026년 7월 말의 프런티어 모델로 소개하지만, 정확한 모델 ID·체크포인트·출시 상태와 Kimi K3의 오픈웨이트 공개 여부 등은 각 개발사의 공식 자료로 별도 확인해야 한다. [04:20–05:48]
• 모델마다 Claude Code·Codex·Grok Build·Hermes Agent처럼 서로 다른 실행 환경을 사용했다. 공통 도구가 제공됐다는 설명만으로는 컨텍스트 한도, 추론 설정, 토큰 예산과 도구 구현까지 완전히 동일했는지 판단하기 어렵다. [06:32]
• 거래 시스템의 운용 기간이 과제 소개에서는 이틀로 설명되지만 [03:27], 세부 조건에서는 24시간으로 제시된다. 실제 평가 기간과 실시간 운용 범위를 확인해야 한다. [20:13]
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 각 개발사의 공식 발표와 모델 카드를 찾아 참가 모델의 정확한 버전, 공개일, 오픈웨이트 여부를 대조한다.
• 원본 브리프·초기 프롬프트·도구 목록·실행 설정·토큰 사용량·작업 로그가 공개됐는지 확인해 실험의 재현 가능성을 평가한다.
• 다섯 웹사이트 산출물을 동일한 브라우저·해상도·입력 장치에서 다시 실행해 스크롤 진행, 누락된 장면, 텍스트 잘림과 요소 겹침을 비교한다.
• 거래 평가의 정확한 기간과 가격 데이터, 수수료·슬리피지·펀딩비, 포지션 크기 및 손절 조건을 확보한 뒤 모델별 손익을 재계산한다.

❓ 열린 질문

• 각 참가자의 정확한 모델 버전과 추론 설정, 컨텍스트 한도, 토큰·비용 예산은 무엇이었나?
• 서로 다른 에이전트 실행 환경에서 도구 호출 방식과 오류 복구 능력까지 공정하게 통제됐나?
• Fable에만 가드레일 발생 시 하위 모델로 전환하는 규칙이 적용된 이유는 무엇이며, 실제 전환이 발생했나?