물리적 추론: AI 이미지 모델의 암시적 광학 (implicit optics)
요약
PromptFrenzy의 암시적 광학(implicit optics) 벤치마크 결과, Google Nano Banana 2가 물리적 추론 능력에서 압도적인 성능을 보였습니다. 굴절과 반사 등 물리 법칙을 프롬프트 없이도 구현하는 능력을 테스트한 결과, 다른 모델들과 큰 격차를 벌렸습니다.
핵심 포인트
- Google Nano Banana 2가 83.3%의 통과율로 물리적 추론 1위 기록
- 암시적 광학 테스트는 프롬프트에 물리 용어를 언급하지 않고 수행됨
- Meta Muse Image 등 타 모델들은 16.7% 이하의 낮은 성능 기록
- 벤치마크 데이터셋 및 소스 이미지 전체 공개
PromptFrenzy의 42회 실행 암시적 광학 (implicit-optics) 벤치마크에서, Nano Banana 2는 6회 실행 중 5회를 통과했습니다. 다른 어떤 모델도 1회 이상 통과하지 못했습니다.
발견 사항 (Finding)
Google Nano Banana 2는 테스트된 모델 중 유일하게 암시된 광학 (implied optics)을 안정적으로 적용하여 6회 실행 중 5회(83.3%)를 통과했습니다. 다른 모든 모델은 최대 6회 중 1회만 통과했습니다.
방법론 (Methodology)
두 가지 암시적 광학 (implicit-optics) 테스트는 굴절 (refraction), 반사 (reflection) 또는 예상되는 효과를 결코 언급하지 않는 중립적인 프롬프트를 사용했습니다. 7개의 모델이 재시도 없이 테스트당 3회씩 실행을 생성했습니다. 각 실행은 공개된 물리적 기준에 따라 수동으로 합격/불합격 (pass/fail) 판정을 받았습니다. 42개의 모든 소스 이미지와 정확한 프롬프트가 공개되어 있습니다. 표본 크기: 42회 실행. 게시일: 2026-07-13.
결과 (Results)
- Google Nano Banana 2 — 83.3/100
- Meta Muse Image — 16.7/100
- Nano Banana 2 Lite — 16.7/100
- FLUX Kontext Pro — 0.0/100
- OpenAI gpt-image-2 — 0.0/100
- Qwen Image 2.0 Pro — 0.0/100
- Seedream 5 Lite — 0.0/100
다운로드 및 검증 (Download and verify)
- 전체 JSON 데이터셋 (Complete JSON dataset)
- 실행 레벨 CSV (Run-level CSV)
- 모든 소스 이미지 및 정확한 프롬프트 (Every source image and exact prompt)
출처: PromptFrenzy 물리적 추론 (Physics Reasoning) 벤치마크, 2026년 7월 13일 게시. CC BY 4.0; 인용 시 정식 연구 페이지 링크를 포함하십시오.
굴절 (refraction) 테스트를 직접 실행해 보세요 → 벤치마크 열기.
원문은 PromptFrenzy에 게시되었습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기