여러분, 새로운 LLM 코딩 벤치마크 (Coding Benchmark) 결과가 준비되었습니다. 🎉 이번에는 어려운 분야들을 한데 모은 Trail과 함께 '이중 진자: Euler vs RK4 적분' 태스크를 테스트했습니다. 이 태스크를 통해 모델들의 하이브리드 능력인 알고리즘, 수학, 코딩 및 프론트엔드 (Frontend) 역량을 측정했습니다.

모든 모델에 opencode를 사용하여 코딩을 시켰습니다. 동시에 모든 모델에 최고 수준의 사고 (thinking) 노력을 사용했습니다. 이번 점수 산정은 가성비 (Price/Performance)와 품질 대비 성능 (Quality/Performance) 척도로 진행했습니다.

평가는 모델의 이름을 보지 않은 상태에서 GPT 5.6 Pro가 수행했습니다. 테스트에 참여한 모델들은 다음과 같습니다:

• DeepSeek V4 Flash 0731
• Gemini 3.6 Flash
• Grok 4.5
• Sonnet 5
• GPT5.6-Luna
• GPT5.6-Sol
• Opus 5
• Kimi K3
• Qwen 3.8

품질 대비 성능 (Quality/Performance) - 전체 순위:

• Opus 5 — 96.32/100 - $1.4660
• GPT5.6-Sol — 93.85/100 - $0.3627
• GPT5.6-Luna — 92.15/100 - $0.2373
• Kimi K3 — 91.70/100 - $0.3312
• Qwen3.8 — 89.95/100 - $0.2807
• Sonnet 5 — 88.16/100 - $0.4429
• DeepSeek V4 Flash 0731 — 85.12/100 - $0.0994
• Gemini 3.6 Flash — 83.24/100 - $0.0637
• Grok 4.5 — 79.82/100 - $0.4768

가성비 (Price/Performance) - 전체 순위:

• DeepSeek V4 Flash - 88.00
• GPT5.6-Luna - 87.04
• Qwen 3.8 - 85.75
• Kimi K3 - 84.91
• Gemini 3.6 Flash - 83.57
• GPT5.6-Sol - 82.91
• Grok 4.5 - 81.87
• Sonnet 5 - 80.66
• Opus 5 - 80.22

종합 평가:

• 프로덕션 (Prod) 가성비 승자: Qwen3.8.
• 비용 상관없이 최대 품질: Opus 5.
• 최저 예산에서 충분하고 완전한 기능을 갖춘 결과물: DeepSeek V4 Flash
• 가장 균형 잡힌 중간 지점: GPT5.6-Luna 및 Kimi K3

기술 분야별 성과:

• 최고의 순수 수치 적분기 (numerical integrator): Opus 5 = GPT5.6-Sol
• 가장 정확한 내장 검증기 (built-in validator): GPT5.6-Luna
• 최고의 표준 런타임 (runtime) 성능: DeepSeek V4 Flash 및 Kimi K3
• 최고의 시각적 품질: Opus 5
• 최고의 UI/제품: GPT5.6-Sol
• 최고의 아키텍처 (architecture): Opus 5
• 최고의 경제적 가성비 (F/P): DeepSeek V4 Flash
• 최고의 프로덕션 가성비 (production F/P): GPT5.6-Sol
• 가장 비싼 한계 품질 향상: Opus 5
• 가장 심각한 검증기 (validator) 오류: Grok 4.5
• 가장 높은 핫 패스 (hot-path)/GC 리스크: Gemini 3.6 Flash