인텔리전스 지수는 Artificial Analysis가 발표하는 모델 종합 점수다. 정식 명칭은 Artificial Analysis Intelligence Index로, 각 대형 언어 모델의 종합 역량을 0에서 100 사이의 하나의 점수로 압축해 한눈에 순위를 매길 수 있게 한 것이다. 2026년 11월 17일 순위에서 Claude Fable 5.2가 65점으로 1위, 같은 날 공개된 OpenAI의 GPT-6.2 Astra가 62점으로 2위, Google의 Gemini 4 Carbon이 60점, 더 가벼운 Gemini 4 Hydrogen이 54점을 기록했다. 이는 단일 테스트의 성적이 아니라 여러 평가를 가중 합성한 결과다.
65점은 어떻게 계산되는가
현행 버전 v5.0.1은 9개 평가로 구성되며, 지식 업무, 코딩, 과학, 종합 네 개 범주에 나뉘어 각각 25%를 차지한다. 지식 업무는 실제 사무 업무 수행 능력을 보며 AA-Briefcase v1.1이 15%, 코딩은 코드 수정과 터미널 작업을 보며 FrontierCode-AA 2.0과 Terminal-Bench 4.0이 합쳐 25%, 과학은 터미널 연구 과제와 물리 추론을 본다. 종합은 지식의 폭과 환각률을 보며 AA-Omniscience v1.1이 15%로, 정답률 10%, 환각하지 않음 5%로 나뉜다. 대부분의 평가는 pass@1 채점을 쓰는데, 첫 시도에 맞춰야 점수를 얻는다. AA-Briefcase 같은 개방형 과제는 심사위원이 채점해 Elo로 환산한다. 65점이란 이 9개 평가의 가중 종합 점수이며 만점은 100점이다.
고작 2~3점 차이가 의미하는 것
상위권 모델들의 차이는 고작 2~3점이다. Artificial Analysis는 지수 전체의 95% 신뢰구간이 ±1% 미만이라고 밝히지만, 이는 통계 오차일 뿐이며 2~3점 차이가 실제 역량의 질적 차이를 뜻하지는 않는다. 더 볼 만한 것은 같은 모델이 추론 강도에 따라 어떻게 달라지는가다. GPT-6.2 Astra는 최대 설정에서 62점, 높은 설정에서 약 60점으로, 설정을 낮추면 순위도 함께 움직인다. 형제 모델인 GPT-6.2 Sol은 최대 설정에서 57점이다. 쉽게 간과되는 또 다른 차원은 비용이다. 지수 전체를 한 번 실행하는 데 Claude Fable 5.2는 약 26.5달러, GPT-6.2 Astra는 약 4달러가 든다. 점수 차이는 3점에 불과한데 비용은 6배 이상 차이 난다. 점수만 보고 모델을 고르는 것은 가격을 중요하지 않다고 전제하는 것과 같다.
이 지수가 측정하지 못하는 것
인텔리전스 지수는 주로 영어 텍스트 평가다. 멀티모달, 음성 입력, 다국어 능력은 별도로 측정되며 점수에 포함되지 않는다. "이 모델이 내 일에 맞는가"라는 질문에도 답하지 못한다. 지식 업무 과제가 일반 사무 시나리오에 치우쳐 있어 고객 서비스, 법률, 의료 같은 전문 분야는 빠져 있기 때문이다. 버전도 바뀐다. 2026년 11월 v4.3.2에서 v5.0.1로 바뀌면서 가중치도 30/20/20/30에서 네 범주 각 25%로 바뀌었으므로, 신구 버전의 점수를 직접 비교할 수 없다. 모델을 고를 때 출발점으로 쓰는 것이 맞다. 자신의 업무 유형에 맞는 세부 점수를 보고, 코드를 많이 쓴다면 코딩류, 연구한다면 과학류를 확인한 뒤 추론 설정과 비용을 따진다. 점수는 뒤처지는 모델을 걸러내는 데는 유용하지만, 상위 5개 모델 사이에서는 2~3점의 점수 차이가 아니라 가격과 구체적인 장면에서의 성능이 승부를 가른다.