국내 스타트업 비드래프트가 개발한 자기개선형 AI 모델 '다윈(Darwin)'이 중국 AI 성능 평가에서 오픈AI에 이어 수학·과학 추론 부문 두 번째로 높은 점수를 기록했다. 구글과 딥시크, 스페이스XSI의 주요 모델을 앞섰으며, 특히 기존 모델을 스스로 개선하는 '재귀적 자기개선(RSI)' 기술을 활용해 추론 성능을 크게 높였다고 강조했다.
AI 전문 비드래프트(대표 김민식)는 6일 '다윈-180B-RSI-R3(Darwin-180B-RSI-R3)'가 중국 AI 평가기관 슈퍼클루(SuperCLUE)의 2026년 11월 평가에서 수학·과학 추론 부문 73.68점을 기록했다고 밝혔다.
이는 오픈AI의 'GPT-6.1 솔(76.32점)'에 이어 19개 평가 모델 중 두 번째로 높은 점수다. 구글의 '제미나이 4 아르곤'과 딥시크의 'V4.1 플래시'(각 71.05점), xAI의 '그록 4.7(68.42점)'을 앞섰다. 가중치를 공개한 오픈웨이트 모델 가운데서는 가장 높은 점수다.
슈퍼클루는 중국어 기반 대형언어모델(LLM)을 평가하는 기관으로, 에이전트 코딩과 수학·과학 추론, 환각 억제, 정밀 지시 이행, 긴 문맥 처리 등 5개 영역의 성능을 측정한다. 이번 평가에는 미국과 중국의 주요 AI 모델 19개가 참여했으며, 국내 모델은 다윈이 유일했다.
다윈은 5개 영역을 합산한 종합 평가에서는 43.08점으로 전체 모델 중 점수 기준 9번째, 오픈웨이트 모델 중 5번째를 기록했다. 특히 수학·과학 추론에서는 상위권에 올랐지만, 긴 문맥 처리와 지시 이행 등 다른 영역에서는 경쟁 모델에 미치지 못했다. 슈퍼클루는 일부 모델을 공식 순위에서 제외하고 참고용으로 제시하기 때문에 이번 세계 2위는 수학·과학 추론 점수를 기준으로 비교한 결과다.
이번 성과의 핵심으로 기존 모델의 추론 능력을 스스로 개선하는 RSI 기술을 들었다. 다윈은 알리바바의 '큐원3.8 플래시 넥스트(Qwen3.8-Flash-Next)'를 기반으로 개발됐다. 기존 모델에서 지식을 저장하는 전문가 층은 유지하면서, 모델이 직접 문제를 생성하고 풀이와 검증을 반복해 추론 관련 가중치를 개선하는 방식을 적용했다. 사람이 새로운 정답 데이터를 일일이 제공하지 않고도 모델의 성능을 높이는 것이 특징이다.
실제로 기반 모델인 '큐원3.8 플래시'는 슈퍼클루 수학·과학 추론에서 57.89점을 기록했지만, 다윈은 73.68점으로 15.79점 높았다. 종합 점수도 39.81점에서 43.08점으로 상승했다. 비드래프트는 범용 지식 평가인 'MMLU-Pro'에서도 성능을 개선했으며, 답변을 생성하는 데 필요한 추론 길이는 11% 줄였다고 설명했다.
다윈은 전체 매개변수 1800억개 가운데 추론 시 약 30억개를 활성화하는 전문가 혼합(MoE) 구조를 채택했다. 모델 가중치를 공개해 상업적 활용도 가능하며, GPU 없이 개인용 PC나 노트북에서 구동할 수 있도록 압축한 '포켓 다윈(POCKET-Darwin-180B)'도 제공한다.
지난 3일 공개한 허깅페이스 GPQA 다이아몬드 평가에서도 다윈 계열 모델이 94.44점을 기록했다고 밝혔다. GPQA 다이아몬드는 물리학과 화학, 생물학 등 박사 과정 수준의 전문지식을 요구하는 과학 추론 평가다.
비드래프트는 지난해 9월 과학기술정보통신부 산하 정보통신산업진흥원(NIPA)의 GPU 임차지원 과제에 선정돼 개발 자원을 지원받았다. 회사에 따르면 다윈 계열 공개 모델의 허깅페이스 누적 다운로드는 468만회를 넘어섰다.
다윈 모델은 허깅페이스에서 내려받을 수 있으며, 세부 평가 결과는 슈퍼클루 공식 홈페이지에서 확인할 수 있다.
임대준 기자 ydj@aitimes.com