성적표와 다음 강의 로드맵

영어·한국어 전체 성적표를 원문 그대로 확인하고, 남은 4강의 여정을 미리 살펴봅니다

Solar Open 2 기술 보고서 기반 · 초심자를 위한 쉬운 해설

→ 다음 (방향키 또는 화살표 클릭)

본격적인 표를 보기 전에 (3)

누구와, 어떻게 비교했나

비교 대상은 총 파라미터 320B 미만의 강력한 오픈 웨이트 모델들 — DeepSeek-V4-Flash(284B-A13B), MiMo-V2.5(310B-A15B), Command A+(218B-A25B), Mistral Medium 3.5(128B dense), 그리고 이전 세대 Solar Open 1(102B-A12B)
한국어 성적표에서는 여기에 더해 Claude Haiku 4.5, GPT-5.4 mini처럼 빠른 등급의 폐쇄형(closed) API 모델도 함께 비교합니다
모든 수치는 자체 내부 평가 하네스(harness)로, 벤치마크별 동일한 설정에서 측정되었습니다

💡

쉽게 말하면

비슷한 체급의 오픈소스 강자들, 그리고 실전에서 자주 쓰이는 빠른 상용 모델들까지 함께 세워두고 공정한 기준으로 재본 성적표라고 보시면 됩니다.

원문 데이터 — 영어 벤치마크 전체

전체 영어 성적표 (원문 표 3)

Benchmark	Solar Open 2 (250B-A15B)	Solar Open 1 (102B-A12B)	Command A+ (218B-A25B)	Mistral Medium 3.5 (128B dense)	MiMo-V2.5 (310B-A15B)	DeepSeek-V4-Flash (284B-A13B)
MMLU-Pro	86.2	80.4	79.0	81.2	84.6	85.9
GPQA-Diamond	86.3	66.2	75.6	77.5	83.0	88.9
HLE (no tools)	28.8	11.5	11.4	12.8	24.3	32.3
LiveCodeBench v6	92.4	56.5	86.1	84.9	89.1	92.3
ArtifactsBench	55.9	43.4	42.8	49.8	59.3	61.0
HMMT2602	93.9	68.9	73.5	62.9	61.4	94.7
AIME2026	95.7	87.7	96.0	89.0	92.3	97.0
MultiChallenge	61.0	40.5	45.8	49.8	39.0	62.0
IFBench	80.0	57.7	73.9	69.0	67.1	80.3
AA-LCR	62.3	36.0	46.0	61.0	62.7	63.7
SWE-Bench Verified	70.4	15.4	14.4	69.6	73.0	73.8
Terminal Bench Hard	28.3	2.3	25.0	33.3	41.7	34.1
APEX-Agents	16.6	2.4	1.6	6.1	13.4	13.2
MCP-Atlas	58.2	34.4	27.2	30.7	63.9	58.2
τ3 (banking)	19.6	7.4	5.8	5.8	8.7	22.3
GDPval-AA v2 (ELO)	1128	–	712	929	1145	1187

💡 지식·추론 / 지시따르기·긴컨텍스트 / 에이전트, 3개 영역으로 나뉜 지표입니다. Solar Open 2는 MMLU-Pro, LiveCodeBench v6, APEX-Agents에서 비교군 최고를 기록했습니다. (표의 ELO는 체스처럼 모델끼리 맞대결시켜 상대적 실력을 매기는 점수 방식이에요.)

본격적인 표를 보기 전에 (2)

한국어 벤치마크 용어 사전

KMMLU-Pro — 한국어판 MMLU-Pro, 한국 사회·전문 지식을 묻는 시험
CLIcK / HAE-RAE — 한국의 언어와 문화에 대한 이해도를 재는 시험
Ko-AIME / HRM8K — 한국어로 치르는 수학 추론 시험
KBank-MMLU / KBL / KorMedMCQA — 각각 금융 · 법률 · 의료 분야의 한국 전문 지식 시험
Ko-GDPval — 한국의 실제 회사 업무(보고서·엑셀·PPT 등)를 얼마나 잘 대행하는지 평가하는 자체 개발 벤치마크 — 5강에서 깊이 다룹니다

💡

쉽게 말하면

영어 시험 세트가 국제 공인 시험이라면, 이 시험들은 한국 상황에 맞춘 '국내용 전문 자격시험'이라고 보시면 됩니다.

원문 데이터 — 한국어 벤치마크 전체

전체 한국어 성적표 (원문 표 4)

Benchmark	Solar Open 2	Solar Open 1	MiMo-V2.5	DeepSeek-V4-Flash	Claude Haiku 4.5	GPT-5.4 mini
KMMLU-Pro	78.4	64.0	69.1	78.9	67.9	78.1
CLIcK	90.7	78.9	78.4	89.2	53.5	89.6
HAE-RAE v1.1	73.8	73.3	61.7	73.1	38.5	69.4
Ko-AIME'25	97.7	80.0	88.0	98.0	81.7	90.7
HRM8K	92.2	87.6	90.7	93.4	90.6	91.3
KBank-MMLU	80.8	65.5	71.0	79.5	68.9	79.0
KBL	75.5	65.5	69.8	72.8	69.9	75.3
KorMedMCQA	93.0	84.4	87.7	94.1	87.0	94.2
Ko-GDPval	86.8	3.4	81.0	85.0	68.3	59.4
Avg.	85.4	67.0	77.5	84.9	69.6	80.8

💡 Solar Open 2가 6개 모델 중 평균 1위(85.4)입니다. 자세한 분석은 5강에서 다룹니다.

앞으로 4강

5강 로드맵

2강

모델 설계도

어떻게 만들어졌나

하이브리드 어텐션, NoPE

3강

사전학습

무엇을 가르쳤나 ①

기억 계승, 데이터 큐레이션

4강

사후학습

무엇을 가르쳤나 ②

에이전트 훈련, MOPD

5강

평가 & 결론

결과는 어땠나

벤치마크, Ko-GDPval

정리

1강 핵심 정리

✓Solar Open 2 = 250B 지식 중 15B만 쓰는 효율적인 한국어 AI
✓한국어 전용 AI가 필요한 이유: 효율 · 맥락 · 실무
✓MoE = 질문에 맞는 전문의 몇 명만 호출하는 방식
✓1세대의 골격을 물려받아 진화한 모델
✓한국어 1위, 영어 최상위권을 동시에 달성

다음 강의

2강 예고: 이 모델은 정확히 어떻게 설계되었을까요? '두 가지 읽기 방식을 섞는 기술'을 공개합니다.

← 전체 목차 2강. 모델 설계도 파헤치기 →