오픈AI, 생명과학 특화 AI 벤치마크 ‘라이프사이벤치’ 공개…GPT-로잘린드가 63%로 선두

오픈AI, 생명과학 연구 역량 겨루는 새 평가 기준 제시

오픈AI가 생명과학 분야에서 인공지능의 실제 연구 수행 능력을 가늠할 수 있는 새로운 벤치마크 ‘라이프사이벤치(LifeSciBench)’를 선보였다. 이번 평가는 단순한 질의응답 능력이나 일반적인 추론 성능이 아니라, 생명과학 연구 현장에서 요구되는 문제 해결 역량을 중심으로 설계됐다는 점에서 관심을 끌고 있다.

보도에 따르면 이 벤치마크는 173명의 과학자가 개발 과정에 참여했으며, 평가에는 실제 연구 환경을 반영한 750개 과제가 활용됐다. 즉, 이론적인 시험 문제가 아니라 현업 연구자들이 맞닥뜨리는 업무에 가까운 조건에서 AI 모델을 비교한 셈이다.

이번 공개는 AI 업계 내부 경쟁을 넘어, 제약·바이오·헬스케어는 물론 분산 컴퓨팅과 AI 인프라를 다루는 블록체인 생태계에도 적지 않은 시사점을 던진다.

전체 성능 비교…GPT-로잘린드가 가장 높은 점수 기록

라이프사이벤치 종합 평가에서 가장 눈에 띈 모델은 GPT-로잘린드(GPT-Rosalind)였다. 해당 모델은 약 63% 수준의 점수를 얻으며 비교 대상 가운데 1위에 올랐다.

그 뒤는 GPT-5.5가 약 59%로 추격했고, 구글 제미나이 3.1 프로(Gemini 3.1 Pro)는 약 52%로 중간권을 형성했다. 반면 xAI의 그록 4.3(Grok 4.3)은 34% 안팎에 머물며 상대적으로 낮은 성적을 나타냈다.

오차 범위를 감안하더라도 상위권 모델과 하위권 모델의 차이는 비교적 분명하게 드러난다. 특히 생명과학처럼 높은 정확성과 전문적 해석이 필요한 분야에서 모델 간 성능 차이가 30%포인트 가까이 벌어졌다는 점은, AI의 실전 활용 가능성을 판단하는 데 중요한 기준이 될 수 있다.

주요 모델 점수 요약

• GPT-로잘린드: 약 63%
• GPT-5.5: 약 59%
• Gemini 3.1 Pro: 약 52%
• Grok 4.3: 약 34%

173명 과학자 참여, 750개 과제로 구성된 현실형 벤치마크

라이프사이벤치가 주목받는 이유는 단순히 새로운 평가표가 나왔기 때문만은 아니다. 이 벤치마크의 핵심은 평가 설계 자체가 실제 연구 흐름에 가깝게 구성됐다는 점에 있다.

오픈AI는 다수의 과학자와 협력해 벤치마크를 만들었고, 문제 역시 가상의 설정이 아니라 생명과학 연구 현장에서 접할 수 있는 실무형 과제로 채웠다. 이는 기존의 시험형 벤치마크와 달리, AI가 연구 과정 전반에서 어느 정도 도움을 줄 수 있는지를 보다 현실적으로 파악하려는 접근으로 볼 수 있다.

예를 들어 이런 평가는 단편적인 정답 맞히기를 넘어 다음과 같은 역량을 더 중요하게 본다.

• 실험 설계 능력
• 데이터 해석 및 분석
• 연구 결과의 논리적 정리
• 가설과 결론 도출 과정의 타당성

이처럼 실제 업무와 맞닿은 과제가 많을수록, 모델 간의 표면적인 언어 능력보다 실질적인 연구 보조 능력의 격차가 더 뚜렷하게 드러날 수 있다.

AI 경쟁의 초점, 대화형 모델에서 과학 연구 영역으로 확대

이번 발표는 AI 경쟁의 무대가 더 이상 일반 대화나 코딩 지원에만 머물지 않고, 전문 과학 분야로 빠르게 이동하고 있음을 보여주는 사례로 해석된다. 특히 오픈AI가 자사 신규 모델로 추정되는 GPT-로잘린드를 앞세워 선두 성적을 기록한 점은 향후 산업 적용 논의에 영향을 줄 가능성이 크다.

제약, 바이오, 의료 데이터 분석, 헬스케어 연구 지원 등은 AI 도입 효과가 매우 클 것으로 기대되는 분야다. 따라서 이번 벤치마크 결과는 단순히 “어느 모델이 더 똑똑한가”를 넘어, 어떤 모델이 실제 산업 현장에 더 빨리 투입될 수 있는가에 관한 논의로 이어질 수 있다.

또한 구글과 xAI 등 경쟁사 모델을 동일 기준으로 비교한 결과를 공개했다는 점도 의미가 있다. 이는 AI 성능 검증의 투명성을 높이는 방향으로 읽힐 수 있다. 다만 벤치마크는 설계 방식과 평가 기준에 따라 결과가 달라질 수 있는 만큼, 수치를 해석할 때는 일정한 신중함도 필요하다.

블록체인·탈중앙 AI 인프라에도 파급 가능성

생명과학처럼 부가가치가 높은 분야에서 AI의 실전 역량이 입증될수록, 이를 뒷받침할 컴퓨팅 자원, 데이터 처리 체계, 학습 인프라에 대한 수요도 함께 커질 가능성이 높다. 이런 흐름은 분산형 컴퓨팅, 데이터 마켓, AI 연산 네트워크를 지향하는 블록체인 프로젝트들과도 맞물린다.

특히 암호화폐 시장에서는 이미 탈중앙 AI, 분산 GPU 네트워크, 데이터 토큰화 같은 분야가 별도 섹터로 형성돼 있다. 이번 라이프사이벤치 공개는 단지 AI 모델 간 경쟁 결과를 보여주는 것을 넘어, 관련 인프라 산업 전반에 대한 관심을 다시 자극할 수 있다.

결국 앞으로 주목할 부분은 두 가지다. 하나는 생명과학 분야에서 AI가 어디까지 실제 연구 생산성을 끌어올릴 수 있는지이고, 다른 하나는 그 과정에서 블록체인 기반 인프라와 AI 토큰 생태계가 어떤 역할을 차지하게 될지다. 라이프사이벤치는 이 두 흐름이 만나는 지점을 보여주는 하나의 신호탄이 될 수 있다.

출처 :: https://www.coinddak.com/news/articleView.html?idxno=6355