Blog›Benchmarks

# LLM 벤치마크 스냅샷, 2026년 9월 22일: 최상위권의 정체된 한 주

이번 주 LiveBench, BenchLM, Aider, LMArena에서 상위 3위 안에 든 순위는 하나도 바뀌지 않았습니다. 실제 변화는 순위표 밖에서 일어났습니다. Jev와 Laya 결정 모델이 아직 어떤 벤치마크도 측정하지 못하는 새로운 범주를 열었습니다.

LLM 벤치마크 스냅샷, 2026년 9월 22일: 상위권의 정체된 한 주

매주 우리는 주요 LLM 리더보드를 촬영하고 /benchmarks/history에 기록을 보관합니다. 이번 주 사진인 9월 22일은 일어나지 않은 일로 주목할 만합니다: 우리가 추적하는 다섯 개 소스 전체에서 상위 3위 자리 중 단 하나도 바뀌지 않았습니다.

소스별 선두 모델

LiveBench (종합): Claude Fable 5.1 (최대 노력)이 83.78로 1위를 유지하며, Fable 5 (83.38)와 GPT-6 Astra max (83.05)를 앞섭니다. 세 모델 간 격차는 0.73포인트입니다.

BenchLM (종합): Claude Fable 5.1이 84.58, GPT-6 Astra가 83.79, Claude Opus 5가 81.87입니다.

Aider polyglot (코딩): GPT-5 (high)가 88.0을 유지하며, GPT-5 (medium)가 86.7, o3-pro가 84.9입니다. OpenAI가 여전히 이 보드를 장악하고 있습니다.

LMArena 텍스트 Elo: Claude Fable 5.1 max가 1507.6이며, 두 개의 Opus 5 변형이 1505로 바짝 뒤쫓고 있습니다 - 2.6 Elo 차이로 사실상 동률입니다.

LMArena 웹개발 Elo: GPT-6 Astra max가 1800.3으로 Fable 5.1 max (1758)를 여유 있게 앞서며 - 격차가 큰 유일한 보드입니다.

소스 간 불일치는 여전

우리가 매주 지적하는 불일치 패턴은 유지됩니다: Anthropic이 세 개 보드에서 범용 텍스트를 주도하고, OpenAI가 코딩 (Aider)과 웹개발 (LMArena)에서 결정적으로 앞섭니다. "리더보드"로 모델을 선택한다면, 답은 여전히 어떤 리더보드가 당신의 작업 부하와 맞는지에 전적으로 달려 있습니다.

실제 활동은 리더보드 밖에서

상위권의 정체된 한 주가 조용한 한 주를 의미하지는 않습니다. 가장 많이 논의된 출시는 채팅 모델이 전혀 아니었습니다: TypeSafe의 Jev와 인도 Convai Innovations의 오픈소스 Apache 2.0 Laya가 "System One" 결정 모델 카테고리를 열었습니다 - 생성된 텍스트 대신 보정된 확률과 함께 유형화된 답변을 제공합니다. 위의 어떤 보드도 아직 그런 종류의 모델을 측정하지 않으며, 이는 그 자체로 주목할 만한 격차입니다: 벤치마크 생태계는 글쓰기와 코딩을 측정하는 반면, 생산 AI의 점점 더 큰 부분은 빠른 분류입니다. 우리의 비교: Laya vs Jev.

전체 스냅샷은 /benchmarks/snapshot/2026-09-22에서, 실시간 보드는 /benchmarks에서 확인하세요.