Gemini 3 Pro: 69%, GPT-5: 62%, 사실성(팩추얼리티) 평가 결과....

구글이 개발한 FACTS Benchmark Suite에서 AI 챗봇들의 사실성(정확성) 점수를 측정했다. (머니컨트롤)

Gemini 3 Pro가 약 69%로 가장 높은 점수를 기록했다. (머니컨트롤)

“69점(%)”의 의미

모델이 답변을 사실에 맞게 제공했는가?를 종합 점수로 환산한 것으로, 최상위 모델조차 10번 중 3번가량은 사실 오류(또는 불완전한 근거)를 낼 수 있다는 문제의식을 드러냅니다. (Business Insider)
ZDNet Korea 보도 기준 상위권 예시는 다음과 같이 소개됩니다:
- Gemini 3 Pro: 69%
- Gemini 2.5 Pro: 62%, GPT-5: 62%
- Grok 4: 54%, GPT o3: 52%, Claude 4.5 Opus: 51%, GPT-4.1: 51% 지디넷 코리아

벤치마크는 4개 영역으로 구성됬다.

특히 멀티모달/이미지·차트 해석 부문이 정확도가 매우 낮음이 지적됨. (지디넷 코리아)

보도에 따르면 FACTS 벤치마크는 여러 상황에서의 사실 정확성을 점검하는 구조(예: 모델 내부지식 기반 답변, 검색 기반 답변, 긴 문서 근거 기반 답변, 이미지/차트 해석 등)로 설계됐습니다. (Business Insider)
특히 ZDNet Korea는 차트·이미지 등 멀티모달(시각 정보) 해석 영역이 낮은 점수를 보였다고 전합니다. (지디넷 코리아)
해당 수치는 “모델이 답변을 사실에 맞게 제공했는가”를 종합 점수로 환산한 것으로, 최상위 모델조차 10번 중 3번가량은 사실 오류(또는 불완전한 근거)를 낼 수 있다는 문제의식을 드러냅니다. (Business Insider)
이번 결과의 핵심 메시지는 “모델 간 서열”이라기보다, 현 세대 LLM이 ‘사실성’에서 아직 임계 수준에 못 미친다는 점입니다. (Business Insider)
특히 저널리즘, 법률, 금융, 의료처럼 근거가 필수인 분야에서는, AI 답변을 “최종 결과물”로 쓰기보다 원문 근거 확인(출처 링크/원문 인용/문서 근거)과 사람 검증을 전제해야 한다는 경고로 읽힙니다. Business Insider

인공지능 비즈니스 네트워크