JobBench

인용 빈도 2/3
무엇을 측정하나요?
실제 직장 업무에 가까운 과제로 AI 에이전트(도구를 직접 써서 일을 끝까지 처리하는 AI)의 업무 수행력을 봅니다.
누가 어떻게 평가하나요?
35개 직업에서 가져온 과제 65개를 AI가 도구를 써서 해내게 하고, 결과 파일까지 살펴보는 채점 기준으로 평가합니다. 운영팀은 모든 모델을 같은 OpenCode 환경에서 잽니다.
점수 읽는 법
점수는 0~100%입니다. 높을수록 좋습니다.
최고 점수75.4%
측정한 모델30개
측정 기준높을수록 좋음
최근 갱신2026.09.22
모델 출시 시기

여러 직업의 실제 업무를 해낼 수 있을까?

JobBench

  1. 🥇AnthropicClaude Opus 5.575.4%
  2. 🥈MetaMuse Wonder75.3%
  3. 🥉AnthropicClaude Fable 5.173.1%
  4. #4OpenAIGPT-6 Astra66.1%
  5. #5AnthropicClaude Opus 565.7%
  6. #6MetaMuse Spark 1.364.9%
  7. #7XiaomiMiMo-V2.6-Pro62.0%
  8. #8TencentHy4추론 강도: Max61.7%
  9. #9MetaMuse Spark 1.261.6%
  10. #10Z.aiGLM 5.361.4%
  11. #11XiaomiMiMo-V2.6-Flash61.2%
  12. #12StepfunStep-5추론 강도: High59.0%
  13. #13AnthropicClaude Fable 557.4%
  14. #14AlibabaQwen3.8 Flash55.7%
  15. #15MetaMuse Spark 1.154.7%
  16. #16Moonshot AIKimi K354.3%
  17. #17AnthropicClaude Opus 4.848.4%
  18. #18OpenAIGPT-5.6 Sol45.4%
  19. #19AnthropicClaude Opus 4.744.5%
  20. #20Z.aiGLM 5.243.4%
  21. #21OpenAIGPT-5.538.3%
  22. #22AnthropicClaude Sonnet 4.636.6%
  23. #23OpenAIGPT-5.432.2%
  24. #24GoogleGemini 3.5 Flash31.5%
  25. #25AlibabaQwen3.7 Plus27.6%
  26. #26NVIDIANemotron 3 Ultra27.2%
  27. #27XiaomiMiMo V2.5 Pro25.0%
  28. #28AnthropicClaude Sonnet 4.520.7%
  29. #29MetaMuse Spark17.0%
  30. #30GoogleGemini 3.1 Pro15.9%
모델 절반이 54.5% 이하

"작업 도구"는 AI가 과제를 풀 때 함께 쓴 실행 환경(에이전트 프로그램)입니다. 같은 모델이라도 작업 도구와 추론 강도에 따라 점수가 크게 달라질 수 있습니다.

카톡 문의