국산 텍스트 투 이미지 모델이 처음으로 종합 순위에서 GPT를 앞질렀어요: ArtArk 95.14, 지시 준수는 만점

11월 10일, SuperCLUE가 2026년 11월 텍스트 투 이미지 기준 순위를 업데이트했어요. 이번 추가 평가에 다섯 개 모델이 들어왔고, 그중 进化智能의 ArtArk가 첫 등장에 95.14점을 받아 종합 1위에 올랐어요.
2위는 GPT Image 2.5 Sunburst로 94.27점이에요. 3위는 SenseTime의 SenseNova U1 Pro로 93.81점이고요.
"국산 모델 1위"라는 말은 중국 테크 매체에서 이미 닳고 닳았어요. 두 달마다 누군가 1위에 올라요. 그래서 이 뉴스에서 볼 곳은 점수표의 구조예요. 순위 자체가 말해 주는 건 많지 않아요. ArtArk의 이미지 품질 세부 점수는 87.92점뿐이었고, 상위 10위 안에서 가장 낮은 구간이에요. GPT Image 2.5 Flare의 90.76점보다 3점 가까이 낮아요. 다른 항목들이 총점을 끌어올렸어요.
그 100점은 무엇인가
이 순위는 텍스트 투 이미지를 여섯 항목으로 나눠요. 이미지 품질, 지시 준수, 한자 생성, 현실 재현, 창작과 추론, 복잡한 정보 배치예요.
ArtArk는 "지시 준수"에서 100점을 받았어요. 참가한 25개 모델 중 만점은 이것 하나뿐이에요. 2위는 Flare의 93.94점이에요.
이 항목이 재는 건 말을 잘 듣는 정도예요. 그림이 예쁜지는 여기서 점수가 되지 않아요. 문제에는 검증 가능한 제약이 잔뜩 붙어요. 화면에 몇 명이 있는지, 누가 누구 왼쪽에 서 있는지, 식탁 위에 빨간 사과가 다섯 개인지 하나인지, 간판에 어떤 글자가 적혀 있는지, 빛이 어느 방향에서 오는지요. 모델은 이것을 하나도 빠뜨리지 않고 화면에 넣어야 하고, 그러면서도 자연스러워 보여야 해요. 만점은 이런 항목별 대조 작업에서 거의 실수하지 않는다는 뜻이에요.
다시 말해, 그림을 가장 잘 그리는 모델은 아닐 수 있어요. 제일 제멋대로 굴지 않는 모델이에요.

이 능력은 전시장과 SNS에서는 값이 없어요. 매대 앞에서는 값이 있어요. 이커머스 대표 이미지는 제품 색, logo 위치, 패키지 문구가 하나도 틀리면 안 돼요. 브랜드 포스터는 그 slogan을 한 글자도 바꿀 수 없어요. 부동산 조감도는 평면 구조, 방향, 가구 수가 도면과 맞아야 해요. 이런 일은 예전에 모델에 맡기지 않았어요. 모델이 너무 창의를 부리고 싶어 하니까요. 만점짜리 일관성 점수는 구매 담당자에게 "이제 시험해 봐도 된다"고 알려 주는 셈이에요.
약점의 모양
약한 쪽을 봐도 똑같이 선명해요.
이미지 품질 87.92점은 가장 낮은 항목이고 90 아래인 유일한 항목이에요. 이 점수는 순위에서 중위권쯤이라, 결과물의 섬세함, 질감, 빛의 층이 최상위 모델과 눈에 보이게 차이 난다는 뜻이에요.
한자 생성 97.02점은 Sunburst의 97.25점보다 조금 낮지만 꽤 가까워요. 현실 재현 96.02점도 Sunburst의 96.49점을 조금 밑돌아요. 창작과 추론 96.47점은 GPT-Image-2의 96.81점보다 낮아요. 복잡한 정보 배치 93.38점은 SenseNova U1 Pro의 95.80점에 두 점 넘게 뒤져요.
보이시죠. 실행 쪽에서는 전 항목에서 앞서고, 심미 쪽에서는 전 항목에서 뒤져요. 만능 챔피언의 초상이 아니에요. 편식이 뚜렷한 초상이고, 그 편식이 아주 정직해요.
순위 자체도 이걸 감추지 않아요. 25개 모델을 사분면 그림에 넣고, 가로축은 장면 응용 능력, 세로축은 범용 능력으로 놨어요. ArtArk는 Sunburst, U1 Pro, Qwen-Image-3.0-Pro와 함께 "탁월한 리더" 칸에 들어가지만, 위치는 오른쪽 아래에 가깝고 "기술 선도자" 모서리에서는 멀어요.
상위 5개 차이가 1.91점, 이쪽이 1위보다 골치 아파요
Sunburst 94.27점, ArtArk 95.14점, 차이는 0.87점이에요. 상위 5개 전체에서 최고점과 최저점 차이는 1.91점뿐이에요.
3년 전 같은 종류의 순위에서는 상위와 중위가 10점 넘게 벌어지는 게 보통이었고, 1위는 사실상 고정이었어요. 지금은 그 차이가 한 번의 평가 잡음 범위로 떨어졌어요. 순위표도 국내 모델은 1점 이내면 동률로 본다고 인정해요. 그 규칙대로면 ArtArk, Sunburst, U1 Pro는 같은 층으로 묶어야 해요.
차이가 줄면 실무 문제가 생겨요. 구매할 때 총점을 봐도 소용이 없어요. 세부 항목을 봐야 해요.
이번 항목별 1위는 넓게 흩어져 있어요. 한자 생성과 현실 재현의 최고점은 둘 다 Sunburst예요. 복잡한 정보 배치는 SenseNova U1 Pro의 95.80점이에요. 창작과 추론의 최고점은 이전 세대 GPT-Image-2의 96.81점으로, 올해 새 버전 둘보다 높아요. 지시 준수는 ArtArk 몫이에요.
한 순위표에 서로 다른 "최강"이 넷 나온다는 건, 이 세대 모델이 더 이상 같은 사다리를 오르지 않는다는 뜻이에요. 각 회사의 노선은 빠르게 갈라지고 있어요. 의미 실행을 채우는 곳, 화면 질감을 채우는 곳, 레이아웃 구성을 채우는 곳이 있어요. 모델 고르기는 "가장 좋은 걸 고르기"에서 "가장 맞는 걸 고르기"로 바뀌고 있어요.
버전이 바뀌는 속도
Nano Banana 계열은 따로 볼 만해요. 2.1 버전은 2보다 2.74점 높고, 그중 지시 준수가 9.09점, 복잡한 정보 배치가 6.87점 올랐어요. 동시에 이미지 품질, 현실 재현, 창작과 추론 세 항목은 거의 그대로예요.
이 상승 곡선은 흔치 않아요. 보통 세대가 바뀌면 모든 항목이 고르게 조금씩 올라요. 한 항목이 9점 오르고 두 항목이 그대로라면, 이번 업데이트는 표적 공격이고 이전 세대에서 가장 약했던 의미 정합을 메운 거예요. Google도 같은 평가 보고서를 읽었나 봐요.
반대로 ArtArk처럼 "일관성은 만점, 품질은 최하위"인 구조에도 위험이 있어요. 일관성은 엔지니어링과 학습 데이터로 빨리 메울 수 있어요. 질감은 안 돼요. 질감 뒤에는 심미 판단과 데이터 분포가 있고, 오래 갈아야 해요. 남이 따라오는 데 한 분기면 될 수도 있어요.
한 줄 결론
이 순위표의 진짜 정보는 등수 뒤에 숨어 있어요. 텍스트 투 이미지 평가의 무게 중심이 이미 옮겨 갔어요. 그림을 예쁘게 만드는 일은 상위 20여 개 모델이 모두 합격선을 넘었어요. 복잡한 한 문장을 엄격하게 실행할 수 있는지가 분수령이 되고 있어요.
그림을 만드는 사람에게는 일하는 방식이 바뀐다는 뜻이에요. 예전에는 소원 빌기였어요. 열 장 뽑아 한 장 고르기요. 지금은 요구 사항을 쓰고, 주문하듯 제약을 분명히 적은 다음 검수할 수 있어요. 모델이 말을 잘 들을수록 사람은 프롬프트에 쓰는 힘을 줄이고 판단에 쓰는 힘을 늘려요. 모든 모델이 "예쁨"을 내놓을 수 있을 때, 어느 장이 맞는지 아는 사람은 당신뿐이니까요.