AI 평가 스타트업 밸스AI가 a16z 주도로 560억 원(4000만 달러) 시리즈A를 유치했어요. 이 회사 벤치마크에서 GPT-5.5 등 최상위 모델도 실제 금융 애널리스트 업무의 52%만 정확히 처리했어요. 오픈AI·앤트로픽·구글 모델 카드에 이미 인용되는 만큼, 벤치마크 신뢰도 경쟁이 본격화할 전망이에요.
리더보드 점수 좋다고 실제로 일 잘하는 건 아니더라고요. 이번에 그걸 숫자로 증명한 스타트업이 투자를 왕창 받았습니다. AI 모델 평가 스타트업 밸스AI(Vals AI)가 a16z 주도로 4000만 달러, 우리 돈으로 약 560억 원짜리 시리즈A를 유치했어요. 밸류에이션은 4억 달러, 약 5600억 원이고요. 기존 투자자인 8VC, 피어VC, 블룸버그베타에 더해서 HRT벤처스, 넥스트래더 같은 신규 투자자들도 합류했다고 해요.
밸스AI가 하는 일은 간단히 말하면 'AI 모델이 진짜 실무를 얼마나 잘하는지' 측정하는 거예요. 리더보드에서 1등 찍은 모델이 실제 업무에서도 잘한다는 보장은 없거든요. 그래서 이 회사는 파이낸스 에이전트 벤치마크라는 걸 만들었는데, 실제 금융 애널리스트가 하는 정성 분석, 정량 분석, 시장 조사, 컴퍼러블 분석, 실적 분석, 모델링 업무를 그대로 재현해서 테스트해요.
근데 결과가 좀 충격적이었어요. GPT-5.5가 이 벤치마크에서 앤트로픽 클로드랑 구글 제미나이를 근소하게 앞섰는데, 정확도가 딱 52%였다는 거예요. 사실상 절반은 틀렸다는 얘기죠. 클로드랑 제미나이도 40%대 후반에서 50%대 초반 사이에 몰려 있었고요. 최근엔 뮤즈 스파크 1.2가 60.6%로 치고 올라와서 1위를 찍긴 했는데, 그래도 사람 애널리스트 수준까지는 한참 남았다는 게 밸스AI 쪽 얘기예요.
사실 이게 왜 중요하냐면, 밸스AI 평가 결과가 이미 오픈AI·앤트로픽·구글·메타·xAI 모델 카드에 인용되고 있거든요. 이 회사가 매기는 점수가 은근히 업계 표준처럼 쓰이고 있다는 거예요. 기업 고객들도 모델 비교하고 도입 결정할 때 이 벤치마크를 참고하고요.
투자 발표랑 같이 신제품도 세 개나 내놨어요. 깃허브 레포에서 커스텀 코딩 벤치마크를 바로 만들 수 있는 '밸스 스미스', 사이버보안·정신건강·AI 안전 같은 영역을 다루는 프론티어 리스크 벤치마크, 그리고 경제 전반을 더 폭넓게 커버하는 '밸스 인덱스 2.0'까지요.
매출은 작년 전체 대비 8배 뛰었고, 고객사는 두 배로 늘었고, 팀 규모는 최근 6개월 사이 세 배가 됐다고 하니 성장세 자체는 확실히 가파른 편이네요.
솔직히 요즘 AI 업계 보면 다들 리더보드 순위에 목숨 거는 느낌인데, 밸스AI 사례 보면 진짜 중요한 건 '실무에서 얼마나 쓸모 있냐'인 것 같아요. 벤치마크 회사가 이렇게 큰 투자를 받는다는 것 자체가, 이제 모델 성능 경쟁만큼이나 '누가 더 신뢰할 만한 평가를 하냐' 경쟁도 치열해지고 있다는 신호 아닐까 싶어요.
출처