롱비디오벤치

LongVideoBench는 AI 모델에게 몇십 분에서 몇 시간짜리 긴 영상을 보여주고, 그 안의 특정 장면이나 사건을 정확히 찾아내는지 시험하는 문제집이다. 짧은 영상 몇 초를 보고 답하는 건 쉽지만, 긴 영화나 강의 영상 속에서 「37분쯤 나온 그 대사가 뭐였지」 같은 질문에 답하려면 앞뒤 맥락을 오래 기억하고 필요한 부분을 정확히 짚어내야 한다.

이 시험 점수가 중요한 이유는, 영상을 다루는 AI가 실제로 쓸모 있으려면 짧은 클립뿐 아니라 긴 회의록이나 강의 영상, CCTV 녹화본까지 이해할 수 있어야 하기 때문이다. 같은 영상을 봐도 어떤 방식으로 보느냐에 따라 점수가 크게 달라질 수 있어서, 이 벤치마크는 영상을 처리하는 새로운 방식이 실제로 더 똑똑해졌는지 확인하는 잣대로 쓰인다.

기사는 「장문 영상 이해 벤치마크인 LongVideoBench에서 3.7 플래시에 에이전트 처리를 얹었을 때 토큰 소비가 크게 줄면서 정확도도 함께 올라갔다」고 전한다. 여기서 오해하기 쉬운 점은, 이 시험이 모델의 전반적인 지능 순위를 매기는 게 아니라 「긴 영상을 얼마나 효율적이고 정확하게 이해하는가」라는 좁은 능력만 따로 떼어 평가한다는 것이다.