AI 벤치마크는 어떤 게 있고 각각 뭘 측정할까 — 인류의 마지막 시험(HLE)·SWE-bench 점수 읽는 법

새 AI 모델이 나오면 발표문 아래에 늘 비슷한 표가 붙습니다. HLE, GPQA, SWE-bench Verified, Terminal-Bench, OSWorld, ARC-AGI 같은 이름이 줄지어 있고, 옆에 퍼센트 숫자가 적혀 있습니다. 모두 벤치마크, 곧 AI용 표준 시험의 이름입니다. 그런데 이 시험들은 저마다 무엇을 재고 있을까요? 그리고 내가 쓰려는 용도라면 어느 줄을 봐야 할까요?

이 글은 자주 나오는 벤치마크를 무엇을 재는가에 따라 다섯 묶음으로 나눈 지도입니다. 시험마다 문제가 어떻게 생겼는지, 어떻게 채점하는지, 점수가 높다는 것이 무엇을 뜻하고 무엇은 뜻하지 않는지를 짚습니다. 벤치마크라는 개념 자체와 누가 평가하는지는 ‘AI가 더 똑똑해졌다’는 무슨 기준일까에서 먼저 다뤘습니다. 시험이 너무 쉬워져 변별력을 잃는 포화 문제는 AI가 성능평가 문제를 완벽히 다 풀면, 그 뒤엔 누가 AI를 평가할까?에 정리했습니다. AI가 돌아가는 방식부터 차근차근 보고 싶다면 AI 기초 안내에서 시작해도 좋습니다.

본문의 점수는 2026년 11월 20일 기준으로 각 벤치마크의 공식 리더보드에서 확인한 값입니다. 모델 발표문에 적힌 점수가 아니라, 벤치마크 운영자가 공개한 표의 값입니다.

한눈에 보는 벤치마크 지도

묶음대표 벤치마크재는 것지금 상태
지식·추론MMLU, GPQA, 인류의 마지막 시험(HLE)여러 학문의 지식과, 전문가 수준 문제를 푸는 추론MMLU·GPQA는 변별력이 거의 없고, HLE가 기준 역할을 넘겨받았습니다
수학AIME, FrontierMath정답이 하나로 떨어지는 수학 문제 풀이AIME는 만점이 나왔고, FrontierMath가 남았습니다
코딩·에이전트SWE-bench, Terminal-Bench, τ-bench, OSWorld실제 저장소의 코드를 고치고, 터미널·고객 상담·컴퓨터 화면에서 일을 끝내는 능력가장 빠르게 바뀌는 분야라 버전이 자주 올라갑니다
추상 추론ARC-AGI처음 보는 규칙을 몇 개의 예시만 보고 알아내는 능력ARC-AGI-2도 상위권이 90%를 넘었고, 대화형인 ARC-AGI-3로 옮겨 가는 중입니다
사람 선호Arena(옛 LMArena)사람이 두 답을 비교했을 때 어느 쪽을 더 좋아하는가표가 900만 개 넘게 쌓였고, 상위 모델 간 점수 차가 작습니다

1. 지식·추론: MMLU, GPQA, 인류의 마지막 시험

MMLU: 57개 과목의 객관식 시험

  • 문제: 수학, 역사, 법학, 의학 등 57개 과목에서 낸 4지선다 문제입니다. 후속판인 MMLU-Pro는 보기를 10개로 늘리고 추론이 더 필요한 문제를 넣었습니다.
  • 채점: 고른 보기가 정답과 같은지만 봅니다. 맞힌 비율이 점수입니다.
  • 높다는 것의 뜻: 폭넓은 상식과 교과 지식을 갖췄다는 뜻입니다. 다만 HLE를 만든 연구진은 최신 모델이 MMLU에서 이미 90%를 넘겨 최상위 모델을 가려내는 데 쓰기 어렵다고 적었습니다. 지금은 작은 모델이나 오픈 모델이 기본기를 갖췄는지 볼 때 더 쓸모가 있습니다.

GPQA Diamond: 검색해도 답이 안 나오는 대학원 문제

  • 문제: 생물·화학·물리의 대학원 수준 4지선다 문제입니다. 원 논문의 448문제 가운데 품질이 가장 좋은 198문제를 따로 묶은 것이 Diamond입니다. 별명은 ‘구글 프루프(Google-proof)’인데, 다른 분야 전문가가 웹 검색을 30분 넘게 해도 정답률이 34%에 그치도록 만들었기 때문입니다. 해당 분야 박사급 전문가의 정답률은 65%였습니다.
  • 채점: MMLU와 같은 객관식 정답 비교입니다.
  • 높다는 것의 뜻: 과학 전문 지식을 써서 추론할 수 있다는 뜻입니다. 하지만 HLE 리더보드를 운영하는 Scale AI는 최신 모델이 MMLU와 GPQA에서 사람 전문가 수준에 이르렀거나 넘어섰기 때문에 두 점수가 더 이상 발전을 보여 주는 강한 신호가 아니라고 설명합니다. 보기가 4개라 찍어도 25%는 나온다는 점도 기억해 둘 만합니다.

인류의 마지막 시험(HLE): 전문가들이 AI를 떨어뜨리려고 낸 문제

  • 문제: 50개국, 500여 기관의 전문가 약 1,000명이 낸 2,500문제입니다. 공식 사이트에 공개된 예시 가운데 하나는 벌새 꼬리 근육의 힘줄에 박힌 작은 종자뼈가 힘줄 몇 쌍을 지탱하는지 숫자로 답하라는 문제입니다. 14%는 그림이나 도표를 읽어야 하고, 24%가 객관식입니다. 출제 단계에서 당시 최신 모델들이 틀린 문제만 사람 검토로 넘겼습니다.
  • 채점: 답이 하나로 정해진 문제라 자동으로 채점합니다. Scale AI 리더보드는 o3-mini를 채점기로 써서 모델의 답과 정답을 대조합니다. 모델이 스스로 밝힌 확신도와 실제 정답률이 얼마나 어긋나는지를 보는 보정 오차(calibration error)도 함께 공개합니다. 이 값이 크면 틀린 답을 자신 있게 말한다는 뜻입니다.
  • 높다는 것의 뜻: 최첨단 학문 지식이 필요한, 정답이 정해진 문제에서 전문가 수준에 가깝다는 뜻입니다. 출제진은 HLE 점수가 높다고 해서 스스로 연구를 해내는 능력이나 범용 인공지능을 뜻하지는 않는다고 못 박았습니다.

HLE는 2026년 1월 Nature에 실렸습니다. 2026년 9월에는 1,000문제(추론 500, 지식 500)로 다듬은 HLE-Diamond가 나왔습니다. 원래 HLE에서 상위 모델들이 잡음의 한계(문제 자체의 오류 때문에 더 오를 수 없는 지점)에 가까워질 때 옮겨 갈 판입니다. 그래서 같은 ‘HLE’라도 원판인지 Diamond인지, 도구를 쓰게 했는지를 봐야 합니다.

2. 수학: AIME, FrontierMath

AIME: 미국 고교 수학 경시대회

  • 문제: 미국 수학 올림피아드로 가는 중간 단계 시험입니다. 한 회에 15문제이고, 답은 모두 0부터 999 사이의 정수입니다. 해마다 새 문제가 나오기 때문에 ‘AIME 2026’처럼 연도를 붙여 부릅니다.
  • 채점: 정수 답이 맞는지만 봅니다.
  • 높다는 것의 뜻: 여러 단계로 계산하고 추론하는 힘이 있다는 뜻입니다. 하지만 수학 경시 결과를 모아 공개하는 MathArena(ETH 취리히)의 AIME 2026 표에서는 GPT-5.5와 Claude Opus 4.8이 이미 100%를 받았습니다. 최상위 모델끼리는 더 이상 차이가 나지 않는 시험입니다.

FrontierMath: 연구자가 몇 시간에서 며칠 걸리는 문제

  • 문제: 수학자들이 새로 만들어 공개하지 않은 문제들입니다. 2026년 6월 12일에 문제의 42%를 바로잡은 개정판이 나왔고, 지금은 338문제입니다. 학부 고학년부터 초기 연구자 수준인 1~3단계 295문제와 연구 수준인 4단계 43문제로 나뉩니다. 공개된 것은 12문제뿐이고 나머지는 비공개로 채점합니다.
  • 채점: 모델은 답을 돌려주는 Python 함수를 제출합니다. 답은 대개 정수나 수식 객체이고, 맞으면 1점, 틀리거나 못 내면 0점입니다. 풀이 중에는 Python을 실행해 볼 수 있습니다.
  • 높다는 것의 뜻: 계산 도구를 써서 어려운 수학 문제의 답을 낼 수 있다는 뜻입니다. 증명을 써내는 능력을 재지는 않습니다. 또 운영처인 Epoch AI는 OpenAI가 제작비를 댔고 문제 일부를 독점적으로 볼 수 있다고 공시하고 있습니다. OpenAI 모델의 점수를 볼 때는 이 점을 함께 고려하는 편이 좋습니다.

3. 코딩·에이전트: SWE-bench, Terminal-Bench, τ-bench, OSWorld

이 묶음은 한 번 답하고 끝나는 시험이 아닙니다. 모델이 도구를 쓰며 여러 단계를 거쳐 일을 끝내야 합니다. 그래서 점수가 모델 혼자의 점수가 아니라 모델과 그 모델을 움직이는 틀(에이전트, 하네스)을 합친 점수라는 점이 중요합니다.

SWE-bench Verified와 SWE-bench Pro: 실제 GitHub 이슈 고치기

  • 문제: 실제 오픈소스 저장소에 올라온 버그 신고나 기능 요청(이슈)을 주고, 코드를 고치게 합니다. 원판은 Python 저장소 12곳의 이슈 2,294개이고, 그중 사람이 풀 수 있는 문제인지 검토해 고른 500개가 Verified입니다. Scale AI가 만든 Pro는 저장소 41곳에서 1,865문제를 모았고, 정답 패치가 평균 4.1개 파일에 걸쳐 107줄을 고쳐야 할 만큼 큽니다.
  • 채점: 모델이 만든 패치를 적용한 뒤 테스트를 돌립니다. 원래 실패하던 테스트가 통과하고, 원래 통과하던 테스트가 깨지지 않아야 ‘해결’로 칩니다.
  • 높다는 것의 뜻: 남이 짠 큰 코드베이스에서 문제 위치를 찾아 고치는 능력이 있다는 뜻입니다. 다만 Verified는 공개된 지 오래된 오픈소스라 학습 데이터에 섞였을 가능성이 지적돼 왔습니다. Pro는 이를 줄이려고 GPL 같은 강한 카피레프트 라이선스 저장소와 스타트업의 비공개 코드베이스를 썼습니다. Scale AI가 Pro를 처음 공개했을 때 Verified에서 70%를 넘던 모델들이 Pro에서는 23% 안팎에 그쳤습니다.

하나 더 볼 것이 있습니다. SWE-bench 공식 사이트의 Verified 리더보드는 2026년 2월 26일 등록분이 마지막이고, 최고점은 79.2%입니다. 그 뒤에 나온 모델의 발표문에 적힌 Verified 점수는 대부분 개발사가 자기 환경에서 잰 값입니다.

Terminal-Bench: 터미널에서 일을 끝내는 능력

  • 문제: 격리된 리눅스 환경의 터미널에서 소프트웨어 빌드, 서버 설정, 데이터 처리 같은 작업을 끝내게 합니다. 스탠퍼드와 Laude Institute가 운영하며, 2026년 8월에 나온 4.0부터는 작업마다 8시간의 제한 시간을 줍니다.
  • 채점: 작업이 끝난 뒤 검증 스크립트가 결과물을 확인합니다. 2026년 11월 9일에 나온 4.1은 에이전트가 테스트 파일을 읽거나 채점 결과를 덮어쓰는 식의 꼼수를 막도록 검증기를 고친 판입니다.
  • 높다는 것의 뜻: 명령줄 도구를 다루며 긴 작업을 혼자 마무리하는 능력이 있다는 뜻입니다. 리더보드에는 모델 이름 옆에 Claude Code, Codex, GitHub Copilot 같은 에이전트 이름이 같이 적혀 있습니다. 같은 모델도 어떤 에이전트에 넣느냐에 따라 점수가 달라질 수 있다는 뜻입니다.

Terminal-Bench는 스스로를 ‘계속 고쳐 나가는 벤치마크’라고 부르며 버전을 빠르게 올립니다. 2025년 11월에 2.0이 나왔고, 2026년에만 2.1, 3.0, 4.0, 4.1이 나왔습니다. 그래서 발표문에 ‘Terminal-Bench 2.0’으로 적힌 점수와 지금 리더보드의 4.1 점수는 같은 시험의 점수가 아닙니다.

τ-bench: 정책을 지키며 고객 응대하기

  • 문제: 모델이 항공사나 쇼핑몰의 상담원이 되어, 다른 AI가 연기하는 가상 고객의 요청을 처리합니다. 예약 변경이나 환불 같은 요청을 회사 정책대로 처리해야 합니다. 2025년의 τ²-bench는 고객도 직접 무언가를 조작해야 하는 통신사 분야를 더했고, 2026년의 τ³는 은행 분야와 음성 대화를 더했습니다.
  • 채점: 대화가 끝난 뒤 데이터베이스가 정답 상태와 같은지 봅니다. 같은 과제를 여러 번 돌려 k번 모두 성공할 확률(pass^k)도 냅니다. 리더보드에 흔히 보이는 Pass^1은 한 번 돌렸을 때의 성공률입니다.
  • 높다는 것의 뜻: 도구를 호출하며 대화를 이어 가고, 규칙을 지키는 능력이 있다는 뜻입니다. pass^k를 보면 같은 일을 매번 똑같이 해내는지도 알 수 있습니다. 상담 자동화를 고민한다면 Pass^1보다 이 값이 더 현실적입니다.

OSWorld: 컴퓨터 화면을 보고 직접 조작하기

  • 문제: 실제 운영체제 화면을 보고 마우스와 키보드로 앱을 다뤄 일을 끝내게 합니다. 처음 판(2024년)은 369개 작업이었습니다. 2026년 6월에 나온 OSWorld 2.0은 108개의 긴 작업으로 바뀌었고, 사람이 하면 중간값으로 1.6시간이 걸립니다. 예를 들어 안내 PDF를 읽고, 영수증에서 금액을 찾고, 메일과 은행 내역을 대조해 경비 청구를 제출하는 식입니다.
  • 채점: 작업이 끝난 뒤 앱과 파일의 상태를 스크립트로 확인합니다. 2.0은 작업을 완전히 끝냈는지(binary)와 중간 점검 항목을 얼마나 채웠는지(partial)를 따로 냅니다.
  • 높다는 것의 뜻: 화면을 읽고 여러 앱을 오가며 일을 끝내는 능력이 있다는 뜻입니다. OSWorld 2.0 연구진은 지금 에이전트들이 클릭 같은 기본 조작보다, 조건을 잊거나 도중에 온 정보를 놓치거나 사용자에게 묻지 않고 짐작하는 데서 더 많이 실패한다고 분석했습니다.

4. 추상 추론: ARC-AGI

  • 문제: 색칠된 격자 그림 몇 쌍(입력과 출력)을 보여 주고, 그 규칙을 알아내 새 입력의 출력을 그리게 합니다. 언어나 전문 지식이 필요 없고, 처음 보는 규칙을 바로 익히는 능력을 봅니다. ARC-AGI-2는 평가 세트마다 120문제이며, 모든 문제를 일반인 두 명 이상이 두 번 안에 풀었습니다. 2026년의 ARC-AGI-3는 설명 없이 낯선 게임 환경에 들어가 목표를 스스로 알아내는 대화형 시험입니다.
  • 채점: ARC-AGI-1·2는 두 번까지 답을 내 격자가 정답과 칸 하나까지 같아야 맞습니다. ARC-AGI-3의 100%는 모든 게임을 사람만큼 효율적으로 깼다는 뜻입니다. ARC Prize는 점수와 함께 과제당 비용을 공개합니다. 무한정 시도하면 언젠가 풀리는 방식은 지능으로 치지 않겠다는 취지입니다.
  • 높다는 것의 뜻: 외운 지식이 아니라 새 규칙에 적응하는 능력이 있다는 뜻입니다. 지금 ARC-AGI-2는 상위 모델이 90%를 넘어 거의 다 풀린 상태라 ARC-AGI-3로 무게가 옮겨 가고 있습니다.

ARC-AGI-3 리더보드에는 점수 칸이 두 개 있습니다. 모델이 직접 고른 메모만 들고 다니는 기본 틀(Standard)과, 모델 개발사의 방식으로 추론 상태를 이어 쓰게 해 주는 틀(Provider adapter)입니다. 같은 GPT-6.2 Astra가 기본 틀에서는 70.3%, 개발사 틀에서는 100.0%를 받았습니다. 시험이 같아도 어떤 틀에서 쟀는지에 따라 점수가 크게 달라진다는 것을 보여 주는 예입니다.

5. 사람 선호: Arena

  • 문제: 정해진 문제지가 없습니다. 사용자가 아무 질문이나 하면 이름을 가린 두 모델이 답하고, 사용자가 더 나은 쪽에 투표합니다. 주소가 lmarena.ai에서 arena.ai로 바뀌었고, 2026년 11월 20일 기준으로 텍스트 부문에 표 921만여 개와 모델 426개가 쌓였습니다.
  • 채점: 승패 기록을 체스의 Elo와 비슷한 방식으로 환산해 점수를 매깁니다. 텍스트 외의 부문도 리더보드가 따로 있습니다.
  • 높다는 것의 뜻: 사람들이 일상적인 대화에서 그 모델의 답을 더 좋아한다는 뜻입니다. 답이 맞았는지는 따로 검증하지 않습니다. 길고 보기 좋게 정리된 답이 표를 더 받는 경향이 있습니다. 상위권 점수 차도 몇 점에 불과해서 순위 한두 칸은 큰 의미가 없습니다.

지금 공식 리더보드의 최고 점수

2026년 11월 20일 각 공식 리더보드 기준입니다. 리더보드마다 등록된 모델이 달라서, 이 표에 없다고 그 모델이 약하다는 뜻은 아닙니다.

벤치마크(버전)최고 점수모델(조건)출처
HLE (원판 2,500문제)54.80%GPT 6 AstraScale AI 리더보드
HLE-Diamond (도구 없이)74.3%Claude Fable 5.2CAIS·Scale AI 발표
AIME 2026100%GPT-5.5, Claude Opus 4.8MathArena
SWE-bench Verified (공식 등록분)79.2%Claude 4.5 Opus 기반 에이전트 2종SWE-bench
SWE-bench Pro (공개 세트)61.50%Muse Spark 1.1Scale AI 리더보드
Terminal-Bench 4.171.2%Copilot Fusion (GitHub Copilot)Terminal-Bench
τ²-bench (Pass^1)87.9%Qwen3.5-397B-A17Bτ-bench
OSWorld 2.0 (완료율)44.33%Claude Opus 5 (max)OSWorld 2.0
ARC-AGI-295.8%GPT-6.2 AstraARC Prize
ARC-AGI-3 (기본 틀)81.2%Claude Fable 5.2ARC Prize
Arena 텍스트1,527점Gemini 4 Carbon (High)Arena

표를 보면 같은 모델이라도 리더보드마다 순위가 다릅니다. HLE 원판의 1위는 GPT 6 Astra인데, HLE-Diamond와 ARC-AGI-3의 1위는 Claude Fable 5.2이고, Arena의 1위는 Gemini 4 Carbon입니다. 모든 시험에서 1등인 모델은 없습니다. 그래서 내 용도에 맞는 시험을 골라 보는 것이 중요합니다.

발표표를 읽을 때 확인할 다섯 가지

1. 버전과 세트

‘Terminal-Bench’와 ‘Terminal-Bench 4.1’, ‘HLE’와 ‘HLE-Diamond’, ‘OSWorld’와 ‘OSWorld 2.0’은 서로 다른 시험입니다. SWE-bench도 Verified와 Pro의 점수 차이가 큽니다. 두 모델을 비교할 때는 같은 버전, 같은 세트인지부터 봅니다.

2. 누가 쟀나

발표문의 숫자는 대부분 개발사가 직접 잰 값입니다. 공식 리더보드는 운영자가 정한 같은 환경에서 다시 재거나 제출물을 검증합니다. 두 값이 다를 때는 공식 리더보드 쪽이 비교하기에 더 안전합니다.

3. 어떤 틀(에이전트)에 넣었나

코딩과 에이전트 벤치마크는 모델과 틀을 합친 점수입니다. ARC-AGI-3의 예처럼 같은 모델도 틀에 따라 수십 퍼센트포인트가 달라집니다. 실제로 내가 쓸 도구(예: Claude Code, Codex)로 잰 점수가 있다면 그쪽이 더 현실에 가깝습니다.

4. 도구를 쓰게 했나

HLE-Diamond 발표의 점수는 도구 없이 잰 값입니다. 반면 FrontierMath는 Python 실행을 허용합니다. 웹 검색이나 코드 실행을 붙이면 같은 시험도 점수가 크게 오릅니다. 발표표의 각주에 ‘with tools’, ‘no tools’가 적혀 있는지 봅니다.

5. 추론 강도와 비용

리더보드에는 모델 이름 뒤에 high, xhigh, max 같은 추론 강도가 붙어 있습니다. 강도를 올리면 점수는 오르지만 시간과 비용도 늘어납니다. ARC Prize, Terminal-Bench, Arena는 비용이나 토큰 사용량을 함께 공개하니, 점수가 비슷하다면 싼 쪽을 고르는 판단에 쓸 수 있습니다. 추론 강도 설정이 무엇인지는 AI 채팅 추론 수준(effort)·딥싱크 설정, 무슨 뜻이고 언제 올려야 할까에서 다뤘습니다.

내 용도에는 어떤 점수를 볼까요

용도먼저 볼 점수함께 볼 것
일상 질문, 글쓰기, 요약Arena 텍스트내가 자주 하는 질문을 두세 모델에 직접 넣어 비교
전문 지식 확인, 리서치 보조HLE·HLE-Diamond 정답률HLE의 보정 오차. 낮을수록 모르는 것을 덜 우깁니다
수학·계산이 많은 일FrontierMathAIME는 상위 모델끼리 차이가 없어 참고만
코드 수정, 코딩 에이전트SWE-bench Pro, Terminal-Bench내가 쓰는 에이전트로 잰 점수인지, 버전이 같은지
고객 응대 자동화τ-bench (pass^k)Pass^1만이 아니라 여러 번 돌렸을 때의 일관성
브라우저·데스크톱 자동화OSWorld 2.0완료율(binary)과 부분 점수(partial)의 차이
처음 보는 문제에 대한 적응력ARC-AGI-3어떤 틀에서 쟀는지, 과제당 비용

실제 모델 세 개를 같은 작업에 놓고 고른 예는 GPT-6 아스트라·클로드 페이블 5.1·제미나이 3.8 플래시를 같은 작업에 쓴다면에 정리했습니다.

자주 묻는 질문

점수가 1~2%포인트 차이 나면 더 좋은 모델인가요?

꼭 그렇지는 않습니다. Scale AI의 HLE 리더보드는 점수마다 ±2%포인트 안팎의 95% 신뢰구간을 붙입니다. 그리고 한 모델의 구간 하한이 다른 모델의 구간 상한보다 높을 때만 앞선다고 보고 순위를 매깁니다. 1~2%포인트 차이는 잡음 범위일 수 있습니다.

왜 같은 벤치마크인데 기사마다 점수가 다른가요?

버전, 세트, 틀, 도구 허용 여부, 추론 강도 가운데 하나라도 다르면 점수가 달라집니다. 개발사 발표와 공식 리더보드가 다른 경우도 많습니다. 숫자를 인용할 때는 어디서 언제 잰 값인지 함께 확인하는 것이 좋습니다.

100%가 나온 벤치마크는 이제 쓸모없나요?

최상위 모델을 가리는 데는 쓸모가 줄었습니다. 그래도 작은 모델이나 오픈 모델이 기본 수준에 이르렀는지 확인하는 용도로는 여전히 쓰입니다. 포화 이후의 평가가 어떻게 바뀌는지는 포화를 다룬 글에서 이어서 볼 수 있습니다.

정리하면

벤치마크 이름은 많지만 묶어 보면 다섯 가지입니다. 지식과 추론, 수학, 코딩과 에이전트, 처음 보는 문제에 대한 적응력, 그리고 사람의 선호입니다. 이 가운데 MMLU, GPQA, AIME는 최상위 모델 사이에서 변별력을 거의 잃었습니다. 지금은 HLE, SWE-bench Pro, Terminal-Bench, OSWorld 2.0, ARC-AGI-3 같은 시험이 기준이 되고 있습니다.

다음에 모델 발표표를 보시면 먼저 내 용도에 맞는 줄을 고르세요. 그다음 그 점수가 어느 버전인지, 누가 어떤 틀에서 쟀는지, 도구를 썼는지를 확인하면 됩니다. 이 네 가지만 봐도 같은 숫자를 훨씬 정확하게 읽을 수 있습니다.

이 갈래에서 이어 읽기