엑셀 수식과 계산 문제, 가벼운 AI도 다 맞혔다

오늘의 질문

엑셀 앞에서 막힐 때 어떤 AI가 가장 정확할까. 엑셀 수식과 숫자 계산을 묻는 이번 비교에서는 상위 모델과 가벼운 모델이 모두 세 문제를 맞혔다. 조건에 맞는 인원을 세거나 할인 금액을 계산하는 일에 더 큰 모델이 필요한지 살펴봤다.

정답만 보면 이번에는 가벼운 모델로도 충분했다. 다만 계산 과정을 보여 주는지, 요청한 모양으로 답하는지에 따라 심사 점수는 갈렸다. 숫자만 필요한 사람과 풀이까지 보려는 사람이 고를 모델은 다를 수 있다.

이렇게 시험했다

9월 24일, 여섯 모델에 같은 프롬프트(AI에게 주는 지시문)를 넣었다. 설정은 기본값을 그대로 뒀고, 모델마다 각 문제를 한 번씩 실행했다. 앤트로픽에서는 상위 모델인 Claude Opus 5.5와 가벼운 Claude Haiku 4.5를, 오픈AI에서는 상위 GPT-6 Astra와 가벼운 GPT-6 Luna를 골랐다.

구글의 가벼운 Gemini 3.5 Flash와 xAI의 이전 세대 상위 모델인 Grok 4.5도 함께 시험했다. 이 두 모델은 GitHub Copilot을 거쳐 실행했다. 실행 경로가 다르므로 응답 속도를 모델 자체의 차이로 보기는 어렵다.

채점은 Claude Opus 5와 GPT-6 Sol이 각각 맡았다. 두 심사위원은 답변을 쓴 모델 이름을 모르는 상태에서 1~10점을 매겼다. 정답은 두 심사위원이 모두 맞았다고 본 경우에만 인정했다. 표기가 달라도 뜻이 같으면 정답으로 처리하고, 의견이 다르면 판정 갈림으로 구분했다.

문제 1: 두 조건으로 인원 세기

여러 조건을 함께 적용하는 함수를 골라, 바로 쓸 수 있는 수식을 내놓는지 봤다.

엑셀 A열에는 부서 이름(예: 영업, 개발), B열에는 출장 여부(예: 출장, 사무실)가 적혀 있다. 영업 부서이면서 출장인 사람의 수를 세는 수식 하나만 알려 주고, 한 줄로 설명해 줘. 데이터는 2행부터 100행까지 있다.

여섯 모델 모두 COUNTIFS를 써서 정답을 냈다. 부서가 영업이고 출장 여부가 출장인 행을 세도록 범위와 조건을 정확히 연결했다. 수식의 정확성에서는 상위 모델과 가벼운 모델의 차이가 없었다.

설명에서는 Claude Opus 5.5가 평균 10.0점으로 가장 높았다. 답변에 쓴 “같은 행의 B열"이라는 표현이 두 조건을 어떻게 맞춰 보는지 분명하게 짚었다. 나머지는 9.0~9.5점이었다. Gemini 3.5 Flash도 맞혔지만, 한 심사위원은 수식과 설명에 붙인 표시를 군더더기로 봤다.

응답 속도는 GPT-6 Luna가 0.9초, Claude Opus 5.5가 1.1초였다. GPT-6 Astra는 4.5초가 걸렸다. 같은 정답을 얻는 데 걸린 시간은 달랐지만, 한 번만 재 본 값이다.

문제 1에 대한 모델별 실제 답 (2026년 9월 24일 실행, 앞부분만)

문제 2: 다섯 점수의 평균

간단한 덧셈과 나눗셈을 정확히 하는지, 마지막 줄에 답을 적는지 확인했다.

학생 다섯 명의 점수가 82, 91, 77, 88, 95점이다. 평균 점수는? 소수점 첫째 자리까지. 마지막 줄에 답만.

이번에도 여섯 모델이 모두 정답인 86.6을 냈다. Claude Opus 5.5와 Claude Haiku 4.5는 합계와 나누는 과정을 보여 줬다. 다른 네 모델은 결과만 적었고, GPT-6 Astra는 “86.6점"처럼 단위를 붙였다.

점수 차이는 계산 실력이 아니라 답변 방식에서 나왔다. Claude Opus 5는 풀이가 없는 답변은 맞는지 확인하기 어렵다고 낮게 봤다. 반면 GPT-6 Sol은 짧은 답변이 요구에 맞는다며 높게 평가했다. 풀이를 요구한 조건이 없었는데도 설명 유무가 점수를 움직인 셈이다.

Claude Opus 5.5는 평균 9.5점, GPT-6 Astra는 8.5점을 받았다. 나머지 네 모델은 9.0점이었다. 전부 맞힌 문제에서도 점수는 갈렸다. 점수가 낮다는 이유만으로 계산이 덜 정확했다고 읽으면 안 된다.

문제 2에 대한 모델별 실제 답 (2026년 9월 24일 실행, 앞부분만)

문제 3: 합계에서 할인하기

품목별 금액을 먼저 더하고 전체 금액에 할인을 적용하는 순서를 지키는지 봤다.

카페에서 4,500원 커피 3잔과 3,200원 빵 2개를 샀고, 전체 금액에서 10% 할인을 받았다. 낸 돈은 얼마인가? 마지막 줄에 답만.

여섯 모델 모두 결제액 17,910원을 맞혔다. Claude Haiku 4.5는 품목별 금액과 합계, 할인액을 차례로 적었다. GPT-6 Astra와 Gemini 3.5 Flash는 결제액만 내놓았다. 설명 길이는 달랐지만 세 모델의 평균 심사 점수는 모두 9.0점이었다.

GPT-6 Luna는 금액은 맞았으나 마지막 줄을 문장으로 끝냈다. 답만 적으라는 요구를 지키지 못해 평균 6.0점을 받았다. Grok 4.5는 같은 결과를 두 번 적어 7.5점이었다. Claude Opus 5.5는 계산이 겹치고 영어 표현이 섞였다는 지적을 받아 8.0점이었다.

이 문제는 정답과 형식 준수를 따로 봐야 하는 이유를 보여 준다. GPT-6 Luna의 낮은 점수는 할인 계산을 틀려서가 아니었다. 숫자를 그대로 옮겨 써야 할 때는 금액이 맞는지와 함께 군더더기 문장이 붙는지도 살펴볼 만하다.

문제 3에 대한 모델별 실제 답 (2026년 9월 24일 실행, 앞부분만)

이번 라운드 성적표

응답 시간은 도구가 준비되는 시간을 뺀 값이다. 실행 경로가 달라 참고용으로만 봐야 한다.

준비 시간은 각 모델이 “OK” 한마디를 답하는 데 걸린 시간을 먼저 재서 잡았다. 답변의 글자 수를 이 응답 시간으로 나눈 값이 출력 속도다. 숫자만 짧게 답한 모델은 이 값이 작게 나올 수 있다. 출력 속도를 계산 실력의 순위로 볼 수는 없다.

그래서 뭘 쓰면 될까

계산 과정을 확인하며 쓰고 싶다면 Claude Haiku 4.5가 후보다. 가벼운 모델이면서 세 문제를 모두 맞혔고, 평균 심사 점수도 9.2점으로 공동 선두였다.

답을 빨리 받아야 한다면 평균 0.9초였던 Claude Opus 5.5와 1.1초였던 GPT-6 Luna가 눈에 띈다. 다만 GPT-6 Luna는 할인 문제에서 요청한 답변 형식을 지키지 못했다.

기초 수식과 계산에는 가벼운 모델도 충분했다. 상위 GPT-6 Astra는 평균 3.9초를 기다려야 했지만 맞힌 개수는 같았다. 반대로 상위 모델인 Claude Opus 5.5는 가장 빨랐다. 모델 등급만으로 정확도나 기다릴 시간을 가늠하기는 어려웠다.

지금까지 누적 순위

7개 라운드의 평균 심사 점수 순이다. 정답 수는 정답 판정 대상인 11문제를 기준으로 한다.

이번 비교의 한계

각 문제는 모델마다 한 번만 실행했고, 문제도 세 개뿐이다. AI가 매긴 점수에는 설명 길이와 표현에 대한 취향이 섞여 있어 참고 값으로 봐야 한다. 이번 결과는 기초 엑셀 수식과 계산이라면 가벼운 모델도 쓸 만하다는 점을 보여 준다. 더 복잡한 일에서도 정확도가 유지되는지는 문제를 늘리고 여러 번 실행해 확인할 문제다.