TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
NEAR, DeepSeek 활용해 수학 문제 600개 풀어… 온체인 코드 감사를 ‘초저가’로 떨어뜨리고 있다

NEAR, DeepSeek 활용해 수학 문제 600개 풀어… 온체인 코드 감사를 ‘초저가’로 떨어뜨리고 있다

2026.10.26
공유하기
문제당 0.2위안도 안 되는데, 프로젝트 측이 진짜 일을 하고 있네😏

작성자: 장안, TechFlow

TechFlow 요약: 북미 최상위 대학생 수학 경시대회 문제 672개를 NEAR AI 팀의 에이전트가 모두 해결했습니다. 총 비용은 약 111달러로 문제당 평균 0.17달러였습니다. NEAR AI 팀은 중국 오픈소스 모델 DeepSeek V4를 활용하여 이번 테스트를 완료했으며, 이는 단순한 대형 모델의 추론 대결이 아닙니다. 연산 비용명세 뒤에는 고가의 스마트 계약 '형식적 검증'을 일반화하려는 인프라 사업이 자리하고 있습니다.

오픈소스 코드베이스 테스트 데이터는 대형 모델의 문제 풀이 비용 구조를 완전히 밝혀냈습니다.

최근 NEAR Protocol 공동 설립자 알렉스 스카다노프와 공식 채널에서 공개한 데이터에 따르면, NEAR AI의 에이전트는 PutnamBench의 모든 672개 수학 난제를 해결했습니다.

관계자가 없는 독자를 위해 간단히 설명하자면, PutnamBench는 일반적인 문제 은행이 아닙니다. 이는 북미 최상위 학부 수학 경시대회(William Lowell Putnam) 문제를 형식화한 벤치마크 테스트입니다.

쉽게 말해 AI에게 엄격한 수학적 논리 추론을 맡겨 스스로 문제를 풀 수 있는지 확인하는 것입니다. 전체 풀이를 완료하는 데 NEAR AI가 쓴 비용은 약 111.85달러로, 문제당 평균 비용은 0.17달러였습니다.

비교 대상인 다른 만점 획득 방안의 비용은 훨씬 더 높게 측정되었습니다.

MSBIntel가 정리한 데이터에 따르면, OpenAI의 GPT-5.6을 사용할 경우 문제당 평균 비용이 무려 44.5달러에 달했고, Anthropic의 Claude Opus 5 역시 문제당 3.52달러가 소모되었습니다.

이번 특정 테스트에서 NEAR은 DeepSeek V4 방식을 채택하여 비용을 GPT-5.6의 250분의 1까지 낮췄습니다.

L1 공중 채인이 수학 문제를 푸는 진짜 목적

L1 공중 채인 팀이 수학 문제 해시에 공을 들이는 목표는 교육 시장이 아닙니다.

PutnamBench 테스트의 핵심 요구사항은 기계의 검증 가능성입니다: AI가 생성한 것은 단순 텍스트 정답일 수 없으며, 반드시 Lean 4(주류 증명 보조 도구 언어)를 사용하여 엄격한 증명 코드로 작성해야 합니다.

이 코드에는 문법적 허점이 있어서는 안 되며, 유도 과정을 생략할 수 없으며, 100% 기계적으로 검증되어야 합니다. 동시에 이것은 컴퓨터 과학 분야에서 대응되는 핵심 기술로, 형식적 검증(Formal Verification)에 해당합니다.

암호화폐 산업과 연관지어 보면, 스마트 계약은 수억 달러에서 수십억 달러에 달하는 자금을 관리합니다. 전통적인 코드 감사 방식은 인력을 동원해 취약점을 찾는 데 의존하지만, 형식적 검증은 엄밀한 수학적 논리를 통해 모든 가능한 상태에서 코드가 오류 없이 작동함을 한 줄도 빠짐없이 증명합니다.

장기적으로 형식적 검증의 치명적 단점은 비용이 많이 들고 시간이 오래 걸린다는 점이었습니다. 최상위 보안 전문가와 긴 개발 기간이 필요해, 자금력이 풍부한 선두 프로젝트만 감당할 수 있었습니다.

NEAR AI의 이번 테스트는 오픈소스 AI 모델을 활용한 신뢰할 수 있는 수학 증명 일괄 생성의 실현 가능성을 입증했으며, 나아가 그 저렴한 비용 효과도 확인시켰습니다.

온체인 보안 대중화를 위한 인프라 구축

형식적 검증의 진입 장벽을 몇 푼의 비용 수준으로 낮추는 것, 이것이 NEAR이 현재 본격적으로 준비 중인 실제 사업입니다.

현재 DeepSeek와 Lean 4를 연동한 이 코드베이스는 완전히 오픈소스로 공개되었습니다. NEAR 공식 채널이 밝힌 다음 단계 방향성은 이 저비용 도구를 직접 NEAR 프로토콜 자체 및 핵심 스마트 계약의 보안 검증에 적용하는 것입니다.

따라서 이를 기술 보급의 하향 이동, 혹은 좀 더 직설적으로 표현하면 프로젝트 운영진이 실질 작업을 진행하는 사례로 볼 수 있으며, 이는 곧 AI 관련 내러티브와도 맥을 같이합니다.

만약 오픈소스 AI가 기계가 검증 가능한 코드 안전 증명을 안정적으로 출력할 수 있다면, 향후 일반 개발자와 초소형 프로젝트 팀도 계약 배포 전 몇 푼의 비용으로 형식적 검증 한 번쯤 실행할 수 있게 되어 스마트 계약 장애 발생 확률을 낮출 수 있다는 의미입니다.

다만 객관적으로 보면, 이는 NEAR 토큰의 단기 가격 등락과 직접적인 관련이 없습니다. 그러나 L1 공중 채인 생태계의 기반 경쟁력 측면에서, 사후 복구에만 백만 달러를 쓰는 것보다 수십 센트로 잠재 위험을 제거하는 훨씬 더 큰 실질적인 상업적 가치를 지닙니다.