핵심 내용

Perplexity가 리서치 에이전트 평가를 위해 내부적으로 써온 WANDR 벤치마크를 오픈소스로 공개했다. 단순히 정답을 맞히는 게 아니라, 에이전트가 자료를 넓게 뒤지고 복잡한 질문을 단계적으로 파고드는 능력을 보는 데 초점이 맞춰져 있다.

요약

Perplexity는 자사 AI 리서치 기능을 키우려고 WANDR를 만들었다. 여러 출처에서 정보를 모으고 까다로운 다단계 질문을 처리하는 과정을 평가한다.

주요 평가 항목은 이렇다.

• 탐색 범위: 필요한 정보를 여러 소스에서 충분히 가져오는가
• 추론 깊이: 단순 검색을 넘어 복잡한 질문을 단계적으로 풀어내는가
• 리서치 품질: 답변뿐 아니라 그 과정까지 믿을 만한가

에이전트형 리서치 도구가 늘어나면서 "정답만 맞히면 된다"는 식의 평가는 한계가 분명해졌다. WANDR가 나온 이유다.

분석

최근 AI 쪽에서는 웹 검색, 도구 사용, 출처 통합, 단계적 추론을 한꺼번에 보는 벤치마크에 관심이 쏠리고 있다. Perplexity가 이번에 공개한 건 단순한 제품 홍보를 넘어, 리서치 에이전트 성능을 어떤 기준으로 잴지 정하려는 시도에 가깝다.

기존 평가가 놓치던 부분은 비교적 뚜렷하다.

| 평가 영역 | 기존 벤치마크의 한계 | WANDR가 보는 지점 | | --- | --- | --- | | 검색 능력 | 제한된 문맥 안에서만 답을 평가 | 여러 출처를 폭넓게 탐색하는 능력 | | 추론 과정 | 최종 답변만 보고 판단 | 복잡한 질문을 단계적으로 풀어가는 흐름 | | 에이전트 워크플로 | 실제 리서치 환경의 도구 사용을 제대로 반영 못 함 | 검색, 소스 통합, 분석을 함께 보는 구조 |

이런 평가 도구를 오픈소스로 푸는 움직임은 AI 랩들이 에이전트 워크플로 측정 방식을 주도하려는 흐름과 맞물린다. Perplexity 입장에서는 검색 제품을 넘어 리서치 에이전트 품질 기준을 세우는 쪽으로 자리를 잡을 수 있다.

영향 평가

중요도: 중간

분류: 오픈소스, AI 리서치, 개발자 도구

이번 공개로 직접 혜택을 보는 쪽은 일반 사용자보다는 에이전트형 리서치 제품을 만들거나 평가하는 개발자와 연구팀이다. 여러 검색 소스와 도구 호출, 추론 체인을 함께 다뤄야 하는 시스템을 만드는 팀에게는 비교 기준이 하나 더 생긴 셈이다.

Verdict: 지금 이 이야기에서 유리한 쪽은 트레이더나 장기 보유자가 아니라 빌더와 AI 리서치 팀이다. 에이전트 평가 인프라를 직접 설계해야 하는 사람들은 아직 시작 단계고, WANDR 공개는 품질 기준을 잡는 데 실질적인 참고 자료가 된다.