arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요

에이전트형 AI는 추론 1회 기준이 아니라 목표 1건 완료 기준으로 에너지를 봐야 한다는 연구가 나왔어요.

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요. 실패·재시도까지 포함해 성공 목표당 에너지를 계산했더니, 5개 추론+3개 도구 과업에서 에이전트 워크플로우 평균이 888.1J였고 선형 기준은 205.3J였어요.

즉 평균 4.33배 차이가 났고, 원인은 모델 추론량보다 오케스트레이션 구조였어요. 다만 도구 중심 과업에선 OOI가 1.0x 아래로 내려 에이전트 방식이 더 저렴한 경우도 확인됐어요.

결국 AI 효율 경쟁의 핵심은 모델 자체보다 워크플로우 설계 품질로 이동하고 있다는 신호예요.