DeepMind, AlphaCode 3 공개 — 경쟁 프로그래밍 정확도 78% 달성
Google DeepMind가 AlphaCode 3를 발표하며 Codeforces 기준 상위 2% 수준에 해당하는 문제 해결률 78%를 기록했다고 밝혔다. 이전 버전 대비 다단계 추론과 자기 검증(self-debugging) 루프가 강화됐으며, Gemini 2.5 Ultra 기반으로 재설계되어 API를 통한 외부 접근도 예고됐다.
AlphaCode 3의 핵심 변화
AlphaCode 3는 Gemini 2.5 Ultra를 백본으로 삼아 기존 AlphaCode 2 대비 아키텍처를 전면 재설계했다. 가장 두드러진 변화는 자기 검증 루프(Self-Debugging Loop) 도입이다. 모델이 생성한 코드를 내부 샌드박스에서 실행해 런타임 에러·실패 케이스를 스스로 감지하고, 최대 5회 수정 이터레이션을 자동 수행한다. Codeforces 문제 셋 기준 실험 결과는 다음과 같다.
| 버전 | 정확도 | 상당 레이팅 구간 | |---|---|---| | AlphaCode 2 (2023) | 46% | 상위 15% | | AlphaCode 3 (2026) | 78% | 상위 2% |
한국어·일본어 등 비영어권 주석이 포함된 문제에서도 영어 문제와 동등한 성능을 보인다고 DeepMind는 밝혔다.
API 접근 계획
AlphaCode 3는 현재 Google 내부 연구 용도로만 운영 중이나, DeepMind는 2026년 Q4 중 Google Cloud Vertex AI를 통한 제한적 프리뷰 제공을 예고했다. 가격 및 할당량은 공식 페이지 참조. 코드 생성 특화 모델인 만큼 일반 Gemini API와 별도 엔드포인트로 제공될 예정이다.
크리에이터·개발자 시사점
경쟁 프로그래밍 수준의 알고리즘 구현이 필요한 백엔드·데이터 엔지니어링 작업에서 보조 도구로 활용 가능성이 높다. 특히 자기 검증 루프는 단순 코드 완성을 넘어 테스트 케이스 기반 반복 수정을 자동화한다는 점에서, CI 파이프라인과 연동하는 형태의 활용이 기대된다. 오픈소스 가중치 공개 여부는 미정이며, DeepMind는 기술 보고서만 arXiv에 공개한 상태다.