GPT-6 솔 vs 오퍼스 5.5, 같은 날 나온 두 AI 무엇이 다른가

같은 날, 서로 다른 카드

이번에 나온 것은 오픈AI의 GPT-6 솔·루나와 앤트로픽의 클로드 오퍼스 5.5다. GPT-6 아스트라는 이보다 앞선 9월 3일에 발표됐다. 오픈AI는 아스트라에 쓴 학습·정렬 기술을 솔과 루나에 옮겼다고 설명했고, 앤트로픽은 오퍼스 5.5를 "클로드 5.5 제품군의 첫 모델"로 내놓으면서 소네트 5.5·하이쿠 5.5가 수주 안에 뒤따른다고 밝혔다.

숫자를 하나 짚어 둔다. 오픈AI는 솔·루나를 "50% 인하"라고 했지만 루나 출력은 $1.20 → $0.50으로 58% 인하다. 입력($0.20 → $0.10)만 정확히 절반이다. 그리고 앤트로픽이 말한 "40% 저렴"은 토큰 단가가 아니라 일반 작업 기준으로 회사가 계산한 운영 비용이다 — 토큰 단가 인하는 20%이고, 나머지는 토큰을 덜 쓰는 데서 나온다는 설명이다.

회사 표와 독립 평가, 순위는 같고 격차는 달랐다

코딩 에이전트 능력을 재는 터미널벤치 4.0은 두 곳에서 모두 잴 수 있는 드문 항목이다. 앤트로픽 발표 표에서 오퍼스 5.5는 66.4%로 아스트라(57.9%)를 8.5%p 앞섰다. 독립 평가 기관 Vals AI의 측정에서도 1위였지만 차이는 4.55%p로 절반 가까이 줄었다. 앤트로픽도 실행 설정(effort)이 모델마다 다르다는 점을 표에 밝혀 두었다.

다른 항목은 이렇게 갈린다. 앤트로픽 표와 아스트라 자체 발표값을 나란히 옮겼다. 에이전트 자동화(AutomationBench)와 과학 계산(터미널벤치 사이언스)은 아스트라가 앞선다.

오퍼스 5.5·페이블 5.1 값과 아스트라의 앞 네 항목은 앤트로픽 발표 표, 오토메이션벤치·사이언스 아스트라 값은 오픈AI 자체 발표와 같다. Vals 종합 지수만 제3자 측정이다.

GPT-6 솔은 이 표에 없다. 오픈AI는 솔을 오퍼스 5·페이블 5와 비교했다 — 오토메이션벤치에서 솔(xhigh)은 33.2%로 오퍼스 5(26.9%)를 넘었고 작업당 비용은 $0.27, 오퍼스 5의 9% 수준이었다. 딥SWE 1.1에서는 솔(max) 68.8%로 페이블 5에 근접하면서 작업당 비용은 약 80% 낮았다고 밝혔다. 루나(max)도 66.6%를 냈다. 솔과 오퍼스 5.5를 같은 조건에서 잰 결과는 아직 어느 쪽도 내놓지 않았다.

숫자 밖의 사례도 있다. 앤트로픽은 초기 사용자가 68만 줄 코드 마이그레이션을 하루 안에 끝냈고, 20만 줄 코드베이스 감사(audit)가 이전 20시간 이상에서 3시간 미만으로 줄었다고 소개했다. 기업 실적을 웹에서 찾아 보고서로 만드는 시험에서는 숫자·인용이 하나라도 틀리면 탈락시키는 기준으로 18번 중 16번을 통과했고(페이블 5.1·오퍼스 5는 0번), 가상 M&A 분석은 93분 → 63분, 비용 50% 감소였다. 모두 회사가 고른 사례다. 오픈AI는 솔의 사실 오류가 이전 세대의 약 절반이라고 했다.

한 명의 천재인가, 계층 조직인가

오픈AI 가격표의 뜻은 "모든 작업을 최상위 모델에 맡기지 말라"는 것이다. 작업 100건을 수집·분류, 분석, 최종 판단으로 나눠 단가가 다른 모델에 맡기면 혼합 단가가 어떻게 되는지 따라가 본다. 장면을 따라 내려가면 그림이 바뀐다.

이 그림은 출력 단가만으로 만든 단순 모형이다. 실제로는 같은 작업에도 모델마다 쓰는 토큰 수·재시도 횟수·입력 비중이 달라 비율이 바뀐다. 앤트로픽이 오퍼스 5.5의 강점으로 "더 적은 단계와 토큰"을 내세운 것도 그래서다.

내 사용량이면 한 달에 얼마인가

한 달에 쓰는 입력·출력 토큰(백만 단위)과 캐시 적중 비율을 넣으면 여섯 모델의 API 정가 비용이 나온다. 캐시 읽기 단가는 각 사 공개값이며, 제미나이는 캐시 단가를 확인하지 못해 할인을 적용하지 않았다.

캐시 쓰기 할증·배치 할인·장문 컨텍스트 할증·부가세는 넣지 않았다. 같은 작업이라도 모델마다 쓰는 토큰 수가 달라서, 토큰 양을 고정한 이 계산은 "단가 비교"이지 "작업당 비용 비교"가 아니다.

"종합 98.8점"은 누구의 가중치인가

이 글의 바탕이 된 원문은 다섯 모델에 용도별 실사용 점수를 매기고 리서치 20 · 코딩 20 · HTML·웹 15 · 투자분석 15 · 콘텐츠 10 · 에이전트 20의 가중치로 종합했다. 여러 벤치마크를 참고했다지만 측정값이 아니라 작성자의 판단이다. 가중치를 바꾸면 순위가 어떻게 흔들리는지 직접 움직여 볼 수 있게 옮겼다. 원문에 따로 있던 '비용효율' 점수도 가중치 0으로 넣어 두었다.

막대는 85점부터 그렸다. 기본값(원문 가중치)에서 계산하면 오퍼스 5.5는 원문 표기 98.8이 아니라 98.65, 솔은 93.0이 아니라 92.75다(아래 [수치 점검] 1). 원문 가중치로 되돌리기

무엇을 할 때 어느 모델부터 시험할까

원문의 용도별 선택표를 확인된 수치에 맞춰 네 갈래로 다시 묶었다. 정답표가 아니라 먼저 시험해 볼 순서다. 좌우 화살표 키로도 넘길 수 있다.

"누가 이겼다"는 아직 이르다

두 모델이 나온 지 하루다. 지금 돌아다니는 승패 결론은 대부분 회사 자체 표에서 나왔고, 그 표는 상대의 신형을 빼고 만들어졌다. 경쟁의 축이 "가장 똑똑한 모델"에서 "같은 일을 가장 싸게 끝내는 모델"로 옮겨 가고 있다는 것까지가 지금 말할 수 있는 범위다.

모델을 바꾸기 전에 확인할 것

짚어볼 점