7월에 GPT-5.6과 클로드 Fable 5를 비교한 지 석 달 남짓 지났다. 그사이 판이 완전히 바뀌었다. 9월 22일 Anthropic은 클로드 오퍼스 5.5를, 같은 날 OpenAI는 GPT-6 Sol·Luna를 내놨다. 9월 30일에는 구글이 제미나이 4 Argon을 발표했고, 10월 26일에는 OpenAI가 GPT-6.1 Terra를 ChatGPT와 Codex에 올렸다.
이 글은 2026년 10월 27일 기준 자료로, 세 회사의 현재 주력 모델을 네 가지 잣대로 비교한다. 제조사가 발표한 벤치마크, 제3자의 독립 측정, 개발자와 매체가 직접 돌려 본 실측 테스트, 그리고 가격이다. 마지막으로 앞으로의 전망을 정리했다.
미리 밝혀 둘 점: 이 사이트와 사이트의 게임들은 대부분 클로드 코드(Claude Code) 로 만들고 있다. 매일 쓰는 도구라 체감은 있지만, 그만큼 클로드 쪽으로 기울 수 있다는 점을 감안하고 읽어 주시길 바란다. 아래 수치는 모두 출처를 달았다.
한눈에 보는 결론
- 종합 벤치마크와 사용자 투표는 제미나이 4 Argon이 앞선다. 구글이 공개한 18개 벤치마크 중 12개에서 단독 1위이고, LMArena 텍스트 순위도 1위(1532점, 잠정)다.
- 실전 코딩, 특히 터미널에서 오래 일하는 에이전트 코딩은 클로드 오퍼스 5.5가 앞선다. 제3자가 측정한 Terminal-Bench 4.0에서 1~2위를 클로드가 차지했다(오퍼스 5.5, 소넷 5.5).
- OpenAI는 ‘한 번에 완성품’과 가격으로 승부한다. GPT-6 Astra는 한 번 요청에 바로 돌아가는 앱을 가장 안정적으로 만들었고, Sol과 6.1 Terra는 값이 싸다.
- ‘제미나이가 따라온다’는 말은 이제 맞지 않는다. 벤치마크 표만 보면 오히려 제미나이가 선두다. 다만 개발자들이 실제로 코딩 에이전트로 써 보면 아직 클로드 쪽 평가가 높다.
지금 각 회사의 주력 모델
| 회사 | 주력 모델 | 출시 | API 가격(입력/출력, 100만 토큰당) |
|---|---|---|---|
| Anthropic | 클로드 오퍼스 5.5 | 9월 22일 | $4 / $20 |
| Anthropic | 클로드 Fable 5.1 (이전 최상위) | 9월 (오퍼스 5.5 몇 주 전) | $10 / $50 |
| Anthropic | 클로드 소넷 5.5 · 하이쿠 5.5 | 9월 28일 · 10월 7일 | 하이쿠 $0.10 / $0.50 (10만 토큰 이하) |
| OpenAI | GPT-6 Astra (최상위) | 9월 초 | $10 / $50 |
| OpenAI | GPT-6 Sol → 6.1 Sol | 9월 22일 → 9월 29일(DevDay) | $2 / $10 |
| OpenAI | GPT-6.1 Terra (중형) | 10월 26일 | GPT-5.6 Terra보다 50% 저렴 |
| 제미나이 4 Argon | 9월 30일 발표, 10월 13일 일반 공개 | $2 / $10 (11월 30일까지) → $4 / $20 |
몇 가지 눈에 띄는 점이 있다.
- Anthropic은 상위 모델을 더 싸게 냈다. 오퍼스 5.5는 기존 최상위였던 Fable 5.1보다 API 가격이 60% 싸다. Anthropic은 같은 작업을 끝내는 데 토큰도 덜 써서 실제 비용이 약 40% 줄어든다고 밝혔다.
- OpenAI는 라인업을 넷으로 나눴다. 싼 쪽부터 Luna, Terra, Sol, Astra 순이다. 그런데 10월에 나올 예정이던 GPT-6.1 Astra는 내부 안전성 시험 뒤 취소됐다고 월스트리트저널이 보도했다. 최상위 라인의 다음 버전은 아직 일정이 없다.
- 구글은 가격으로 들어왔다. Argon의 출시 기념가는 오퍼스 5.5의 절반이다. 다만 12월 1일부터 두 배로 올라 오퍼스 5.5와 같아진다.
1. 제조사 발표 벤치마크: 제미나이의 압승처럼 보인다
구글은 Argon을 발표하면서 경쟁 모델과 나란히 비교한 18개 벤치마크 표를 공개했다. VentureBeat 집계로는 Argon이 12개에서 단독 1위, 1개에서 공동 1위였다. GPT-6 Astra는 단독 1위 3개, 오퍼스 5.5는 2개였다.
| 벤치마크 (무엇을 재나) | 제미나이 4 Argon | GPT-6 Astra | 클로드 오퍼스 5.5 |
|---|---|---|---|
| DeepSWE v1.1 (실제 소프트웨어 수정) | 77.9% | 74.1% | 74.2% |
| GraphWalks (아주 긴 문서 추론) | 84.2% | 71.8% | 66.8% |
| LVBench (긴 영상 이해) | 91.7% | 87.5% | 83.7% |
| AutomationBench (업무 자동화) | 51.3% | 41.4% | 42.5% |
| Vals Finance Agent v2 (금융 업무) | 65.4% | 53.5% | 58.6% |
| FrontierSWE v2 (고난도 코딩) | 55.0% | 65.5% | 62.3% |
| Terminal-Bench 4.0 (터미널 에이전트) | 57.4% | 58.2% | 66.4% |
| PostTrainBench | 45.3% | — | 49.3% |
출처: 구글 공개 표(VentureBeat·DataCamp 정리). 오퍼스 5.5의 FrontierSWE v2와 Astra의 Terminal-Bench 4.0 값은 DataCamp·shattered.io 등 2차 정리 기준.
표를 보면 경향이 뚜렷하다. 긴 문서, 긴 영상, 법률·금융처럼 많은 자료를 읽고 판단하는 일은 제미나이가 강하다. 반대로 터미널에서 명령을 치며 오래 일하는 코딩은 클로드, 고난도 단일 코딩 문제는 GPT가 강하다.
다만 이 표는 구글이 만든 것이다. 비교 대상의 설정도 구글이 정했다. 예를 들어 영상 벤치마크에서 Argon은 영상 전체를 1초에 1장씩 받았지만, Astra는 800장, 오퍼스 5.5는 API 한도 때문에 600장만 받았다.
2. 독립 측정: 격차가 줄고 순위가 바뀐다
제조사 숫자는 각자 가장 좋은 조건에서 잰 값이다. 같은 조건으로 남이 재면 어떻게 될까.
Terminal-Bench 4.0 — Vals.ai 독립 측정 (10월 26일 기준)
| 순위 | 모델 | 점수 |
|---|---|---|
| 1 | 클로드 오퍼스 5.5 | 65.15% |
| 2 | 클로드 소넷 5.5 | 64.14% |
| 3 | Kimi K3.1 Pro (중국 Moonshot, 오픈 웨이트) | 63.64% |
| 4 | GPT-6 Astra | 59.60% |
| 5 | 클로드 Fable 5.1 | 58.08% |
| 7 | 제미나이 4 Argon | 57.58% |
| 8 | GPT-6.1 Sol | 55.05% |
| 10 | GPT-6.1 Terra | 49.49% |
모든 모델이 같은 에이전트 틀(Mini-SWE-agent)로 측정됐다. 오퍼스 5.5의 자체 발표치 66.4%와 독립 측정치 65.15%는 거의 같다. 제조사 숫자가 과장되지 않았다는 뜻이다. Artificial Analysis가 따로 잰 값은 59.6%로 더 낮은데, 측정 틀이 다르면 이 정도 차이는 흔하다.
눈여겨볼 것은 3위 Kimi K3.1 Pro다. 누구나 받아 쓸 수 있는 오픈 웨이트 모델이 GPT-6 Astra와 제미나이 4 Argon을 앞질렀다.
사용자 투표 — LMArena 텍스트 순위 (10월 20일)
| 순위 | 모델 | 점수 |
|---|---|---|
| 1 | 제미나이 4 Argon (High) | 1532 (잠정) |
| 2 | 클로드 오퍼스 5.5 (High) | 1516 |
| 3 | 클로드 Fable 5.1 (Max) | 1512 |
| 4 | 클로드 오퍼스 5 (Max) | 1509 |
사람들이 두 답변을 보고 더 나은 쪽에 투표하는 방식이다. Argon이 1위지만 표가 아직 4,900개 남짓이라 잠정 순위다. 2~5위를 클로드가 차지한 점도 눈에 띈다. GPT-6 계열은 상위 5위 안에 없다.
종합 지능 지수 — Artificial Analysis
Artificial Analysis 지수(여러 벤치마크를 묶은 점수)는 자료마다 조금씩 다르다. 대체로 오퍼스 5.5가 56~58점으로 선두다. Argon과 GPT-6 Astra는 52~53점대로 비슷하다. 10월 26일 공개된 GPT-6.1 Terra는 최고 설정에서 48점이다. 중형 모델로는 높은 편이다. Artificial Analysis는 10월 말 지수 v5로 개편을 예고했으니, 순위가 한 번 더 흔들릴 수 있다.
3. 개발자·매체 실측: ‘어떤 일이냐’에 따라 승자가 바뀐다
벤치마크 다음으로 궁금한 건 ‘실제로 써 보니 어떤가’다. 유튜브와 개발자 커뮤니티에서는 같은 과제를 세 모델에 시켜 보는 비교가 쏟아지고 있다. 그중 결과를 수치로 공개한 테스트만 골랐다.
① 3D 레이싱 게임과 슈퍼카 만들기 (개발자 Anass Kartit, 10월 14일) 각 모델을 자기 회사 코딩 도구(오퍼스 5.5는 클로드 코드, Astra는 Codex, Argon은 opencode)에 붙여 같은 과제를 시켰다.
| 과제 | 제미나이 4 Argon | GPT-6 Astra | 클로드 오퍼스 5.5 |
|---|---|---|---|
| 한 번에 3D 카트 게임 | 220초 · $0.31 · 9.5/10 | 323초 · $0.70 · 10/10 | 308초 · $0.64 · 출력 한도에 걸려 중단 |
| 네온 고속도로 슈퍼카 | 약 24분 · 2,540줄 · $2.45 | 9분 · 193줄 · 약 $3.30 | 14분 39초 · 1,166줄 · 약 $14.14 |
| 단답형 82문항 | 82/82 | 82/82 | 81/82 (형식 실수 1개) |
작성자의 결론은 이렇다. 겉모습이 가장 좋은 결과물은 Argon이었고, 한 번에 완성된 앱을 가장 확실하게 낸 건 Astra였다. 오퍼스 5.5는 클로드 코드에서 설정을 바꾸지 않고도 그대로 돌아갔다. 반면 Argon은 도구 설정 두 가지를 고쳐야 했다.
② 로봇 팔 장애물 피하기 시뮬레이션 (DataCamp, 10월 14일) “어떤 경우에도 장애물에 닿으면 안 된다”는 조건을 끝까지 지키는지 본 시험이다. 오퍼스 5.5는 한 번도 닿지 않아 4.7점을 받았다. Argon은 중간에 장애물을 뚫고 지나가 3.7점이었다. 비용은 Argon이 $0.72로 오퍼스($1.09)보다 쌌다. 높은 사고량 설정에서는 Argon이 출력 한도를 다 쓰고도 파일을 만들지 못했다.
③ 테트리스 변형 게임 (DataCamp, 9월 23일) 중력이 뒤집히는 테트리스를 파일 하나로 만들게 했다. GPT-6 Sol이 5.0점으로 오퍼스 5.5(4.3점)를 앞섰다. 비용도 Sol이 $0.26으로 오퍼스($0.87)의 3분의 1이었다.
④ 3D 장면 코딩 (AI타임스 보도, 9월 23일) 물고기 떼, 소용돌이, 폭풍 속 배 같은 장면을 한 번에 그리게 한 시험이다. 오퍼스 5.5는 스스로 오류를 고치며 디테일에서 앞섰다. 하지만 총비용이 $4.37로 GPT-6 Sol($0.34)의 약 13배였다. 기사의 결론은 이렇다. 빠른 뼈대와 저렴한 기초 코드에는 GPT, 실서비스 수준의 마무리에는 오퍼스 5.5가 낫다.
실측을 모아 보면 패턴이 보인다.
- 클로드: 비싸고 느린 편이다. 대신 조건을 끝까지 지키고 스스로 고쳐 가며 마무리하는 능력이 가장 좋다. 오래 맡겨 두는 에이전트 작업에서 신뢰가 높다.
- GPT: 한 번에 돌아가는 결과물을 싸고 빠르게 낸다. ‘1차 완성품’ 기준으로는 가장 안정적이다.
- 제미나이: 시각적 결과물과 긴 자료 처리에 강하다. 출시 기념가 덕에 싸다. 대신 코딩 도구와의 궁합이 아직 덜 다듬어졌다.
이 테스트들은 대부분 한 번씩만 돌린 결과다. 같은 과제를 다시 시키면 순위가 바뀔 수 있으니 ‘경향’으로만 보자.
4. 그래서 무엇을 써야 하나
| 이런 일이라면 | 추천 |
|---|---|
| 큰 코드베이스를 오래 맡겨 고치는 에이전트 코딩 | 클로드 오퍼스 5.5 (클로드 코드) |
| 한 번에 돌아가는 프로토타입, 대량·저비용 처리 | GPT-6 Sol / 6.1 Terra |
| 수백 쪽 문서, 긴 영상, 법률·금융 분석 | 제미나이 4 Argon |
| 비용이 가장 중요한 단순 반복 작업 | 클로드 하이쿠 5.5, GPT-6.1 Terra, 오픈 웨이트(Kimi 등) |
제미나이는 11월 30일까지 반값이라 지금 시험해 보기 좋다. 12월 1일부터는 오퍼스 5.5와 같은 가격이 된다.
앞으로의 전망: 지켜볼 다섯 가지
1) ‘누가 1등이냐’보다 ‘어떤 일에서 1등이냐’의 시대. 석 달 전만 해도 한 모델이 대부분의 표를 휩쓰는 일이 많았다. 지금은 세 회사가 각자 강한 영역을 나눠 가졌다. 클로드는 오래 일하는 코딩 에이전트, GPT는 한 번에 끝내는 완성품과 가격, 제미나이는 긴 자료와 멀티모달이다. 앞으로는 하나만 쓰기보다 일에 따라 모델을 바꿔 쓰는 방식이 늘어날 것이다. 클로드 코드, Codex, GitHub Copilot 같은 도구들이 이미 여러 회사 모델을 고를 수 있게 바뀌고 있다.
2) 가격 전쟁은 이미 시작됐다. 오퍼스 5.5는 이전 최상위보다 60% 싸게 나왔다. GPT-6.1 Terra는 전작보다 50% 싸다. Argon은 출시 기념가로 오퍼스의 절반에 들어왔다. 같은 성능을 내는 값이 몇 달마다 반씩 내려가는 흐름이다. 12월 1일 Argon 가격이 실제로 두 배가 될지, 아니면 기념가가 사실상 굳어질지가 첫 시험대다.
3) 최상위 모델은 ‘바로 공개’가 아니라 ‘단계적 공개’로. Argon은 처음에 사이버 보안 방어 조직에만 먼저 풀렸다. 클로드 Mythos 5.1도 승인된 사용자에게만 제공된다. GPT-6.1 Astra는 안전성 시험 뒤 출시가 취소됐다는 보도가 나왔다. 가장 강한 모델일수록 안전 검증을 거쳐 늦게, 좁게 풀리는 흐름이 굳어지고 있다. 일반 사용자가 쓰는 ‘최신 모델’과 실제 최전선 사이에 시차가 생긴다는 뜻이다.
4) 오픈 웨이트가 바짝 따라붙었다. Kimi K3.1 Pro는 독립 측정한 Terminal-Bench 4.0에서 3위를 했다. GPT-6 Astra와 제미나이 4 Argon보다 높다. 11월 4일 전체 가중치 공개가 예정돼 있다. 딥시크, MiniMax, 메타의 Muse Spark Open도 10월에 줄줄이 나왔다. 비싼 최상위 모델과 ‘그럭저럭 좋은 무료 모델’의 차이가 줄어들면, 세 회사의 가격 정책에도 압력이 된다.
5) 벤치마크 자체가 흔들린다. 같은 Terminal-Bench 4.0인데도 오퍼스 5.5 점수가 측정한 곳에 따라 59.6%부터 66.4%까지 나뉜다. 측정 틀과 사고량 설정이 달라서다. SWE-bench Verified는 사실상 은퇴했다. Artificial Analysis는 지수 v5 개편을 앞두고 있다. 앞으로 발표 수치는 ‘누가, 어떤 설정으로 잰 값인지’를 같이 봐야 의미가 있다. 결국 가장 믿을 만한 벤치마크는 내 작업에 직접 돌려 본 결과다.
마무리
“클로드와 챗GPT를 제미나이가 따라온다”는 구도는 10월로 끝났다. 표만 보면 제미나이가 앞에 섰다. 하지만 매일 코딩 에이전트를 돌리는 입장에서 체감은 아직 클로드 오퍼스 5.5 쪽이다. 맡겨 두면 끝까지 해 오는 모델이기 때문이다. 그 차이가 얼마나 오래 갈지는 12월의 가격, 오픈 웨이트의 추격, 그리고 OpenAI의 다음 최상위 모델이 정할 것이다.
이 글은 2026년 10월 27일 기준 공개 자료를 정리한 것이다. 벤치마크 수치는 측정 주체와 설정에 따라 다르며, 제조사 발표치는 독립 검증 전 값이다.
출처
- VentureBeat — Google unveils Gemini 4 Argon, retaking benchmark lead
- Google — Gemini 4 Argon: our next era of frontier intelligence
- VentureBeat — Anthropic releases Claude Opus 5.5
- Anthropic — Introducing Claude Haiku 5.5
- 9to5Mac — OpenAI upgrades ChatGPT and Codex with new GPT-6.1 Terra
- Vals.ai — Terminal-Bench 4.0 Leaderboard
- Artificial Analysis — Changelog
- VersusApps — LMArena Leaderboard October 2026
- DataCamp — Gemini 4 Argon vs Claude Opus 5.5
- DataCamp — GPT-6 Sol vs Claude Opus 5.5
- Anass Kartit — Gemini 4 Argon vs Opus 5.5 vs GPT-6 Astra: Same Prompt, Real Bills
- AI타임스 — 3D 코딩 대결, 클로드 오퍼스 5.5 vs GPT
- October 2026 AI Model Updates (모델 출시 일지)