일주일 사이에 벌어진 일

2026-04-16 Anthropic이 Claude Opus 4.7을 던졌다. 7일 뒤 OpenAI가 GPT-5.5(코드명 “Spud”, Axios 보도)로 응수했다. 직전 GPT-5.4가 03-13에 나왔으니 OpenAI 입장에선 6주 만의 메이저 릴리스다. Fortune은 “AI race 가속” 헤드라인으로 비판적 톤을 잡았다.

엮어서 읽으면 두 회사가 같은 축에서 경쟁하지 않는다는 게 명확해진다. GPT-5.5는 장기 자율 에이전트와 1M 컨텍스트, Opus 4.7은 코드베이스 해석과 리뷰 grade 추론이다. 10개 공통 벤치 종합으로 Opus 4.7이 6승, GPT-5.5가 4승이라는 집계도 나왔지만, 어느 도메인에서 이기는지가 더 중요하다.

TL;DR
– Terminal-Bench 2.0: GPT-5.5 82.7 vs Opus 4.7 69.4 (+13pt) — 장기 도구 워크플로 압승
– SWE-Bench Pro: Opus 4.7 64.3 vs GPT-5.5 58.6 — 실제 GitHub 이슈 해결 우위
– MRCR v2 1M: GPT-5.5 74.0 vs Opus 4.7 32.2 — 롱컨텍스트 generational leap
– GPQA Diamond / HLE: Opus 4.7이 근소 우위
– 할루시네이션 (HHEM): GPT-5.5 86%, Opus 4.7 36% — 격차 50pt
– 가격: Opus 4.7 Output $25/M vs GPT-5.5 $30/M, Pro는 $180/M
– 거짓 완료 보고: GPT-5.5 샘플 29%에서 불가능 작업을 “완료”로 보고 (Vellum)

가격: 비싸진 GPT, 동결된 Opus

GPT-5.5는 직전 5.4 대비 정확히 2배다. OpenAI는 “출력 토큰 ~40% 절감으로 실효 비용 차이는 +20% 수준”이라고 주장하지만 Vellum은 “self-reported, worth verifying”이라고 단서를 달았다. Opus 4.7은 4.6과 가격을 동결했다.

비교 도구 입장에서 가장 무서운 건 같은 주에 출시된 DeepSeek-V4가 SOTA 근접 성능을 1/6 비용에 던졌다는 점이다 (VentureBeat). Latent Space는 “Gemini 3.1 Pro Preview가 GPT-5.5와 동급 지능을 ~75% 가격에 제공한다”고 지적했다. 두 프론티어 모델 모두 가격 정당화 압박을 받고 있다.

벤치마크: 어디서 이기느냐

핵심 패턴이 두 가지다.

GPT-5.5가 압도하는 영역: 장기 도구 사용(Terminal-Bench), 추상 추론(ARC-AGI-2), 롱컨텍스트(MRCR 1M), 수학(FrontierMath T4 Pro). MRCR 1M에서 36.6 → 74.0으로 두 배 넘게 뛴 건 Vellum 표현으로 “generational leap for large codebase”.

Opus 4.7이 지키는 영역: 실제 GitHub 이슈 해결(SWE-Bench Pro), 학술 추론(GPQA, HLE), 도구 오케스트레이션(MCP Atlas), 비전 해상도(2,576px vs ~1,568px).

도구별 자체 평가도 갈린다. CodeRabbit(코드 리뷰 자체 벤치)에서 GPT-5.5는 이슈 검출 58.3 → 79.2%, 정밀도 27.9 → 40.6%로 큰 폭 개선이라고 발표했다. Cursor(Michael Truell)는 “5.4보다 눈에 띄게 똑똑하고 끈질기다, early-stop 없이 task에 오래 머문다”고 평가했고 CursorBench는 70%(Opus 4.6 58%)로 측정했다. Every의 Vibe Check는 Senior Engineer Bench에서 GPT-5.5 62.5 vs Opus 4.7 30대 초반으로 코딩 한정 큰 격차라고 보고했다.

할루시네이션: 50pt 격차

The Decoder가 인용한 Vectara HHEM(Hallucination Evaluation Model)이 측정한 환각률(hallucination rate, 0~100%, 낮을수록 좋음) 비교는 GPT-5.5의 가장 불편한 약점이다.

OpenAI 자체 평가에서는 “주장 단위 정확도 +23%, 응답 단위 오류 -3%”로 개선을 강조하지만, Decoder의 분석은 “정확도 +14pt(57%)는 사실 회수율(recall) 개선이지 환각 자체 감소가 아니다. step backward than step forward”라고 잘랐다.

Vellum은 더 무거운 데이터를 추가했다. 불가능한 코딩 작업의 29% 샘플에서 GPT-5.5가 “완료”로 거짓 보고한다는 측정이다. OpenAI 자체도 “ignoring user constraints, overeager action-taking”을 인정했다. 자율 에이전트로 무비판 위임할 때 가장 위험한 신호다.

1M 컨텍스트: GPT-5.5의 진짜 무기

벤치 표만 보면 GPT-5.5의 자랑은 Terminal-Bench지만, 실사용에서 가장 크게 다른 건 컨텍스트 윈도우다.

• GPT-5.5: 1M 토큰 (Codex 한정 400K)
• Opus 4.7: 200K 토큰

MRCR v2 1M에서 GPT-5.5가 74.0%로 도약한 건 단순히 길이가 늘어난 게 아니다. 직전 GPT-5.4가 같은 벤치에서 36.6%였으니 단일 세대에서 두 배 이상 뛴 결과다. Opus 4.7은 32.2%다.

대형 monorepo 분석, 100k+ 라인 PR 리뷰, 책 한 권 통째 처리 같은 작업에서 GPT-5.5는 다른 게임을 한다. 단, 1M 컨텍스트의 비용도 1M에 비례한다는 점은 잊지 말아야 한다.

사이버 능력: Trusted Access vs Glasswing

두 회사 모두 사이버 능력 통제 패러다임에 들어왔다.

• GPT-5.5: Preparedness Cybersecurity High (Critical 미달). UK AISI 32단계 기업 네트워크 공격에서 1/10 성공. Trusted Access for Cyber 프로그램으로 약 200개 early-access 파트너만 사전 검증하여 노출
• Opus 4.7: Project Glasswing safeguards 내장. 비공개 상위 모델 Claude Mythos Preview(40개 미만 파트너)와 분리. Anthropic 공식 표현으로 “cyber capabilities are not as advanced as those of Mythos Preview”

VentureBeat의 헤드라인 “It’s no potato — narrowly beats Anthropic’s Claude Mythos Preview on Terminal-Bench 2.0″은 GPT-5.5의 코드명 “Spud”를 패러디한 표현이다. 다만 이 비교 자체가 비대칭이다. GPT-5.5는 공개·구독 채널, Mythos는 Glasswing 파트너 한정 모델이라 직접 비교의 의미가 약하다.

The New Stack의 “Mythos-Like Hacking, Open to All” 기사는 Hacker News(77 pts)에서 “thinly disguised OpenAI ad”라는 비판을 받았다.

Hacker News의 doom-loop

GPT-5.5 메인 HN 스레드(id=47879092)는 1,561 pts / 1,041 comments로 분기 최고 인게이지먼트급이다. 지배적 토픽은 벤치마크가 아니라 motivation/laziness였다.

endymi0n의 인용:

GPT-5.4 API xhigh로 OpenClaw 작업을 시키니 시도조차 안 하고 사과만 반복했다. 모델이 “I’m continuing to watch and wait”라며 turn을 사용자에게 계속 넘긴다.

우회법으로 reasoning=high + 명령형(“Let’s do X”) + 평가 서브에이전트로 검증 루프를 강제하는 패턴이 댓글 다수에서 공유됐다. Kimi 2.6으로 갈아탔다는 보고도 보였고, “Claude는 일관성 면에서 호평”이라는 비교 댓글도 다수.

Simon Willison은 같은 날 블로그에 짧은 평을 남겼다.

5.4 is to 5.5 as Claude Sonnet is to Claude Opus.

티어 분리에 가깝다는 인식이다. 펠리컨 자전거 그림 벤치에서 기본 출력은 “a bit mangled”였고 xhigh로 올려야 “much better”였지만 토큰비/지연이 폭증했다. API 출시가 ChatGPT보다 하루 늦어 평론가들은 “Codex backdoor API”로 우회했다.

Ethan Mollick은 양면을 모두 보였다.

• 성공: 절차생성 3D 항구마을 시뮬을 GPT-5.4 Pro 33분 → GPT-5.5 Pro 20분에 + 실제 진화하는 마을 모델링. 101페이지 TRPG 시스템과 자동 플레이테스트 피드백을 한 번에 생성. 크라우드펀딩 학술 페이퍼는 “PhD 2학년 결과물 수준”을 4프롬프트만에.
• 실패 (장편 픽션): “love of the uncanny”, “every character speaks in same clipped tone”, “and the name ‘Mara’”. 모든 AI 픽션의 공통 캐릭터명이 5.5에서도 안 바뀌었다는 농담.

누가 어느 모델을 골라야 하나

GPT-5.5가 맞는 사람:
– Codex/Cursor 등 장기 자율 에이전트 운영자
– 1M 컨텍스트 필요한 대형 monorepo 분석가
– 토큰 효율이 중요한 대량 사용자
– 사이버 보안 도메인 (TAC 파트너)
– 추상 추론(ARC-AGI-2), 수학(FrontierMath T4)이 핵심인 워크로드

Opus 4.7이 맞는 사람:
– 실제 GitHub 이슈 해결 (SWE-Bench Pro 격차)
– 사실 정확성이 치명적인 도메인 — 법률, 의료, 회계, 학술 (HHEM 86% vs 36%는 무시 못 한다)
– 학술 추론 (GPQA, HLE)
– 도구 오케스트레이션 (MCP Atlas)
– Output 토큰 비용 민감 ($25 vs $30, Pro는 $180)
– 비전 고해상도 (2,576px)

둘 다 보류해야 할 사람:
– 짧은 프롬프트와 낮은 예산 (GPT-5.4 mini/Sonnet으로 충분)
– 가격 민감 (Gemini 3.1 Pro Preview, DeepSeek-V4 검토 필수)
– 장편 픽션 작가 (둘 다 “Mara” 함정에 빠진다)

정리

GPT-5.5와 Opus 4.7은 같은 축에서 경쟁하지 않는다. OpenAI는 “장기 자율 에이전트 + 1M 컨텍스트 + 토큰 효율”로 베팅했고 Anthropic은 “코드베이스 해석 + 학술 추론 + 사실 정확성”을 지켰다. 한쪽을 다른 쪽으로 갈아끼우는 swap이 아니라, 워크로드별로 라우팅하는 게 정답에 가깝다.

Hacker News 합의를 빌리면 “genuine capability step, especially for agent workflows, but not a no-brainer swap”. 같은 주 출시된 DeepSeek-V4와 Gemini 3.1 Pro Preview가 두 프론티어 모델 모두에 가격 정당화 압박을 가하고 있다는 점은 별도 글에서 다룰 만하다.

다음 글: DeepSeek-V4 출시와 1/6 비용의 SOTA 근접이 의미하는 것

참고 링크

• Introducing GPT-5.5 — OpenAI
• GPT-5.5 System Card — OpenAI Deployment Safety Hub
• Everything You Need to Know About GPT-5.5 — Vellum
• GPT-5.5 tops benchmarks but still hallucinates frequently — The Decoder
• Pelican for GPT-5.5 — Simon Willison
• Sign of the Future: GPT-5.5 — Ethan Mollick
• GPT-5.5 vs Opus 4.7 Frontier Comparison — DigitalApplied
• Claude Opus 4.7 — Anthropic
• Hacker News — GPT-5.5 메인 스레드

관련 글

• Claude Opus 4.7과 Claude Design — Anthropic이 자기 모델로 자기 도구를 먹였다
• Claude Code 2.1.89 업데이트 — npm 소스코드 유출과 숨겨진 기능 44개 분석
• Claude Code에 Telegram·Discord 채널 연결하는 법 (Channels 설정 가이드)