GPT-5.5 벤치마크, 84.9%라는 숫자는 무엇을 말하나

퍼센트끼리 바로 비교하면 왜 헷갈리나

84.9%, 73.1%, 80.5%는 모두 성능을 말하는 숫자처럼 보입니다. 하지만 같은 시험의 점수가 아닙니다.

• 84.9% GDPval: 여러 직업 영역에 걸친 지식 업무 산출 능력을 봅니다.
• 73.1% Expert-SWE: 코딩 과제를 대상으로 한 내부 평가로 보도됐습니다.
• 80.5% BixBench: 바이오인포매틱스 과제를 다루는 벤치마크입니다.

따라서 ‘어느 점수가 더 높으니 더 똑똑하다’고 말하기보다, 내가 보려는 작업에 맞는 시험을 고르는 것이 더 중요합니다. 일반 지식 업무라면 GDPval이 더 가까운 기준이고, 개발 업무라면 Expert-SWE, 바이오인포매틱스라면 BixBench가 주제상 더 맞습니다.

Artificial Analysis 1위는 무엇을 의미하나

AI 모델 성능을 따로 비교하는 Artificial Analysis는 GPT-5.5가 자사 Intelligence Index에서 3점 차로 선두라고 밝혔습니다. 동시에 OpenAI가 주요 평가 다섯 개에서 앞섰고, 세 개에서는 Gemini 3.1 Pro Preview에 뒤졌다고 설명합니다.

즉, 외부 종합 지표에서 1위라는 말은 ‘모든 개별 시험에서 이겼다’는 뜻이 아닙니다. 해당 기관의 방법론으로 여러 평가를 묶어 봤을 때 GPT-5.5가 전체적으로 앞섰다는 의미에 가깝습니다.

기사 제목 속 숫자는 특히 조심해야 한다

일부 보도에는 법률 AI 역량과 관련한 91.7%, 에이전트형 코딩과 관련한 82.7% 같은 숫자도 등장합니다. 이런 수치가 특정 분야를 판단하는 데 유용할 수는 있습니다. 다만 일반적인 GPT-5.5 벤치마크로 인용하려면, 시험 설계와 비교 대상, 무엇을 측정했는지가 GDPval처럼 분명하게 붙어 있어야 합니다.

그러면 어떤 숫자를 인용해야 할까

대부분의 일반적 비교에서는 다음 문장이 가장 깔끔합니다.

GPT-5.5는 OpenAI 발표 기준 **GDPval에서 84.9%**를 기록했으며, GDPval은 44개 직업 전반의 명확히 지정된 지식 업무 산출 능력을 평가합니다.

목적이 더 구체적이라면 기준도 바꾸는 것이 좋습니다.

• 일반 지식 업무: GDPval 84.9%.
• 소프트웨어 개발: Expert-SWE 73.1%.
• 바이오인포매틱스: BixBench 80.5%, 단 근거 출처의 성격을 함께 확인해야 합니다.
• 넓은 모델 비교: Artificial Analysis Intelligence Index 1위, 3점 차.

결론

GPT-5.5를 짧게 설명할 때 가장 탄탄한 벤치마크 수치는 **GDPval 84.9%**입니다. OpenAI가 직접 밝힌 값이고, 측정 대상도 ‘44개 직업에 걸친 명확히 지정된 지식 업무’로 비교적 분명합니다. 다만 코딩, 바이오인포매틱스, 법률 AI처럼 분야가 좁아지면 그 분야에 맞는 별도 지표를 함께 봐야 합니다.