GPT-5.5 vs Claude Opus 4.7 vs DeepSeek V4 vs Kimi K2.6: 벤치마크로 본 용도별 선택

네 모델을 비교할 때 가장 먼저 버려야 할 질문은 ‘그래서 1등이 누구냐’입니다. 공개 벤치마크는 추론 강도, 평가 시점, 자체 보고인지 제3자 평가인지가 서로 다르기 때문에, 숫자만 모아 하나의 종합 순위처럼 읽으면 오해하기 쉽습니다.

이 글에서는 DeepSeek의 경우 수치를 확인할 수 있는 DeepSeek V4 Pro, 즉 Reasoning, Max Effort 설정을 중심으로 봅니다. Artificial Analysis의 오픈 모델 표에는 Kimi K2.6과 DeepSeek V4 Pro의 Intelligence, 문맥 길이, Price 열, 출력 속도가 함께 제시돼 있습니다.

먼저 보는 결론: 목적별 1순위 후보

용도	먼저 검토할 모델	근거
종합 성능·경제 가치 업무	GPT-5.5	GPT-5.5 high는 Artificial Analysis Intelligence Index에서 59, GPT-5.5 xhigh는 GDPval-AA에서 Elo 1785로 보고됐다.
깊은 추론, 검토, 전문 판단	Claude Opus 4.7	LLM Stats는 GPT-5.5와 공통으로 보고된 10개 벤치마크에서 Claude Opus 4.7이 6개, GPT-5.5가 4개를 앞선다고 정리했다.
터미널 조작, 브라우징, 장시간 도구 사용	GPT-5.5	LLM Stats는 Terminal-Bench 2.0, BrowseComp, OSWorld-Verified, CyberGym 같은 장시간 도구 사용 계열에서 GPT-5.5가 강하다고 설명한다.
오픈 웨이트 계열에서 속도와 가격 대비 성능	Kimi K2.6	Artificial Analysis 오픈 모델 표에서 Kimi K2.6은 Intelligence 54, 256k context, Price 열 $1.7, 112 tokens/s로 제시된다.
긴 문맥과 낮은 API 단가	DeepSeek V4 Pro / DeepSeek V4 계열	Artificial Analysis에서 DeepSeek V4 Pro는 1M context로 제시되며, Mashable은 DeepSeek V4의 API 가격이 GPT-5.5와 Claude Opus 4.7보다 낮은 수준이라고 보도했다.

네 모델의 핵심 신호

모델	벤치마크에서 보이는 강점	가격·운영 관점의 특징
GPT-5.5	GPT-5.5 high는 Artificial Analysis Intelligence Index에서 59를 기록했다. GPT-5.5 xhigh는 GDPval-AA에서 Elo 1785로, Claude Opus 4.7 max보다 약 30포인트 높다고 보고됐다.	Mashable은 API 가격을 입력 100만 토큰당 $5, 출력 100만 토큰당 $30으로 보도했다.
Claude Opus 4.7	LLM Stats의 공통 10개 벤치마크 정리에서는 6승 4패다. Mashable 표에서는 SWE-Bench Pro 64.3%, GPQA Diamond 94.2%, HLE with tools 54.7%가 제시됐다.	Mashable은 API 가격을 입력 100만 토큰당 $5, 출력 100만 토큰당 $25로 보도했다.
Kimi K2.6	Artificial Analysis 오픈 모델 표에서 Intelligence 54다. The Decoder는 Moonshot AI 발표값으로 HLE with Tools 54.0, SWE-Bench Pro 58.6, BrowseComp 83.2를 보도했다.	Artificial Analysis 같은 표에서 256k context, Price 열 $1.7, 출력 속도 112 tokens/s로 제시된다.
DeepSeek V4 Pro	Artificial Analysis 오픈 모델 표에서 Intelligence 52다. DataCamp는 DeepSeek V4가 순수 성능만 놓고 보면 GPT-5.5나 Claude Opus 4.7을 넘어서지는 않는다고 정리했다.	Artificial Analysis 같은 표에서 1M context, Price 열 $2.2, 출력 속도 36 tokens/s다. Mashable은 DeepSeek V4 API 가격을 입력 100만 토큰당 $1.74, 출력 100만 토큰당 $3.48로 보도했다.

GPT-5.5 vs Claude Opus 4.7: 프런티어 모델끼리는 과제별로 갈린다

GPT-5.5와 Claude Opus 4.7은 어느 벤치마크를 보느냐에 따라 승자가 바뀝니다. Mashable이 정리한 주요 수치는 다음과 같습니다.

벤치마크	GPT-5.5	Claude Opus 4.7	Mashable 표 기준 우위
SWE-Bench Pro	58.6%	64.3%	Claude Opus 4.7
Terminal-Bench 2.0	82.7%	69.4%	GPT-5.5
Humanity's Last Exam	40.6%	31.2%	GPT-5.5
Humanity's Last Exam with tools	52.2%	54.7%	Claude Opus 4.7
BrowseComp	84.4%	79.3%	GPT-5.5
GPQA Diamond	93.6%	94.2%	Claude Opus 4.7
ARC-AGI-1 Verified	94.5%	92.0%	GPT-5.5

흐름은 비교적 분명합니다. Claude Opus 4.7은 깊은 추론, 코드 리뷰, 전문 지식 검증처럼 꼼꼼한 판단이 필요한 과제에서 강점이 보입니다. 반면 GPT-5.5는 터미널 조작, 브라우징, 장시간 도구 사용처럼 실행 흐름을 오래 끌고 가는 작업에서 강하다는 정리가 나옵니다.

다만 이 비교에는 중요한 단서가 붙습니다. LLM Stats는 이 점수들이 각 제공사의 고추론 티어에서 보고된 자체 수치이며, ‘비교 가능한 형태’이기는 해도 방법론까지 동일한 것은 아니라고 설명합니다. 또한 Humanity's Last Exam처럼 출처에 따라 우위가 다르게 보이는 항목도 있어, 특정 표 하나만으로 결론을 내리기는 어렵습니다.

Kimi K2.6 vs DeepSeek V4 Pro: 오픈 웨이트 계열은 속도냐, 문맥 길이냐

Kimi K2.6과 DeepSeek V4 Pro는 GPT-5.5나 Claude Opus 4.7 같은 폐쇄형 프런티어 모델과 단순히 같은 줄에 세우기보다, 오픈 웨이트 계열의 운영 후보로 보는 편이 판단하기 쉽습니다.

지표	Kimi K2.6	DeepSeek V4 Pro
Artificial Analysis Intelligence	54	52
Context window	256k	1.00M
Price 열	$1.7	$2.2
Output speed	112 tokens/s	36 tokens/s

이 표만 보면 Kimi K2.6은 Intelligence와 출력 속도에서 유리하고, DeepSeek V4 Pro는 1M context, 즉 긴 문맥 처리에서 유리합니다. The Decoder는 Moonshot AI 발표값으로 Kimi K2.6이 HLE with Tools 54.0, SWE-Bench Pro 58.6, BrowseComp 83.2를 기록했다고 보도했습니다.

하지만 Kimi K2.6의 공개 실험을 GPT-5.5나 Claude Opus 4.7과 완전한 동일 조건 비교로 읽어서는 안 됩니다. Hugging Face 모델 카드에 따르면 Kimi K2.6은 thinking mode, temperature 1.0, top-p 1.0, 262,144토큰 문맥 길이 등의 조건에서 평가됐고, 주요 비교 대상도 Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro입니다.

DeepSeek V4 Pro는 ‘절대 성능 1위’라기보다 긴 문맥과 비용 효율을 보고 고르는 모델에 가깝습니다. DataCamp도 DeepSeek V4가 순수 능력에서는 GPT-5.5나 Claude Opus 4.7을 넘지 않지만, 낮은 비용으로 근접한 프런티어급 성능을 노리는 위치라고 정리합니다.

가격 비교: 서로 다른 숫자를 섞지 말아야 한다

가격은 특히 조심해서 읽어야 합니다. 최소한 세 가지 숫자를 구분해야 합니다.

첫째는 API 토큰 단가입니다. Mashable은 DeepSeek V4를 입력 100만 토큰당 $1.74, 출력 100만 토큰당 $3.48로, GPT-5.5를 $5/$30, Claude Opus 4.7을 $5/$25로 보도했습니다.

둘째는 Artificial Analysis 모델 표의 Price 열입니다. Kimi K2.6은 $1.7, DeepSeek V4 Pro는 $2.2로 표시돼 있지만, 이를 Mashable의 API 토큰 단가와 같은 지표처럼 섞어 읽으면 안 됩니다.

셋째는 벤치마크 실행 비용입니다. Artificial Analysis 기사에 따르면 Intelligence Index 실행 비용은 DeepSeek V4 Pro가 $1,071, Kimi K2.6이 $948, Claude Opus 4.7이 $4,811로 보고됐습니다.

따라서 ‘DeepSeek이 싸다’, ‘Kimi가 싸다’, ‘Claude가 비싸다’ 같은 말은 API 단가를 말하는지, 평가 실행 비용을 말하는지, 실제 서비스에서 발생하는 출력 토큰량까지 포함한 운영비를 말하는지 나눠 봐야 합니다.

안전성·신뢰성은 능력 벤치마크와 별도 축이다

Claude Opus 4.7에 대해서는 Mashable이 Anthropic의 주장으로 92%의 honesty rate와 더 적은 sycophancy, 즉 사용자의 비위를 맞추는 식의 응답 감소를 보도했습니다. Anthropic 발표에서도 Claude Opus 4.7은 내부 research-agent benchmark에서 6개 모듈 합산 0.715로 공동 최고점을 기록했고, General Finance에서는 Opus 4.6의 0.767에서 0.813으로 개선됐다고 설명합니다.

다만 이런 지표는 SWE-Bench Pro, GPQA Diamond, BrowseComp처럼 능력을 재는 벤치마크와는 성격이 다릅니다. 실제 업무에 넣을 때는 성능 점수, 비용, 속도, 환각 위험, 감사 가능성을 따로 놓고 봐야 합니다.

실전에서는 한 모델 고정보다 라우팅이 현실적이다

운영 환경에서는 한 모델을 모든 작업에 고정하는 방식보다, 업무 성격에 따라 모델을 나눠 쓰는 라우팅이 더 현실적입니다. MindStudio의 코딩 비교에서는 GPT-5.5가 같은 코딩 작업에서 Claude Opus 4.7보다 출력 토큰을 72% 적게 썼다고 설명합니다. 반면 복잡하고 추론 부담이 큰 대규모 코드베이스에서는 Opus 4.7의 꼼꼼함이 비용을 정당화할 수 있다고 봅니다.

실무적으로는 표준 생성, 수정, 터미널 계열 작업은 GPT-5.5부터, 깊은 리뷰와 전문 판단은 Claude Opus 4.7부터, 저비용 오픈 웨이트 실험은 Kimi K2.6부터, 긴 문맥과 대량 처리는 DeepSeek V4 Pro부터 시험해 보는 접근이 자연스럽습니다.

최종 판단

현재 공개된 정보만 놓고 보면 GPT-5.5, Claude Opus 4.7, DeepSeek V4 Pro, Kimi K2.6 가운데 단일 승자를 정하는 것보다 용도별로 고르는 편이 안전합니다. GPT-5.5는 종합 성능과 경제 가치 업무, Claude Opus 4.7은 추론과 리뷰, Kimi K2.6은 오픈 웨이트 계열의 속도와 가격 대비 성능, DeepSeek V4 Pro는 긴 문맥과 낮은 API 가격이 주요 강점입니다.

또 하나의 주의점은 업데이트 시점과 추론 설정입니다. Artificial Analysis 안에서도 GPT-5.5 high를 Intelligence 59로 제시하는 모델 페이지가 있는 반면, 별도 목록 페이지에서는 Claude Opus 4.7 Adaptive Reasoning, Max Effort가 Intelligence 57로 선두에 놓입니다. 결국 벤치마크는 출발점일 뿐입니다. 최종 선택은 자기 조직의 실제 작업, 예산, 지연 시간, 실패 허용도를 기준으로 작게 병렬 평가해 보는 것이 가장 견고합니다.