GPT-5.5 vs Claude Opus 4.7 vs Kimi K2.6 vs DeepSeek V4: 벤치마크로 본 강점과 약점
단일 1위는 없다. GPT 5.5는 ARC AGI 2 85%와 Terminal Bench 2.0 82.7%가 강점이고, Claude Opus 4.7은 HLE와 SWE Bench Pro에서 앞선다.[1][3][9] Kimi K2.6은 Artificial Analysis 54점, AkitaOnRails 코딩 벤치마크 87점으로 경쟁력이 있지만 네 모델 공통 비교 표본은 제한적이다.[13][8] DeepSeek V4는 최고 점수보다 가격이 눈에 띈다.
GPT-5.5 vs Claude Opus 4.7 vs Kimi K2.6 vs DeepSeek V4: кто лидирует в бенчмаркахСравнение бенчмарков показывает не одного абсолютного лидера, а разные сильные стороны моделей.
AI 프롬프트
Create a landscape editorial hero image for this Studio Global article: GPT-5.5 vs Claude Opus 4.7 vs Kimi K2.6 vs DeepSeek V4: кто лидирует в бенчмарках. Article summary: Единого победителя нет: GPT 5.5 ведёт в ARC AGI 2 с 85% против 75,8% у Claude и в Terminal Bench 2.0 с 82,7%, а Claude Opus 4.7 сильнее в HLE и SWE Bench Pro; вывод ограничен тем, что источники сравнивают разные режим.... Topic tags: ai, llm benchmarks, openai, anthropic, claude. Reference image context from search candidates: Reference image 1: visual subject "[Kimi K2 vs Claude Opus 4.7 vs GPT 5.5 Comparison](https://www.youtube.com/watch?v=M90iB4hpenI). . [](https://www.youtube.com" source context "Kimi K2 vs Claude Opus 4.7 vs GPT 5.5 Comparison - YouTube" Reference image 2: visual subject "[Kimi K2 vs Claude Opus 4.7 vs GPT 5.5 Comparison](https://www.youtube.
openai.com
GPT-5.5, Claude Opus 4.7, Kimi K2.6, DeepSeek V4를 누가 제일 똑똑한가로만 보면 결론이 흐려집니다. 공개된 자료는 벤치마크 종류, 모델 실행 모드, 도구 사용 여부가 서로 다르고 네 모델이 모두 같은 시험을 본 경우도 많지 않습니다. 다만 실무 관점의 윤곽은 분명합니다. GPT-5.5는 ARC와 터미널형 에이전트 과제에서 강하고, Claude Opus 4.7은 HLE와 SWE-Bench Pro에서 앞섭니다. Kimi K2.6은 코딩·에이전트용 open-weight 후보로 볼 만하며, DeepSeek V4는 최고 점수보다 API 단가에서 눈에 띕니다.
Studio Global AI
Search, cite, and publish your own answer
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
"GPT-5.5 vs Claude Opus 4.7 vs Kimi K2.6 vs DeepSeek V4: 벤치마크로 본 강점과 약점"에 대한 짧은 대답은 무엇입니까?
단일 1위는 없다. GPT 5.5는 ARC AGI 2 85%와 Terminal Bench 2.0 82.7%가 강점이고, Claude Opus 4.7은 HLE와 SWE Bench Pro에서 앞선다.[1][3][9]
먼저 검증할 핵심 포인트는 무엇인가요?
단일 1위는 없다. GPT 5.5는 ARC AGI 2 85%와 Terminal Bench 2.0 82.7%가 강점이고, Claude Opus 4.7은 HLE와 SWE Bench Pro에서 앞선다.[1][3][9] Kimi K2.6은 Artificial Analysis 54점, AkitaOnRails 코딩 벤치마크 87점으로 경쟁력이 있지만 네 모델 공통 비교 표본은 제한적이다.[13][8]
실무에서는 다음으로 무엇을 해야 합니까?
DeepSeek V4는 최고 점수보다 가격이 눈에 띈다. Mashable 기준 100만 input/output tokens당 $1.74/$3.48로 GPT 5.5와 Claude Opus 4.7보다 낮다.[2]
GPT-5.5: ARC-AGI-2에서 85%로 Claude Opus 4.7의 75.8%를 앞서고, Terminal-Bench 2.0에서도 82.7%로 Claude 69.4%, DeepSeek 67.9%보다 높게 제시됐습니다.
Claude Opus 4.7: Humanity’s Last Exam, 즉 HLE 계열의 고난도 추론 평가와 SWE-Bench Pro에서 강합니다. VentureBeat의 HLE 기본 행에서는 Claude가 GPT-5.5와 DeepSeek를 앞섰고, DataCamp의 SWE-Bench Pro에서는 64.3%로 GPT-5.5 58.6%, DeepSeek V4 Pro 55.4%보다 높았습니다.
Kimi K2.6: 전체 공통 비교는 부족하지만, Artificial Analysis에서는 54점으로 GPT-5.5 medium 57점보다 낮고 Claude Opus 4.7 non-reasoning high 52점보다 높았습니다. AkitaOnRails 코딩 벤치마크에서는 87점을 받았습니다.
DeepSeek V4: 여러 벤치마크의 최고점에서는 GPT-5.5나 Claude Opus 4.7보다 낮게 나오는 경우가 많지만, Mashable이 제시한 API 가격은 100만 input tokens당 $1.74, 100만 output tokens당 $3.48로 GPT-5.5의 $5/$30, Claude Opus 4.7의 $5/$25보다 낮습니다.
벤치마크 비교표
아래 표에서 **—**는 제공된 출처 조각 안에 같은 조건으로 비교할 수 있는 수치가 없다는 뜻입니다. 서로 다른 벤치마크를 단순 평균 내기보다는, 내가 맡길 작업과 가까운 줄을 먼저 보는 편이 안전합니다.
벤치마크 / 출처
GPT-5.5
Claude Opus 4.7
Kimi K2.6
DeepSeek V4
읽는 법
ARC-AGI-2, DocsBot
85%
75.8%
—
—
GPT-5.5가 Claude보다 9.2%p 높습니다.
ARC-AGI-1, DocsBot
95%
93.5%
—
—
GPT-5.5가 근소하게 앞섭니다.
Artificial Analysis leaderboard
57, GPT-5.5 medium
52, Claude Opus 4.7 non-reasoning high
54
—
이 조각에서는 GPT-5.5가 Kimi와 해당 Claude 모드보다 높습니다.
Humanity’s Last Exam, 도구 없음, VentureBeat
41.4%
46.9%
—
37.7%
기본 행 기준 Claude가 가장 높습니다.
Humanity’s Last Exam, 도구 사용, VentureBeat
52.2%; GPT-5.5 Pro 57.2%
54.7%
—
48.2%
기본 GPT-5.5보다 Claude가 높지만, 별도 GPT-5.5 Pro 행은 Claude보다 높습니다.
Terminal-Bench 2.0, VentureBeat
82.7%
69.4%
—
67.9%
이 비교에서는 GPT-5.5의 우위가 가장 뚜렷합니다.
SWE-Bench Pro, DataCamp
58.6%
64.3%
—
55.4%, DeepSeek V4 Pro
Claude가 GPT-5.5와 DeepSeek V4 Pro를 앞섭니다.
SWE-Bench Verified, Verdent
—
87.6%
80.2%
—
이 코딩 평가 조각에서는 Claude가 Kimi보다 높습니다.
Coding benchmark, AkitaOnRails
96, GPT-5.5 xHigh/Codex
97
87
78, V4 Flash; 69, V4 Pro
Claude와 GPT-5.5가 거의 붙어 있고, Kimi는 DeepSeek V4 두 행보다 높습니다.
왜 하나의 우승자를 고르기 어려운가
가장 큰 이유는 같은 이름의 모델이라도 실행 모드가 다르고, 벤치마크마다 측정하는 능력이 다르기 때문입니다. Artificial Analysis의 한 조각은 GPT-5.5 medium, Kimi K2.6, Claude Opus 4.7 non-reasoning high를 나란히 보여줍니다. 반면 AkitaOnRails 코딩 벤치마크는 GPT-5.5 xHigh/Codex, DeepSeek V4 Flash, DeepSeek V4 Pro처럼 코딩 환경에 가까운 행을 사용합니다. VentureBeat는 GPT-5.5와 GPT-5.5 Pro를 별도 행으로 제시합니다.
GPT-5.5와 Claude Opus 4.7만 놓고 봐도 결론은 단순하지 않습니다. LLM Stats는 두 제공자가 모두 보고한 10개 벤치마크에서 Claude Opus 4.7이 6개, GPT-5.5가 4개에서 앞선다고 정리합니다. Claude의 우위는 reasoning-heavy 및 review-grade 테스트에, GPT-5.5의 우위는 long-running tool-use와 shell-driven 작업에 모여 있다는 설명입니다.
GPT-5.5: ARC와 터미널형 에이전트에서 강한 신호
GPT-5.5가 가장 설득력 있게 앞서는 영역은 ARC와 Terminal-Bench입니다. ARC-AGI-2에서는 85%로 Claude Opus 4.7의 75.8%보다 높고, ARC-AGI-1에서도 95%로 Claude의 93.5%보다 높습니다. Terminal-Bench 2.0에서는 82.7%로 Claude Opus 4.7의 69.4%, DeepSeek의 67.9%를 크게 앞섭니다.
Artificial Analysis에서도 GPT-5.5 medium은 57점으로 Kimi K2.6의 54점과 Claude Opus 4.7 non-reasoning high의 52점보다 높게 제시됩니다. 다만 이것을 모든 모드와 모든 작업에서의 종합 1위로 읽으면 곤란합니다. LLM Stats의 정리처럼 Claude Opus 4.7이 reasoning 및 소프트웨어 엔지니어링 계열 일부 테스트에서 GPT-5.5를 앞서는 구간도 있습니다.
Claude Opus 4.7: 어려운 추론과 코드 리뷰형 작업
Claude Opus 4.7은 HLE와 SWE-Bench Pro에서 특히 강하게 보입니다. VentureBeat가 제시한 Humanity’s Last Exam 도구 없음 행에서는 Claude가 46.9%, GPT-5.5가 41.4%, DeepSeek가 37.7%였습니다. 도구 사용 행에서도 Claude는 54.7%로 기본 GPT-5.5의 52.2%, DeepSeek의 48.2%보다 높습니다. 다만 별도 행인 GPT-5.5 Pro는 도구 사용 HLE에서 57.2%로 Claude보다 높게 제시됐습니다.
소프트웨어 엔지니어링 평가에서도 Claude 쪽 신호가 강합니다. DataCamp는 SWE-Bench Pro에서 Claude Opus 4.7 64.3%, GPT-5.5 58.6%, DeepSeek V4 Pro 55.4%를 제시했습니다. LLM Stats 역시 GPQA, HLE 도구 없음, HLE 도구 사용, SWE-Bench Pro, MCP Atlas, FinanceAgent v1.1에서 Claude Opus 4.7이 GPT-5.5를 앞선다고 정리합니다.
Kimi K2.6: 코딩·에이전트 후보, 그리고 open-weight라는 차이
Kimi K2.6은 GPT-5.5, Claude Opus 4.7, DeepSeek V4와 완전히 같은 표에서 비교된 사례가 상대적으로 적습니다. 그래서 단일 순위보다, 어떤 배포 방식과 업무에 맞는지를 보는 편이 좋습니다. Artificial Analysis에서는 54점으로 GPT-5.5 medium 57점보다 낮지만 Claude Opus 4.7 non-reasoning high 52점보다 높습니다.
AkitaOnRails 코딩 벤치마크에서는 Kimi K2.6이 87점을 받아 Claude Opus 4.7의 97점과 GPT-5.5 xHigh/Codex의 96점보다는 낮지만, DeepSeek V4 Flash 78점과 DeepSeek V4 Pro 69점보다는 높습니다. Verdent의 SWE-Bench Verified 비교에서는 Claude Opus 4.7이 87.6%, Kimi K2.6이 80.2%로 제시됐습니다.
Kimi의 실무상 차별점은 open-weight 경로입니다. Verdent는 K2.6 가중치가 Hugging Face에 있고 vLLM, SGLang, KTransformers로 실행할 수 있으며, 축소된 컨텍스트의 INT4 변형 기준 최소 실행 구성으로 4× H100을 언급합니다. Hugging Face README에는 Kimi K2.6의 에이전트 지표로 HLE-Full 도구 사용 54.0, BrowseComp 83.2, DeepSearchQA f1-score 92.5, Toolathlon 50.0, MCPMark 55.9가 제시돼 있습니다. 다만 이 표는 주로 GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro와 비교하므로 이 글의 네 모델 전체를 직접 줄 세운 결과는 아닙니다.
DeepSeek V4: 벤치마크 1위보다 가격 대비 성능
제공된 자료에서 DeepSeek V4는 대체로 최고 점수 모델이라기보다 value, 즉 가격 대비 성능 후보에 가깝게 보입니다. VentureBeat의 HLE 도구 없음, HLE 도구 사용, Terminal-Bench 2.0 행에서 DeepSeek는 GPT-5.5와 Claude Opus 4.7보다 낮게 제시됐습니다. DataCamp의 SWE-Bench Pro에서도 DeepSeek V4 Pro는 55.4%로 GPT-5.5 58.6%, Claude Opus 4.7 64.3%보다 낮습니다. AkitaOnRails 코딩 벤치마크에서도 DeepSeek V4 Flash 78점, DeepSeek V4 Pro 69점은 같은 표의 Kimi K2.6, GPT-5.5 xHigh/Codex, Claude Opus 4.7보다 낮습니다.
하지만 비용을 넣으면 판단이 달라집니다. Mashable은 DeepSeek V4의 API 가격을 100만 input tokens당 $1.74, 100만 output tokens당 $3.48로 제시했습니다. 같은 기준에서 GPT-5.5는 $5/$30, Claude Opus 4.7은 $5/$25입니다. 이 숫자가 DeepSeek를 벤치마크 우승자로 만들지는 않지만, 대량 초안 생성, 저위험 내부 실험, 반복 평가처럼 시도 횟수와 단가가 중요한 작업에서는 먼저 시험해볼 이유가 됩니다.
어떤 모델을 먼저 테스트할까
ARC, 시각 추론, 추상 퍼즐: DocsBot의 ARC-AGI-2와 ARC-AGI-1 비교에서는 GPT-5.5가 Claude Opus 4.7보다 높으므로 GPT-5.5부터 보는 편이 합리적입니다.
HLE식 고난도 추론: 기본 행끼리 비교하면 Claude Opus 4.7이 유리합니다. 다만 VentureBeat의 도구 사용 HLE에서는 별도 GPT-5.5 Pro 행이 Claude보다 높다는 점을 함께 봐야 합니다.
터미널, 셸 기반 에이전트, 장시간 도구 사용: Terminal-Bench 2.0 결과와 LLM Stats의 해석을 보면 GPT-5.5가 우선 후보입니다.
SWE-Bench Pro와 코드 리뷰형 소프트웨어 엔지니어링: DataCamp와 LLM Stats 모두 Claude Opus 4.7의 우위를 가리킵니다.
open-weight 또는 자체 실행이 중요한 코딩·에이전트 작업: Kimi K2.6은 Hugging Face 가중치와 vLLM, SGLang, KTransformers 실행 경로가 언급된다는 점에서 별도 테스트 가치가 있습니다.
고빈도·저비용 실험: 최고 benchmark score보다 시도당 비용이 더 중요하다면 DeepSeek V4를 후보에 넣을 수 있습니다.
최종 판단
벤치마크만 놓고 보면 상위권 경쟁의 중심은 GPT-5.5와 Claude Opus 4.7입니다. 다만 GPT-5.5는 ARC와 Terminal-Bench에서, Claude Opus 4.7은 HLE와 SWE-Bench Pro에서 더 강하게 나타납니다.Kimi K2.6은 직접 비교 표본은 적지만 코딩·에이전트 작업과 open-weight 경로가 장점이고,DeepSeek V4는 순수 점수보다 낮은 API 가격을 앞세운 price-performance 후보로 보는 편이 정확합니다.
Comments
0 comments