클로드 오푸스 4.8 vs GPT-5.5 vs 제미나이 3.5 플래시: 2026년 5월 기준 최신 AI 모델 6종 완벽 비교

* 제미나이 3.5 플래시, 그록 4.3, 딥시크 V4 Pro의 SWE-Bench Pro 점수는 단일 서드파티 테스트 기준입니다. 구글이 자체 모델 카드에서 제시한 값과는 차이가 있을 수 있습니다.

가격 및 성능 지표

분야별 선두 모델 요약

🏆 클로드 오푸스 4.8

**에이전트 코딩(SWE-Bench Pro)**에서 69.2%, 지식 노동(GDPval-AA) Elo 1890, 컴퓨터 사용(OSWorld) 83.4%, 다학제 추론(Humanity's Last Exam), 금융 분석(Finance Agent v2) 등에서 1위를 기록했다. BenchLM 임시 리더보드에서 종합 93/100점으로 전체 2위를 기록하며, 출시 직후 가장 강력한 올라운드 모델임을 입증했다 .

🏆 GPT-5.5

**터미널 코딩(Terminal-Bench 2.0/2.1)**에서 78.2~82.7%, ARC-AGI-2 85.0%, GPQA Diamond 96.0%, FrontierMath Tier 1~3 51.7%, AIME 2025 95.2%로, 추론과 명령줄 기반 작업에서 강세를 보인다. AA Intelligence Index에서도 최고 점수인 60을 기록했다 .

🏆 제미나이 3.5 플래시

**MCP Atlas(도구 조합 능력)**에서 83.6%로 1위를 차지했으며, 출력 속도는 약 289 토큰/초로 경쟁 모델 대비 4배 가까이 빠르다. 입력 가격은 100만 토큰당 1.50달러에 불과해, 비용 대비 최고의 효율을 원하는 사용자에게 적합하다 .

🏆 딥시크 V4 Pro

LiveCodeBench 93.5%, Codeforces ELO 3206로 경쟁 코딩 부문에서 독보적이다. SWE-bench Verified에서도 80.6%로 클로드 오푸스 4.7(80.8%)에 근접하며, 비용은 추정치 기준 극히 낮은 수준이다. 코딩 대회 준비나 알고리즘 문제 풀이에 특화되어 있다 .

🏆 그록 4.3

AA Intelligence Index 53, GPQA Diamond 90.1%로 중상위권에 위치한다. 출력 속도(159~207 tps)와 저렴한 가격(입력 $1.25)이 장점이지만, 에이전트 코딩이나 복잡한 작업에서는 선두 모델에 뒤처진다 .

📉 클로드 오푸스 4.7

SWE-bench Verified에서 87.6%를 기록했으나, 후속 모델인 오푸스 4.8에 거의 모든 주요 지표에서 추월당했다. 출시 6주 만에 사실상 구형이 된 셈이다 .

모델 선택 시 참고할 핵심 포인트

• 벤치마크 출처가 다양하다. 점수는 앤트로픽, 오픈에이아이, 구글 딥마인드, 독립 평가 기관이 각각 발표한 것으로, 같은 이름의 벤치마크라도 시험 환경(harness)에 따라 수치가 다를 수 있다. 예를 들어 GPT-5.5의 Terminal-Bench 점수는 구글 모델 카드 기준 78.2%, 오픈에이아이 발표 기준 82.7%로 차이가 난다.
• SWE-Bench Pro와 Verified는 전혀 다른 시험이다. Pro는 여러 파일을 건드리는 복잡한 구조 변경 문제이고, Verified는 단일 이슈를 해결하는 상대적으로 수월한 테스트다. 클로드는 Pro에서 앞서고, Verified에서는 여러 모델이 접전을 벌인다.
• 제미나이 3.5 플래시는 '플래시' 계열, 즉 효율성을 우선시하는 경량급 모델이지만, 실제 에이전트 성능은 일부 플래그십 모델과 견줄 만하다. 속도와 비용을 중시하는 서비스에 특히 유리하다.
• 딥시크, 그록, 제미나이 3.5 플래시는 토큰당 비용이 매우 낮아 대량 처리나 속도 중시 워크로드에 적합하다.

아직 풀리지 않은 질문들

• 6개 모델을 완전히 동일한 시험 환경, 동일한 방법론으로 평가한 단일 벤치마크는 현재 존재하지 않는다. 위 추정치는 여러 출처를 교차 검증해 구성한 것이다.
• 그록 4.3과 딥시크 V4 Pro는 빅3(앤트로픽·오픈에이아이·구글) 모델에 비해 공개된 에이전트·장문 벤치마크 데이터가 부족하다.
• 클로드 오푸스 4.8은 막 출시된 모델이므로, 독립적인 재현 데이터가 아직 충분하지 않다. 현재 대부분의 점수는 앤트로픽이 자체 발표한 것이다.

주요 출처

1. 공식 벤더 페이지: 앤트로픽(claude/opus), 오픈에이아이(introducing-gpt-5-5), 구글 딥마인드(gemini-3-5-flash 모델 카드) — 1차 데이터.
2. NIST CAISI의 딥시크 V4 Pro 평가 — 정부 기관의 독립 평가 .
3. 듀크 대학교의 제미나이 3.5 플래시 분석 — 학계 리뷰 .
4. 서드파티 집계 사이트: dev.to 비교 테스트 , BenchLM.ai , Artificial Analysis — 교차 비교에 유용하지만 공식 데이터보다 권위는 낮음.