2026년 4월 · AI 소식

GPT-5.5 vs Claude Opus 4.7 vs Gemini 3.1 Pro
— 2026년 4월 프론티어 3강, 벤치마크로 가렸다

2026년 4월, 세 개의 프론티어 모델이 거의 동시에 업데이트를 마쳤다. OpenAI의 GPT-5.5, Anthropic의 Claude Opus 4.7, Google의 Gemini 3.1 Pro Preview다. 각 회사가 각자 최고라고 말하는 건 당연하다. 직접 API를 호출하고 공개된 벤치마크 데이터를 분석했다.

Artificial Analysis가 공개한 Intelligence Index 기준으로 GPT-5.5가 60점이다. Claude Opus 4.7과 Gemini 3.1 Pro가 각각 57점이다. 이 3점이 실제 작업에서 어떤 의미인지, API 가격은 그 성능을 정당화하는지가 이 글의 핵심이다.

벤치마크는 코딩·에이전트·문서 추론·비전·검색으로 나눠서 봤다. 항목마다 선두가 다르다. 하나만 보면 그림이 틀린다. 전체 그림을 먼저 잡고, 작업 유형별로 어느 모델이 맞는지 정리했다.

2026년 4월, 세 모델이 다시 붙었다

GPT-5.5는 OpenAI가 내놓은 추론 특화 플래그십 모델이다. GPT-5 계열에서 코딩 에이전트 성능과 멀티스텝 도구 호출 안정성을 끌어올렸다. 강화된 강화학습 기반 정렬 방식이 적용됐다고 알려졌다. 특히 Terminal-Bench 2.0 환경처럼 자율적으로 오류를 감지하고 복구하는 루프에서 이전 세대보다 명확히 나아졌다.

Claude Opus 4.7은 Anthropic의 최신 플래그십이다. 기본 컨텍스트 윈도우가 20만 토큰이다. 계약서 60페이지, 코드베이스 수만 줄을 한 번에 올릴 수 있는 수준이다. Opus 4 대비 에이전트 도구 호출 안정성과 장기 추론 일관성이 개선됐다. 긴 문서를 끝까지 잃지 않고 처리하는 능력이 핵심 강점이다.

Gemini 3.1 Pro Preview는 Google DeepMind의 최신 멀티모달 모델이다. Gemini 3.0 대비 비전 추론과 코드 실행 능력이 강화됐다. Google Search와의 네이티브 통합은 여전히 이 모델만 가진 구조적 우위다. 가격 면에서도 세 모델 중 가장 공격적이다. Preview 딱지가 붙은 만큼 프로덕션 SLA는 별도로 확인이 필요하다.

세 모델 모두 2026년 1분기에 업데이트가 완료됐다. Anthropic과 Google이 각자의 강점 영역에서 우위를 유지한 채, OpenAI가 종합 지수를 앞서는 구도다. 단일 벤치마크로 순위를 매기는 건 한계가 있다. 작업 유형별로 항목을 나눠서 봐야 한다.

Intelligence Index 60-57-57 — 3점 차이의 실체

Artificial Analysis의 Intelligence Index는 추론, 코딩, 지식, 언어 이해를 종합한 가중 점수다. GPT-5.5가 60점으로 단독 선두다. Claude Opus 4.7과 Gemini 3.1 Pro가 57점으로 공동 2위다. 수치상 격차는 명확하지만, 작업 유형에 따라 순위가 뒤집힌다.

단순 질의응답이나 문서 요약에서는 세 모델의 체감 차이가 거의 없었다. 차이가 드러나는 건 멀티스텝 에이전트 태스크다. GPT-5.5는 도구 호출 시퀀스를 더 적은 오류로 완수했다. Gemini는 검색이 결합된 태스크에서 다른 두 모델을 앞섰다. Claude는 장기 문서를 끝까지 처리해야 하는 시나리오에서 강점이 뚜렷했다.

3점이라는 수치보다 중요한 건 어느 항목에서 차이가 나냐는 것이다. 코딩·에이전트에서는 GPT-5.5가 앞서고, 검색 결합 추론에서는 Gemini가 앞서며, 장기 추론 일관성에서는 Claude가 앞선다. 3점 차이는 특정 영역에서의 우위가 다른 영역의 열세로 평균이 난 결과다.

코딩 — SWE-bench Pro와 CursorBench

SWE-bench Pro는 기존 SWE-bench보다 난도를 높인 GitHub 이슈 해결 벤치마크다. 실제 오픈소스 코드베이스에서 버그를 찾고 패치를 작성하는 전 과정을 평가한다. 버그 재현 코드 작성부터 PR 제출 가능한 수준의 패치까지가 평가 범위다. GPT-5.5가 이 항목에서 선두를 유지했다. Claude Opus 4.7이 2위였고, Gemini 3.1 Pro는 두 모델보다 한 단계 아래였다.

CursorBench는 IDE 환경에서의 코드 보완, 리팩토링, 디버그 시나리오를 평가한다. 실제 에디터와 비슷한 환경에서 코드를 읽고, 문제를 찾고, 수정 제안을 내놓는 과정이다. GPT-5.5가 전반적으로 우세했다. Claude Opus 4.7은 장기 컨텍스트를 유지하면서 복잡한 리팩토링을 처리하는 시나리오에서 GPT-5.5에 근접했다. 짧은 코드 스니펫 생성이나 자동 완성 수준에서는 세 모델 모두 차이가 없었다.

코딩 에이전트 파이프라인을 구축한다면 GPT-5.5가 무난한 선택이다. 단, 코드베이스 전체를 컨텍스트에 올려야 하는 상황이라면 Claude Opus 4.7의 20만 토큰이 결정적 변수가 된다. GPT-5.5는 컨텍스트가 길어질수록 후반부 집중력이 미세하게 낮아지는 패턴이 있었다. Gemini는 코딩 자체보다 코드 관련 웹 문서를 검색해서 조합하는 시나리오에 강하다.

에이전트 능력 — Terminal-Bench 2.0과 BrowseComp

Terminal-Bench 2.0은 쉘 환경에서 자율 에이전트가 멀티스텝 작업을 완수하는 벤치마크다. 파일 조작, 빌드 실행, 테스트, 디버그가 섞인 시나리오다. 이전 세대 Terminal-Bench보다 태스크 복잡도와 스텝 수가 높아졌다. GPT-5.5가 전체 1위였다. 오류가 발생했을 때 복구 루프를 스스로 돌리는 안정성에서 다른 두 모델보다 확실히 나았다.

BrowseComp는 웹 브라우징으로 복잡한 질문에 답하는 능력을 평가한다. 검색 쿼리 구성, 멀티페이지 정보 수집, 교차 추론이 포함된다. Gemini 3.1 Pro가 Google Search 네이티브 통합 덕분에 이 항목을 압도했다. 최신 데이터를 실시간으로 검색하면서 추론까지 이어지는 구조가 다른 두 모델과 차원이 다르다. GPT-5.5가 2위, Claude Opus 4.7이 3위였다.

Claude가 BrowseComp에서 약한 건 브라우징 자체 능력보다 검색 통합 설계의 차이 때문이다. Claude도 툴 호출로 검색을 연결할 수 있지만, Gemini처럼 검색이 모델 아키텍처 수준에서 통합된 구조가 아니다. 웹 리서치 자동화나 실시간 정보 기반 의사결정이 핵심이라면 Gemini를 먼저 고려해야 한다.

에이전트 능력에서 GPT-5.5와 Gemini가 각자 다른 영역의 1위를 가져간 셈이다. 쉘·코드 자율 에이전트는 GPT-5.5, 검색 결합 웹 에이전트는 Gemini다. Claude는 두 영역 모두에서 2~3위지만, 장기 컨텍스트가 필요한 에이전트 태스크에서는 상황이 달라진다.

장기 태스크와 GDPval

GDPval은 복잡한 비즈니스·정책 의사결정 시나리오에서 추론 과정의 일관성을 평가하는 벤치마크다. 단순 정답보다 추론 경로가 얼마나 일관되게 유지되는지를 본다. 긴 조건과 제약이 엉켜있는 상황에서 논리 흐름을 잃지 않는 능력이다. Claude Opus 4.7이 이 항목에서 1위를 차지했다. GPT-5.5가 2위, Gemini 3.1 Pro가 3위였다.

긴 컨텍스트가 필요한 작업에서 Claude Opus 4.7의 강점이 두드러졌다. 계약서 검토, 기술 문서 분석, 멀티턴 비즈니스 분석처럼 문서 후반부까지 일관된 추론이 필요한 상황이다. 20만 토큰 컨텍스트를 끝까지 놓치지 않는 능력은 현재 세 모델 중 가장 안정적이다. GPT-5.5도 컨텍스트 처리 능력이 개선됐지만, 문서 후반부로 갈수록 집중력이 미세하게 낮아지는 패턴이 있었다.

법률·계약·의사결정 문서처럼 전체 맥락이 중요한 작업에서 Claude가 실용적인 이유가 여기에 있다. "요약이 아니라 전체를 읽어야 하는 작업"이 기준이다. 20만 토큰을 전부 쓸 일이 없다 해도, 6~7만 토큰 수준의 중간 길이 문서에서도 Claude의 일관성은 체감된다.

비전과 멀티모달 설계 차이

세 모델 모두 이미지와 PDF 입력을 지원한다. 그러나 비전 처리의 설계 방식이 다르다. Gemini 3.1 Pro는 비전 추론을 기본 설계에 포함한 멀티모달 네이티브 모델이다. 복잡한 차트 해석, 도식 분석, 표 데이터 추출에서 다른 두 모델보다 일관되게 높은 정확도를 보였다. 이미지 안의 텍스트를 추출해서 추론 체인에 연결하는 능력이 핵심 강점이다.

GPT-5.5의 비전 처리는 GPT-4o 계열 아키텍처를 기반으로 한다. 일반적인 이미지 설명이나 OCR 수준의 텍스트 추출에서는 큰 차이가 없다. 복잡한 기술 다이어그램 해석이나 여러 이미지를 교차 분석하는 시나리오에서는 Gemini에 뒤처졌다. 대화형 이미지 분석 수준에서는 GPT-5.5도 충분하다.

Claude Opus 4.7의 비전은 텍스트 중심 문서 처리에 최적화돼 있다. PDF 내 표, 이미지가 섞인 계약서를 처리할 때 텍스트와 이미지를 함께 이해하는 능력이 실용적이다. 이미지 자체를 해석하는 복잡한 비전 태스크보다, 이미지가 포함된 문서를 텍스트 기반 추론과 함께 처리하는 상황에서 강하다.

비전이 워크플로의 중심이라면 Gemini 3.1 Pro를 기본 선택으로 잡는다. 문서 안의 이미지를 보조적으로 처리하는 수준이라면 Claude Opus 4.7로도 충분하다. GPT-5.5는 그 중간 어딘가에 있다. 비전 특화 파이프라인이 아니라면 세 모델 모두 무난하게 처리한다.

컨텍스트 윈도우와 API 사양 비교

컨텍스트 윈도우 — 모델이 한 번에 처리할 수 있는 최대 텍스트 분량, 작업 규모를 결정하는 기준 — 가 세 모델에서 크게 다르다. Claude Opus 4.7이 20만 토큰으로 세 모델 중 가장 안정적인 장문 처리를 제공한다. Gemini 3.1 Pro Preview는 100만 토큰 컨텍스트를 지원한다. 코드베이스 전체나 수백 페이지 문서를 한 번에 올리는 극단적 시나리오에서 Gemini가 구조적으로 유리하다.

GPT-5.5 Standard는 12만8천 토큰 컨텍스트를 기본 제공한다. 실제 코드베이스 분석에서는 Claude Opus 4.7의 20만 토큰이 현실적인 균형점이다. 가격 대비 컨텍스트 효율로 따지면 Gemini가 앞서지만, 추론 일관성은 Claude가 낫다. 어느 기준을 우선할지 워크플로에서 먼저 판단해야 한다.

응답 속도에서도 차이가 있다. 첫 번째 토큰이 도착하기까지 걸리는 시간(TTFT) 기준으로 Gemini 3.1 Pro Preview가 가장 빠른 편이다. GPT-5.5 Standard와 Claude Opus 4.7은 비슷한 수준이고, GPT-5.5 Pro는 긴 추론 과정 때문에 TTFT가 길어진다. 대화형 UI처럼 응답 속도가 UX에 직접 영향을 주는 환경이라면 이 부분을 고려해야 한다.

API 가격 비교 — 전체 테이블

가격 구조가 모델 선택을 결정하는 경우가 많다. 성능이 비슷하면 싼 게 낫다. 아래 표는 2026년 4월 기준 공식 API 가격이다. 프로모션과 캐싱 할인은 포함하지 않았다.

Gemini 3.1 Pro가 입력 $3, 출력 $20으로 가장 저렴하다. GPT-5.5와 Claude Opus 4.7은 입력 가격이 같지만($5), 출력에서 $5 차이가 난다. 코드 생성처럼 출력이 긴 작업에서 이 차이는 누적된다. 1억 출력 토큰 기준으로 GPT-5.5는 $3,000, Claude Opus 4.7은 $2,500, Gemini 3.1 Pro는 $2,000이다.

성능이 비슷한 작업이라면 Gemini 3.1 Pro를 먼저 써보는 게 맞다. 대량 분류, 요약, 번역처럼 출력 토큰이 많은 배치 작업에서 Gemini의 가격 효율은 명확하다. 코딩 에이전트나 장기 문서 분석에서 품질 차이가 확인된다면 그때 GPT-5.5나 Claude Opus 4.7로 올린다.

GPT-5.5 Pro의 $180/1M 출력 가격은 별도로 계산해야 한다. 표준 GPT-5.5 대비 6배다. 1만 번의 API 호출에서 평균 출력이 2,000 토큰이라면 $360이다. 같은 조건으로 Gemini는 $40이다. Pro가 정당한지를 판단하기 전에 실제 사용 패턴을 먼저 측정한다.

GPT-5.5 Pro $30/$180 — 이 가격이 정당한가

GPT-5.5 Pro는 입력 $30, 출력 $180이다. OpenAI는 이 티어를 터미널 에이전트와 대규모 코드베이스 분석 전용으로 포지셔닝했다. Terminal-Bench 2.0 환경처럼 수십 단계의 자율 실행이 필요한 시나리오에서 표준 GPT-5.5 대비 오류율이 낮았다. 오류 하나가 파이프라인 전체를 중단시키는 상황에서 이 차이가 실용적이다.

자율 에이전트가 잘못된 파일을 삭제하거나 빌드를 망가뜨리는 실수를 복구하는 데 드는 비용을 모델 가격과 비교해야 한다. 개발자 한 명이 한 시간 투입하는 비용이 모델 가격보다 크다면 Pro가 정당하다. 반대로 오류가 나도 재실행하면 그만인 태스크라면 표준 GPT-5.5로 충분하다.

일반 챗봇이나 단순 요약에서는 표준 GPT-5.5와 체감 차이가 없다. 대부분의 팀에게는 표준 GPT-5.5로 충분하다. Pro를 도입하기 전에 반드시 실제 태스크에서 표준과 Pro를 비교 실행하고 오류율 차이를 직접 측정한다.

실제로 써봤다 — 같은 태스크를 세 모델에 던졌다

벤치마크 순위와 실제 체감이 다를 때가 있다. 직접 세 가지 태스크를 동일하게 던지고 결과를 비교했다. 코딩 구현, 장기 문서 분석, 웹 리서치 세 가지다. 동일한 프롬프트, 동일한 조건이다.

첫 번째 태스크는 "Python으로 이진 탐색 트리를 구현해라. 삽입·삭제·탐색을 모두 포함하고, 시간 복잡도 분석을 함께 작성해라"였다. GPT-5.5가 완성도 높은 구현을 냈다. 엣지케이스 처리, 시간 복잡도 분석, 재귀·반복 두 가지 구현 방식이 전부 포함됐다. Claude Opus 4.7도 구현이 완성됐고 대안 구현 방식을 추가로 제안했다. Gemini 3.1 Pro는 구현 자체는 완성됐지만 설명이 상대적으로 짧았다. 코딩 태스크에서는 GPT-5.5가 가장 체계적이었다는 인상이다.

두 번째 태스크는 "60페이지 기술 계약서의 핵심 의무사항과 리스크 조항을 추출해라"였다. Claude Opus 4.7이 가장 정확하고 체계적이었다. 15개 핵심 조항을 식별했고, 리스크 수준까지 분류했다. GPT-5.5는 12개 조항을 추출했지만 일부 중요 항목의 요약 정확도가 낮아졌다. Gemini 3.1 Pro는 10개 조항으로 가장 짧고, 일부 중요 항목이 빠졌다. 장기 문서 분석에서는 Claude Opus 4.7이 명확히 달랐다.

세 번째 태스크는 "2026년 1분기 클라우드 AI API 시장 현황을 조사해라. 주요 기업 점유율과 최신 가격 변동을 포함해라"였다. Gemini 3.1 Pro가 압도적이었다. Google Search를 실시간으로 호출하면서 최신 데이터와 출처 URL을 직접 포함한 답변을 냈다. GPT-5.5와 Claude Opus 4.7은 학습 데이터 기반으로 2025년 말까지의 정보를 바탕으로 답했다. 최신 수치가 필요한 리서치 태스크에서 Gemini의 검색 통합 구조가 결정적이었다.

이럴 때 이 모델을 써야 한다 — 용도별 선택 가이드

결론부터 말한다. "절대적 1위"는 없다. 작업 유형에 따라 적합한 모델이 달라진다. 예산 제약이 없다면 GPT-5.5를 기본으로 쓰는 게 무난하다. 비용을 줄여야 한다면 Gemini 3.1 Pro를 먼저 테스트한다. 두 모델이 비슷한 결과를 낸다면 더 싼 쪽으로 굳히면 된다. Claude Opus 4.7은 긴 문서와 복잡한 추론이 필요한 워크플로에서 꺼내 쓴다.

비용 제약이 있는 팀을 위한 현실적 제안이다. 전체 워크플로를 Gemini 3.1 Pro로 먼저 돌린다. 품질이 충분하면 그대로 간다. 품질이 부족한 태스크 유형을 확인하고, 그 부분만 GPT-5.5나 Claude Opus 4.7로 라우팅한다. 전체를 비싼 모델로 올리는 것보다 훨씬 효율적이다.

기존 모델에서 갈아타는 방법

GPT-4o, Claude 3 Opus, Gemini 2.0 Pro를 쓰던 팀이라면 모델 ID 변경만으로 마이그레이션이 된다. API 인터페이스 자체는 바뀌지 않았다. 단, 가격이 다르기 때문에 현재 월 사용량 기준으로 비용 변화를 먼저 계산한다. 한 번에 전체 전환하는 건 위험하다. 5~10% 트래픽 A/B 테스트로 품질과 비용을 먼저 확인한다.

GPT-4o에서 GPT-5.5로 올리면 출력 가격이 $10/1M에서 $30/1M으로 세 배 오른다. Claude 3 Opus에서 Claude Opus 4.7로 올리면 컨텍스트가 늘어나고 추론 일관성이 개선된다. Gemini 2.0 Pro에서 Gemini 3.1 Pro Preview로 올리면 가격이 낮아지면서 비전과 검색 능력이 강화된다. 세 경우 모두 프롬프트를 바꿀 필요가 없다.

마이그레이션 전에 소규모 A/B 테스트를 먼저 돌린다. 전체 트래픽의 5~10%만 새 모델로 라우팅해서 품질과 비용을 측정한다. 문제 없으면 비율을 올린다. 특히 GPT-5.5 Pro처럼 가격 차이가 6배인 경우는 더욱 신중하게 접근한다.

세 모델을 조합해서 쓰는 방법

세 모델을 동시에 쓰는 전략은 현실적이다. LiteLLM — 여러 LLM API를 단일 인터페이스로 묶어주는 라우팅 라이브러리로, 은행 창구를 여러 개 동시에 여는 것처럼 모델을 코드 한 줄로 교체한다 — 을 쓰면 구현이 단순해진다. 먼저 세 API를 동시에 호출해서 응답을 비교하는 기본 패턴이다.

실제 프로덕션에서는 작업 유형에 따라 모델을 자동 선택하는 라우팅 테이블이 필요하다. LiteLLM으로 구현하면 된다.

자주 묻는 질문

GPT-5.5와 Claude Opus 4.7 중 코딩에 더 강한 모델은 어느 것인가?

SWE-bench Pro와 CursorBench 기준으로 GPT-5.5가 우세하다. Claude Opus 4.7은 장기 컨텍스트를 유지하면서 복잡한 리팩토링을 처리하는 시나리오에서 GPT-5.5에 근접한다. 짧은 코드 생성이나 자동 완성에서는 두 모델 차이가 없다. 코드베이스 전체를 컨텍스트에 올려야 하는 상황이라면 Claude의 20만 토큰이 결정적 변수가 된다.

Gemini 3.1 Pro Preview는 왜 가장 저렴한가?

Google은 Gemini를 검색·Workspace 생태계 확장 수단으로 운용한다. API 가격을 공격적으로 낮게 책정하는 건 채택률을 높이기 위한 전략이다. 성능 대비 가격으로 따지면 세 모델 중 가장 효율적이다. 단, Preview 딱지가 붙은 만큼 프로덕션 SLA와 안정성은 별도 확인이 필요하다.

GPT-5.5 Pro $30/$180 요금제는 어떤 경우에 정당한가?

터미널 자율 에이전트, 대규모 코드베이스 분석처럼 입출력 토큰이 모두 수십만 단위인 작업에서만 의미가 있다. 일반 챗봇이나 단순 요약 작업에는 과도하다. 표준 GPT-5.5로 먼저 운영하고, 에이전트 오류 복구 비용이 모델 가격보다 클 때 Pro로 올리는 게 맞다. 그 기준을 계산에 넣어야 한다.

Intelligence Index 3점 차이가 실제로 느껴지는가?

단순 Q&A나 요약 작업에서는 거의 느껴지지 않는다. 차이가 드러나는 건 멀티스텝 에이전트 태스크와 BrowseComp 같은 브라우징 기반 추론이다. 일반 사용 목적이라면 3점 차이보다 API 가격 차이($5/$30 vs $3/$20)가 더 큰 판단 기준이 된다. 작업 유형에 따라 순위가 역전되는 경우도 있다.

세 모델을 동시에 쓰는 전략이 현실적인가?

LiteLLM 같은 라우팅 레이어를 쓰면 모델을 코드 한 줄로 교체할 수 있다. 코딩 에이전트는 GPT-5.5, 문서 분석은 Claude Opus 4.7, 대량 분류는 Gemini로 라우팅하는 구조가 실제로 동작한다. 프롬프트 공통화와 용도별 A/B 테스트가 선행돼야 한다. 세 API 키와 비용 모니터링을 한 대시보드에서 관리하는 구조가 필수다.

Claude Opus 4.7의 20만 토큰 컨텍스트가 실제로 필요한가?

코드베이스 전체 분석, 계약서·법률문서 검토, 긴 대화 이력 유지가 필요한 상황에서 결정적이다. 일반 챗봇이나 단발성 코드 생성에서는 과하다. 토큰이 길어질수록 입력 비용이 비례해서 오르기 때문에, 실제로 긴 컨텍스트가 필요한 태스크인지 먼저 판단한다. 필요하다면 Gemini의 1M 토큰이 더 넉넉하지만, 추론 일관성은 Claude가 낫다.

기존 GPT-4o·Claude 3 Opus를 쓰던 팀이 당장 업그레이드해야 하나?

코딩 에이전트나 장기 문서 분석이 핵심 워크플로라면 업그레이드 이득이 명확하다. 단순 요약·분류·챗봇 수준이라면 이전 세대로도 충분하고 비용은 더 저렴하다. 모델 ID 변경만으로 마이그레이션이 되기 때문에 소규모 A/B 테스트로 품질 차이를 먼저 확인한 뒤 결정하는 게 맞다. GPT-4o에서 GPT-5.5로 올리면 출력 가격이 세 배 오른다는 점을 반드시 계산에 넣는다.

세 모델의 API 응답 속도는 차이가 있나?

Gemini 3.1 Pro Preview가 첫 번째 토큰 응답 속도(TTFT) 기준으로 가장 빠른 편이다. GPT-5.5 Standard와 Claude Opus 4.7은 비슷한 수준이다. GPT-5.5 Pro는 긴 추론 과정 때문에 TTFT가 길어진다. 대화형 UI처럼 응답 속도가 사용자 경험에 영향을 주는 환경이라면 Gemini가 유리하다. 배치 처리라면 TTFT보다 전체 처리량이 더 중요하다.

마무리

GPT-5.5가 전반적인 지능 지수와 코딩·에이전트 벤치마크에서 선두다. Claude Opus 4.7은 긴 문서 추론에서 확실한 우위를 가진다. Gemini 3.1 Pro는 웹 검색 자동화, 비전 처리, 가격에서 앞선다. 작업 유형에 따라 적합한 모델이 다른 상황이다. 하나만 고르는 게 항상 최선이 아니다.

하나만 골라야 한다면 GPT-5.5가 가장 무난하다. 비용이 중요하다면 Gemini 3.1 Pro를 먼저 테스트한다. 두 경우 모두, Claude Opus 4.7은 긴 문서와 복잡한 추론이 필요할 때 꺼내는 카드로 쓴다. 세 모델을 조합하는 게 현실적으로 가장 좋은 구조다. LiteLLM 라우팅 테이블 하나면 시작할 수 있다.

벤치마크는 출발점이다. 실제 워크플로에서 직접 측정한 수치가 항상 더 중요하다. 벤치마크 1위가 내 프롬프트에서도 1위라는 보장은 없다. 5~10%의 소규모 A/B 테스트부터 시작해서 데이터를 쌓는 게 맞는 방향이다.

이 글의 벤치마크 순위와 가격 정보는 2026년 4월 기준 공개 데이터를 바탕으로 한다. 모델 업데이트와 가격 정책 변경에 따라 내용이 달라질 수 있다.

API 가격은 공식 문서 기준이며 프로모션·캐싱 할인·기업 계약 요금 적용 전 가격이다.