AI 모델 능력 심층 분석 #2: 7가지 차원, 최강 모델은 무엇인가?

8분 만에 읽을 수 있는 · AI 모델 비교 시리즈 제2회 (총 4회)

지난 전체 랭킹을 통해 알 수 있었던 것: Claude Opus 4.8이 95점, GPT-5.5가 91점, 그리고 4개의 모델이 4점 차이로 치열하게 경쟁하고 있다.

하지만 문제는 이것이다: 모든 차원을 제패하는 모델은 존재하지 않는다.

Opus 4.8은 코딩 (Coding)에서 압도적이지만, 에이전트적 능력 (Agentic)에서는 GPT-5.5에 미치지 못한다. DeepSeek V4 Pro는 수학 (Mathematics)에서 만점을 받지만, 긴 문맥 (Long Context)에서 고전한다. 본고에서는 총 7가지 능력 차원을 철저히 비교한다.

TOP 3는 GPT-5.5 (98.0) > Opus 4.8 (97.7) > Gemini 3.5 Flash (96.9)로 단 1.1점 차이다.

서브 차원	챔피언	점수	러너업 (Runner-up)	점수
단말 태스크 (Terminal Task)	GPT-5.5	82.7%	Opus 4.8	74.6%
...

GPT-5.5의 강점은 추론 모델 (Reasoning Model)로서의 설계에서 기인한다. 반면, Gemini 3.5 Flash는 $1.50/M 입력으로 MCP Atlas 툴 오케스트레이션 (Tool Orchestration) 83.6%를 달성했다.

Opus 4.8은 98.9점으로 2위와 11.7점 차이를 벌렸다. 이는 7개 차원 중 가장 큰 격차이다.

벤치마크 (Benchmark)	챔피언	점수	러너업 (Runner-up)	점수
SWE-bench Pro	Opus 4.8	69.2%	GPT-5.5	58.6%
LiveCodeBench	DeepSeek V4 Pro	93.5%	V4 Flash	91.6%

경쟁 프로그래밍과 실제 세계의 소프트웨어 공학 (Software Engineering)은 별개다. DeepSeek V4 Pro는 경쟁 벤치마크에서 앞서지만, 실제 과제 수정에서는 Opus 4.8이 압도한다.

GPT-5.5는 ARC-AGI-2에서 **85%**를 돌파한 유일한 범용 모델이다 (인간 평균은 66%). DeepSeek V4 Pro는 Putnam 수학 경시 대회에서 만점 120/120을 GPT-5.5의 1/3 가격으로 달성했다.

Opus 4.8 (99.3) ≈ GPT-5.4 (99.2) ≈ GPT-5.5 (97.8). 이 차원에서는 어떤 것을 선택해도 차이가 없다.

GPT-5.5의 최대 약점은 바로 여기다: 멀티모달 (Multimodal) 점수 57.2. 반면 Gemini 3.5 Flash는 80.6점과 MMMU-Pro 84.2%로 압도적이다. 이미지·영상 이해가 필요하다면 Gemini가 유일한 선택지다.

128K 토큰에서 94.8%. 하지만 진정한 차이는 200K 이후에 나타난다:

• 512K-1M: GPT-5.5가 74.0%, Claude가 32.2% — 2배 이상의 차이

수학 챔피언은 DeepSeek V4 Pro이다. Putnam 만점을 $0.33/M으로 달성했다.

능력	최적 모델	점수	2위
Agentic	GPT-5.5	98.0	Opus 4.8
...

제3회에서는 디자인 능력과 **가성비 (Price-Performance Ratio)**라는 2가지 차원을 깊이 있게 다룬다. MiniMax M3가 디자인 능력에서 Opus 4.8에 이어 2위를 차지했다고? 가격 차이가 69배에 달하는 실태는 과연 어떠할까?

데이터 소스: BenchLM · BuildFastWithAI