Claude Opus 4.6 대 Codex 5.3: 실제 개발자 테스트 비교

Anthropic은 2026년 2월 4일에 Claude Opus 4.6을 출시했습니다. OpenAI 역시 같은 날 GPT-5.3-Codex를 공개했습니다. 같은 출시일입니다. 두 모델 모두 역대 최고의 코딩 에이전트라고 주장합니다.

이 타이밍은 우연이 아니었습니다. 이는 조직적인 과시였습니다. 두 회사가 정확히 같은 화요일 아침에 "우리가 코딩의 미래를 만들었다"고 말한 것입니다. 개발자들은 이중 발표와 함께 잠에서 깼습니다. Reddit은 폭발했고, Twitter는 마비 상태가 되었습니다. 모두들 6시간 안에 의견을 내놓았습니다.

저는 이 상황이 전개되는 것을 실시간으로 지켜봤습니다. 오전 10시에 트위터를 열었습니다. Anthropic의 발표를 보고 "멋지네, 새로운 Claude다"라고 생각했습니다. 5분 뒤 새로고침했을 때, OpenAI가 Codex 출시 소식을 올렸습니다. 제 첫 생각은 "아, 이건 복잡해질 것 같다"였습니다.

그리고 실제로 그랬습니다. 왜냐하면 두 모델 모두 실제로 좋기 때문입니다. 단순히 "하나는 쓰레기고 다른 하나는 최고다" 같은 수준이 아닙니다. 둘 다 실제 문제를 해결합니다. 둘 다 실제 비용이 들고, 사용자가 작업 방식을 바꿔야만 합니다.

단순히 '더 나은' 것을 고를 수 없습니다. 이들은 서로 다른 문제에 대한 다른 도구입니다.

선택은 생각보다 중요합니다. 왜냐하면 전환에는 시간과 토큰, 그리고 당신의 전체 워크플로우가 걸려있기 때문입니다.

실제로 바뀐 것들

Claude Opus 4.6은 100만 토큰 컨텍스트 윈도우를 탑재하고 출시되었습니다. 베타 버전이지만 작동합니다. 이전 Opus는 20만 토큰이었습니다. 이는 다섯 배 더 큰 용량입니다.

또한 출력 토큰을 128k로 두 배 늘렸습니다. 이제 더 긴 응답을 받을 수 있습니다. 더 길게 사고하는 예산(thinking budget)을 가질 수 있고, 더 상세한 코드 리뷰가 가능합니다. 모델이 멈추기 전에 더 많은 내용을 작성할 수 있게 되었습니다.

하지만 사람들은 이 과열된 분위기 속에서 놓친 것이 있습니다. Opus 4.6은 어시스턴트 메시지 프리필(assistant message prefill) 기능을 제거했습니다. 이 기능은 응답을 초기화하는 데 사용되었습니다. 사라졌습니다. 만약 당신의 워크플로우가 이 기능에 의존했다면, 코드를 다시 작성해야 합니다.

또한 모델의 자율성도 높아졌습니다. 질문하지 않고도 행동하려는 경향이 더 강해졌습니다. GUI 환경에서는 중지 명령(stop commands)을 무시합니다. 요청하지 않은 레포지토리를 생성하고, 허가 없이 이메일을 보내며, DO_NOT_USE로 표시된 환경 변수를 사용합니다.

이는 "더 유능하다"는 것과 "더 많은 가드레일이 필요하다"는 것이 동등하게 사실인 최초의 Claude입니다.

Codex 5.3은 정반대의 방향으로 나아갔습니다. 속도를 높였습니다. 이전 버전에 비해 속도가 25% 향상되었습니다. 에이전트가 6시간짜리 작업을 완료하기를 기다릴 때, 이 점이 중요합니다.

OpenAI는 또한 실시간 스티어링(real-time steering) 기능을 추가했습니다. Codex가 작업하는 동안 사용자가 안내할 수 있습니다. 컨텍스트를 잃지 않으면서 말입니다. 마치 3시간 전에 했던 말을 실제로 기억해 주는 사람과 페어링 하는 느낌입니다.

그리고 가장 흥미로운 부분은 이겁니다. Codex 5.3이 스스로 구축되는 데 도움을 주었습니다. Codex 팀은 초기 버전을 사용하여 트레이닝 디버깅, 배포 관리, 테스트 결과 분석에 활용했습니다. 모델이 자체적인 트레이닝 실행을 디버깅했기 때문에 더 빠르게 출시될 수 있었습니다.

속도 대 컨텍스트(Speed vs Context)

대부분의 비교는 벤치마크, 금융 에이전트 점수, SWE-bench 결과에 초점을 맞춥니다. 모두 유용합니다. 하지만 실제 차이는 그보다 단순합니다.

Codex는 빠릅니다. Opus는 더 많은 메모리를 가지고 있습니다.

한 레딧 사용자가 직설적으로 말했습니다: "Codex의 컨텍스트 창은 Opus보다 두 배 크고, 컨텍스트 관리도 훨씬 우수하다". 잠깐, 이건 틀렸습니다. Opus 4.6은 베타 버전에서 1M 토큰을 가지고 있습니다. Codex는 400k입니다. 따라서 종이 위에서는 Opus가 승리합니다.

하지만 컨텍스트 창의 크기가 컨텍스트 관리와 같은 것은 아닙니다. Codex는 동일한 창에서 4~5배 더 많은 작업을 수행할 수 있는 것으로 보입니다. 이것은 토큰에 관한 것이 아닙니다. 모델이 토큰을 사용하는 방식에 관한 것입니다.

저는 지저분한 레거시 코드베이스 두 가지 모두를 테스트해 봤습니다. 8만 줄 분량, 테스트 케이스 없음, 세 가지 언어로 된 주석들입니다. Opus는 모든 것을 읽었습니다. 시간을 들였습니다. 제가 존재한다는 사실을 잊고 있던 엣지 케이스(edge cases)들을 찾아냈습니다.

Codex는 더 빠르게 움직였습니다. 작동하는 코드를 출시했습니다. 두 개의 엣지 케이스를 놓쳤습니다. 하지만 코드는 깨끗하고, 관용적이며(idiomatic), 병합할 준비가 되어 있었습니다.

일상적인 작업에서는 빠르고 충분히 좋은 것이 느리고 완벽한 것보다 낫다.

Opus가 실제로 우위를 점하는 경우

레딧에는 고급 컴퓨터 과학 방정식을 두 모델 모두로 테스트한 개발자가 있습니다. Opus를 사용했을 때는 일관적이지 않은 결과를 얻었습니다. 반면, Codex를 중간 정도의 노력으로 사용했을 때는 95~100%의 정확도를 꾸준히 달성했습니다.

하지만 다른 개발자는 정반대의 의견을 제시했습니다. "이렇게 지능적이고 상황 인지적인 방식으로 디버깅할 수 있는 모델은 본 적이 없다"고 Opus에 대해 말했습니다. 그들은 Codex가 중간 정도의 성능이라고 평가했습니다. Gemini는 상황을 더 악화시켰습니다.

그렇다면 누가 맞을까요? 둘 다 맞습니다. 왜냐하면 그들은 서로 다른 것을 테스트하고 있기 때문입니다.

Opus는 코드 검토와 디버깅에 탁월합니다. 미묘한 버그를 잡아냅니다. 파일을 주의 깊게 읽고, 방대한 컨텍스트(context) 전반에 걸쳐 추론을 수행합니다. 한 사용자는 Opus가 확신하는 척 거짓말을 하기보다는 자신이 불확실하다고 표시하는 것을 발견했다고 언급했습니다.

이러한 정직함이 중요합니다. 모델이 "이것에 대해서는 확실하지 않습니다"라고 말할 때, 우리는 나머지 부분은 신뢰할 수 있습니다. 모든 것을 동등한 확신으로 지어낼 때는 모든 것을 검증해야 합니다.

Codex가 실행(execution)에 더 뛰어납니다. 기능을 구축하고, 리팩토링하며, 지속성(persistence)이 필요한 장기 실행 작업에 강합니다. OpenAI는 Codex가 복잡한 구현을 위해 7시간 동안 쉬지 않고 작동했다고 말했습니다. 반복적으로 작업을 수행하고, 테스트 실패를 수정하며, 작동하는 코드를 전달하는 것입니다.

자동 조종사 문제 (The Autopilot Problem)

여기서 Opus 4.6이 이상해집니다. 확장된 사고 모드(Extended thinking mode) 때문에 너무 자신만만하게 행동합니다.

GUI 자동화에서 이는 허가 없이 행동합니다. 문제가 생기면 임시방편을 만듭니다. 해결책을 지어냅니다. 이것은 당신이 승인하지 않은 이메일을 보내거나, 잘못된 브랜치에 코드를 커밋할 때까지는 좋아 보입니다.

한 보고서에 따르면 감독 시스템에서 18%의 회피가 관찰되었습니다. 이는 Opus 4.5의 5%와 비교됩니다. 모델이 탐지(detection)를 유발하지 않고 측면 작업을 완료합니다. 만약 이것을 프로덕션 환경에서 사용한다면, 이것은 문제가 됩니다.

해결책은 권한 게이트(permission gates), 드라이런 모드(dry-run modes), 입력 정제(input sanitization)를 추가하는 것입니다. 하지만 그것은 추가 작업입니다. 추가 코드입니다. 추가 테스트가 필요합니다.

Codex는 이러한 문제를 덜 가지고 있습니다. 아마도 처음부터 에이전트 워크플로우(agentic workflows)를 위해 설계되었기 때문일 수도 있고, 아니면 OpenAI가 이전의 실수로부터 배웠기 때문일 수도 있습니다. 어느 쪽이든, Codex는 더 많은 질문을 합니다.

AI 모델에 버전을 명명하는 것

잠시 버전 번호에 대해 이야기할 수 있을까요?

Claude Opus 4.6. GPT-5.3-Codex. 우리는 AI 모델들이 소프트웨어 버전을 가진 이상한 공간에 와 있습니다. 하지만 그것들은 소프트웨어가 아닙니다. 실제로 그렇지 않습니다.

소프트웨어 버전은 보통 의미가 있습니다. 2.0은 메이저(major) 릴리즈이고, 2.1은 패치(patch)입니다. 되돌리거나 버전을 고정할 수 있죠. 하지만 AI 모델의 경우, .6이라는 숫자는 완전히 재작성된 것일 수도 있고, 단순히 매개변수(parameter) 조정일 수도 있습니다. 아무도 모릅니다.

게다가 이름은 계속 길어지고 있습니다. GPT-5.3-Codex는 스타워즈 드로이드 같습니다. Claude Opus 4.6은 스피커 시스템 같아요. 모델들이 BERT, T5처럼 단순한 이름을 가졌던 때가 그립습니다. 심지어 GPT-3조차도 지금보다는 깔끔했죠.

하지만 왜 그렇게 하는지는 알 것 같습니다. 마케팅 때문이죠. 차별화(Differentiation)를 위해서입니다. 이것이 이전 버전과 다르다는 것을 명확히 보여주기 위함입니다. 그래도 여전히 짜증나긴 합니다.

무엇을 사용해야 할까

대부분의 사람들은 Opus 4.6이 필요하지 않습니다. 제가 말씀드렸죠.

만약 빠른 기능 구현, 프로토타입 제작 또는 소규모 코드베이스 작업을 한다면, Codex가 아마 더 나을 겁니다. 속도가 빠르고, 작업당 비용도 저렴하며, 제품 출시(shipping)까지 빠르게 도달할 수 있게 해줍니다.

Opus는 코드 리뷰를 하거나, 거대한 코드베이스에서 작업하거나, 1M 토큰 컨텍스트 창이 필요한 경우에 의미가 있습니다. 또는 누락된 예외 사례(edge case)가 실제 금전적 손실을 초래하는 금융 분석을 할 때 필요합니다.

플랫폼 문제도 있습니다. 이미 GitHub Copilot을 사용하고 있다면, Opus 4.6이 그곳에 방금 출시되었습니다. ChatGPT Pro를 사용한다면, Codex 5.3은 이미 사용할 수 있습니다. 플랫폼을 전환하는 것은 마찰(friction)을 추가합니다.

개인 프로젝트에는 과분한 사양입니다. 학습 목적이 아니라면요. 또는 취미 앱에 크레딧을 태우는 것을 좋아하지 않는다면 말이죠. 대부분의 경우 Sonnet 4.5를 사용하세요. 더 저렴하고 아마도 충분할 겁니다.

솔직히 말해서, 두 모델 모두 3개월 안에 더 좋아질 겁니다. 그러면 이 비교는 중요하지 않을 거예요. 우리는 Opus 4.7 대 Codex 5.4에 대해 논쟁하고 있을 겁니다. 순환은 계속됩니다.

진정한 승자는

레딧(Reddit)의 한 스레드가 정답을 알고 있었습니다. 진짜 승자는 Opus나 Codex가 아닙니다. 과대광고 속에서 무시된 더 저렴한 모델들을 사용하는 모든 사람입니다.

왜냐하면 두 회사가 최고 자리를 두고 싸울 때, 중간 계층(middle tiers)이 발전하기 때문입니다. Sonnet은 개선되고, GPT-5 표준 버전은 빨라지고, 가격은 떨어지며, 컨텍스트 창은 확장됩니다.

경쟁은 모든 것을 더 좋게 만듭니다. 우리가 실제로 매일 사용하는 것까지도 말이죠.

저는 여전히 그 화요일 아침을 생각합니다. 두 발표가 몇 분 간격으로 이루어졌죠. OpenAI의 누군가는 분명 Anthropic의 블로그를 지켜보고 있었고, Anthropic의 누군가는 아마도 OpenAI의 출시 일정을 확인하고 있었을 겁니다.

이 조율은 너무 완벽했습니다. 그리고 인터넷은 논쟁할 두 가지 새 장난감을 얻었습니다. 개발자들은 실제적인 워크플로우 개선을 얻었죠. 모두가 이겼습니다.

다만, 우리의 신용카드 청구서만 빼고요. 그것들만 확실히 졌습니다.