Claude Opus 5 vs GPT-5.6 Sol (2026): 벤치마크 + 실제 청구 비용

요약 (TL;DR). Claude Opus 5와 GPT-5.6 Sol은 서로 오차 범위 내의 가격 차이를 보이는 두 개의 프론티어 모델 (frontier models)이며, "더 저렴한" 모델은 어디서 구매하느냐에 따라 달라집니다. 판매자 정가 (vendor list price) 기준으로 두 모델은 입력 ($5/M) 및 캐시 ($0.50/M) 비용은 동일하지만, 출력 비용에서만 차이가 납니다: Opus 5는 $25/M, Sol은 $30/M으로, 정가 기준으로는 Opus 5가 약 17% 더 저렴합니다. 2026년 7월 27일 기준 ofox에서는 Sol이 -20% 프로모션 ($4/$24/$0.40)을 적용받는 반면 Opus 5는 정가로 유지되어 상황이 역전됩니다. 즉, ofox에서는 현재 Sol이 모든 항목에서 더 저렴합니다. 동일한 하네스 (harness)에서 두 모델을 모두 평가한 유일한 제3자 벤치마크인 Artificial Analysis Intelligence Index v4.1에서는 Opus 5가 2점 차이(최대 성능 기준 61 대 59)로 앞섭니다. 그 외의 모든 출시 수치들은 판매자가 서로 다른 하네스에서 보고한 것이므로 직접적인 비교가 불가능합니다. Sol은 토큰 스트리밍 (streams tokens) 속도가 약 1.4배 더 빠르며 (75.9 대 52.8 tok/s), Opus 5는 첫 번째 토큰 도달 시간 (first token)이 약 1.9배 더 빠릅니다 (69.7s 대 129.5s). 두 모델 모두 하나의 ofox 키로 이용 가능하므로, 가장 정직한 결정 방법은 본인의 작업에 대해 한 줄의 A/B 테스트를 진행하는 것입니다. 이 포스트는 실제 수치를 제공하고, 그렇지 않은 수치들을 식별하며, 테스트를 위한 하네스를 제공합니다.

요약 (TL;DR): 어떤 것을 선택해야 할까요?

빠른 사양 비교

두 모델 모두 현재의 플래그십 (flagship) 모델이며, 서로 3주 간격으로 출시되었습니다 (7월 9일 Sol의 GA 출시, 7월 24일 Opus 5 출시). 아래 표에는 벤더의 **정가 (list price)**와 ofox 가격을 별도로 나열하였는데, 두 가격이 다르기 때문입니다. ofox는 Sol에 대해 20% 프로모션을 진행 중입니다. 모든 수치는 2026년 7월 27일 각 모델의 ofox 페이지를 통해 확인되었습니다.

서류상으로는 두 모델이 거의 일치합니다. 동일한 컨텍스트 (context), 동일한 출력 제한 (output cap), 그리고 동일한 5달러의 정가 입력 비용을 가집니다. 두 모델을 실제로 구분 짓는 두 가지 요소는 가격 (출력을 제외한 정가는 동일하지만, 현재 ofox의 Sol 프로모션으로 인해 재조정됨)과 추론 제어 (reasoning control)를 위해 어떤 네이티브 API (native API)를 사용할 것인가입니다. 아래의 가격 섹션에서는 두 가격을 실제 청구 비용에 적용하여 계산합니다.

실제로 비교 가능한 단 하나의 수치

이번 주에 읽게 될 모든 'GPT-5.6 vs Opus-5' 포스트에는 함정이 있습니다. 그들은 마치 해당 수치들이 동일한 척도에서 나온 것처럼, 한 행에는 Terminal-Bench를, 다음 행에는 CursorBench를, 그리고 그 아래에는 SWE-Bench 수치를 넣은 커다란 표를 만듭니다. 하지만 그렇지 않습니다. Anthropic은 Opus 5를 Anthropic의 하네스 (harness)에서 실행했습니다. OpenAI는 Sol을 OpenAI의 하네스에서 실행했습니다. 벤치마크 (benchmark) 이름이 동일하다고 해서 그것이 공유된 측정 기준인 것은 아닙.

두 모델이 동일한 제3자로부터, 동일한 작업에 대해, 동일한 채점자(grader)로 점수를 매기는 유일한 곳은 Artificial Analysis Intelligence Index v4.1입니다. 해당 인덱스는 GDPval-AA v2, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, AA-LCR를 포함한 9가지 평가의 가중 합산(weighted composite)이며, 에이전트(agents)에 약 34%, 코딩(coding)에 24%, 과학적 추론(scientific reasoning)에 24%, 일반 지능(general intelligence)에 18%의 가중치를 둡니다. Artificial Analysis가 자체 하네스(harness)에서 두 모델을 직접 실행하기 때문에, 이 합산 지수는 현재 존재하는 것 중 가장 정확한 '사과 대 사과(apples-to-apples, 동일 조건)' 비교에 가깝습니다. 또한 평가 구성이 대부분의 사람들이 이 두 모델 사이에서 고민하는 이유인 에이전트 및 코딩 작업에 정확히 치우쳐 있습니다.

출처: Artificial Analysis 비교 페이지, 2026년 7월 27일 열람. Opus 5는 Adaptive Reasoning에서 max effort로 점수가 매겨졌으며, Sol은 max로 매겨졌습니다. AA는 유동적인 벤치마크(rolling benchmark)이므로 정확한 수치는 변동될 수 있으니, 게시 당일에 페이지를 다시 확인하십시오.

Opus 5는 max effort 기준 2점 차이로 앞서고 있습니다. 이는 실제적이고 재현 가능한, 동일한 하네스에서의 결과이며, 이번 비교에서 가장 강력한 단일 사실입니다. 하지만 그 차이는 작습니다. 참고로, 동일한 인덱스에서 Claude Fable 5는 60점(max)을 기록했습니다. 이는 AA의 합산 지수가 Opus 5를 Anthropic의 기존 플래그십 모델보다 아주 근소하게 높게 평가하고 있으며, Sol은 그보다 아주 근소하게 낮게 평가하고 있음을 의미합니다. 이 결과에 과도하게 투자하기 전에 이 점을 주의 깊게 읽으십시오. 9가지 평가의 합산에서 2점 차이는 결정적인 승부(knockout)가 아닙니다. 이는 Opus 5가 광범위하고 중립적인 테스트에서 최소한 Sol과 대등하거나 아마도 아주 약간 더 낫다는 것을 알려줄 뿐, 당신의 리팩터링(refactor), 당신의 마이그레이션(migration), 또는 당신의 에이전트 루프(agent loop)에 어느 쪽이 더 나은지는 말해주지 않습니다. 그것을 확인하기 위해 마지막에 A/B 테스트가 있는 것입니다.

출시 벤치마크가 일치하지 않는 이유

두 업체 모두 출시 수치를 발표했습니다. 이 수치들은 두 자료를 하나의 공유된 표가 아닌, 각각 별개의 마케팅 자료(marketing decks)로 읽는 한 읽어볼 가치가 있습니다. 출처별로 나누면 다음과 같습니다:

Anthropic의 Opus 5 수치 (Anthropic 내부 자료, 미검증, Opus 5 발표 출처):

OpenAI의 GPT-5.6 Sol 수치 (OpenAI 자체 하네스 (harness), GA 출시 출처):

한 표에서 다른 표를 빼서 비교할 수는 없습니다. 만약 그렇게 시도할 경우 어떤 일이 발생하는지 주목하십시오. OpenAI 자체의 SWE-Bench Pro 라인에서 Sol은 64.6%를 기록한 반면, Anthropic은 동일한 이름의 벤치마크에서 Fable 5가 80%라고 보고했는데, 이는 Claude 제품군이 해당 벤치마크에서 훨씬 앞서 있음을 시사하는 것처럼 보입니다. 하지만 이 두 수치는 서로 다른 하네스(harness) 실행 결과에서 나온 것이므로, 그 비교조차도 불확실합니다. 정직한 입장은 출시 자료들이 각 모델이 해당 업체의 자체 테스트에서 프런티어급(frontier-class)임을 입증할 뿐, 그 이상은 아니라는 것입니다. 이미 부정확한 의역들이 유포되고 있으므로, 명확히 구분해 두어야 할 두 가지 포인트가 더 있습니다:

• 91.9%는 Ultra 모드이며, 기본(base) 모드가 아닙니다.

Claude의 플래그십 티어가 실제 코딩 작업에서 어떻게 성능을 내는지에 대한 더 자세한 분석을 원하신다면, Fable 5 vs Opus 4.8 vs GPT-5.5 SWE-Bench breakdown에서 이 포스트와 동일한 방식으로 테스트 환경(harnesses)을 나누어 설명하고 있습니다.

가격 계산: 정가(List Price)는 Opus 5가 유리하지만, 현재 ofox는 반대입니다

여기에는 두 가지 가격이 있으며 서로 일치하지 않으므로, 이를 구분해서 파악해야 합니다.

공급업체 정가 (Vendor list price). Anthropic은 Opus 5의 가격을 100만 토큰당 입력(input) $5 / 출력(output) $25 / 캐시(cached) $0.50로 책정했습니다. OpenAI는 Sol의 가격을 $5 / $30 / $0.50로 책정했습니다. 입력과 캐시 비용은 정확히 일치하므로, 정가 기준으로 유일하게 차이가 나는 부분은 출력 비용이며, 100만 토큰당 $5의 차이는 전적으로 출력 볼륨에 따라 결정됩니다. 정가 기준으로는 Opus 5가 출력 비용 면에서 17% 더 저렴하며, 그 외 다른 부분은 동일합니다. 자체적인 캐시/입력/출력 프로필을 혼합하여 계산하는 Artificial Analysis의 결과도 이와 일치합니다: Opus 5는 100만 토큰당 약 $3.85, Sol은 약 $4.35입니다.

현재 ofox 가격 (ofox price today). 여기서 상황이 뒤집힙니다. 2026년 7월 27일 기준으로, ofox는 GPT-5.6 Sol을 정가($5/$30/$0.50) 대비 20% 할인된 입력 $4 / 출력 $24 / 캐시 $0.40에 제공하고 있습니다. 반면 Opus 5는 프로모션 없이 정가인 $5/$25/$0.50를 유지하고 있습니다. 따라서 현재 ofox에서는 Sol이 모든 항목에서 더 저렴한 모델입니다: 입력 $4 < $5, 출력 $24 < $25, 캐시 $0.40 < $0.50. 정가 기준의 결론이 역전된 것입니다. 프로모션은 변동될 수 있으므로, 경로(route)를 확정하는 날에 두 모델의 페이지를 다시 확인하십시오.

실제 ofox 수치를 적용해 보겠습니다. 하루 100,000건의 요청을 처리하며, 요청당 입력 4K 및 출력 2K를 사용하는 코딩 에이전트 군단(fleet)의 경우:

현실적인 70%의 입력 캐시 히트율 (input cache hit rate)을 적용하면 순위는 유지되지만, 격차는 더 좁아집니다. Opus 5의 실질 입력 비용은 약 $1.85/M로 떨어지고, Sol은 약 $1.48/M로 떨어져, Opus 5는 월 약 $172,000, Sol은 월 약 $162,000에 도달하며 약 월 $10,000의 차이를 보입니다. 캐싱 환경에서는 대부분의 입력이 이미 캐싱되어 있으므로 Sol의 저렴한 입력 비용의 영향력이 줄어들어 격차가 좁혀지지만, ofox를 통한 이용 시 프로모션이 유지되는 한 Sol이 계속 우위를 점합니다.

따라서 비용에 대한 답변은 유효 기간이 있습니다. 벤더의 정가 기준으로는 Opus 5가 승리하지만, 7월 말 기준 ofox에서는 Sol의 프로모션 덕분에 명백히 더 저렴합니다. 만약 ofox를 통해 구매한다면, 할인이 종료될 때까지는 가격 측면에서 Sol을 선택하되, 두 모델을 실제로 구분 짓는 요소는 AA 인덱스 (AA index), 지연 시간 (latency) 차이, 그리고 API 형태 (API shape)가 되도록 두십시오.

기본 요금에 숨겨진 두 가지 추가 비용이 있으며, 이들은 균등하게 상쇄되지 않습니다. 웹 검색 도구 호출 (web-search tool call)은 요청당 비용이 청구되는데, 그 차이가 상당합니다. ofox에서 Sol은 검색당 $0.035를 청구하는 반면 Opus 5는 $0.015를 청구하므로, 검색 비중이 높은 에이전트는 다시 Opus 5 쪽으로 기울게 됩니다. 또한 속도 프리미엄 (speed premiums)은 별도의 항목으로 계산됩니다. Opus 5의 Fast Mode는 동일한 모델을 기본 요금의 두 배로 최대 2.5배 빠른 출력 속도로 실행하며, Sol의 Pro 및 Ultra 모드는 작업당 더 많은 토큰 비용이 발생합니다. 기본 표보다는 이러한 요소들을 귀하의 자체 수치에 모델링하여 반영하십시오.

속도와 지연 시간 (Speed and Latency): 서로 다른 영역에서의 승리

비용은 구매처에 따라 거의 대등한 수준입니다. 속도는 명확한 차이를 보이며, 어떤 모델이 "더 빠른가"는 전적으로 무엇을 측정하느냐에 달려 있습니다. Artificial Analysis는 부하 상황에서 두 모델을 벤치마킹했습니다 (2026년 7월 27일 기준; 이 수치는 변동될 수 있습니다):

Sol은 토큰을 생성하기 시작하면 약 1.4배 더 빠르게 스트리밍하므로, 사용자가 스트리밍 과정을 지켜보는 긴 생성 답변의 경우 Sol이 더 빨리 완료됩니다. Opus 5는 첫 번째 토큰에 도달하는 속도가 대략 1.9배 더 빠르기 때문에, 짧은 대화형 턴(interactive turns), 도구 호출 루프(tool-calling loops), 그리고 체감 응답성(perceived responsiveness)이 중요한 모든 상황에서는 Opus 5가 더 빠르게 느껴집니다. (두 모델 모두 첫 번째 토큰 생성 시간(time-to-first-token) 수치가 큰 이유는 이들이 고부하 테스트 중인 추론 모델(reasoning models)이기 때문이며, 핵심은 절대적인 초 단위가 아니라 순위입니다.) 만약 대화형 코딩 어시스턴트(interactive coding assistant)를 실행한다면, 낮은 첫 번째 토큰 지연 시간(low first-token latency)이 일반적으로 순수 처리량(raw throughput)보다 유리하며, 이는 Opus 5 쪽으로 기울게 합니다. 반면 긴 문서의 배치 생성(batch generation)을 실행한다면 처리량이 승리하며, 이는 Sol 쪽으로 기울게 합니다.

API의 현실: 전환 시 실제로 문제가 발생하는 지점

벤치마크 결과는 거의 대등하지만, API 구조(API shapes)는 그렇지 않습니다. 이 부분이 두 모델이 진정으로 다르게 느껴지는 지점이며, 대부분의 비교 게시물들이 생략하는 부분입니다. 만약 실제 코드베이스를 마이그레이션(migrating)하고 있다면, 다음 사항들이 실제로 당신의 오후 시간을 앗아갈 것입니다.

추론 제어(Reasoning control)가 서로 다른 곳에 존재합니다. Opus 5는 Anthropic의 모델 방식을 사용합니다: 적응형 사고(adaptive thinking)가 기본적으로 활성화되어 있으며, low에서 max까지(high가 기본값)의 effort 사다리를 통해 깊이를 조절합니다. Sol은 OpenAI의 reasoning_effort 파라미터를 사용하며, 이는 /v1/chat/completions에서 none부터 xhigh까지 허용됩니다. OpenAI는 Responses API를 통해 Pro 및 Ultra 모드를 라우팅하며, max effort를 권장합니다. 따라서 Opus 5의 추론을 최대로 설정하는 것은 단 한 단어의 변경으로 가능하지만, Sol의 가장 무거운 모드들은 일반적으로 두 번째 엔드포인트(endpoint)로 이동해야 함을 의미합니다.

Opus 5는 기본적으로 사고(thinking) 기능이 켜져 있으며, 이는 출력을 잘리게 할 수 있습니다. Opus 4.8에서는 thinking 필드가 없는 요청이 사고 과정 없이 실행되었습니다. Opus 5에서는 동일한 요청이 추론(reasoning)을 수행하며, max_tokens가 사고 과정과 가시적인 출력(visible output)을 합산하여 제한하기 때문에, 사고 과정이 없는 4.8 버전에 맞춰 조정된 워크로드(workload)는 출력이 잘릴 수 있습니다. 이전의 동작 방식으로 복구하려면 thinking: {"type": "disabled"}를 설정하거나, max_tokens를 높이십시오. 사람들이 놀라는 한 가지 주의 사항은, Anthropic API에서는 사고 기능을 비활성화하는 것이 high 노력(effort) 수준 이하에서만 허용된다는 점입니다. 따라서 disabled 설정과 xhigh/max 설정을 함께 사용하면 400 에러가 반환됩니다.