벤치마크는 인상적이다, 그런데 진짜로 써보면?

OpenAI가 GPT 5.5를 공개했습니다. 터미널 벤치(Terminal Bench) 2.5에서 82.7점을 기록하며 GPT 5.4(75.1점)는 물론 Claude Opus 4.7(69.4점)도 넘어섰습니다. 프론티어 매스(Frontier Math), 사이버진(CyberGen) 등 다른 벤치마크에서도 Opus 4.7과 Gemini 3.1을 대부분 앞서는 결과를 보여줬습니다.

하지만 벤치마크 점수만으로 실제 사용 경험을 판단할 수는 없습니다. OpenAI가 강조하는 핵심은 “적은 것으로 더 많이 해낸다”는 것 — 작업당 토큰(Token) 소비가 줄고, 더 자율적으로 움직인다는 겁니다. 과연 실전에서도 그럴까요?

GPT 5.5 출시 — 무엇이 달라졌나

GPT 5.5는 OpenAI의 세 번째 플래그십 모델(Flagship Model)입니다. 유출 당시 코드명 “코드(Code)”로 알려졌으며, 지금까지 나온 OpenAI 모델 중 가장 똑똑하고 직관적인 모델로 내세우고 있습니다. 코덱스(Codex) 안에 탑재되어 40만 토큰의 컨텍스트 윈도우(Context Window)를 지원합니다. 반면 Opus 4.7은 100만 토큰입니다.

흥미로운 점은 “모든 면에서 더 낫다”는 식의 접근이 아니라는 겁니다. OpenAI가 강조하는 핵심은 효율성입니다 — 더 적은 토큰으로 같은 품질의 결과를 내고, 모호한 프롬프트(Prompt)를 받았을 때도 스스로 다음 단계를 정해서 실행합니다. 또한 코덱스와 애틀러스(Atlas)의 지능 레이어(Intelligence Layer)로 자리매김하며, 단일 모델이 아닌 플랫폼 전체의 두뇌 역할을 하고 있습니다.

가격은 전작 GPT 5.4 대비 두 배로 올랐습니다 — 입력 $2.5→$5, 출력 $15→$30. Opus 4.7보다 토큰당 단가는 저렴하지만, GPT 5.5가 출력 토큰을 훨씬 적게 쓴다는 점을 감안하면 실제 비용 격차는 더 벌어질 수 있습니다. GPT 5.4에서 올려 쓸 때는 단위 경제성을 꼭 따져야 합니다.

벤치마크 상세 — 어디서 앞서고 어디서 뒤지나

OpenAI가 공개한 벤치마크에서 GPT 5.5는 대부분의 항목에서 앞섰습니다. 내부 엑스포트 벤치(Expert Bench)에서도 GPT 5.4 대비 더 많은 작업을 해내면서 출력 토큰은 더 적게 쓰는 결과를 보여줬습니다. 그러나 실제 GitHub 이슈(Issue)를 해결하는 능력을 측정하는 SWE-Bench Pro에서는 여전히 Claude Opus 4.7이 선두를 유지하고 있습니다.

4가지 실전 테스트 — 실험 설계

벤치마크 수치를 넘어 실제 성능을 확인하기 위해 4가지 실험을 진행했습니다. GPT 5.5는 코덱스에서, Opus 4.7은 클로드 코드(Claude Code)에서 실행했습니다. 엄밀히 말하면 모델 비교가 아닌 코딩 하네스(Coding Harness) 비교라고 반박할 수도 있지만, 결국 그 하네스를 구동하는 건 모델입니다.

모든 실험은 원샷 프롬프트(One-Shot Prompt)로만 진행했습니다 — 추가 질문이나 반복 수정 없이, 프롬프트 하나를 던지고 첫 번째 결과만 평가했습니다.

퍼스널 브랜드 웹사이트 제작

첫 번째 실험은 AI 기반 퍼스널 브랜드 사이트 제작이었습니다. 두 모델 모두 프롬프트 하나로 완성된 결과물을 내놨지만, 접근 방식이 확연히 달랐습니다.

GPT 5.5 (Codex)는 동적 배경 요소와 그림자가 들어간 깔끔한 인터페이스를 만들었습니다. 컨텍스트 맵 시각화, 검증 루프(Verification Loop) 다이어그램 등 구조적 요소에 집중했고, 전형적인 OpenAI 브랜드 느낌이 강했습니다. 약 4분 만에 완료됐고, 예상 API 비용은 약 $1 수준이었습니다.

Opus 4.7 (Claude Code)는 스크롤 배너와 어텐션(Attention) 시각화 같은 기술적 디테일이 돋보였습니다. 토큰 간 관계를 가중치로 보여주는 인터랙티브 요소, 100만 토큰 메모리 구조 시각화, 커밋 전 분기 경로를 보여주는 다이어그램까지 포함됐습니다. 다만 약 14분이 걸렸고, 비용은 약 $5에 달했습니다.

속도와 비용에서 GPT 5.5의 우위는 뚜렷했습니다 — 3.5배 빠르고 5배 저렴했습니다. 디자인 품질은 주관적이지만, 효율성 측면에서는 확실한 차이를 보여줬습니다.

태양계 시뮬레이션

두 번째 실험은 인터랙티브 태양계 시뮬레이션(Solar System Simulation)이었습니다. 행성을 클릭하면 정보를 보여주고, 시뮬레이션 속도를 100배까지 올릴 수 있는 기능이 포함됐습니다.

GPT 5.5 버전은 기능적으로 충실했지만, 화면 비율이 눌려 보이는 문제가 있었고 태양 주위에 불필요한 박스가 생겼습니다. 디자인 완성도가 아쉬운 부분이었죠. 반면 Opus 4.7 버전은 전체 비율이 자연스러웠고, 태양 표현도 더 사실적이었습니다. 행성 클릭 시 해당 공전 궤도만 뚜렷하게 보이는 UX 디테일도 좋았습니다.

실행 시간은 거의 비슷했고(GPT가 약 1분 빨랐음), 오히려 Opus 4.7이 약 $1 더 저렴했습니다. 결과물 품질과 비용 모두에서 Opus가 앞선 사례입니다.

3D 우주 슈팅 게임

세 번째 실험은 3D 우주 슈팅 게임이었습니다. 마우스로 조작, 시프트로 가속, 스페이스바로 사격하는 게임을 원샷 프롬프트로 제작했습니다.

GPT 5.5 버전은 물리 효과가 뛰어났습니다. 속도감 있는 움직임, 부드러운 방향 전환이 인상적이었고, 소행성을 파괴하면 점수가 올라가는 게임 로직도 제대로 작동했습니다. 체력 시스템도 있어서 소행성에 부딪히면 체력이 줄어드는 것까지 완성됐습니다.

Opus 4.7 버전은 효과음이 조금 나은 편이었지만, 조작이 투박하고 끊기는 느낌이 있었습니다. 전체적으로 버그가 있는 것처럼 느껴졌고, UI도 상대적으로 알아보기 어려웠습니다.

이 테스트는 GPT 5.5의 확실한 승리였습니다. 절반의 시간, 더 적은 토큰, 더 낮은 비용, 그리고 훨씬 나은 결과물. 4가지 실험 중 속도·비용·품질 세 축 모두에서 앞선 유일한 사례입니다.

생태계 시뮬레이션 게임

마지막 실험은 가장 복잡한 프롬프트였습니다 — 살아 있는 생태계 시뮬레이션(Ecosystem Simulation). 개체수, 세대, 적합도를 추적하고, 먹이를 뿌리거나 생물을 생성하는 인터랙션이 포함된 게임이었습니다.

결론부터 말하면 양쪽 모두 불완전했습니다. GPT 5.5 버전은 먹이 뿌리기 버튼이 작동하지 않았습니다(풀이나 숲 위에서만 동작하고, 시각적 피드백이 없었음). Opus 4.7 버전은 더 심각해서, 생물들이 한 자리에 고정되어 상호 작용이 전혀 없었고, 개체수가 10에 도달하면 그대로 멈추는 로직 버그가 있었습니다.

흥미로운 점은 GPT 5.5가 출력 토큰을 약 28,000개밖에 쓰지 않았는데도 Opus의 결과물과 거의 동일한 수준(비록 둘 다 불완전하지만)을 냈다는 것입니다. “더 적은 토큰으로 더 많이 해내는” 특성이 이 복잡한 과제에서도 확인됐습니다.

이 실험은 원샷 프롬프트의 한계를 보여줬습니다. 복잡한 시뮬레이션은 어떤 모델이든 반복 피드백 과정이 필요합니다. 다만 GPT 5.5의 토큰 효율은 이 복잡한 과제에서도 일관되게 나타났습니다.

4개 테스트 종합 — 숫자로 보는 전체 그림

4개 실험의 전체 수치를 합산해 보면 두 모델의 성격 차이가 선명하게 드러납니다. 총 실행 시간, 토큰 사용량, 비용 모든 면에서 GPT 5.5가 더 가볍습니다.

가장 극적인 차이는 출력 토큰입니다. GPT 5.5는 4개 실험 합산 약 70,000 토큰, Opus 4.7은 약 250,000 토큰을 사용했습니다 — 3.5배 이상의 격차입니다. 출력 토큰이 입력보다 비싸기 때문에, 이 효율성 차이가 비용 절감으로 직결됩니다.

총 실행 시간도 GPT 5.5가 절반 수준(약 21분 vs 약 41분)이었습니다. 4개 실험에서 GPT가 총 $3 정도 더 저렴했고, 매번 조금씩 더 싸다는 건 대량 작업에서는 누적 차이가 커진다는 의미입니다.

최종 비교 — 각 모델이 빛나는 순간

4개 실험의 결과를 종합하면, 단순히 “어떤 모델이 더 좋다”고 말할 수 없습니다. 각 모델이 강점을 발휘하는 영역이 다릅니다.

실무자를 위한 4가지 핵심 포인트

1. 에이전트 코딩은 업그레이드됐지만, 실전에서는 Anthropic이 여전히 앞선다. SWE-Bench Pro에서 Opus 4.7이 1위를 유지하고 있습니다. 벤치마크 점수와 실제 코드베이스(Codebase) 해결 능력은 별개의 문제입니다.

2. 가격이 두 배가 됐다면, 단위 경제성을 따져라. GPT 5.4에서 5.5로 바꿀 때 토큰당 단가는 올랐지만, 출력 토큰을 3.5배 적게 쓰니 총 비용은 오히려 줄어들 수 있습니다. 자신의 워크플로(Workflow)에서 실제 비용을 계산해 보는 것이 중요합니다.

3. OpenAI는 플랫폼 전략을 추구하고 있다. GPT 5.5는 코덱스와 애틀러스의 지능 레이어입니다. 단일 모델 경쟁이 아니라 전체 생태계 구축을 노리고 있습니다. 툴 호출(Tool Call), 멀티 에이전트(Multi-Agent) 병렬 실행, 재사용 가능한 워크플로 같은 코덱스 업그레이드가 그 방향을 보여줍니다.

4. 출시 주기가 빨라지고 있다 — 유연한 체계가 답이다. GPT 5.4 이후 불과 6주 만에 5.5가 나왔습니다. 특정 모델에 최적화하기보다, 빠르게 실험하고 유연하게 전환할 수 있는 체계를 갖추는 것이 훨씬 중요합니다. 새 버전이 나올 때마다 판이 바뀌는 것처럼 보이지만, 실제로는 유스케이스(Use Case)별 강점이 다를 뿐입니다.