Docs | Src |  A-  |  A*  |  A+  | -/-

Metadata
# 2026년 늦가을 AI 모델: 독립 벤치마크로 살펴본 솔직한 비교 기술 벤치마크는 현재 상황을 파악하는 데 별 도움이 되지 않는 경우가 많다. 오히려 더 혼란스럽게 만들기도 한다. 그래서 신뢰할 만한 독립 연구만을 바탕으로 직접 살펴보기로 했다. 모델은 세 가지 기준으로 평가했다. 긴 컨텍스트는 보고서, 계약서, 학술 문헌처럼 분량이 많은 문서를 얼마나 정확하게 처리하는지를 뜻한다. 속도는 얼마나 빠르게 응답하고 작업을 마치는지를 나타낸다. 추론은 복잡한 분석적 질문을 얼마나 깊이 있고 정확하게 사고하는지에 관한 기준이다. 각 기준에는 아티피셜 애널리시스(Artificial Analysis), 아레나(Arena, 구 LMArena), 라이브벤치(LiveBench), 오픈라우터(OpenRouter) 등 독립 기관의 데이터만 사용했다. 전체 출처는 글 끝에 정리했다. 제공업체가 발표한 수치는 전혀 사용하지 않았다. 그런 수치에는 사실보다 마케팅이 훨씬 많이 섞여 있기 때문이다. 따라서 표에 담긴 데이터가 특정 LLM의 기존 평판과 어긋나는 경우도 있다. 문학적인 산문을 생성하는 능력은 의도적으로 평가하지 않았다. 모든 모델이 아직 이 작업을 매우 못한다고 판단하기 때문이다. 「[AI 모델 다섯 개가 흉내 낸 헤밍웨이의 문체](https://silentroom.media/the-method/hemingway-writing-style-ai-test)」를 참고하라. 또한 이 분야의 벤치마크는 전혀 신뢰하지 않는다. ## 모델 비교표 각 모델 이름 아래에 가격대($~$$$$)와 독립 데이터를 바탕으로 산정한 세 가지 점수를 표시했다. EfC는 유효 컨텍스트, Sp는 속도, Th는 사고력, 즉 추론 능력이다. 각 점수는 해당 기준에서 모델이 얼마나 좋은 성능을 내는지 나타낸다. 0점은 낮음, 3점은 매우 우수함을 뜻한다. 점수는 아티피셜 애널리시스가 측정한 모드 중 성능이 가장 좋은 모드를 기준으로 한다. 제공업체가 새로운 가격을 이미 발표했다면 그 가격을 기재했다. EfC는 2점만 받아도 우수한 결과다. 3점은 확실한 격차로 앞서는 모델에만 부여했다. 단점이 없다고 해서 완벽한 모델이라는 뜻은 아니다. 아직 독립적인 테스트가 충분하지 않아 결함이 드러나지 않았을 뿐이다. EfC는 아티피셜 애널리시스의 긴 컨텍스트 테스트인 AA-LCR을 기준으로 한다. 데이터가 없으면 점수를 부여하지 않고 모델 카드에 이를 명시했다. “잠정 점수(Preliminary score)”는 다른 모드나 이전 빌드에서 측정했거나 출처가 하나뿐이라는 뜻이다. Th는 아티피셜 애널리시스 지능 지수 v5를 기준으로 한다. 2026년 10월 27일 도입된 이 지수는 이전 버전보다 엄격해 저가 모델 다수의 점수가 눈에 띄게 낮아졌다. “신규(New)”는 이번 순위에 처음 포함된 모델이라는 뜻이다. “이미지 생성*”은 같은 제공업체의 별도 모델이 이미지를 생성한다는 의미다. ### 플래그십 | | | | --- | --- | | **클로드 페이블 5.1(Claude Fable 5.1)**_(신규(NEW))_ $$$$ EfC 2 · Sp 0 · Th 3 | 앤트로픽의 최상위 클로드 모델로, 페이블 5를 대체하며 9월 1일 출시됐다. 출시 당시 에이전트 아레나 1위에 올랐다. 사용자가 실제 장시간 작업에 모델을 투입해 평가하는 순위로, 가장 가까운 경쟁 모델보다 약 두 배 많은 호평을 받았다. 10월 27일 아레나 텍스트 순위에서는 5위(1504점)다. 오퍼스 5.5(1509점)와는 오차 범위 안에 있으며, 제미나이 4 아르곤과 카본보다는 뒤처진다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서는 50점으로 상위권이지만 선두는 아니다. 오퍼스 5.5(58점)와 GPT-6 아스트라(57점)가 앞선다. 깊이 사고하고 사실을 신중하게 다루며 까다로운 작업에서도 제 몫을 한다. 다만 고도로 전문화된 분야에서는 다른 모델과 마찬가지로 자신 있게 틀릴 수 있다. 본격적인 분석과 어려운 의사결정에 사용하라. 긴 문서 처리 능력은 다른 플래그십과 비슷하다. AA-LCR에서 82%를 기록했지만 low 모드에서 측정한 결과라 EfC 점수는 잠정치다. **단점:** 매우 비싸고 매우 느리다. 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러다. AA 지능 지수의 작업당 평균 비용은 10.85달러로 표에 있는 모델 중 가장 높다. 생성 속도는 초당 약 63토큰으로 평균 이하이며, xhigh 모드에서는 답변을 시작하기까지 1분 넘게 걸린다. 페이블 5보다 토큰을 약 1.7배 많이 사용하므로 캐시 할인이 있어도 전작보다 저렴해지지 않았다. 안전 분류기가 사이버보안과 생물학 관련 요청을 성능이 낮은 오퍼스로 넘긴다. AA 테스트에서는 이렇게 처리된 출력이 전체 출력 토큰의 약 4%를 차지했다. 곁가지로 빠지고, 한 번에 정답을 내놓는 일이 드물며, 안전한 쪽으로 답하려는 경향이 있다. | | **클로드 오퍼스 5.5(Claude Opus 5.5)**_(신규(NEW))_ $$$ EfC 2 · Sp 1 · Th 3 | 오퍼스 5.0을 대체하며 9월 22일 출시됐다. 입력·출력 토큰 100만 개당 가격이 4달러/20달러로 낮아졌다. 페이블 5.1의 2.5분의 1 가격인데 성적은 더 좋다. 아티피셜 애널리시스 지능 지수(v5)에서 페이블 5.1의 50점보다 높은 58점을 기록해 전체 2위에 올랐다. 10월 27일 사람들의 블라인드 비교에서는 텍스트 아레나 3위(1509점)다. 제미나이 4 아르곤(1520점)과 제미나이 4 카본(1528점, 잠정치)에 뒤처진다. 페이블 5.1(1504점)과의 격차는 오차 범위 안이며, 출시 당시에는 1위였다. 10월 23일 에이전트 아레나에서는 1위다. 긴 문서 처리 능력은 다른 플래그십과 비슷하다. AA-LCR에서 85%로 주력 모델군의 최상단에 있다. 지시를 정확히 따르며 가속 모드도 제공한다. 예산을 고려해야 하는 중요한 업무에 합리적인 선택이다. **단점:** 말이 매우 많다. max 모드로 AA 지수를 측정하는 데 토큰 2억 2,000만 개를 사용했다. 비슷한 가격대 모델의 중앙값은 약 7,000만 개다. 따라서 토큰당 가격이 낮아도 작업당 비용은 10.04달러다. max 모드에서는 답변 시작까지 약 12분이 걸린다. xhigh 모드는 성능이 거의 비슷하면서도 57점을 기록하고, 비용은 40% 적으며, 2분 만에 답변을 시작한다. 생성 속도는 초당 약 96토큰으로 평균 이상이다. | | **GPT-6.1 솔(GPT-6.1 Sol)**_(신규(NEW))_ $$ EfC 2 · Sp 1 · Th 3 이미지 생성* | GPT-5.6 솔을 대체하며 9월 29일 출시됐다. 가격은 5분의 1이지만 성능은 플래그십에 가깝다. 아티피셜 애널리시스 지능 지수(v5)에서 GPT-6 아스트라의 57점에 비해 55점을 기록했다. 입력·출력 토큰 100만 개당 가격은 아스트라가 10달러/50달러인 반면 솔은 2달러/10달러다. 분석과 보고서 작성에 사용하라. 긴 문서 처리 능력은 다른 플래그십과 비슷하며 AA-LCR에서 83%를 기록했다. 창작에서는 클로드보다 건조하고 구조가 더 엄격하며 어조의 폭이 좁다. **단점:** 빠르지 않다. 생성 속도는 초당 약 80토큰으로 평균 수준이지만, max 모드에서는 답변을 시작하기까지 약 5분이 걸린다. xhigh 모드에서는 약 2분 30초가 걸리며 지수는 52점이다. 대신 경제적이다. AA 지수 측정에 사용한 토큰은 6,400만 개로 중앙값 7,000만 개보다 적었다. 작업당 비용은 1.27달러로 오퍼스 5.5의 거의 8분의 1이다. | | **GPT-6 아스트라(GPT-6 Astra)**_(신규(NEW))_ $$$$ EfC 2 · Sp 1 · Th 3 이미지 생성* | 9월 3일 출시된 오픈AI의 플래그십이다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 57점으로 4위를 기록했다. 페이블 5.1(50점)보다 점수가 높으면서 작업당 비용은 더 낮다. 아스트라는 6.24달러, 페이블은 10.85달러다. 출시 당시 AA 측정에서 환각률은 92%에서 51%로 떨어졌다. GPT-5.6 솔의 절반 수준으로, 사실을 다루는 작업에서 중요한 차이다. 코드, 컴퓨터 사용, 3D, 수학처럼 결과를 검증할 수 있는 분야에 가장 강하다. 긴 문서 처리 능력은 다른 플래그십과 비슷하며 AA-LCR에서 81%를 기록했다. **단점:** 비싸다. 입력·출력 토큰 100만 개당 10달러/50달러로, 4달러/20달러인 GPT-5.6 솔의 2.5배다. 속도도 빠르지 않다. 초당 약 78토큰으로 평균 이하이며, max 모드에서는 답변 시작까지 몇 분이 걸린다. 코드보다 글에 약하다. 루이프랑수아 부샤르의 편집 작업 테스트에서는 GPT-5.6 솔이 6위를 차지한 데 비해 11위에 그쳤다. AA의 전문 업무 테스트 GDPval-AA에서도 GPT-5.6 솔보다 Elo 점수가 약 80점 하락했다. 문체에 대한 평가는 엇갈린다. 에브리에서는 자사 리뷰의 초안 작성을 맡겼는데, 편집장은 사람이 쓴 글이 아니라는 사실을 알아차리지 못했다. | | **제미나이 3.1 프로(Gemini 3.1 Pro)** $$ EfC 2 · Sp 2 · Th 2 이미지 생성* | 구글의 이전 최상위 모델이다. 2월에 출시됐으며 아직 프리뷰 상태다. 구글은 서비스 종료일을 발표하지 않았다. 현재 최상위 자리는 10월 13일 출시된 제미나이 4 아르곤이 차지했다. 표에 남겨둔 이유는 가격이다. 입력·출력 토큰 100만 개당 2달러/12달러이며, 프롬프트가 20만 토큰을 넘으면 4달러/18달러다. 12월 1일 이후에는 아르곤(4달러/20달러)보다 저렴해진다. 텍스트, 이미지, 오디오, 동영상을 입력받고 긴 컨텍스트를 매우 잘 처리한다. 과학과 이미지에 대한 이해력도 좋다. 글쓰기와 대용량 문서 작업에 사용하되 깊은 추론까지 기대하지는 말라. 새 AA 지수(v5)나 AA-LCR의 독립 측정 결과가 없어 EfC와 Th는 이 글의 이전 버전에서 가져온 잠정 점수다. 속도는 최신 측정치로, 초당 약 145토큰이며 평균보다 빠르다. **단점:** 제미나이 3 계열 전반에서 환각과 사용자 비위 맞추기 현상이 확인됐다. 이전 버전보다 문체가 건조하고 딱딱하다. | | **제미나이 4 아르곤(Gemini 4 Argon)**_(신규(NEW))_ $$$ EfC 2 · Sp 1 · Th 3 이미지 생성* | 제미나이 4 세대의 첫 모델이자 현재 구글의 플래그십이다. 9월 30일 소수의 사이버보안 파트너를 대상으로 발표됐다. 10월 13일부터 누구나 유료 API로 사용할 수 있으며, 제미나이 앱에서는 AI 프로 또는 울트라 구독이 있어야 한다. 사람들의 블라인드 비교인 텍스트 아레나에서는 2위다. 10월 27일 기준 1520점을 기록했다. 하지만 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서는 50점으로 오퍼스 5.5(58점)와 GPT-6 아스트라(57점)에 뒤처진다. 가장 큰 특징은 신중함이다. 출시 당시 AA 측정에서 환각률은 아스트라의 51%에 비해 15%에 불과했다. 다만 정답률도 63% 대 50%로 더 낮았다. 답을 지어내느니 답하지 않는 쪽을 택한다는 뜻이다. 긴 문서 처리 능력은 다른 플래그십과 비슷하며 AA-LCR에서 80%를 기록했다. 텍스트와 이미지를 입력받고 출력은 최대 100만 토큰까지 가능하다. **단점:** 12월 1일부터 가격이 두 배가 된다. 현재 입력·출력 토큰 100만 개당 2달러/10달러이지만 이후에는 4달러/20달러다. 카드에는 인상 후 가격을 반영했다. 말이 많아 AA 지수 측정에 토큰 1억 1,000만 개를 사용했다. 중앙값은 7,000만 개다. 따라서 인상 후 작업당 비용은 7.68달러로 아스트라의 6.24달러보다 높다. 생성 속도는 초당 약 83토큰으로 평균보다 조금 빠르며, high 모드에서는 1분 안에 답변을 시작한다. | | **그록 4.7(Grok 4.7)**_(신규(NEW))_ $$ EfC 2 · Sp 1 · Th 1 이미지 생성* | 9월 21일 그록 4.6을 대체한 새 버전이다. 더 큰 기반 모델을 사용하면서도 가격은 입력·출력 토큰 100만 개당 2달러/6달러로 동일하다. 프롬프트가 20만 토큰을 넘으면 두 배다. 스페이스XAI가 출시했다. 구 xAI가 스페이스X와 합병한 뒤 7월부터 사용하는 이름이다. 최신 뉴스와 소셜 미디어 동향에 밝고 이미지 생성 능력이 특히 뛰어나다. 그러나 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서는 35점에 그쳤다. 평균 이하이며 플래그십과 격차가 크다. 오퍼스 5.5는 58점, 아스트라는 57점이다. 이전 버전 지수에서도 전작의 44점보다 조금 높은 46점에 그쳤다. 긴 문서에서는 AA-LCR 77%로 중간 수준이다. 컨텍스트는 50만 토큰으로 경쟁 모델의 절반에 불과하다. **단점:** 말이 많다. AA 지수 측정에 토큰 1억 2,000만 개를 사용했다. 중앙값은 7,000만 개다. 토큰당 가격이 낮아도 작업당 비용은 6.18달러로 GPT-6 아스트라(6.24달러)와 거의 같지만 지능 수준은 훨씬 낮다. 생성 속도는 초당 약 78토큰으로 평균보다 조금 느리며, 답변 시작까지도 30초~1분이 걸린다. AA가 측정한 그록 4.5의 환각률은 54%였다. 4.7에 대해서는 비교 가능한 측정치를 찾지 못했으므로 사실 확인이 필요하다. 스페이스XAI, 즉 구 xAI는 콘텐츠 제한을 크게 완화했고, 이후 딥페이크 관련 사건을 비롯한 논란이 잇따랐다. 감사와 규정 준수 요건이 엄격한 곳에서는 그록을 사용하지 말라. 실수의 대가가 큰 상황에서는 반드시 답변을 검증하라. | | **키미 K3.1 프로(Kimi K3.1 Pro)**_(신규(NEW))_ $$ EfC 2 · Sp 0 · Th 2 | K3를 업데이트한 모델이다. 같은 아키텍처를 추가 학습해 10월 23일 출시했다. 전체 파라미터는 2조 8,000억 개, 활성 파라미터는 1,040억 개이며 컨텍스트는 100만 토큰이다. 입력·출력 토큰 100만 개당 가격은 3달러/15달러에서 2달러/10달러로 3분의 1 낮아졌다. 문샷은 이를 오픈 모델이라고 부르며 11월 4일까지 가중치를 공개하겠다고 약속했다. 하지만 현재는 API로만 사용할 수 있고, 이전 K3는 계속 공개돼 있다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 46점을 기록했다. 좋은 결과지만 선두 모델인 오퍼스 5.5(58점), 아스트라(57점)와는 차이가 뚜렷하다. 그래도 가격은 오퍼스 5.5의 절반, 페이블 5.1의 5분의 1이다. 문서 작업에서는 K3보다 눈에 띄게 좋아졌다. AA 전문 문서 테스트(GDP.pdf)에서 22%였던 성적이 31%로 올랐다. 긴 컨텍스트에서는 AA-LCR 86.3%로 주력 모델군의 최상단에 있다. K3는 88.7%였다. 다만 이 측정치는 출처를 하나만 찾았으므로 EfC 점수는 잠정치다. 대용량 문서에 사용하되 느리다는 점을 염두에 두라. **단점:** 초당 약 31토큰으로 표에서 가장 느리다. K3는 66토큰이었다. 답변을 시작하기까지도 1분 넘게 걸린다. 말이 많아 AA 지수 측정에 토큰 1억 1,000만 개를 사용했다. 중앙값은 7,000만 개이며 작업당 비용은 3.68달러다. 글쓰기에서는 AA의 새로운 언어 표현력 테스트 결과를 눈여겨볼 필요가 있다. 어휘의 다양성, 심상 표현, 자연스러움에서 K3보다 뚜렷하게 뒤처지며 승률도 낮다. 가중치는 아직 공개되지 않았고 라이선스도 발표되지 않았다. | | **메타 뮤즈 스파크 1.3(Meta Muse Spark 1.3)**_(신규(NEW))_ $ EfC 2 · Sp 3 · Th 1 | 코딩과 에이전트 작업에 초점을 맞춘 메타의 모델이다. 9월 2일 출시됐으며 5개월 사이 나온 이 계열의 네 번째 버전이다. 입력·출력 토큰 100만 개당 1.25달러/4.25달러로 저렴하다. 이보다 12~21배 저렴한 컨트리뷰터 요금제도 있다. 가격은 0.10달러/0.20달러지만 메타가 사용자의 프롬프트로 모델을 학습하므로 업무나 기밀 문서에는 적합하지 않다. 초당 약 168토큰으로 표에서 가장 빠른 모델 중 하나다. 긴 문서에서는 AA-LCR 83%로 중간 수준이다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)는 36점으로 평균 이하다. 이전 지수에서는 GPT-5.6 솔과 비슷한 61~62점을 받았지만, 대부분의 평가 과제가 비공개인 새 버전에서는 점수가 크게 낮아졌다. 아레나 텍스트 순위에서는 10월 27일 기준 1495점으로 11위다. **단점:** 말이 많다. AA 지수 측정에 토큰 1억 2,000만 개를 사용했다. 중앙값은 7,000만 개이며 작업당 비용은 2.39달러다. 답변을 시작하기까지 약 30초가 걸린다. AA 측정에 따르면 1.3 버전은 확신이 없을 때 답변을 거절하는 경우가 늘었다. 덕분에 환각률은 낮아졌지만 정답률도 떨어졌다. AA는 뮤즈 원더 출시 후 이 모델의 정기 테스트를 중단했다. 메타는 1.3 버전의 가중치를 공개하겠다고 약속하지 않았다. | | **메타 뮤즈 원더(Meta Muse Wonder)**_(신규(NEW))_ $$$ EfC 2 · Sp 2 · Th 2 | 메타 최초의 “프런티어급(frontier-class)” 모델이다. 뮤즈 스파크 계열의 후속으로 10월 12일 출시됐으며 가격이 단번에 크게 올랐다. 입력·출력 토큰 100만 개당 4달러/20달러다. 스파크 1.3은 1.25달러/4.25달러다. 사람들의 블라인드 비교에서는 텍스트 아레나 4위다. 10월 27일 기준 1507점으로 오퍼스 5.5, 페이블 5.1과 같은 수준이며 두 모델과의 차이는 오차 범위 안이다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서는 43점이다. 평균보다 높지만 선두와는 뚜렷한 격차가 있다. 텍스트, 이미지, 오디오, 동영상을 입력받는다. 컨텍스트는 100만 토큰이며 긴 문서에서는 AA-LCR 81%로 중간 수준이다. 스탠더드 요금제로만 제공되며 메타는 사용자의 프롬프트를 학습에 사용하지 않는다. **단점:** API가 아직 프리뷰 상태다. 더 강력한 뮤즈 원더 풀은 월 50달러부터 시작하는 뮤즈 코드 구독으로만 사용할 수 있고 API는 없다. 말이 많아 AA 지수 측정에 토큰 1억 1,000만 개를 사용했다. 중앙값은 7,000만 개이며 작업당 비용은 6.95달러다. 답변을 시작하기까지 약 30초가 걸린다. 출시 당시 AA는 지식 테스트 점수가 낮다고 지적했지만 낮은 환각률이 이를 일부 보완했다. | ### 일상적인 사용 | | | | --- | --- | | **클로드 소네트 5.5(Claude Sonnet 5.5)**_(신규(NEW))_ $$ Sp 2 · Th 3 긴 컨텍스트 데이터 아직 없음 | 클로드의 주력 모델이다. 소네트 5를 대체하며 9월 28일 출시됐고, 입력·출력 토큰 100만 개당 2달러/10달러로 가격은 같다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 max 모드 기준 54점으로 8위다. 토큰당 가격은 오퍼스 5.5의 절반이지만 점수 차이는 4점에 불과하다. 빠르고 유능하다. 생성 속도는 초당 약 138토큰으로 평균을 크게 웃돈다. 긴 컨텍스트도 잘 유지한다. 소네트 5는 AA-LCR에서 77%를 기록했지만 5.5의 독립 측정치는 아직 없어 EfC 점수는 부여하지 않았다. 여러 단계로 이뤄진 복잡한 작업을 자신 있게 처리하고, 생동감 있고 자연스러운 문체로 글을 쓴다. 중간 난도의 문서, 이메일, 글 작성에 사용하라. 사람들의 블라인드 비교인 텍스트 아레나에서는 10월 27일 기준 1477점으로 오퍼스 5.5(1509점)보다 눈에 띄게 낮다. **단점:** 모드에 따라 결과가 크게 달라진다. max에서는 답변을 시작하기 전에 약 8분 동안 사고한다. high와 medium에서는 지수가 각각 41점과 30점으로 크게 낮아진다. xhigh는 50점이며 30초 만에 답변을 시작하고 작업당 비용은 4.09달러다. AA 순위에서 말이 가장 많은 모델로 57개 중 57위다. 지수 측정에 토큰 3억 4,000만 개를 사용했으며 중앙값은 7,000만 개다. 따라서 max 모드의 작업당 비용은 10.02달러로, 토큰당 가격이 두 배인 오퍼스 5.5(10.04달러)와 같다. 출시 당시 AA-Omniscience 지식 테스트에서는 정답률 54%로 오퍼스 5.5의 66%에 뒤처졌다. 하지만 모르는 답을 지어내는 비율은 47%로 오퍼스의 59%보다 낮았다. | | **GPT-6.1 테라(GPT-6.1 Terra)**_(신규(NEW))_ $ Sp 1 · Th 3 긴 컨텍스트 데이터 아직 없음 이미지 생성* | 균형 잡힌 GPT 모델이다. GPT-5.6 테라를 대체하며 10월 26일 출시됐다. 가격은 솔의 절반인 입력·출력 토큰 100만 개당 1달러/5달러다. 프롬프트가 27만 2,000토큰을 넘으면 2달러/7.50달러다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 max 모드 기준 51점으로 솔(55점)보다 4점 낮을 뿐이다. 작업당 비용은 0.96달러로 소네트 5.5 max 모드(10.02달러)의 약 10분의 1이다. 지수는 각각 51점과 54점이다. 생성 속도는 초당 약 97토큰으로 평균보다 빠르며 이미지도 생성한다. 긴 컨텍스트를 잘 유지한다. 이전 버전에서는 확인됐지만 6.1의 독립 측정치는 아직 없어 EfC 점수를 부여하지 않았다. 다른 오픈AI 모델과 마찬가지로 타사 모델보다 구조를 엄격하게 지키므로 형식이 중요한 이메일과 기사 작성에 좋은 선택이다. **단점:** 오픈AI 릴리스 노트에 따르면 챗GPT에서는 현재 워크와 코덱스에서만 사용할 수 있고 일반 채팅에서는 사용할 수 없다. AA 지수 측정에 토큰 9,900만 개를 사용했다. 중앙값은 7,000만 개이며 max 모드에서는 답변을 시작하기까지 약 4분 30초가 걸린다. 추론 강도가 낮은 모드에서는 점수도 낮아진다. xhigh는 45점, high는 42점, medium은 38점이다. | | **딥시크 V4 프로(DeepSeek V4 Pro)** $ EfC 2 · Sp 1 · Th 0 | MIT 라이선스로 가중치를 공개한 딥시크의 플래그십이다. 8월 13일 버전이며 파라미터는 1조 6,000억 개, 컨텍스트는 100만 토큰이고 텍스트만 지원한다. 긴 컨텍스트 처리 능력은 플래그십에 가깝다. AA-LCR 75%로 주력 모델군의 하단에 해당한다. 속도는 기존에 알려진 것보다 빠르다. 초당 약 94토큰으로 오픈 모델 중 평균 이상이다. 비용은 매우 저렴하다. 예산이 빠듯한 분석과 조사에 사용하라. 다만 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서는 23점에 그쳤다. 더 작은 V4.1 플래시는 32점으로 성능이 더 좋으면서 비용은 3~4분의 1이다. 지금은 V4.1 플래시부터 사용하고 자신의 작업으로 프로를 시험하는 편이 합리적이다. **단점:** 가격이 올랐다. 8월 16일부터 시간대별 요금이 적용돼 평일 혼잡 시간에는 입력·출력 토큰 100만 개당 1.32달러/3.96달러, 그 외 시간에는 절반인 0.66달러/1.98달러다. 모른다는 사실을 거의 인정하지 않는다. AA-Omniscience에서 오답 생성률은 94%다. V4.1 플래시는 64%다. 검열이 모델 자체에 내장돼 있어 일반적인 자체 호스팅 배포만으로는 제거할 수 없다. 이전 세대 모델인 R1은 중국 정부가 꺼리는 주제에서 약 85%의 답변 거절률을 보였다. CTGT 연구진은 딥시크 V4 플래시의 답변으로 학습한 모델이 검열을 물려받지 않을 수 있음을 보였다. 다만 확인된 사례는 하나뿐이다. 소비자 서비스의 데이터는 중국 내 서버에 저장된다. 여러 국가의 규제기관은 공무원의 앱 다운로드나 사용을 금지했다. | ### 빠르고 가벼운 모델 | | | | --- | --- | | **제미나이 3.8 플래시(Gemini 3.8 Flash)**_(신규(NEW))_ $$ Sp 2 · Th 1 긴 컨텍스트 데이터 아직 없음 이미지 생성* | 구글의 새로운 고속 모델이다. 3.6과 3.7 플래시를 대체하며 9월 2일 출시됐고 3.7 플래시를 기반으로 한다. 텍스트, 이미지, 오디오, 동영상을 입력받으며 컨텍스트는 100만 토큰이다. 12월 31일까지 입력·출력 토큰 100만 개당 0.75달러/3.75달러다. 2027년 1월 1일부터는 1.50달러/7.50달러로 두 배가 된다. 카드에는 인상 후 가격을 반영했다. API와 AI 스튜디오에는 제한이 엄격한 무료 요금제가 있다. 제미나이 앱에서는 AI 프로 또는 울트라 구독이 있어야 한다. 생성 속도는 초당 약 120토큰으로 평균을 크게 웃돈다. 사람들의 블라인드 비교에서는 텍스트 아레나 10위다. 10월 27일 기준 잠정 점수는 1496점이다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)는 31점으로 평균 이하다. 초안과 간단한 질문에 사용하라. 긴 컨텍스트의 독립 데이터는 아직 없다. **단점:** 말이 매우 많다. AA 지수 측정에 토큰 1억 3,000만 개를 사용했다. 중앙값은 7,000만 개다. 따라서 토큰당 가격이 낮아도 작업당 비용은 7.77달러로 GPT-6 아스트라(6.24달러)보다 높다. 답변을 시작하기까지 약 25초가 걸린다. 출시 당시 AA 측정에 따르면 답을 모를 때 지어내는 비율은 55%였다. 제미나이 3 플래시는 91%였다. | | **클로드 하이쿠 5.5(Claude Haiku 5.5)**_(신규(NEW))_ $ EfC 2 · Sp 3 · Th 1 | 가장 빠르고 저렴한 클로드 모델이다. 하이쿠 4.5를 대체하며 10월 7일 출시됐고 가격은 10분의 1로 낮아졌다. 프롬프트가 10만 토큰 이하면 입력·출력 토큰 100만 개당 0.10달러/0.50달러다. 이를 넘으면 0.50달러/2.50달러이며 하이쿠 4.5는 1달러/5달러였다. 컨텍스트는 100만 토큰이고 텍스트와 이미지를 입력받는다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 max 모드 기준 36점이다. 동급 모델 중 1위지만 플래그십과는 차이가 크다. 오퍼스 5.5는 58점이다. 생성 속도는 초당 약 236토큰으로 평균의 두 배다. 짧은 답변, 요약, 단순한 대량 작업에 사용하라. 긴 문서에서는 AA-LCR 78%로 중간 수준이다. 다만 max가 아닌 xhigh 모드에서 측정했으므로 EfC 점수는 잠정치다. **단점:** 말이 매우 많다. AA 지수 측정에 토큰 3억 개를 사용했으며 중앙값은 7,000만 개다. max 모드에서는 답변을 시작하기까지 약 6분이 걸린다. 따라서 실제 작업당 비용은 0.41달러로 토큰당 가격만 보고 예상한 것보다 높다. | | **GPT-6 루나(GPT-6 Luna)**_(신규(NEW))_ $ EfC 2 · Sp 2 · Th 1 이미지 생성* | 새 GPT 제품군에서 가장 저렴한 모델이다. GPT-5.6 루나를 대체하며 9월 22일 출시됐다. 입력·출력 토큰 100만 개당 0.10달러/0.50달러다. 프롬프트가 27만 2,000토큰을 넘으면 0.20달러/0.75달러이며, GPT-5.6 프로모션 가격의 절반이다. 컨텍스트는 100만 토큰이고 텍스트와 이미지를 입력받는다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 max 모드 기준 28점이다. 동급 평균보다 높지만 플래그십과는 거리가 멀다. 오퍼스 5.5는 58점이다. 생성 속도는 초당 약 118토큰으로 평균보다 조금 빠르다. 글 압축, 분류, 필요한 내용 찾기 등 단순한 작업에 사용하라. 긴 문서에서는 AA-LCR 79%로 중간 수준이다. 다만 max가 아닌 high 모드에서 측정했으므로 EfC 점수는 잠정치다. **단점:** 말이 많고 사고 시간이 길다. AA 지수 측정에 토큰 1억 1,000만 개를 사용했다. 비슷한 가격대 모델의 중앙값은 8,100만 개다. max 모드에서는 답변 시작까지 약 2분, 정확히는 113초가 걸린다. 그래도 작업당 비용은 0.15달러로 저렴하다. 챗GPT에서는 프리와 고 사용자가 무료로 사용할 수 있다. 데스크톱 앱에는 9월 22일부터, 일반 채팅에는 10월 8일부터 제공되지만 단계적으로 배포된다. | ### 실속 있는 선택 | | | | --- | --- | | **딥시크 V4.1 플래시(DeepSeek V4.1 Flash)**_(신규(NEW))_ $ EfC 2 · Sp 3 · Th 1 | MIT 라이선스로 가중치를 공개한 딥시크의 소형 모델이다. 9월 10일 출시됐고 10월 17일 같은 이름으로 업데이트됐다. 컨텍스트는 100만 토큰이며 텍스트와 이미지를 입력받는다. 입력·출력 토큰 100만 개당 0.15달러/0.60달러로 표에서 가장 저렴한 모델 중 하나다. 평일 혼잡 시간에는 두 배인 0.30달러/1.20달러다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 32점으로 동급 1위이며, 더 큰 V4 프로(23점)보다 높다. 생성 속도는 초당 약 170토큰으로 평균의 두 배를 넘는다. 단순한 작업과 초안 작성에 사용하라. V4 프로와 같은 검열 제한이 적용된다. 긴 문서에서는 AA-LCR 84%로 중간 수준이다. 다만 9월 빌드에서 측정한 결과이며 10월 빌드의 측정치는 없어 EfC 점수는 잠정치다. **단점:** 말이 매우 많다. AA 지수 측정에 토큰 1억 7,000만 개를 사용했다. 비슷한 가격대 모델의 중앙값은 1억 개다. 따라서 토큰당 가격은 비슷해도 작업당 비용은 0.60달러로 GPT-6 루나(0.15달러)의 네 배다. | | **큐원 3.8 맥스(Qwen 3.8 Max)** $$ EfC 2 · Sp 0 · Th 1 | 알리바바의 플래그십이다. 8월 3일 처음 출시됐으며 여기서는 9월 2일 버전을 다룬다. 텍스트, 이미지, 동영상을 입력받고 컨텍스트는 약 100만 토큰이다. 입력·출력 토큰 100만 개당 2달러/6달러로 가격은 적당하다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서는 34점이다. 동급 중앙값인 37점보다 낮고 플래그십과의 차이도 크다. 오퍼스 5.5는 58점이다. 긴 문서에서는 AA-LCR 80%로 중간 수준이다. 텍스트 버전의 가중치는 8월 12일부터 공개돼 있다. 대규모 서비스에 제한을 두는 라이선스가 적용된다. 다만 AA는 API 버전 자체를 비공개 모델로 분류한다. 아시아 언어로 분석하는 작업에 강하다. **단점:** 말이 매우 많다. AA 지수 측정에 토큰 1억 5,000만 개를 사용했으며 중앙값은 7,000만 개다. 따라서 토큰당 가격은 적당하지만 작업당 비용은 10.02달러로 순위권에서 가장 비싼 축에 든다. 생성 속도는 초당 약 40토큰으로 평균의 절반이다. 표에서는 키미 K3.1 프로만 이보다 느리다. | | **GLM 5.3**_(신규(NEW))_ $ EfC 2 · Sp 1 · Th 1 | 자체 인프라에 배포할 수 있는 오픈 모델이다. GLM 5.2의 업데이트로 8월 14일 출시됐으며 입력·출력 토큰 100만 개당 1.40달러/4.40달러로 가격은 같다. 가중치는 8월 29일 공개됐다. GLM-5.3 라이선스가 적용되며 연 매출이 100억 달러를 넘으면 Z.ai의 안전성 검토를 받아야 한다. 컨텍스트는 100만 토큰이다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)에서 32점으로 동급 중앙값인 23점보다 높다. 하지만 플래그십과는 거리가 멀고 더 저렴한 V4.1 플래시와 같은 점수다. 오퍼스 5.5는 58점이다. 생성 속도는 초당 약 76토큰으로 평균 수준이다. 긴 문서에서는 AA-LCR 80%로 중간 수준이다. 로컬 배포가 중요하다면 사용하라. **제약 사항:** 텍스트만 지원하며 이미지는 입력받지 못한다. 말이 매우 많아 AA 지수 측정에 토큰 1억 4,000만 개를 사용했다. 중앙값은 9,900만 개다. 작업당 비용은 5.01달러로 동급에서 가장 높으며, 토큰당 가격도 대부분의 오픈 모델보다 높다. 영어와 중국어는 잘 처리하지만 다른 언어에서는 성능이 크게 떨어진다. | | **미모 V2.6 프로(MiMo V2.6 Pro)**_(신규(NEW))_ $ EfC 2 · Sp 0 · Th 1 | 샤오미의 오픈 모델로 MIT 라이선스가 적용된다. 미모 V2.5 프로를 대체하며 9월 21일 출시됐다. 전체 파라미터는 1조 개, 활성 파라미터는 420억 개이며 컨텍스트는 100만 토큰이다. 텍스트, 이미지, 오디오, 동영상을 입력받는다. 독립 벤치마크에서는 추론은 중간 수준, 속도는 낮은 편으로 확인됐다. 아티피셜 애널리시스 지능 지수(v5)는 30점으로 동급 오픈 모델의 중앙값인 23점보다 높다. 하지만 오퍼스 5.5(58점) 같은 선두 모델에는 뚜렷하게 뒤처진다. 생성 속도는 초당 약 49토큰이다. 입력·출력 토큰 100만 개당 0.435달러/0.87달러로 표에서 가장 저렴한 축에 든다. 예산이 빠듯한 단순 작업에 사용하라. 긴 문서에서는 AA-LCR 86%로 주력 모델군의 최상단에 있다. **단점:** 말이 매우 많다. AA 지수 측정에 토큰 1억 3,000만 개를 사용했다. 동급 오픈 모델의 중앙값은 9,900만 개다. 그래도 토큰당 가격이 낮아 작업당 비용은 0.26달러에 불과하다. 답변은 약 3초 만에 시작한다. | | **미스트랄 라지 4(Mistral Large 4)**_(신규(NEW))_ $ Sp 3 · Th 1 긴 컨텍스트 데이터 아직 없음 | 폭넓은 언어 지원과 엄격한 개인정보 보호 규칙을 제공하는 유럽 모델로, EU 내 서버에서 운영된다. 미스트랄 라지 3를 대체하며 10월 6일 공개 프리뷰로 출시됐다. 가중치는 10월 29일 공개됐다. 미스트랄 에코시스템 오픈웨이트 라이선스가 적용되며 상업적 사용에는 제한이 있다. 전체 파라미터는 1조 1,000억 개, 활성 파라미터는 520억 개이며 컨텍스트는 100만 토큰이다. 텍스트와 이미지를 입력받는다. 입력·출력 토큰 100만 개당 가격은 0.70달러/2.10달러다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)는 high 모드에서 26점으로 낮다. 오퍼스 5.5는 58점이다. 생성 속도는 초당 약 161토큰으로 빠르다. 지원 언어의 폭과 개인정보 보호가 최우선이라면 사용하라. **단점:** 미스트랄 문서 페이지에는 여전히 공개 프리뷰로 표시돼 있다. 말이 많아 AA 지수 측정에 토큰 1억 1,000만 개를 사용했다. 중앙값은 9,900만 개이며 작업당 비용은 2.06달러다. | | **스텝 5 프리뷰(Step 5 Preview)**_(신규(NEW))_ $ EfC 3 · Sp 2 · Th 1 | 스텝펀의 오픈 모델로, 전체 파라미터는 6,000억 개, 활성 파라미터는 270억 개다. 9월 18일 출시됐으며 허깅 페이스에 스텝펀 모델 라이선스 1.0으로 가중치를 공개했다. 아파치 2.0과 비슷하지만 저작자 표시와 상업적 사용에 관한 추가 조건이 있으므로 프로덕션에서 사용하기 전에 라이선스 전문을 읽어야 한다. 컨텍스트는 100만 토큰이며 텍스트와 이미지를 입력받는다. 입력·출력 토큰 100만 개당 가격은 1달러/2.70달러다. 독립 평가인 아티피셜 애널리시스 지능 지수(v5)는 29점으로 플래그십에 뚜렷하게 뒤처진다. 오퍼스 5.5는 58점이다. 생성 속도는 초당 약 146토큰으로 빠르다. 긴 문서에서는 AA-LCR 88.3%로 최상위권이다. 측정치가 있는 모델 중 가장 좋은 결과에 속한다. 적당한 가격의 오픈 모델로 긴 문서를 다뤄야 할 때 사용하라. **단점:** 말이 매우 많다. AA 지수 측정에 토큰 1억 3,000만 개를 사용했다. 중앙값은 9,900만 개다. 작업당 비용은 2.35달러이며 토큰당 가격도 대부분의 오픈 모델보다 높다. 오픈 모델의 중앙값은 0.47달러/1.89달러다. 이름에 프리뷰가 들어가듯 스텝펀은 이 모델을 예비 버전으로 출시했다. | 표에서 제외한 모델은 세 개다. 제미나이 4 카본은 아티피셜 애널리시스 지수에서 59점으로 1위지만, 공개 API를 이용할 수 있는지 끝내 확인하지 못했다. 이 부분에서는 AA 자체 데이터끼리도 모순된다. 뮤즈 원더 풀(50점)은 뮤즈 코드 구독으로만 사용할 수 있고 API가 없다. GLM 5 터보는 아티피셜 애널리시스에서 “지원 중단(deprecated)”으로 표시돼 있으며 Z.ai 가격표에서도 이미 사라졌다. ## 표의 근거 위 표의 모든 지표에는 구체적인 출처가 있다. [아티피셜 애널리시스](https://artificialanalysis.ai/)는 지능 지수, 긴 컨텍스트 검색 테스트인 AA-LCR, 생성 속도와 응답 지연을 측정한다. [아레나](https://lmarena.ai/)는 블라인드 비교를 제공한다. 실제 사람들이 어느 모델의 답변인지 모르는 상태에서 더 좋은 답변을 고른다. [라이브벤치](https://livebench.ai/)는 평가 데이터 유출을 방지하도록 설계한 객관적 테스트를 제공하며, [오픈라우터](https://openrouter.ai/)에서는 최신 API 가격을 확인할 수 있다. 제공업체가 직접 발표한 수치는 검증되지 않은 것으로 보고 점수에 반영하지 않았다. ### 모델 카드에는 담지 못했지만 중요한 점 조사 과정에서 몇 가지 뜻밖의 사실을 발견했다. 충분히 테스트된 모델 중 긴 컨텍스트 성적이 가장 좋은 것은 키미 K3.1 프로(86.3%)와 미모 V2.6 프로(86%)다. 두 모델 모두 클로드 최상위 모델보다 저렴하다. 이보다 높은 모델은 스텝 5 프리뷰(88.3%)뿐이지만 이 측정치는 한 곳에서만 찾았다. 딥시크 V4 프로는 매우 적은 비용으로 플래그십 수준의 긴 컨텍스트 성능(75%)을 제공한다. 그러나 새 지능 지수에서는 23점으로 크게 낮아졌고, 더 작은 V4.1 플래시는 32점을 기록했다. 미스트랄 라지 4도 새 지수에서 낮은 점수를 받았다. 긴 컨텍스트 성능에서는 플래그십끼리 차이가 작다. 거의 모든 모델이 AA-LCR에서 75~86%를 기록하며, 이 집단 안의 격차는 오차 범위와 비슷하다. 따라서 EfC 3점은 확실하게 앞선 스텝 5 프리뷰에만 부여했다. 나머지는 클로드 최상위 모델 두 개를 포함해 모두 EfC 2점으로 평가하는 것이 정직하다. 클로드가 긴 컨텍스트에서 가장 뛰어나다는 평판은 독립 테스트로 확인되지 않았다. AA-LCR은 전문적인 문서 작업을 모사한다. 대규모 문서 집합 곳곳에 흩어진 여러 조각을 찾아 답변으로 조합하는 방식이다. 각 질문은 보고서, 과학 논문, 법률 문서, 리뷰 등 약 10만 토큰 분량의 자료를 바탕으로 한다. 현재 이 세대 모델의 긴 컨텍스트 성능을 측정한 다른 독립 플랫폼은 없다. Fiction.LiveBench, RULER, LongBench도 다루지 않는다. 알아둘 만한 평가 공백이다. 소네트 5.5, GPT-6.1 테라, 제미나이 3.8 플래시, 미스트랄 라지 4 등 일부 신모델은 AA-LCR 측정치가 아직 없어 EfC 점수를 부여하지 않았다. 결과는 추론 강도 모드에 따라 달라진다. 일부 모델은 추론 강도를 최대로 높이면 긴 컨텍스트 작업에서 몇 점 더 좋은 결과를 낸다. 표의 점수는 아티피셜 애널리시스가 측정한 모드 중 가장 성능이 좋은 모드를 기준으로 한다. 페이블 5.1의 low나 하이쿠 5.5의 xhigh처럼 다른 모드에서 측정했다면 잠정 점수로 표시했다. ## 사람과 벤치마크가 서로 다른 모델을 최고로 꼽는 이유 벤치마크는 수학, 코드, 과학, 지시 이행 같은 특정 능력을 측정한다. 정답이 있는 좁은 범위의 과제다. 반면 아레나는 실제 사람이 모델의 답변을 좋아하는지를 평가한다. 따라서 문체, 구조, 어조, “지능(intelligence)”이 느껴지는 정도, 가독성이 핵심이 된다. 10월 27일 텍스트 아레나에서는 제미나이 4 카본(잠정)과 아르곤이 선두다. 하지만 아티피셜 애널리시스 지능 지수(v5)에서는 아르곤이 50점인 반면 오퍼스 5.5는 58점, GPT-6 아스트라는 57점이다. 클로드 페이블 5.1도 비슷하다. 지수는 똑같이 50점이지만 사람들의 투표에서는 5위다. 앤트로픽은 페이블을 조정하면서 대화 자체의 즐거움에도 분명히 신경 썼다. 글을 아름답게 쓰고, 생각을 말로 풀어내며, 추론을 조리 있게 제시한다. 실제로 편하게 대화할 수 있는 모델이다. 아레나에는 장황한 답변을 선호하는 편향도 확인돼 있다. 더 짧은 답변이 정확하더라도 사람들은 긴 답변을 선호하는 경향이 있다. 오픈AI 모델은 이를 적극적으로 이용하는 듯하다. 독립 연구에서도 벤치마크 점수와 사람의 인식 사이에는 상관관계가 낮다는 사실이 확인된다. 블라인드 테스트에서 “최고(best)”라고 고른 모델이 객관적인 벤치마크에서는 더 낮은 성능을 보일 수 있다. 그저 대화할 때 더 좋게 느껴지는 것이다. 이런 인간 중심 접근에도 분명한 장점이 있다. A 지점에서 B 지점까지 더 편안하고 빠르게 데려다주는 차와 서킷에서 더 좋은 랩타임을 기록하는 차 중 어느 쪽을 운전하고 싶은가? 벤치마크가 나쁘다거나 아레나 순위가 틀렸다는 뜻은 아니다. “최고의 모델(best model)”은 무엇을 측정하느냐에 달려 있다는 뜻이다. 이것이 바로 이 글의 핵심이다. 하나의 종합 점수만으로는 전체를 설명할 수 없다. ## 이 결과가 의미하는 것 ### 작업별로 어떤 모델을 골라야 할까 분석과 복잡한 의사결정에는 클로드 페이블 5.1을 사용하라. 예산이 중요하다면 오퍼스 5.5를 선택하라. 빠듯한 예산으로 대용량 문서를 다룬다면 키미 K3.1 프로나 미모 V2.6 프로가 좋다. 매일 이어지는 일상 업무에는 소네트 5.5나 GPT-6.1 테라를 고르라. 초안을 쓰거나 빠르게 처리해야 한다면 ‘빠르고 가벼운 모델’ 항목에서 어느 모델을 골라도 된다. ### 독립 테스트는 통념을 뒤집는다 일부 결과는 일반적인 통념과 다르다. 클로드는 긴 컨텍스트에서 선두가 아니다. 새 지능 지수는 딥시크 V4 프로를 비롯한 여러 저가 모델의 점수를 크게 낮췄다. AA가 측정한 그록 4.5의 환각률은 54%로 GPT-6 아스트라(51%)와 제미나이 4 아르곤(15%)보다 높았다. 4.7에 대해서는 비교 가능한 측정치가 없다. ### 기억해야 할 한계 독립 출처 네 곳을 참고했다. 긴 컨텍스트의 경우 올해 모델에 적용할 수 있는 테스트는 AA-LCR뿐이다. 다른 테스트가 아예 없다. 틈새 모델과 최신 모델은 데이터가 부족하며, 이를 모델 카드에 그대로 반영했다. 10월 27일 아티피셜 애널리시스 지능 지수가 버전 5로 바뀌었으므로 Th 점수를 과거 데이터와 직접 비교해서는 안 된다. ### 표는 출발점일 뿐이다 어떤 표도 자신의 실제 작업으로 테스트하는 과정을 대신하지 못한다. 가격은 바뀌고, 모델은 업데이트되며, 모델마다 고유한 특성이 있다. 예를 들어 올여름에는 GPT와 딥시크 가격이 내려갔다. 여기서 어떤 선택을 할지는 각자의 몫이다. 가장 중요한 것은 직접 사용한 경험이다. 2026년 11월 데이터로 갱신했다. ## 출처 이 글에서 인용한 자료다. 게시일 또는 수정일을 기준으로 마지막 확인을 마쳤다. 1. [클로드 페이블 5 모델 리뷰](https://www.coderabbit.ai/blog/fable-5-model-review) 2. [클로드 페이블 5에 대한 솔직한 리뷰](https://www.chatprd.ai/how-i-ai/claude-fable-5-review) 3. [클로드 페이블 5가 전문가 수준의 연구에 어려움을 겪는 이유](https://www.newstex.com/blog/why-claude-fable-5-struggles-with-expert-level-research) 4. [클로드 페이블 5 첫인상](https://simonwillison.net/2026/Jun/9/claude-fable-5/) 5. [제미나이 3.1 프로 — 일부 사용자의 반응은 미지근하다](https://www.techradar.com/ai-platforms-assistants/gemini/google-just-upgraded-gemini-again-and-3-1-pro-more-than-doubles-its-ai-reasoning-power-but-some-users-arent-impressed) 6. [제미나이 3: 모델 카드 및 안전 프레임워크 보고서](https://thezvi.substack.com/p/gemini-3-model-card-and-safety-framework?r=67wny) 8. [xAI, 그록 4의 문제성 답변을 수정했다고 발표](https://techcrunch.com/2025/07/15/xai-says-it-has-fixed-grok-4s-problematic-responses) 9. [그록의 AI 이미지 도구가 딥페이크 나체 이미지 파문을 일으키며 비판받는 머스크](https://www.malaymail.com/news/world/2026/01/10/musk-under-fire-as-groks-ai-image-tool-sparks-deepfake-nudes-scandal-despite-paywall-update/204903) 11. [중국 AI 모델의 검열을 해제할 수 있다는 새 연구 결과](https://www.semafor.com/article/07/29/2026/censorship-in-chinese-ai-models-can-be-undone-new-research-shows) 12. [주요 현황: 딥시크에 대한 감시를 강화하는 각국 정부와 규제기관](https://finance.yahoo.com/news/factbox-governments-regulators-increase-scrutiny-095326244.html) 13. [모델 및 가격](https://api-docs.deepseek.com/quick_start/pricing) 14. [미스트랄 라지 4](https://docs.mistral.ai/models/mistral-large-4) 15. [챗GPT 무료 요금제에 GPT-6 루나 제공, 단 데스크톱 앱에서만 가능](https://www.notebookcheck.net/ChatGPT-Free-gets-GPT-6-Luna-but-only-in-the-desktop-app.1407282.0.html) 16. [GPT-6 챗GPT 배포: 프리·고 요금제 이용 세부 정보](https://www.neoteo.com/en/openai-scheduled-gpt-6-luna-for-free-and-go-starting-oct-8) 17. [앤트로픽, 가격을 낮추고 추론 강도 조절 기능을 갖춘 클로드 하이쿠 5.5 출시](https://letsdatascience.com/news/anthropic-releases-claude-haiku-55-with-lower-prices-and-eff-f698c663) 18. [스텝펀 AI/스텝 5 프리뷰](https://huggingface.co/stepfun-ai/Step-5-Preview) 19. [알리바바, 큐원 3.8 A95B 가중치 공개](https://letsdatascience.com/news/alibaba-releases-qwen38-max-open-model-weights-b63514d0)