GPT-5, Claude Opus 4, Gemini 2.5 Pro: 2026년의 헤드 투 헤드

Frontier가 너무 빨리 움직여서 벤치마크 글은 출고될 때쯤 보통 낡아 있어요. 그래도 — 2026년 4개월째인 지금, 이 모델들을 글로 읽지 않고 하루 종일 쓰는 사람이라면 세 가지가 분명해졌어요.

헤드라인 결과

Claude Opus 4는 “답에 후속 질문이 얼마나 안 필요했나”로 재면 최고의 제너럴리스트예요. GPT-5는 복잡한 지시를 세 문단 뒤에도 흐름을 놓치지 않고 따라가야 할 때 최고예요. Gemini 2.5 Pro는 프롬프트에 200쪽짜리 PDF가 들어가고, 그걸 훑지 말고 실제로 읽어야 할 때 최고예요.

대표 프롬프트 18개를 셋에 돌렸어요. 작업은 4개 버킷으로 나뉘었어요:

• 추론과 수학 — Project Euler 600번대, 응용 통계 문제, 공개 AIME 문제 2개.
• 코드 리뷰 — 200줄짜리 Go diff, 일부러 망가뜨린 React 훅, 미묘한 정답 버그가 있는 SQL 쿼리 2개.
• 글쓰기 — 세일즈 페이지 카피, 1,200단어 에세이 개요, 기술 블로그 글 초안.
• 긴 컨텍스트 — 80k 토큰 트랜스크립트, 멀티 PDF 종합, 12개 소스 문서에 걸친 리트리벌 작업.

각 모델이 실제로 이기는 곳

Claude Opus 4는 예상보다 더 큰 격차로 코드 리뷰를 압도했어요. 미묘한 걸 잡아요 — SQL 윈도우 함수의 off-by-one, 오래된 변수를 캡처하는 useEffect 클로저처럼 — 다른 둘이 “괜찮아 보임”으로 패턴 매칭하는 곳에서요. Extended thinking 모드는 가장 어려운 문제에서만 한 칸 더 붙었고, 일상 리뷰에는 평범한 Opus로 이미 충분했어요.

GPT-5는 다단계 지시 따르기에서 이겼어요. 각 모델에 명시적 요구사항 11개 (포맷, 톤, 길이, 포함할 문구, 제외할 것)를 넣은 프롬프트를 줬어요. GPT-5는 첫 시도에 11개 중 10개를 맞췄어요. Claude는 8개. Gemini는 7개. 프롬프트가 구조화된 스펙이라면, GPT-5가 여전히 가장 안전한 선택이에요.

Gemini 2.5 Pro는 긴 컨텍스트에서 결정적으로 이겼어요. 2M 토큰 윈도우는 응접실 묘기가 아니에요 — 실제로 준 걸 써요. 12개 PDF 종합 작업에서 Gemini는 3번부터 11번 문서를 제대로 참조했고, 나머지는 대체로 1번 문서를 인용했어요. 네이티브 멀티모달도 벤치마크가 알려주는 것보다 더 중요해요: 스크린샷을 인라인으로 파싱하면 왕복 한 번을 아껴요.

일상 사용에 이게 의미하는 것

벤치마크 글이 빼먹는 부분: 실제로는 갈아타요. Opus로 채팅을 여세요, 코드 리뷰에 최고니까. 오늘 질문이 구조화된 스펙이라는 걸 알아채요. 대화 중에 GPT-5로 전환. 다음 턴이 PDF를 끼고 있어요 — Gemini로 전환, 질문하고, 돌아와요.

그게 바로 Any AI Studio가 설계된 워크플로우예요. 분기와 나란히 비교 기능 덕분에 미리 고를 필요가 없어요. 같은 프롬프트를 두 모델에 동시에 보내고, 더 나은 답을 남기고, 패자는 재프롬프트를 위해 분기해요.

단서

이 결과는 2026년 5월에 유효했어요. 다음 분기 점프는 카테고리 하나쯤은 뒤집을 거예요. GPT-5.1이 출시되면 (늦여름 소문) 스위트를 다시 돌리고 업데이트를 올릴게요.

또한: 비용도 중요해요. Opus는 셋 중에 토큰당 가장 비싸요. API 청구라면 코드가 아닌 대부분 작업에서 비슷한 품질에 GPT-5가 결국 더 저렴해요. Pro 구독자에게는 토큰당 비용을 흘리지 않으니, 이건 순전히 흥미로운 각주예요 — 다만 공급자 직접 가격을 비교한다면 언급할 가치가 있어요.

TL;DR

코드는 Opus, 구조화된 스펙은 GPT-5, 긴 컨텍스트는 Gemini. 또는 — 더 쉽게 — Any AI Studio를 열고 모델 선택기가 각 상황에 어떤 걸 손에 잡았는지 기억하게 두세요.