22단계 중 11단계
언어 및 추론 모델
읽고, 쓰고, 추론하고, 도구를 호출하는 모델입니다. 모델은 품질과 비용을 좌우하는 가장 큰 단일 요인입니다. 대부분의 애플리케이션은 강한 모델과 저렴한 모델, 두 가지를 씁니다.
작성자 Andrew Miller · 2026년 10월 23일 확인 · 리뷰 방법
고르는 방법
- 어려운 추론과 에이전트: 프런티어 모델을 아껴서 사용.
- 대용량: 앞에 라우터를 둔 작고 저렴한 모델.
- 비공개 또는 온프레미스: 직접 호스팅할 수 있는 오픈 웨이트 모델.
확인할 점
선택지를 가르는 질문을 중요한 순서대로 정리했습니다.
01
대표 순위가 아니라 내 작업의 벤치마크
채팅 품질, 코딩, 에이전트 작업, 저렴한 대량 처리 가운데 무엇이 필요한지 먼저 정하십시오. 선두 모델이 다르기 때문입니다. 블라인드 채팅 투표에서 1위인 모델이 긴 에이전트 실행에서는 뒤처질 수 있고, 그 반대도 있습니다. 아래 각 리더보드에서 내 작업에 맞는 열을 읽고, '최고의 모델'이라는 단일 주장은 마케팅으로 여기십시오.
02
Artificial Analysis Intelligence Index: 실제로 돈을 낼 노력 수준에서 비교
버전 4.3은 Artificial Analysis가 하나의 하네스로 직접 돌리는 평가 10개의 가중 평균입니다. 에이전트 30%, 코딩 20%, 일반 지식 30%, 과학적 추론 20%이며, 넷은 비공개 테스트 세트입니다. 독립적인 단일 수치로는 최선이지만, 같은 모델이 서로 다른 노력 설정(max, xhigh, high)으로 여러 번 나오고, 맨 위 항목은 대개 가장 비싼 것입니다. 점수 옆의 Cost per Task, Median Tokens/s, First Chunk 열을 함께 읽으십시오. 2점 차이가 두 배의 청구액만큼 가치 있는 경우는 드뭅니다.
03
Arena(옛 LMArena): 오차 범위가 붙은 선호 투표
2026년 1월부터 arena.ai에 있는 Arena는 사용자의 블라인드 나란히 비교 투표로 모델 순위를 매깁니다. 길이와 markdown을 할인하는 스타일 제어가 2025년 5월부터 기본값입니다. 95% 신뢰 구간과 순위 범위를 보십시오. 구간이 겹치는 모델은 위치와 상관없이 통계적으로 동률입니다. 범주 탭(coding, hard prompts, long queries, WebDev)을 쓰고, 이것이 측정하는 것은 사람들이 채팅 창에서 선호하는 것이지 에이전트가 40단계 작업을 끝내는지가 아님을 기억하십시오.
04
코딩 점수: SWE-bench Verified는 더 이상 깨끗한 신호가 아니다
OpenAI는 오염을 이유로 2026년 2월 SWE-bench Verified 보고를 중단했습니다. 모델이 학습 중에 문제를 보았고, 실패 사례 감사에서 상당수가 결함 있는 테스트 때문이었습니다. 2026년 7월에는 공개 작업의 약 30%가 망가져 있음을 발견하고 SWE-bench Pro 권고도 철회했습니다. 업체의 SWE-bench 수치는 약한 증거로 여기고, 어떤 에이전트 스캐폴드를 썼는지 확인하며, Artificial Analysis 지수 안의 Terminal-Bench 4.0, DeepSWE, 그리고 내 저장소로 하는 평가처럼 더 새롭거나 독립적으로 실행된 테스트에 더 무게를 두십시오.
05
에이전트와 도구 호출: tau-bench의 pass^k를 읽고, 내 도구로 시험하십시오
세 번째 버전(τ³-bench, taubench.com)이 나온 Sierra의 tau-bench는 도구를 쓰는 고객 서비스 에이전트를 시뮬레이션된 사용자와 대결시킵니다. 쓸모 있는 열은 pass^k입니다. k번의 실행 모두에서 해결한 작업의 비율로, 운 좋은 한 번의 시도가 아니라 일관성을 잽니다. k가 커지면 순위가 바뀌므로 pass^1에서 이긴 모델이 pass^4에서는 질 수 있습니다. 원래 tau-bench와 τ³ 점수는 비교할 수 없습니다. 실무적인 제약도 확인하십시오. 일부 모델은 도구에 특정 API가 필요하고(GPT-6.1 Sol은 OpenAI의 Responses API가 필요합니다), 엄격한 JSON 스키마 출력은 공급자마다 다릅니다.
06
업체 출시 표와 독립 실행
출시 표는 업체가 직접 고른 설정과 경쟁 모델로 돌린 것입니다. 독립 실행은 자주 다른 결과를 냅니다. 2026년 10월 Humanity's Last Exam에서 최고 점수는 Scale의 도구 없는 보드에서 약 54%, 도구를 허용하는 보드에서 약 65%였습니다. 두 수치를 비교하기 전에 누가 테스트를 돌렸는지, 도구가 허용되었는지, 어떤 노력 수준을 썼는지, 테스트 세트가 공개되어 있어 학습 데이터에 들어갔을 수 있는지 확인하십시오.
07
실제 가격: 출력 토큰, 캐싱, 끝나는 할인
입력 및 출력 1M 토큰당 정가는 시작일 뿐 청구액이 아닙니다. 추론 모델은 생각하는 데 출력 토큰을 쓰므로, 더 싸지만 더 오래 생각하는 모델이 작업당 더 비쌀 수 있습니다. 프롬프트 캐싱은 에이전트와 긴 시스템 프롬프트의 계산을 바꿉니다. Claude Opus 5.5는 캐시된 입력 1M당 $0.20, 캐시되지 않은 입력에 $4를 받습니다. 긴 프롬프트 할증(OpenAI는 272K 토큰 초과), 50% 배치 할인, 그리고 끝나는 출시 가격(Gemini 4 Argon은 2026년 12월 1일 두 배가 됩니다)을 주의하십시오.
08
컨텍스트 창, 속도, 라이선스
1M 토큰 창은 모델이 그것을 얼마나 잘 쓰는지에 대해 아무것도 말해 주지 않습니다. AA-LCR 같은 긴 컨텍스트 테스트와 긴 생성의 상한인 출력 토큰 한도를 보십시오. 대화형 앱에서는 벤치마크 1점보다 Artificial Analysis의 첫 토큰까지의 시간과 초당 토큰 수가 더 중요하며, 오픈 모델에서는 호스트에 따라 달라집니다. 오픈 웨이트는 라이선스를 읽으십시오. Apache 2.0과 MIT는 제한이 없지만, Kimi K3와 GLM-5.3의 수정된 MIT 라이선스는 매우 큰 API 호스트에 조건을 더합니다. 하드웨어도 확인하십시오. gpt-oss-120b는 80GB GPU 한 장에 들어가지만, DeepSeek-V4-Pro는 클러스터가 필요합니다.
선택지별 차이
선택은 비공개 프런티어 API와 오픈 웨이트 모델로 나뉩니다. Anthropic, OpenAI, Google의 비공개 모델은 독립 지수에서 앞서고 관리형 확장을 제공하지만, 토큰당 비용을 내고, 업체의 데이터 약관을 받아들여야 하며, 웨이트를 고정할 수 없습니다. 각 업체는 등급 사다리를 팝니다. 플래그십(Opus, Astra, Argon), 에이전트와 코딩 작업에서 몇 분의 일 가격으로 근접하는 경우가 많은 중간 가격 모델(Sonnet, Sol, Flash), 그리고 더 싼 소형 모델입니다.
오픈 웨이트 모델(Qwen, DeepSeek, GLM, Kimi, Gemma, gpt-oss)은 자체 호스팅하고, 파인튜닝하고, 데이터가 밖으로 나갈 수 없는 곳에서 돌릴 수 있으며, 호스팅 API도 대개 훨씬 쌉니다. 가장 큰 것들은 다중 GPU 서버가 필요한 전문가 혼합 모델이고, 작은 것들은 GPU 한 장이나 노트북에서 돌아갑니다. 독립 에이전트 테스트에서는 비공개 선두 모델에 뒤지지만 그 차이는 분기마다 줄고 있으며, 공개된 점수 대부분은 자체 보고입니다.
도구 15개 비교
저희 평점 순입니다. 각 리뷰에서 출처, 가격, 전체 평가를 확인할 수 있습니다.
| 도구 | 평점 | 저희 평가 | 추천 대상 | 가격 |
|---|---|---|---|---|
| Claude Opus 5.5모델 | 4.7/5 | Anthropic의 새 기본 모델은 그 자리에 걸맞습니다. Artificial Analysis 독립 인덱스에서 1위이고, 대체하는 Opus보다 토큰당 5분의 1 저렴합니다. | 호출당 비용보다 작업 완수가 중요한 긴 코딩 에이전트, 코드 감사, 문서 중심 리서치를 하는 팀. | API: 100만 입력 토큰당 $4, 100만 출력 토큰당 $20, 캐시 읽기 $0.20, 5분 캐시 쓰기 $5, Batch API 50% 할인, fast 모드 $8/$40, 미국 전용 추론 1.1배. |
| Claude Sonnet 5.5모델 | 4.6/5 | Anthropic의 지식 업무 테스트에서 절반 가격으로 Opus 5.5와 2포인트 이내입니다. 그래서 Opus는 기본 선택이 아니라 의도적인 업그레이드가 됩니다. | 코딩 에이전트, 지원 자동화, 문서 작업을 대량으로 운영하며 절반의 토큰 가격으로 Opus에 가까운 품질을 원하는 팀. | API: 100만 입력 토큰당 $2, 100만 출력 토큰당 $10, 캐시 읽기 $0.10, Batch API 50% 할인. |
| GPT-6.1 Sol모델 | 4.6/5 | 대부분의 OpenAI 고객에게 중요한 플래그십은 이 모델입니다. Artificial Analysis 지수에서 Astra보다 1점 낮고, 토큰 가격은 5분의 1입니다. | OpenAI 위에서 에이전트와 업무 워크플로를 만들며, 중간 등급 비용으로 Astra에 가까운 결과를 원하고 느린 출력을 감수할 수 있는 팀. | API: 입력 1M 토큰당 $2, 출력 1M 토큰당 $10. 캐시 입력 $0.10. Batch/Flex는 절반 가격. 입력 272K 토큰을 넘는 프롬프트는 요청 전체에 입력 2배, 출력 1.5배 요금이 붙습니다. |
| Gemini 4 Argon모델 | 4.5/5 | Google은 Argon으로 최전선에 돌아왔습니다. 기본으로 지원하는 동영상과 오디오 입력은 Claude와 GPT의 플래그십이 아직 따라오지 못하는 부분입니다. | 동영상, 오디오, 매우 큰 문서 모음을 다루며 최상위 추론 모델을 원하는 팀. | API: 2026년 11월 30일(30 Nov 2026)까지 1M 토큰당 입력 $2 / 출력 $10, 이후 $4 / $20. Batch와 Flex는 절반 가격. 캐시된 입력 $0.10(이후 $0.20). 무료 등급 없음. |
| Qwen3.8-27B모델 | 4.5/5 | Apache 라이선스의 27B 모델로, Alibaba 자체 수치로는 코딩에서 Claude Opus 4.6 Max를 근소하게 앞서고, 4비트로 24 GB 카드 1장에 들어갑니다. | 고성능 GPU 1장에 들어가는 가장 강력한 허용적 라이선스 모델을 원하는 개발자, 특히 코딩과 컴퓨터 사용 에이전트용. | 가중치는 Apache 2.0으로 무료입니다. Qwen Cloud: 1M 토큰당 입력 $0.50 / 출력 $3.00(캐시 $0.10). OpenRouter의 서드파티 호스트는 약 $0.04 / $1.25부 터입니다. |
| GLM-5.3모델 | 4.4/5 | 폐쇄형 최상위 모델과 몇 점 차이인 오픈 가중치 코딩 모델이며, 라이선스는 거의 누구도 두 번 읽을 필요가 없습니다. | 라이선스 제한이 최소인 유능한 오픈 코딩 및 에이전트 모델을 원하는 개발자와 기업. | 수정된 MIT 라이선스의 오픈 가중치. Z.ai API: 1M 토큰당 입력 $1.40 / 캐시 $0.26 / 출력 $4.40. GLM-5.3-Flash $0.15 / $0.50. |
| Gemma 4모델 | 4.4/5 | Gemma 4 는 이제 32B 파라미터 이하 오픈 제품군의 기본 선택지입니다. 라이선스가 마침내 품질에 걸맞게 됐기 때문입니다. | 관대한 라이선스와 멀티모달 입력을 원하며 온디바이스, 로컬, 단일 GPU 앱을 만드는 개발자. | 가중치는 Apache 2.0으로 무료입니다. Google Cloud와 서드파티에서 호스팅됩니다. OpenRouter는 1M 토큰당 31B를 $0.20/$0.40, 26B A4B를 약 $0.08/$0.26에 올려 두었습니다. |
| DeepSeek-V4-Pro모델 | 4.3/5 | DeepSeek-V4-Pro는 MIT 라이선스로 최상위급 추론을 Opus 5.5의 토큰당 가격 약 4분의 1에 제공합니다. 단, 데이터를 중국으로 보내도 되거나 H200 랙을 보유하고 있어야 합니다. | 코딩과 추론에 최상위급 오픈 가중치를 원하며, 자체 GPU 8장 서버에서 돌리거나 민감하지 않은 작업에 매우 저렴한 API를 쓰려는 팀. | 가중치는 MIT 라이선스로 무료입니다. DeepSeek API는 1M 토큰당 비혼잡 시간 입력 $0.66 / 출력 $1.98, 혼잡 시간 $1.32 / $3.96입니다. 캐시 적중은 $0.022부터입니다. |
| Kimi K3모델 | 4.3/5 | Kimi K3는 Moonshot 자체 에이전트 점수표에서 1위지만, Artificial Analysis 과제당 $2로 GLM-5.3-Flash의 7배 비용을 들여 지수 점수 2점을 더 얻는 데 그칩니다. | 오픈 웨이트를 원하고, 셀프 호스팅을 하거나 프런티어급 API 가격을 낼 수 있는, 브라우징·리서치 에이전트를 만드는 팀. | 수정된 MIT 라이선스의 오픈 웨이트입니다. Kimi API: 1M 토큰당 입력 $3 / 출력 $15, 캐시된 입력 $0.30. |
| GPT-6 Astra모델 | 4.2/5 | 수학과 과학에서 기록을 세운 모델이지만, 과제당 비용은 1점 낮은 형제 모델의 4.5배입니다. | OpenAI가 제공하는 가장 강한 추론이 필요하고 가격을 정당화할 수 있는 연구, 수학, 과학 팀. | API: 입력 1M 토큰당 $10, 출력 $50. 캐시 입력 $1. Batch/Flex는 절반 가격. 입력 272K 토큰을 넘는 프롬프트는 입력 2배, 출력 1.5배. |
| DeepSeek-V4.1-Flash모델 | 4.2/5 | 입력 토큰 100만 개당 $0.15로 최상위권에 가까운 코딩 에이전트 점수를 냅니다. 단, 중국 기반 데이터 처리를 받아들이거나 7,630억(763B) 파라미터 체크포인트를 직접 호스팅할 수 있어야 합니다. | 비용에 민감하고 코딩·자동화 에이전트를 운영하며, 중국 호스팅 API나 서드파티 호스트를 쓸 수 있거나 오픈 가중치용 멀티 GPU 서버를 갖춘 팀. | 가중치는 MIT 라이선스로 무료입니다. DeepSeek API는 1M 토큰당 비혼잡 시간 입력 $0.15 / 출력 $0.60, 평일 혼잡 시간 $0.30 / $1.20입니다. 캐시 적중은 $0.003~$0.006입니다. |
| Gemini 3.8 Flash모델 | 4.1/5 | 폭넓은 입력과 무료 등급 덕분에 Gemini 3.8 Flash는 여전히 쓸모가 있습니다. 하지만 이제 점수가 더 높은 경쟁 모델보다 작업당 비용이 더 들고, 1월에는 가격이 두 배가 됩니다. | Google 생태계 안에서 오디오, 동영상, 긴 PDF를 처리하며 느린 첫 응답을 감수할 수 있는 팀. | API: 2026년 12월 31일(31 Dec 2026)까지 1M 토큰당 입력 $0.75 / 출력 $3.75, 이후 $1.50 / $7.50. Batch와 Flex는 절반 가격. 제한이 있는 무료 등급 있음. |
| gpt-oss-120b모델 | 4.0/5 | 출시 14개월이 지난 gpt-oss-120b는 더 이상 가장 강한 오픈 모델은 아닙니다. 그래도 80GB GPU 한 장에서 돌리는 추론 모델 가운데 라이선스가 가장 단순하고 지원이 가장 넓습니다. | 성숙한 도구 지원과 함께, GPU 한 장에서 비공개로 돌릴 수 있는 관대한 라이선스의 추론 모델이 필요한 팀. | Apache 2.0 무료 가중치입니다. 호스팅 가격은 제공업체마다 다릅니다. |
| MiniMax-M3.1-Flash모델 | 4.0/5 | 작업당 1센트도 안 되는 비용으로 오픈 웨이트 순위 상단에 가깝습니다. 단, 모델이 내놓는 말은 하나도 확인 없이 내보내면 안 됩니다. | 대량의 에이전트 및 자동화 작업이나 긴 멀티모달 입력을 처리하면서, 출력을 검증할 수 있고 MiniMax 라이선스 조건을 받아들일 수 있는 팀에 맞습니다. | MiniMax 커뮤니티 라이선스의 오픈 웨이트. MiniMax API 1M 토큰당, 프롬프트 길이와 관계없이 고정: 입력 $0.15, 출력 $0.60, 캐시된 입력 $0.015. |
| Beam모델 | 3.8/5 | Beam은 진정으로 열린 라이선스를 갖춘 미국 오픈 모델 중 가장 강력하며, 토큰 절약도 실제로 확인됩니다. 하지만 비교 대상인 중국 오픈 모델들은 여전히 점수가 한참 높습니다. | 미국 연구소의 대형 추론 모델을 Apache 2.0으로 쓰고 싶은 팀. 특히 작은 모델로 증류하거나, 출력 토큰이 비용의 대부분을 차지하는 비용 민감형 에이전트를 운영하려는 경우. | Apache 2.0으로 가중치 무료. Reflection API는 일일 한도가 있는 공개 베타로 무료. 호스팅: Together AI와 Baseten은 1M 토큰당 입력 $0.40 / 캐시 $0.04 / 출력 $1.20, OpenRouter는 $0.24 / $0.98부터. |
사양 비교
이 단계에서 중요한 사양입니다. 2026년 10월 23일에 확인했습니다. 도입 전에 공급업체 사이트에서 확인하세요.
| 도구 | 제공사 | 오픈 웨이트 | 컨텍스트 창 | 입력 $/1M | 출력 $/1M | 입력 모달리티 |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | Anthropic | 아니요 | 1M | $4(캐시 읽기 $0.20) | $20 | 텍스트, 이미지 |
| Claude Sonnet 5.5 | Anthropic | 아니요 | 1M | $2(캐시 읽기 $0.10) | $10 | 텍스트, 이미지 |
| GPT-6.1 Sol | OpenAI | 아니요 | 1.05M | $2(캐시 $0.10) | $10 | 텍스트, 이미지 |
| Gemini 4 Argon | 아니요 | 1M(입출력 공유) | 출시가 $2, 2026년 12월 1일부터 $4 | 출시가 $10, 2026년 12월 1일부터 $20 | 텍스트, 이미지, 오디오, 동영상, PDF | |
| Qwen3.8-27B | Alibaba (Qwen) | 예, Apache 2.0 | 262K(확장 시 1M) | $0.50 (Qwen Cloud) | $3.00 (Qwen Cloud) | 텍스트, 이미지, 동영상 |
| GLM-5.3 | Z.ai | 예, 수정된 MIT | 1M | $1.40 (Z.ai) | $4.40 (Z.ai) | 텍스트 |
| Gemma 4 | 예, Apache 2.0 | 최대 256K | 자체 호스팅, 호스트마다 가격 다름 | 자체 호스팅, 호스트마다 가격 다름 | 텍스트, 이미지, 동영상(E2B/E4B는 오디오도) | |
| DeepSeek-V4-Pro | DeepSeek | 예, MIT | 1M | 피크 $1.32, 비피크 $0.66 | 피크 $3.96, 비피크 $1.98 | 텍스트 |
| Kimi K3 | Moonshot AI | 예, 수정된 MIT | 1M | $3(캐시 $0.30) | $15 | 텍스트, 이미지, 동영상 |
| GPT-6 Astra | OpenAI | 아니요 | 1.05M | $10(캐시 $1) | $50 | 텍스트, 이미지 |
| Gemini 3.8 Flash | 아니요 | 1M | 출시가 $0.75, 2027년부터 $1.50 | 출시가 $3.75, 2027년부터 $7.50 | 텍스트, 이미지, 오디오, 동영상, PDF | |
| gpt-oss-120b | OpenAI | 예, Apache 2.0 | 128K | 자체 호스팅, 호스트마다 가격 다름 | 자체 호스팅, 호스트마다 가격 다름 | 텍스트 |
일대일 비교와 순위 가이드
이 단계가 쓰이는 곳
- 문서와 대화하기: Claude Sonnet 5.5부터 시작하겠습니다.
- 고객 지원 에이전트: Claude Haiku 5.5부터 시작하겠습니다.
- 코딩 에이전트: Claude Opus 5.5, GLM-5.3부터 시작하겠습니다.
- 리서치 및 지식 그래프: Gemini 4 Argon부터 시작하겠습니 다.
- 장기 메모리를 갖춘 어시스턴트: GPT-6.1 Sol부터 시작하겠습니다.
- 이미지 생성 파이프라인: Gemini 3.8 Flash부터 시작하겠습니다.
- 동영상 제작: Gemini 3.8 Flash부터 시작하겠습니다.
- 음성 에이전트: Gemini 3.8 Flash부터 시작하겠습니다.
- 비공개 온디바이스 AI: Gemma 4, Qwen3.8-27B부터 시작하겠습니다.
- 문서 처리: GPT-6 Luna부터 시작하겠습니다.
- 직접 파인튜닝한 모델: Qwen3.8-27B부터 시작하겠습니다.
- 워크플로 자동화: Claude Haiku 5.5부터 시작하겠습니다.
이 가이드의 출처
- Artificial Analysis: Intelligence Index methodology
- Artificial Analysis: model leaderboard
- Arena leaderboard (formerly LMArena)
- Arena: LMArena is now Arena (28 January 2026)
- Arena leaderboard dataset notes on style control
- OpenAI: Why we no longer evaluate SWE-bench Verified
- OpenAI: Separating signal from noise in coding evaluations (SWE-bench Pro audit, July 2026)
- SWE-bench leaderboards
- Sierra tau-bench repository (τ³-bench)
- Artificial Analysis: Humanity's Last Exam results
- Z.ai: GLM-5.3 overview