변화 단위로 읽는 보고서 · 업로드 순서 2
코딩 도구의 경쟁은 완료한 작업의 품질과 비용에서 갈린다
같은 품질의 코딩 작업을 얼마나 빠르고 저렴하게 끝내는지가 모델과 실행 제품을 함께 비교하는 기준이 된다. 토큰 단가뿐 아니라 문맥 수집, 도구 실행, 검토와 재작업이 결과를 바꾼다.
발행처 내부 팀의 작업별 모델 조합, 장문맥 구조와 실행 스택의 변화, 전문 평가의 갱신, 모델 공급과 실행 제품의 결합은 서로 다른 갈래다. 한 팀의 사용 경험을 산업 전체의 채택률로 확대하지 않는다.
이 보고서는 2026년 4월 자료를 당시 조건으로 읽는다. 회사의 공식 사후 보고와 다르게 일반화된 오류 기간, 뒤섞인 모델·정밀도 조건, 미래 ARR 전망을 구분해 남겼다.
이 글에서 발견한 변화를 그림으로 보기
보고된 변화와 함께 확인할 조건
한 제품 중심 코딩에서 작업별 모델 조합으로 이동
발행처의 개발자는 초기 구성부터 버그 수정까지 대부분 Claude를 사용했다.
GPT 5.5 이후 일부는 Claude로 구성을 만들고 Codex로 추론·검토·수정한다.
모델 호출을 배분하는 도구와 검증 기능의 중요성이 커질 수 있으나 회사 전체 점유율 증거는 아니다.
적용 범위: SemiAnalysis 내부 개발 작업
단계: 발행처 내부 팀의 사용 관찰 · 적용 시기: 2026년 4월 알파 시험 및 출시
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 동일 팀·과제군의 장기 사용 비중, 유지율과 재작업 비용
판단을 바꿀 조건 · 신규 모델 호기심이 끝난 뒤 기존 단일 도구로 돌아오면 지속적 분업 해석을 낮춘다.
기능 통과 외에 의도 이해와 결과 품질을 비교
실행 가능한 코드를 만드는지가 주요 불만이었다는 발행처 회고다.
일상 작업의 성공률이 높아지자 설계·스타일·데이터 정확도·응답속도가 선택을 가른다고 보고한다.
모델 점수 밖의 제품 통합과 업무 맥락 기능이 채택에 기여할 수 있다.
적용 범위: 발행처 일상 작업; 어려운 과제는 여전히 실패 가능
단계: 우선순위 변화에 관한 발행처 관찰 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 과제 난도별 성공률·품질 검토 시간·사용자 선택
판단을 바꿀 조건 · 난도 증가로 기능 실패가 여전히 대부분의 비용이면 일반화하지 않는다.
빠른 응답을 위한 추가 지불과 품질 절충이 나타남
팀은 더 좋은 모델 품질을 우선했다고 서술한다.
일부는 Opus 4.7 대신 Fast가 있는 4.6을 고르며 빠른 응답을 위해 더 지불한다.
고속 토큰은 일반 처리량 토큰과 다른 상품이지만 제한된 표본을 보편적 지불의사로 해석하지 않는다.
적용 범위: SemiAnalysis 일부 엔지니어와 당시 Opus Fast
단계: 제한된 표본의 사용 관찰 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 속도 옵션별 유지율·실제 작업 시간·서빙 원가
판단을 바꿀 조건 · 효용 증가가 가격·추론 원가를 상쇄하지 못하면 수익화 경로가 약해진다.
GPT 세대 교체에서 표준 API 토큰 단가가 상승
GPT 5.4의 표준 토큰 정가와 상대적으로 낮은 OpenAI 가격이 비교 기준이다.
GPT 5.5는 입력·출력 정가를 두 배로 높였다고 보고한다.
토큰 가격과 작업비용을 별개로 추적해야 한다.
적용 범위: GPT 5.4→5.5 해당 API SKU
단계: 발행처가 보고한 가격 변경 · 적용 시기: 2026년 4월 24일
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 당시 정가·실현 할인·품질 통과 작업당 지출
판단을 바꿀 조건 · 필요 토큰 감소가 단가 상승을 상쇄하면 단가 상승을 고객 비용 증가로 해석하지 않는다.
tokenizer 변화가 표시 단가 밖의 과금 단위를 바꿈
이전 tokenizer로 같은 내용을 토큰화했다.
Opus 4.7은 더 잘게 나뉘는 새 tokenizer를 써 내용별 토큰 수가 늘 수 있다.
표시 정가가 같아도 비용 노출이 달라지지만 최대 35%를 보편 가격 인상률로 쓸 수 없다.
적용 범위: Opus 4.6→4.7, 같은 입력 텍스트
단계: 출시 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 동일 텍스트·캐시·성공 작업의 실제 청구 비교
판단을 바꿀 조건 · 입력 토큰 증가와 반대로 전체 작업 토큰·재시도가 충분히 줄면 전체 비용 증가가 아니다.
추론 강도와 작업 예산이 더 세분화됨
기존 reasoning 단계·출력 상한으로 비용과 수행을 조정했다.
Opus 4.7은 xhigh와 API 베타 task budget을 추가하고 기본 도구 사용 패턴도 달라졌다고 보고한다.
하네스의 작업 예산 설계가 품질과 원가를 함께 조정한다.
적용 범위: 제품 옵션은 출시, 효과는 발행처 체감
단계: 출시 기능과 베타 기능 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 예산별 성공률·도구 호출·총 지출·거절률
판단을 바꿀 조건 · 낮은 예산이 누락·재작업을 키우면 겉보기 효율 향상 해석을 뒤집는다.
추론 내용의 기본 가시성이 줄어듦
이전 표시 방식에 비해 추론 내용을 직접 보는 것이 기본이라는 비교다.
Opus 4.7은 thinking 내용을 기본 생략하고 표시를 별도 선택하게 하지만 과금은 계속된다.
보이는 글자 수만으로 비용·작업량을 추정할 수 없으며 사용량 계측이 필요하다.
적용 범위: Opus 4.7 표시 설정
단계: 제품 기본값 변경에 관한 보고 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · usage 계측과 표시 설정, 검토·감사 가능성
판단을 바꿀 조건 · 표시와 요금의 분리가 운영 관측성에 영향을 주지 않으면 별도 사업 의미는 제한적이다.
프런트엔드 작업의 시각적 피드백 능력이 확대됨
이전 버전보다 이미지 해상도와 시각적 작업 입력이 제한적이었다.
Opus 4.7 고해상도 지원과 스크린샷 중심 프런트엔드 수정이 보고된다.
시각 평가와 프로그램 테스트는 보완적이며 어느 하나가 다른 검증 전체를 대체하지 않는다.
적용 범위: Opus 버전 변화와 발행처 실무
단계: 출시 및 사용 보고 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 접근성·레이아웃·기능을 함께 평가한 실험
판단을 바꿀 조건 · 이미지 인식 향상이 실제 UI 품질을 높이지 못하면 성능 연결을 낮춘다.
품질 열화의 원인 일부가 모델 밖의 버그로 확인됨
사용자는 품질 저하를 모델 성능 또는 의도적 열화로 받아들였다.
4월 사후보고는 별도 제품·설정 오류와 수정 이력을 제시한다.
모델과 하네스·서빙의 장애 원인을 분리하는 관측·회귀 테스트가 중요해진다.
적용 범위: 버그별 기간·조건이 다른 사건
단계: 회사의 사후 보고 · 적용 시기: 2026년 3월/2026년 4월
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 수정 버전의 재현 실험·품질 지표·재발 여부
판단을 바꿀 조건 · 수정 후에도 같은 실패가 지속되면 해당 버그만으로 설명할 수 없다.
장문맥 확대와 함께 KV와 연산 구조가 바뀜
V3 계열의 짧은 최대 문맥과 V3.2의 비교 구조가 기준이다.
V4는 1M 문맥과 압축·희소 attention을 도입해 해당 긴 문맥 비교에서 KV·FLOPs를 절감한다고 발표한다.
단위 KV 절약은 전체 메모리 수요 감소와 같지 않고 초기 실제 처리량은 오히려 낮았다.
적용 범위: 문맥 용량 전후는 V3→V4, 효율 분모는 V3.2 at1M
단계: 가중치 공개와 개발사 주장 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 동일 하드웨어·정밀도·배치·문맥별 처리량과 정확도
판단을 바꿀 조건 · 짧은 문맥·전체 서빙에서 절감이 재현되지 않으면 적용 범위를 좁힌다.
공개 모델 지원이 가중치에서 커널과 서빙 스택으로 넓어짐
가중치 접근만으로 배포·성능 최적화가 끝나지 않았다.
DeepSeek 라이브러리와 커널 공개, H200 day-zero 지원, 다른 하드웨어의 후속 작업이 함께 나타난다.
추론 소프트웨어와 하드웨어 통합 역할은 커지지만 특정 칩의 점유율 전환은 미확인이다.
적용 범위: 하드웨어별 claimed/released/working 상태 구분
단계: 출시된 기능과 개발 중인 기능이 혼재 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · Blackwell·AMD·Ascend 공개 코드와 재현 성능, 고객 가동
판단을 바꿀 조건 · 지원 표방이 실제 가동과 경제성으로 이어지지 않으면 경쟁 공급 실현으로 인정하지 않는다.
평가 과제가 지식 응답에서 실제 작업 환경으로 확장됨
초기 객관식·단답형 지식 평가가 중심이었다.
코드 저장소, 앱과 업무 파일, 결과물·루브릭을 포함한 agentic 평가가 추가된다.
전문가 과제 설계·기준표·환경 제작 수요가 생기지만 예산은 매출과 다르다.
적용 범위: 2020년대 benchmark 계열의 역사; 기존 평가도 공존
단계: 평가 설계의 변화 보고 · 적용 시기: 2020/2026년 4월
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 실제 업무 성과와 평가 점수의 상관·전문가 채점 일치
판단을 바꿀 조건 · 잘 정의된 단발 평가가 실제 모호하고 반복적인 업무 성과를 설명하지 못하면 대표성을 낮춘다.
자동 수집 평가에서 검수와 오염 방지에 자원이 이동
공개 PR과 기존 테스트를 그대로 쓰는 benchmark가 출발점이다.
사람 검수, 별도 과제·평가 작성, 제한적 공개·비공개 repo가 보완책으로 도입된다.
새로운 전문 검증 역할과 지속 갱신이 중요하지만 단순 비공개화가 해답은 아니다.
적용 범위: SWE-bench 계열 및 당시 보고 관행
단계: 구현되었으나 지원은 미완성 · 적용 시기: 2023/2026년 2월
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 새롭고 누출이 적은 과제의 재현성·채점 공정성
판단을 바꿀 조건 · 비공개화 뒤에도 누출·불공정 채점이 남으면 평가 개선으로 확정하지 않는다.
독립 응용 서비스에서 모델과 실행 제품 결합의 경쟁력이 부각됨
외부 모델을 붙인 응용 서비스의 제품 가치가 주목받았다.
Claude Code·Codex 성장 속에서 발행처는 응용 회사의 상대적 열위와 모델+harness 결합 우위를 주장한다.
모델 소유·운영 통합·유통 우위를 구분해야 한다.
적용 범위: 발행처의 시장 판단; 정량 점유율 불충분
단계: 상대 경쟁력 변화에 관한 발행처 판단 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 앱별 사용 유지·gross margin·차별화 가치·모델 조달 계약
판단을 바꿀 조건 · 외부 앱의 고유 업무 가치·유통·효율이 조달 격차를 넘으면 일괄 열위 논리를 약화한다.
Anthropic의 ARR가 급증해 경쟁 구도가 바뀌었다는 추정
원문은 Anthropic ARR 90억 달러와 연초의 열세 인식을 출발점으로 삼는다.
발행처는 400억 달러 ARR 및 비교 기준 조정 후 OpenAI 추월을 추정한다.
성장과 매출의 질은 비용·유지·집중도까지 봐야 하며 수익성·주가로 이어지지 않는다.
적용 범위: 2026-04 기사 시점 run-rate; 확정 연간 실적 아님
단계: 발행처가 추정한 실현 규모 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 공식 기준일·ARR 정의·서비스별 매출·cloud gross/net 처리
판단을 바꿀 조건 · 동일 기준 정의에서 역전이 재현되지 않으면 순위 변화 주장을 철회한다.
연산 제약에 맞춰 속도와 시간대별 접근을 차등화
같은 가격에 더 넓은 이용을 제공하는 구조가 비교 배경이다.
원문은 premium capacity, 피크시간 한도, 저가 플랜 제공 범위 실험을 보고한다.
제한된 용량이 상대 경쟁사의 채택 기회일 수 있으나 이탈·이동은 아직 예측이다.
적용 범위: 서로 다른 상품의 실제 변화·실험·향후 예상 혼재
단계: 가격·용량 배분·실험에 관한 보고 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 공식 한도·계약·운영 가용량·고객 이동·실제 손익
판단을 바꿀 조건 · 한도 변경이 원가·capacity가 아닌 다른 이유이면 용량 수익화 해석을 낮춘다.
제3자 하네스의 모델 접근이 공급 정책에 종속됨
외부 실행 제품이 모델 제공자의 구독·접근 조건에 기대어 사용됐다.
OpenClaw 등 제3자 하네스 제한을 원문이 보고한다.
API 조달권과 업무 데이터 접근권은 서로 다른 제약이다.
적용 범위: Anthropic 제3자 harness 정책의 당시 서술
단계: 발행처가 보고한 접근 제한 · 실제 시작 시점 미확정
이익으로 이어질 조건 · 동일 작업·품질·고객·기간의 채택과 실제 매출·원가를 확인해야 한다.
다음 확인 · 정책의 API/구독별 대상·예외·효력일과 고객 대안
판단을 바꿀 조건 · 계약상 별도 API 사용이 충분히 가능하거나 제한이 철회되면 공급 차단 범위를 좁힌다.
내부 사용 지출은 모델 전환 뒤 오히려 줄었다는 관찰
발행처 조직의 Opus4.6 사용 지출은 높은 일간 수준을 보였다.
4월 게시물은 Opus4.7 전환 뒤 지출 감소를 보고한다.
같은 텍스트의 토큰 증가와 조직 전체 지출 변화가 반대 방향일 수 있다.
적용 범위: 발행처 조직의 4월15~21일 차트와4월22일 게시물
단계: 발행처 자체 사용 관찰 · 적용 시기: 2026년 4월 15일/2026년 4월 22일
이익으로 이어질 조건 · 작업량·성공 품질·사용 모드·단가를 맞춰야 비용 효율을 식별할 수 있다.
다음 확인 · 동일 업무량에서의 지출·성공률·모드 구성을 비교
판단을 바꿀 조건 · 작업량 감소가 주요 원인이면 효율 개선으로 보지 않는다.
기사에 등장한 기업과 검증 조건
아래는 기사 속 역할 사례입니다. 필요한 제품·기술의 공급자를 새로 찾고 비교하는 조사나 현재 선도성 판정을 대신하지 않습니다.
OpenAI·Anthropic
모델과 자체 코딩 실행 제품, 용량과 상품 등급을 공급한다.
이익으로 이어질 조건 · 고객 유지와 유효한 작업 성과가 추론·개발·지원 비용을 회수해야 한다.
확인할 것 · 품질을 통과한 작업당 실제 비용, 속도와 계정별 한도, 갱신과 이탈
Cursor·Cognition
IDE와 작업 흐름·실행 환경을 제공하면서 외부 모델을 조달한다.
이익으로 이어질 조건 · 고유한 업무 가치와 조달 할인, 유통이 공급 조건의 제약을 넘어야 한다.
확인할 것 · 실제 모델 공급 계약과 할인·고객 사용·재작업·지원 비용
DeepSeek
장문맥 아키텍처와 공개 가중치·커널을 공급한다.
이익으로 이어질 조건 · 동일 품질과 부하에서 실제 배포 처리량과 서빙 비용 개선이 실현되어야 한다.
확인할 것 · 문맥 길이·혼합 정밀도·실행 스택·메모리 비용을 맞춘 재현
vLLM·SGLang·TRT-LLM·Dynamo
공개 모델을 하드웨어에서 실행하고 최적화하는 소프트웨어 구성 요소다.
이익으로 이어질 조건 · 이론적인 절감을 고객이 사용할 수 있는 안정적 처리량으로 바꿔야 한다.
확인할 것 · 지원 상태·정확도·가동 처리량과 버전별 성능
NVIDIA·AMD·Huawei
실행 스택이 지원하는 서로 다른 하드웨어 플랫폼의 사례다.
이익으로 이어질 조건 · 지원 계획과 실제 가동·고객 채택을 구분해 확인해야 한다.
확인할 것 · 동일 작업·품질·문맥·부하의 비교와 소프트웨어 완성도
Mercor·Surge·Handshake·Scale
전문가 업무 과제와 평가·데이터 공급의 사례다.
이익으로 이어질 조건 · 평가 예산이 실제 계약·납품·재구매와 지속 가능한 마진으로 이어져야 한다.
확인할 것 · 과제 품질·오염 통제·갱신·고객의 내재화와 경쟁 공급
사업 참여와 이익 회수, 상장 여부와 티커, 현재 가치평가는 별도로 확인해야 합니다.
해석의 경계와 반대 근거
- 본문 GPT5.5 Opus4.7 비교절의 대시보드 실험은 Opus4.6이다.
- FP81은 FP8과 각주1이며 실제 MoE 가중치는 FP4 혼합 정밀도다.
- 최대35% 토큰 증가를 전체 가격35% 증가라고 확장한 원문 표현은 범위가 과도하다.
- 검수500개 중 실패선정138개에 대한 오류율과 전체 benchmark 오류율을 구분한다.
- 발행일4월24일, 업로드10월2일, 검토10월12일 한국시간을 구분한다.
- I03, I08, I15, I22는 같은 모델명 아래에도 조건, Pro 여부와 값이 혼재한다.
- I11 차트의 근사 처리량과 본문의 150은 소폭 다르며 원시값 없이 보정하지 않는다.
- I25의 2027년 전망과 I26의 정규화된 100을 실현 매출과 정답률로 읽지 않는다.
- 1차 확인에 사용한 DeepSeek arXiv 2606 보고서는 4월 기사보다 늦은 버전이다. 현재 공식 문서도 당시 스냅샷으로 간주하지 않는다.
- 서로 다른 모델·실행 제품·정밀도·기간의 표를 한 개의 순위로 합치지 않는다. 사용 가치, 회사 이익과 주가 판단은 별도 단계다.
다음에 무엇을 확인할까
- 동일 작업·동일 품질에서 토큰 종류별 실제 청구량, 시도 횟수, 검토·재작업 시간을 비교한다.
- 발행처 팀의 모델 조합이 신제품 초기 시험 이후에도 유지되는지 확인한다.
- 장문맥의 이론 연산·KV 절감이 실제 실행 스택과 고객 트래픽에서 재현되는지 확인한다.
- 평가 과제의 대표성·비공개성·반복 갱신과 업무 성과를 대조한다.
- 모델 공급 계약·실제 용량·고객 갱신과 기업별 비용을 확인한 뒤 가치 회수를 판단한다.
원문과 검토 범위
The Coding Assistant Breakdown: More Tokens Please ↗
확보 사본의 텍스트 전문 검토 완료 · 이미지 26개 원본 해상도 검토 완료
- P001–P173의 모든 본문 구간과 이미지 26개를 검토했습니다. 유료 원문 전체의 완전성을 별도로 인증한 것은 아닙니다.
- 공식 발표·기술 문서·사후 보고에 대한 표적 대조 7건을 수행했으며, 독립 업무 실험·청구 기록·재무 감사를 수행하지 않았습니다.
- 발행일은 2026년 4월 24일입니다. 10월의 구독 비교 글보다 먼저 나온 자료이며 업로드 순서를 사건의 순서로 읽지 않습니다.
아래는 자기 말로 재서술한 근거입니다. P·I 번호는 검토 사본의 위치이며 원문 웹페이지의 고정 앵커가 아닙니다. 발행처의 보고를 공식 확인 사실로 바꾸지 않습니다.
출처를 추가 대조한 범위
- Opus 4.7 출시와 토크나이저 ↗
동일 입력의 토큰 수가 내용에 따라 약 1.0~1.35배가 될 수 있다는 회사 설명이다. 모든 업무 비용이 35% 증가한다는 확인은 아니며, 상호작용형 코딩의 효율은 별도로 본다.
- API 작업 예산의 적용 범위 ↗
작업 예산은 전체 실행 과정에 주는 권고값이며 강제 지출 상한이 아니다. 현재 문서를 4월 당시의 고정된 사본으로 취급하지 않는다.
- 사고 사후 보고와 영향 기간 ↗
Claude Code·Agent SDK·Cowork의 오류를 설명하며 API·추론 계층은 제외한다. 버그마다 영향 집단과 기간이 다르고 마지막 오류는 4월 16~20일의 4일이다. 원문의 모든 오류가 수 주였다는 기간 일반화와 충돌하지만, 원문이 API 피해를 주장했다고 재구성하지 않는다.
- DeepSeek V4 모델 카드 ↗
1M 문맥에서 V3.2 대비 토큰당 추론 연산 27%, 누적 KV 10%라는 개발사 추정을 대조했다. 실제 서버 비용이나 짧은 문맥 처리량의 동일한 감소가 아니다. 혼합 FP4·FP8 정밀도도 구분한다.
- DeepSeek 기술 보고서의 시점 ↗
세부 구조와 정밀도를 설명하는 후속 기술 보고서다. 4월 기사보다 늦은 6월 버전이며 4월 당시의 원문을 대체하지 않는다. H200 처리량 실험을 재현한 자료도 아니다.
- SWE-bench Verified 평가 중단의 근거 ↗
500개 중 일관되게 풀리지 않았던 138개를 골라 검토한 감사다. 그 표본의 오류율을 전체 500개에 일반화할 수 없다. OpenAI의 보고 중단 결정과 모든 연구기관의 평가 중단도 구분한다.
- GPT-5.5 출시 당시 효율과 가격 ↗
일부 평가에서 토큰 효율 개선을 보고한 회사 발표다. 토큰 종류별 청구량·단가·성공률·재시도를 함께 맞추지 않으면 작업당 달러 비용 감소를 확정할 수 없다. 현재 가격 안내로 사용하지 않는다.
공식 발표·동일 발행처 대조·독립 재현을 구분합니다. 해당 작성 주체의 설명을 확인한 것이 전체 실험이나 재무 수치의 독립 검증을 뜻하지 않습니다.
변화에 연결된 근거
발행처는 Claude에 거의 전적으로 의존하던 엔지니어들이 GPT 5.5 이후 작업과 IDE에 따라 Codex와 Claude를 함께 쓰며 일부는 Claude의 초기 구성 뒤 Codex로 수정한다고 보고한다.
일반 시장 점유율이나 모든 작업에서의 GPT 우위가 아니다.
P001 · P002 · P004 · P058 · P069-P072원문에서 맥락 확인 ↗발행처의 일상 코드 작업에서는 기능 테스트 통과 외에 설계·의도 이해·속도·데이터 정확성이 차별점으로 부각됐다고 평가한다. 대시보드 예시는 Claude Opus 4.6과 GPT 5.5 비교다.
절 제목 Opus 4.7과 예시 모델 4.6을 섞지 않으며 어느 모델도 첫 시도에 완전하지 않았다.
P018 · P020 · P027 · P061-P068원문에서 맥락 확인 ↗GPT 5.5의 새 사전학습 및 10만 GB200 NVL72 학습 관련 주장에 대해 발행처는 해당 대규모 학습 표현이 RL을 가리키며 실제로 그 규모를 달성하지 못했다고 주장한다.
공개 검증 가능한 실제 가동 GPU 수나 학습 로그가 없어 사실 확정하지 않는다.
P008원문에서 맥락 확인 ↗GPT 5.5 표준 API는 5.4의 두 배 단가로 발표됐다고 보고한다.
역사적 정가. 캐시·문맥·할인·실제 작업비용과 다르며 이미지의 긴 문맥 조건을 별도 확인.
P009 · P012원문에서 맥락 확인 ↗우선 처리와 빠른 모드는 같은 모델의 서비스 조건이고 Codex Spark는 다른 소형 모델이라는 구분 아래, 일부 발행처 엔지니어는 약간의 품질보다 빠른 응답을 택했다고 보고한다.
예시 SLA >50 tokens/s 및 >99%는 SKU 전체의 보장으로 일반화하지 않는다. Spark의 distillation 설명은 발행처 주장이다.
P010 · P011 · P018원문에서 맥락 확인 ↗발행처는 토큰 단가보다 품질을 충족한 작업 비용이 중요한 기준이라고 주장하며 GPT 5.5와 Mythos의 토큰 효율을 예로 든다.
벤치마크 효율 주장과 실무 성공 작업당 비용은 다르다. Mythos 직접 접근은 없다고 후반부에서 밝힌다.
P013-P016원문에서 맥락 확인 ↗Opus 4.7은 고해상도 이미지를 지원하고 발행처는 프런트엔드 작업의 스크린샷 활용이 늘었다고 본다.
RL 훈련 목표 증가라는 원인 설명은 발행처 추정이며 실제 훈련 자료는 확인되지 않았다.
P022원문에서 맥락 확인 ↗Opus 4.7은 xhigh 선택지와 API 베타 작업 예산을 도입했고 thinking 표시가 기본적으로 생략된다. 발행처는 기본 도구 호출이 줄고 추론이 늘었다고 관찰한다.
작업 예산은 max_tokens와 다른 제안형 제약이며 지나치게 작은 예산은 지름길·거절을 낳을 수 있다. thinking 비표시는 무료 처리라는 뜻이 아니다.
P023-P025 · P027원문에서 맥락 확인 ↗새 tokenizer는 같은 텍스트의 토큰 수를 최대 35% 늘릴 수 있다는 회사 설명을 원문이 인용한다.
전체 청구액이나 성공 작업당 가격이 무조건 35% 오른다는 원문의 확장은 성립하지 않는다. 출력·캐시·작업 경로도 맞춰야 한다.
P026원문에서 맥락 확인 ↗원문은 4월 23일 Anthropic 사후보고의 세 오류와 수정 기간을 소개한다.
공식 사후보고는 API·추론층을 제외하고 Claude Code·Agent SDK·Cowork의 서로 다른 집단을 구분한다. 마지막 오류는 4일이었다. 고의 모델 열화나 Claude가 모든 버그를 작성했다는 증거가 아니다.
P028-P031 · I05원문에서 맥락 확인 ↗DeepSeek V4 공개 모델은 장문맥 확장과 sparse/compressed attention 계열 구조를 도입했다고 서술한다.
최대 문맥과 유효 작업 정확도는 다르며 비공개 frontier의 크기와 열위 여부는 발행처 추정이다.
P034-P040원문에서 맥락 확인 ↗1M 문맥 조건에서 V4 Pro가 V3.2 대비 단일 토큰 추론 FLOPs 27%, KV cache 10%를 필요로 한다는 개발사 수치를 인용한다.
동일 1M 문맥의 구조 비교다. 전체 서비스 원가·HBM/NAND 전체 수요·전력 90% 감소로 확대하지 않는다. 공식 후속 보고의 FLOPs는 FP8 equivalent 추정치이며 아키텍처와 낮은 정밀도를 함께 반영한다. 검토한 arXiv2606판은 4월 원본 동시점 스냅샷이 아니다.
P040원문에서 맥락 확인 ↗DeepSeek의 자체 agentic 평가와 발행처 비교표에서 모델별 강점이 다르고 벤치마크 선택·API 제한이 비교 결과를 바꾼다고 설명한다.
서로 다른 harness·reasoning·문항 조건의 최고 수치를 동등 실험으로 합산하지 않는다.
P041-P046원문에서 맥락 확인 ↗DeepSeek 커널의 Ascend 지원을 표방하지만 공개 코드는 Hopper·Blackwell 중심이고, 발행처는 H200의 day-zero 지원을 실현했으며 Blackwell·AMD 지원은 진행 중이라고 보고한다.
Ascend의 실제 대규모 채택·트래픽 이동이나 AMD 성능 경쟁력을 입증하지 않는다. 8개 H20의 FP4 메모리 적합성은 전체 시스템 가동 보장이 아니다.
P047-P052원문에서 맥락 확인 ↗발행처의 V4 초기 H200 실험은 20 tok/s 사용자 응답속도 조건에서 GPU당 약 150 tok/s를 보고하고 V3 비교값은 약 1300~2300 tok/s라고 제시한다.
FP81은 FP8+각주 1의 병합이다. MoE expert weights FP4, 다른 주요 연산 FP8인 혼합 정밀도이며 순수 FP8 비교가 아니다. 후속 최적화는 예상이다. 이미지 I11은 가장 가까운 점을 약20.7 tok/s/user와171 tok/s/GPU로 읽을 수 있어 본문의150과 정확히 일치하지 않는다. 근사값 차이를 보존한다.
P053 · P173 · I11 · I12원문에서 맥락 확인 ↗발행처는 DeepSeek를 저가 대안으로 평가하되 자신의 frontier 작업을 대체하지 못하고 open/closed 격차가 다시 벌어진다고 판단한다.
전체 사용자·모든 작업·향후 비용 순위를 입증하는 자료는 없다.
P055 · P162원문에서 맥락 확인 ↗발행처는 당시 제품들의 긴 문맥 고속 모드와 장치 간 세션 이동 기능 차이가 Codex 채택을 막는다고 판단한다.
현재 제품 기능 설명이 아니다. 모델 자체 능력과 앱 기능 가용성을 분리한다.
P073-P074원문에서 맥락 확인 ↗초기 객관식·단답형 평가가 포화되면서 더 어렵고 전문가가 작성하는 문항으로 이동했으나 오류와 대표성 문제가 남았다고 설명한다.
원문 30%를 HLE 전체 오류율로 확대하지 않는다. 포화는 100% 정답을 의미하지 않는다.
P087-P100원문에서 맥락 확인 ↗Google이 2025년에 HLE형 STEM 문항을 Mercor·Surge·Handshake 등에 조달하는 데 9자리 달러 예산을 배정했다는 발행처 보고다.
실제 집행액·회사별 수주액·매출이 아니다. benchmark 향상의 원인을 이 예산 하나로 식별할 수 없다.
P100-P102원문에서 맥락 확인 ↗SWE-bench는 자동 수집 평가에서 사람이 검수한 500문항으로 좁혀졌고, 2026년 OpenAI는 불공정 채점·오염 문제로 그 점수 발표를 중단하고 Pro를 권고했다.
공식 자료의138개는 o3가64회에 걸쳐 일관되게 풀지 못한 과제로, 항상 실패한 문항과 다르다. 그 안의59.4% 오류율을 전체500개로 일반화하지 않는다. Pro에도 암기 증거 각주가 있다. 모든 업체가 Verified를 폐기한 것은 아니다.
P105-P119원문에서 맥락 확인 ↗평가 대상은 코드 테스트를 넘어 앱·파일·업무 환경의 결과물로 넓어지고 전문가 기준표와 사람 또는 LLM 채점이 쓰인다.
명시적 단발 과제의 성공이 모호한 실제 업무의 반복 수행·직업 전체 대체를 뜻하지 않는다. GDPval과 GDPval-aa는 채점자가 다르다.
P125-P141원문에서 맥락 확인 ↗발행처는 GPT 5.5가 일부 frontier 과제에 진입했지만 SWE-bench Pro 결과와 자체 인상상 Opus 4.7을 전반적으로 압도하지는 못한다고 판단한다.
benchmark 누락의 의도에 대한 설명은 추정이다. Mythos 성능 추정은 직접 실무 사용 검증이 아니다.
P143-P151 · I21-I23원문에서 맥락 확인 ↗발행처 자체 평가에는 비용을 줄이기 위한 부분 표본과 제한된 MCP 서버가 사용됐고 회사 발표와 harness도 달랐다.
동일 harness 결과도 전체 제품 비교의 유일한 정답이 아니며 작은 표본의 수치 순위는 대표성이 부족하다. 자체 표의 비교는 Opus4.6이며 GPT5.5가 OSWorld·MMMU-Pro에서 GPT5.4보다 낮다. 버전 향상이 모든 축의 개선은 아니다.
P153-P157 · I24원문에서 맥락 확인 ↗발행처는 고정 harness 모델 비교와 각 제품의 실제 조합 비교가 서로 다른 질문을 답한다고 주장한다.
고정 harness 실험이 무가치하다는 뜻이 아니며 비교 목적을 명시해야 한다.
P158-P159원문에서 맥락 확인 ↗발행처의 예비 trace 분석은 Codex와 Claude Code의 평균 입력 대 출력 비율을 80:1과 100:1로 보고하며 Codex가 입력을 덜 써 작업비용이 낮다고 판단한다.
비율만으로 총량·성공률·총비용은 알 수 없다. 입력/출력 정가와 캐시 효과 및 동일한 과제·품질을 맞춰야 한다.
P159원문에서 맥락 확인 ↗발행처는 모델과 harness를 함께 가진 두 연구소가 agentic coding에서 우세하고 외부 모델 응용 회사가 상대적으로 뒤처진다고 본다.
기업별 점유율·실제 매출총이익·제품 고유가치를 검증하지 않아 wrappers 전체 소멸로 해석하지 않는다.
P162-P164원문에서 맥락 확인 ↗원문은 일부 응용 회사가 수개월에 3배 이상 성장해도 상대 열위이고 종종 음의 매출총이익을 낸다고 보고하며 합산 ARR를 수십억 달러대 초중반으로 추정한다.
저성장·마이너스 절대 매출을 뜻하지 않는다. 가격·원가·계약·기업별 노출 자료가 빠졌다.
P163원문에서 맥락 확인 ↗발행처는 Anthropic ARR가 90억에서 400억 달러로 늘었고 증가분 대부분이 Claude Code 중심 agentic coding에서 왔으며 회계 기준을 맞춰도 OpenAI를 추월했다고 추정한다.
ARR 정의·gross/net 클라우드 수익배분·코호트·서비스별 매출 기여를 공개 재무로 검증하지 않았다.
P163-P165 · I25원문에서 맥락 확인 ↗Anthropic 매출의 약 70%가 API라는 구성과 그 매출의 질이 높다는 설명은 당시 발행처 추정·판단이다.
API 매출 비중을 추론 용량·구독 비중·매출총이익률로 바꾸지 않는다. API도 고객 집중과 가격 인하 위험이 있다.
P166원문에서 맥락 확인 ↗발행처는 Anthropic의 연산 확보 수요가 H100 임대료 상승의 주요 원인 중 하나이고 당해 가동 가능한 공급이 제한돼 경쟁사 점유율을 지탱할 수 있다고 본다.
계약·예약·설치·가동 용량은 다르며 원문의 수요 설명만으로 공급자 매출·현금이나 원인을 확정하지 않는다.
P167원문에서 맥락 확인 ↗발행처는 Anthropic이 전체 연산의 50% 이상을 고객 서빙에 배정하지 않을 것으로 본다.
관측된 배정 비율·확정 회사 정책·물리적 한도가 아니다.
P168원문에서 맥락 확인 ↗원문은 빠른 모드 프리미엄, 피크시간 한도 축소, 20달러 플랜의 Claude Code 제외 실험과 OpenClaw 등 제3자 harness 제한을 당시 사례로 보고한다.
실험을 전체 가입자 대상 확정 제거로 바꾸지 않는다. 높은 마진 작업으로 용량 이동이라는 동기는 발행처 해석이다.
P168원문에서 맥락 확인 ↗발행처는 더 강한 가격 차등화와 Claude의 가격·가동성 때문에 이탈한 고객을 OpenAI가 확보할 가능성을 전망한다.
실현된 이동량이나 확정 장기 승자를 제시하지 않는다.
P168-P171원문에서 맥락 확인 ↗발행처의 4월 22일 게시물은 내부 Claude Code 지출이 Opus 4.7 이후 줄었다며 토큰 효율과 Fast 부재를 원인으로 든다.
최고 연환산 지출과 실제 연간 지출은 다르다. 작업량·모드 구성·효율 원인을 분리하는 대조실험이 아니다.
I04 · P019원문에서 맥락 확인 ↗자료의 빈칸에는 API 이용 불가·실패가 포함되고 같은 이름의 모델도 Pro 여부·harness·도구·추론 수준이 섞여 비교표끼리 점수가 달라진다.
빈칸을 0점이나 성능 열위로 처리하지 않는다. GPT5.4 Terminal-Bench 64.7과75.1, BrowseComp 표준82.7과Pro89.3 등을 혼합하지 않는다.
I06 · I08 · I15 · I22 · I23 · I24원문에서 맥락 확인 ↗ARR 그림은 2027년 말까지의 연환산 매출 경로를 포함하며 4월 24일 이후 구간은 전망으로 읽어야 한다.
그림에는 과거/미래 경계나 회계 조정법이 없고 미래 끝점은 인쇄된 값이 아닌 시각적 근사이므로 현재 실적 숫자로 재인용하지 않는다.
I25 · P165원문에서 맥락 확인 ↗레이더 그림은 축마다 최고 모델을 100으로 정규화한 발행처 비교다.
100은 정답률이 아니며 집계 가중치·정규화 산식이 미공개여서 면적을 종합능력·시장점유율로 읽지 않는다.
I26 · P170원문에서 맥락 확인 ↗MegaMoE 공개 자료는 일부 커널 조건에서 기존 non-fused 방식 대비 가속을 보고한다.
전체 모델 또는 end-to-end 서비스 속도의 같은 배율 개선이 아니다. GPU SKU·commit·타이밍 범위가 그림에 없다.
I09 · I10원문에서 맥락 확인 ↗원문은 세 버그가 모두 수 주간 존재하고 거의 모든 Claude Code 사용자에 영향을 줬다고 일반화한다.
마지막 오류가 4일이라는 공식 설명은 모두 수 주간이라는 기간 일반화와 직접 충돌한다. 버그별 영향 집단 및 API 제외는 별도 범위 한정이다. 원문은 Claude Code 사용자를 말하므로 API 피해를 주장했다고 재구성하지 않는다.
P029 · P031원문에서 맥락 확인 ↗