한 달 만에 또 바뀐 판도

지난 2월, GPT-5.2와 Claude Opus 4.5, Gemini 3 Pro를 비교한 글을 올렸다. 한 달밖에 안 지났는데 세 회사 모두 신모델을 쏟아냈다. AI 업계의 속도가 이 정도다.

OpenAI는 3월 5일 GPT-5.4를 공개하며 컴퓨터 사용과 1M 컨텍스트를 내장했다. Anthropic은 2월에 Claude Opus 4.6과 Sonnet 4.6을 연달아 출시한 데 이어, 3월 13일 두 모델 모두 1M 컨텍스트를 추가 비용 없이 정식(GA) 지원하기 시작했다. Google은 Gemini 3 Flash에 이어 3.1 Pro까지 출시하며 추론 성능을 대폭 끌어올렸다.

이 글에서는 2026년 3월 16일 기준, 세 진영의 최신 모델을 각 사의 공식 발표와 공개 가격표, 벤치마크 자료를 바탕으로 비교한다.

3줄 요약

1. GPT-5.4는 AIME 100%, OSWorld 75%, 1M 토큰 컨텍스트 + 컴퓨터 사용까지 지원하며 범용 AI 에이전트로 진화했다
2. Claude Opus 4.6은 SWE-bench 80.8%로 코딩 최강을 유지하면서 1M 컨텍스트를 정식 지원(GA)하기 시작했고, Sonnet 4.6이 79.6%로 거의 동급 성능을 1/5 가격에 제공한다
3. Gemini 3.1 Pro가 ARC-AGI-2 77.1%, GPQA 94.3%로 18개 벤치마크 중 12개 1위를 차지하며 추론 성능의 새 기준을 세웠다

비교 대상 모델

2월 대비 무엇이 달라졌나

불과 한 달 사이에 일어난 주요 변화를 먼저 짚어본다.

OpenAI: GPT-5.2 → GPT-5.3 → GPT-5.4로 한 달에 두 번 업데이트. 컨텍스트가 400K에서 1M으로 확대됐고, 네이티브 컴퓨터 사용 기능이 추가됐다. OSWorld 점수가 47.3%에서 75%로 껑충 뛰며 인간 평균(72.4%)을 넘었다.
Anthropic: Claude 4.5에서 4.6 세대로 업그레이드. Opus 4.6은 METR 기준 14시간 30분 연속 작업이 가능한 에이전트가 됐다. 가장 큰 변화는 Sonnet 4.6의 등장으로, Opus에 거의 근접한 코딩 성능을 1/5 가격에 제공한다. 3월 13일에는 Opus 4.6과 Sonnet 4.6 모두 1M 컨텍스트를 추가 비용 없이 정식(GA) 지원하기 시작했다. MRCR v2에서 76%(8개 needle, 1M 토큰)를 기록하며 초장문 처리 능력을 입증했다.
Google: Gemini 3 Flash가 2월 포스팅에서 다뤘던 Gemini 3 Pro를 SWE-bench에서 앞지르는 이변을 만들었다. 여기서 끝이 아니다. 2월 19일 출시된 Gemini 3.1 Pro가 ARC-AGI-2에서 77.1%(3 Pro 대비 2배 이상), GPQA Diamond 94.3%를 기록하며 18개 추적 벤치마크 중 12개에서 1위를 차지했다. 3.1 Flash-Lite까지 빠르게 후속 출시됐다.

주요 벤치마크 비교

2월 대비 변화 포인트:

• GPT: 5.2 → 5.4, OSWorld 47.3% → 75%로 급상승
• Claude: Opus 4.5(80.9%) → 4.6(80.8%) 성능 유지, Sonnet 4.6(79.6%) 신규 등장
• Gemini: 3 Flash(SWE-bench 78%)가 3 Pro(76.2%)를 역전, 3.1 Pro가 ARC-AGI-2 77.1%로 추론 최강 등극
• GPT-5.4에 네이티브 컴퓨터 사용과 1M 컨텍스트 추가
• Claude Opus/Sonnet 4.6 모두 1M 컨텍스트 GA (3/13), MRCR v2 76%로 초장문 처리 입증

분야별 최적 모델

코딩 작업

이번 세대에서 가장 큰 변화가 있었던 분야다.

Sonnet 4.6의 등장이 게임 체인저다. Claude Code 테스트에서 개발자들이 Sonnet 4.6을 이전 플래그십 Opus 4.5보다 59% 더 선호했다. Opus급 코딩 성능을 $3/$15라는 가격에 쓸 수 있게 된 것이다.

수학/추론

GPT-5.4가 AIME에서 만점을 기록하며 수학 추론의 격차를 벌렸고, Gemini 3.1 Pro는 ARC-AGI-2와 GPQA Diamond에서 모두 1위를 차지하며 범용 추론 분야의 새 기준을 세웠다.

에이전트/자동화

이번 세대의 가장 큰 화두는 에이전트 능력이다.

GPT-5.4는 화면을 인식하고 마우스와 키보드를 직접 조작할 수 있는 네이티브 컴퓨터 사용을 지원한다. OSWorld 75%는 인간 평균 72.4%를 넘어선 수치다.

Claude Opus 4.6은 다른 방향으로 에이전트에 접근한다. METR 평가에서 14시간 30분 연속 작업이 가능한 것으로 측정됐으며, 장기적이고 복잡한 개발 작업에 최적화되어 있다.

가격 비교

API 가격 (1M 토큰당, USD)

2월 대비 변화:

• GPT-5.4 입력 가격 $2.50 (GPT-5.2 대비 상승)
• Claude Opus $5 유지, Sonnet 4.6이 $3으로 가성비 선택지 추가
• Gemini 3 Flash가 기존 Flash와 동일 가격($0.30)에 Pro급 성능 제공

월 구독 상품 (일반 사용자용)

가성비 분석:

• 일반 사용자: ChatGPT Plus, Claude Pro, Google AI Pro 모두 $20 수준으로 동일
• 파워유저: Claude Max ($100~200) 또는 ChatGPT Pro ($200)
• API 최저가: Gemini 3.1 Flash-Lite ($0.10 input)
• API 가성비: Gemini 3 Flash ($0.30에 Pro급 성능)

모델별 핵심 강점

GPT-5.4

• AIME 100% (수학 추론 만점)
• OSWorld 75% (인간 평균 초과, 컴퓨터 사용)
• 1M 토큰 컨텍스트 (API/Codex)
• 네이티브 컴퓨터 사용 + 도구 검색
• 사실 오류 33% 감소 (GPT-5.2 대비)

Claude Opus 4.6

• SWE-bench 80.8% (코딩 1위 유지)
• Terminal-Bench 65.4% (터미널 작업 최고)
• METR 14.5시간 연속 작업 (업계 최장)
• 에이전트 팀 기능 지원
• 1M 컨텍스트 정식 지원 (GA, 추가 비용 없음)
• MRCR v2 76% (8개 needle, 1M 토큰 — Sonnet 4.5의 18.5% 대비 압도적)

Claude Sonnet 4.6

• SWE-bench 79.6% (Opus와 1.2%p 차이)
• OSWorld 72.5% (에이전트 능력)
• Opus 대비 1/5 가격 ($3/$15)
• 개발자 70%가 Sonnet 4.5보다 선호
• claude.ai 무료/Pro 기본 모델

Gemini 3 Flash

• GPQA Diamond 90.4% (PhD급 추론)
• MMMU Pro 81.2% (멀티모달 최고)
• SWE-bench 78% (2.5 Pro 능가)
• 2.5 Pro보다 3배 빠른 속도
• 30% 적은 토큰으로 동일 성능

선택 가이드

2월과 달라진 추천

코딩이 주 업무라면: Claude Sonnet 4.6 (변경)

• 2월엔 Opus 4.5가 유일한 선택이었지만, 이제 Sonnet 4.6이 거의 동급 성능을 1/5 가격에 제공한다
• Opus 4.6은 14시간 이상의 장기 에이전트 작업이 필요할 때만 선택

AI 에이전트를 원한다면: GPT-5.4 (신규)

• 네이티브 컴퓨터 사용은 GPT-5.4만의 차별점
• 화면 인식 + 마우스/키보드 조작으로 실제 업무 자동화 가능

정확성이 최우선이라면: GPT-5.4 (유지)

• 사실 오류 추가 33% 감소
• 수학 만점, 환각률 최저 유지

대용량 처리가 필요하다면: 세 진영 모두 1M 지원 (변경)

• GPT-5.4, Claude Opus/Sonnet 4.6, Gemini 3.1 Pro/3 Flash 모두 1M 컨텍스트 지원
• 초장문 정확도는 Claude Opus 4.6 (MRCR v2 76%), 속도와 가격은 Gemini 3 Flash가 우위

비용 최적화가 중요하다면: Gemini 3 Flash (변경)

• $0.30 input에 이전 세대 Pro를 능가하는 성능
• 가성비 면에서 압도적

멀티 모델 전략 (2026년 3월 업데이트)

작업별로 최적 모델을 조합하는 전략은 여전히 유효하다. 다만 조합이 달라졌다.

2026년 2월 조합:

• 코딩/개발: Claude Opus 4.5
• 복잡한 추론: GPT-5.2
• 대용량 문서/멀티모달: Gemini 3 Pro

2026년 3월 조합:

• 일반 업무 + 자동화: GPT-5.4
• 코딩 (일상): Claude Sonnet 4.6
• 코딩 (고난도/장기): Claude Opus 4.6
• 대량 처리 + 속도: Gemini 3 Flash
• 최저 비용: Gemini 3.1 Flash-Lite

핵심 변화는 Anthropic의 2단 전략이다. Sonnet으로 일상 코딩을 커버하고, Opus는 장기 에이전트 작업 전용으로 포지셔닝했다. 대부분의 개발자에게 Sonnet 4.6이면 충분하다.

결론

2026년 3월은 에이전트의 시대가 본격적으로 열린 시점이다.

GPT-5.4는 컴퓨터를 직접 조작하는 범용 에이전트로 진화했고, Claude Opus 4.6은 14시간 넘게 혼자 일하는 개발 에이전트가 됐다. 단순히 질문에 답하는 챗봇을 넘어, 실제로 작업을 수행하는 도구로 LLM이 변하고 있다.

모델 선택의 기준도 달라졌다. “어떤 모델이 더 똑똑한가”보다 “어떤 모델이 내 작업을 대신해줄 수 있는가”가 핵심 질문이 됐다.

• GPT-5.4: 범용 AI 에이전트의 기준을 세운 모델. 수학 만점, 컴퓨터 사용, 1M 컨텍스트까지 갖췄다
• Claude 4.6: 코딩 최강의 자리를 굳히면서 Sonnet의 가성비 혁명을 일으켰다
• Gemini 3/3.1: 3.1 Pro가 추론 벤치마크 12관왕을 달성했고, Flash는 속도와 가격의 강점을 유지했다

지난달에는 “코딩은 Claude, 추론은 GPT, 대용량은 Gemini”가 결론이었다. 한 달 만에 그 구도가 한층 선명해지면서도 새로운 변수가 생겼다. 코딩에는 Claude(이제 Sonnet이면 충분하고 1M 컨텍스트까지 GA), 자동화에는 GPT(컴퓨터까지 조작), 추론에는 Gemini(3.1 Pro가 12관왕), 속도와 비용에는 Gemini Flash. 특히 세 진영 모두 1M 컨텍스트를 지원하게 되면서 “대용량 처리”는 더 이상 차별화 요소가 아니다. 다음 경쟁은 에이전트 성능과 실제 업무 자동화 능력에서 갈릴 것이다.

참고 자료

공식 발표

• OpenAI – Introducing GPT-5.4
• Anthropic – Claude Sonnet 4.6
• Google – Gemini 3 Flash
• Anthropic – 1M Context GA
• Google – Gemini 3.1 Pro
• Anthropic – Introducing Claude Sonnet 5.5 (2026-09-28)
• OpenAI – Introducing GPT-6.1 Sol (2026-09-29)
• Google – Gemini 3.7 Flash (2026-08-13)
• Google – Gemini 4 Argon 전면 공개 (2026-09-30 발표, 10월 GA)
• Anthropic – Introducing Claude Haiku 5.5 (2026-10-07)
• OpenAI – Introducing GPT-6.1 Terra (2026-10)

벤치마크 및 분석

• Vellum – Claude Opus 4.6 Benchmarks
• DataCamp – GPT-5.4 Overview
• Artificial Analysis – Gemini 3 Flash

가격 정보

• OpenAI Pricing
• Anthropic Claude Pricing
• Google AI Plans

작성일: 2026-03-10 (자료 기준: 2026-03-16, 기록 역할 재검토: 2026-08-25, 9월 라인업 요약 추가: 2026-09-12, Opus 5.5 반영 갱신: 2026-09-28, 10월 라인업 갱신: 2026-10-14, Gemini 4 Argon·GPT-6.1 Terra·Haiku 5.5 반영: 2026-10-30)
기준 모델: GPT-5.4, Claude Opus/Sonnet 4.6 (1M GA), Gemini 3.1 Pro, Gemini 3 Flash

함께 읽으면 좋은 글

• 2026년 하반기 LLM 비교: 최신 모델·API 비용·코딩 에이전트 선택
• AI 코딩 에이전트 비교: Claude Code vs Codex vs Gemini CLI
• AI 에이전트 비용 추적 가이드

The post LLM 비교 총정리 2026: Gemini 4 Argon·GPT-6.1·Claude 5.5 — 10월 30일 기준 라인업과 3월 기록 appeared first on .