클로드 오푸스 5(Claude Opus 5)는 앤트로픽이 2026년 7월 24일에 내놓은 최신 대형 모델입니다. 종합 순위에서 페이블 5와 GPT-5.6 Sol을 모두 제치고 1위에 올랐어요.
그런데 공개된 벤치마크를 항목별로 뜯어보면 이야기가 좀 달라집니다. 오푸스 5가 전 항목 1위는 아니에요. 코딩 쪽 대표 벤치마크에서는 GPT-5.6 Sol이 더 높았고, 법률과 의료 쪽에서는 다른 클로드 모델이 앞섰습니다.
출시일·가격·요금제 같은 전반적인 내용은 이미 정리된 글이 있으니 그쪽을 보시면 됩니다. 이 글은 항목별로 순위가 어떻게 갈리는지 한 가지만 파고들게요.
Photo by Getty Images on Unsplash
왜 항목별로 봐야 하나요
오푸스 5는 2026년 7월 24일에 나왔고, 종합 순위에서 1위입니다. 여기까지만 보면 "그럼 오푸스 5 쓰면 되겠네"로 끝나요.
그런데 벤치마크는 하나가 아닙니다. 공개된 것만 열 개가 넘고, 각각이 재는 능력이 다릅니다. 터미널에서 명령을 여러 번 실행하는 능력과 한 번에 코드를 뱉는 능력은 다른 근육이에요. 종합 점수는 그걸 다 뭉개서 하나로 만든 숫자입니다.
그래서 내가 시킬 일이 어느 항목에 해당하는지를 알면 선택이 달라집니다. 아래에서 그 표를 갈라 볼게요.
항목별로 보면 순위가 갈립니다
공개된 벤치마크를 항목별로 정리했습니다. 순서는 오푸스 5 → 페이블 5 → 오푸스 4.8 → GPT-5.6 Sol입니다.
오푸스 5가 확실히 앞선 항목
Frontier-Bench v0.1 (터미널에서 도는 코딩 에이전트) — 43.3% / 33.7% / 21.1% / 34.4%
ARC-AGI-3 (처음 보는 문제 풀기) — 30.2% / 미공개 / 1.5% / 7.8%
OSWorld 2.0 (컴퓨터 직접 조작) — 70.6% / 66.1% / 55.7% / 62.6%
AutomationBench (업무 워크플로 자동화) — 26.0% / 17.4% / 17.0% / 18.1%
GDPval-AA v2 (지식노동 평가) — 1861 / 1747 / 1593 / 1736
BrowseComp (웹을 뒤져서 답 찾기) — 90.8% / 87.4% / 84.3% / 90.4%
오푸스 5가 1위가 아닌 항목
DeepSWE v1.1 (코딩 에이전트) — 68.8% / 69.7% / 59.0% / 72.7% ← GPT-5.6 Sol이 1위
FrontierCode v1.1 — 53.4% / 53.5% / 46.5% / 47.5% ← 페이블 5가 0.1%p 차로 1위
Legal Agent Benchmark (법률) — 11.7% / 13.3% / 10.4% / 2.5% ← 페이블 5가 1위
HealthBench Professional (의료) — 오푸스 5가 59.8%, 오푸스 4.8이 57.4%, GPT-5.6 Sol이 60.5%, 미토스 5가 66.0% ← 미토스 5가 1위
종합 점수만 보면 오푸스 5가 85.88점으로 1위, 미토스 5가 83.01점, 페이블 5가 82.76점, GPT-5.6 Sol이 81.46점, 오푸스 4.8이 77.44점 순입니다. 하지만 위에서 보셨듯 종합 1위가 모든 일에서 1위라는 뜻은 아닙니다.
Photo by Anthony Lim on Unsplash
오푸스 5의 진짜 강점은 에이전트 쪽입니다
위 숫자를 다시 보면 패턴이 하나 보입니다. 오푸스 5가 크게 벌린 항목들이 전부 혼자 오래 돌아가는 일이에요.
터미널에서 명령을 여러 번 실행하는 코딩 에이전트, 컴퓨터 화면을 직접 조작하는 작업, 여 러 단계로 이어지는 업무 워크플로, 웹을 계속 뒤지는 검색. 반면 한 번에 답을 뱉는 성격의 코딩 벤치마크에서는 GPT-5.6 Sol에 밀렸습니다.
컨텍스트가 100만 토큰이라는 점도 같은 방향입니다. 긴 작업일수록 중간에 맥락을 잃지 않아야 하니까요.
벤치마크를 내 일에 대입하는 법
이 질문들을 던져보세요.
내가 시키는 일은 한 번에 끝나나요, 아니면 여러 번 왔다 갔다 하나요?
여러 번 왔다 갔다 하는 일이라면 Frontier-Bench, OSWorld, AutomationBench, BrowseComp 쪽을 보시면 됩니다. 오푸스 5가 크게 벌린 항목들이에요. 한 번에 끝나는 일이라면 DeepSWE, FrontierCode 쪽인데, 여기선 격차가 거의 없거나 뒤집힙니다.
도메인이 뚜렷한 일도 마찬가지입니다. 법률과 의료는 위 표에서 1위가 아예 다른 모델이었어요. 이런 영역은 종합 순위를 보실 게 아니라 해당 벤치마크를 직접 확인하시는 편이 낫습니다.
자주 묻는 질문
오푸스 5가 모든 벤치마크에서 1위인가요?
아닙니다. 종합 점수는 1위지만 항목별로는 갈립니다. DeepSWE v1.1에서는 GPT-5.6 Sol이, FrontierCode와 법률 벤치마크에서는 페이블 5가, 의료 벤치마크에서는 미토스 5가 더 높았습니다.
오푸스 5는 어떤 작업에서 격차가 가장 컸나요?
여러 단계로 이어지는 에이전트성 작업입니다. 터미널 코딩 에이전트, 컴퓨터 직접 조작, 업무 워크플로 자동화, 웹 검색 순으로 격차가 컸어요.
코딩에는 어떤 모델이 나은가요?
코딩 벤치마크 안에서도 성격에 따라 갈립니다. 터미널에 서 여러 번 실행하는 방식은 오푸스 5가 앞섰고, 한 번에 코드를 만들어내는 방식은 GPT-5.6 Sol이 더 높았습니다.
벤치마크 점수 차이가 실제로 체감되나요?
항목마다 다릅니다. ARC-AGI-3처럼 오푸스 5가 30.2%인데 다음이 7.8%인 곳은 격차가 큽니다. 반면 FrontierCode는 53.4%와 53.5%로 사실상 같아서, 이런 항목은 모델을 바꿔도 차이를 느끼기 어렵습니다.
인사이트
이번 발표에서 가장 중요한 숫자는 벤치마크가 아니라 가격이 그대로라는 부분이라고 봅니다.
지난 1년간 상위 모델은 성능이 오르면 값도 같이 올랐습니다. 그래서 실무에서는 "제일 좋은 모델"과 "실제로 돌릴 수 있는 모델"이 늘 따로 놀았어요. 좋은 걸 알아도 매일 돌리기엔 부담스러운 상태가 계속됐죠.
오푸스 4.8과 같은 값으로 오푸스 5가 나왔다는 건, 그 둘 사이의 거리가 이번에 한 칸 줄었다는 뜻입니다. 지난 세대 상위 모델을 쓰고 계셨다면 추가 비용 없이 그대로 갈아타면 됩니다.
다만 반대쪽도 봐야 합니다. 오푸스 5가 잘하는 건 오래 도는 에이전트 작업인데, 이건 정의상 토큰을 많이 씁니다. 단가는 그대로여도 총액은 올라갈 수 있어요. 오푸스 5로 자동화를 늘리실 계획이라면 단가 비교보다 한 작업당 총 토큰을 먼저 재보시는 걸 권합니다.
저도 반복 업무를 클로드로 돌리는데, 여기서도 같은 기준으로 나눠 쓸 생각입니다. 정해진 순서대로 처리하면 되는 구간은 저렴한 모델로, 판단이 들어가는 구간만 오푸스 5로요. 모델 하나로 통일하는 것보다 이쪽이 결과도 비용도 낫더라고요.
출처