GPT-5.5 vs DeepSeek V4 비교: 벤치마크·환각·컴퓨트 부족 정리

핵심 메시지

• OpenAI GPT-5.5와 중국 DeepSeek V4가 하루도 안 되는 간격으로 공개되며 프런티어 경쟁이 다시 가열됐다.
• 벤치마크 성적은 도메인마다 엇갈려, 단일한 '지능 축'으로 모델을 줄 세우기 어렵다는 점이 드러났다.
• GPT-5.5는 정답 비율은 높지만 틀린 문제의 86%를 '모른다'고 하지 않고 환각으로 답해 신뢰성 논란이 있다.
• DeepSeek V4는 100만 토큰 컨텍스트와 약 10분의 1 수준의 비용으로 '성능 대비 가격' 경쟁에 불을 붙였다.
• OpenAI·Anthropic·DeepMind 모두 컴퓨트(연산 자원) 부족을 겪고 있으며, 이것이 모델 가용성의 핵심 변수로 떠올랐다.

쉽게 이해하기

영상은 약 20시간 사이에 등장한 두 모델, OpenAI의 GPT-5.5와 중국의 DeepSeek V4를 다룬다. 영상은 GPT-5.5를 'AI 왕좌가 Anthropic으로 넘어가는 것을 막으려는 OpenAI의 총력전'으로, DeepSeek V4를 그 둘 모두에 대한 중국의 응답으로 규정한다. GPT-5.5는 현재 API가 열려 있지 않아 대부분의 점수가 OpenAI 자가보고라는 점을 영상은 분명히 한다.

벤치마크 성적은 영역별로 크게 엇갈린다. 영상에 따르면 GPT-5.5는 SWE-bench Pro 같은 에이전트형 코딩에서 Opus 4.7과 Mythos preview에 뒤지지만, 에이전트형 터미널 코딩에서는 82.7%로 앞섰고, ARC AGI 2 패턴 인식에서는 Opus 계열을 더 낮은 비용으로 능가했다. 영상은 OpenAI 연구자 노엄 브라운의 말을 빌려 '토큰당·달러당 지능'이 핵심 지표가 되고 있다고 강조한다.

환각 문제도 비중 있게 다룬다. GPT-5.5는 까다로운 지식 질문에서 정답률(57%)이 가장 높았지만, 틀린 문제 가운데 86%를 '모른다'고 인정하지 않고 답을 지어냈다고 영상은 전한다. 같은 항목에서 Opus 4.7의 환각률은 36%, 안전장치 없는 원본 모델 Mythos는 정답률 71%에 환각률 약 21.7%로 보고된다.

DeepSeek V4는 오픈 웨이트 모델로 100만 토큰 컨텍스트를 지원하고, Pro 버전은 1.6조 파라미터의 전문가 혼합(MoE) 구조에서 약 490억 개만 활성화한다. 영상의 자체 벤치마크 Simple Bench에서 61.2%를 받아 Opus 4.7에 1~2% 차로 근접했으며, 비용은 약 10분의 1 수준이라고 한다. DeepSeek는 긴 문서·과학 논문 위주의 데이터로 장문 처리에 집중했고, 중국어 전문 업무 평가에서 높은 승률을 주장했다.

마지막으로 영상은 업계 전반의 컴퓨트 부족을 짚는다. DeepMind는 V4 Pro의 서비스 용량이 매우 제한적이라 밝혔고, Anthropic도 예상 밖 성공으로 연산 부족을 겪는다. OpenAI는 상대적 컴퓨트 우위를 자랑하면서도, 그렉 브록먼이 '컴퓨트 희소성 시대에 진입했다'고 인정했다고 전한다.

주요 인사이트

• 벤치마크가 영역마다 뒤집히는 현상은, 모델이 보편적 일반화보다 특정 도메인용 강화학습 환경에 크게 의존함을 시사한다.
• '정답을 많이 맞히는가'보다 '틀릴 때 모른다고 말하는가'가 실사용 신뢰성의 더 중요한 척도로 부상하고 있다.
• 성능을 절대치가 아니라 '달러당 성능'으로 보면, 저비용 오픈 웨이트 모델인 DeepSeek V4의 경쟁력이 두드러진다.
• 특화 데이터(중국어 전문 업무 등)가 단일 지능 축 가설을 능가한다는 점은, 언어·분야별 모델 선택이 실무에서 중요함을 보여준다.
• 컴퓨트 부족은 모델 성능만큼이나 '실제로 쓸 수 있는가'를 좌우하는 변수로, 인프라 투자 경쟁의 의미를 키운다.

자주 묻는 질문

관련 AI 소식