GPT-5.5의 에이전트 코딩 성능 논란: 벤치마크 결과가 마케팅과 상충

작성자는 GPT-5.5의 성능 수치에 대해 매우 비판적인 입장을 보이고 있으며, 커뮤니티에 실제 사용 경험을 공유해달라고 요청하고 있습니다.

• 에이전트 기반 코딩 작업을 위해 GPT-5.5를 도입하기 전, Claude 4.6이나 Gemini 3.1 Pro와 성능을 직접 비교해볼 것을 권장함
• 모델 선택 시 제조사 제공 벤치마크 외에 LiveBench와 같은 독립적인 외부 평가 지표를 반드시 참고할 것

• GPT-5.5는 OpenAI의 마케팅과 달리 독립 벤치마크인 LiveBench에서 전작인 GPT-5.4보다 낮은 에이전트 코딩 성능을 보였다.
• 자체 벤치마크(Terminal-Bench)와 외부 벤치마크 결과가 상충함에 따라 모델 평가의 객관성에 대한 의문이 제기됐다.
• 에이전트 코딩 분야에서 Claude 4.6 및 Gemini 3.1 Pro가 GPT-5.5보다 우수한 벤치마크 성적을 거두며 경쟁 구도가 심화됐다.