Opus 4.8 벤치마크 결과 공유: GPT-5.5와의 성능 비교

섹션별 상세

01

Opus 4.8은 OSWorld-Verified 벤치마크에서 83.4%를 기록하며 실제 데스크톱 환경에서의 작업 수행 능력을 입증했다.

02

SWE-Bench Pro에서 69.2%, GDPval-AA에서 1890점을 기록하며 코딩 및 지식 작업 분야에서 강력한 성능을 보였다.

03

Finance Agent v2 벤치마크에서 53.9%를 달성하여 51.8%인 GPT-5.5를 앞섰으며, 이는 복잡한 다단계 추론 능력이 우수함을 의미한다.

04

Terminal-Bench 2.1에서는 GPT-5.5가 78.2%로 Opus 4.8의 74.6%보다 높은 성능을 보여, 순수 터미널 코딩 속도에서는 여전히 GPT-5.5가 우위에 있다.

SWE-Bench: — 소프트웨어 엔지니어링 작업을 해결하는 AI 모델의 능력을 평가하는 벤치마크이다. 실제 GitHub 이슈를 해결하는 과정을 통해 모델의 코딩 및 문제 해결 능력을 측정한다.
OSWorld: — 컴퓨터 운영체제 환경에서 AI 에이전트가 UI를 탐색하고 작업을 수행하는 능력을 평가하는 벤치마크이다. 실제 데스크톱 환경에서의 상호작용 능력을 검증한다.
벤치마크(Benchmark): — AI 모델의 성능을 정량적으로 측정하기 위한 표준화된 평가 지표 및 데이터셋이다. 모델 간의 비교를 가능하게 하며 기술적 우위를 판단하는 근거로 사용된다.