Claude Opus 4.6 vs GPT-5.3-Codex: 코딩 비용과 작업별 선택 기준

Claude Opus 4.6과 GPT-5.3-Codex 중 먼저 시험할 모델을 고른다면, 두 모델에 모두 들어가는 작업의 API 비용을 줄이는 것이 목적일 때는 GPT-5.3-Codex가 합리적인 출발점입니다. 반대로 꼭 필요한 자료가 GPT-5.3-Codex의 입력 한도를 넘는다면, 더 큰 컨텍스트를 제공하는 Claude Opus 4.6을 검토할 이유가 있습니다. 다만 긴 컨텍스트가 더 정확한 수정이나 적은 재시도를 보장하지는 않습니다.

이 글은 2026년 9월 7일 확인한 공식 문서를 바탕으로 두 지정 모델의 규격과 비용을 비교합니다. 자체 코딩 성능 실험은 하지 않았습니다. 아래 비용은 조건을 고정한 계산 예시이며, 마지막의 검증 절차는 독자의 저장소에서 실행할 수 있는 비교 방법입니다. 앱의 작업 방식이나 IDE 연동을 고르는 중이라면 Claude Code와 Codex 제품 비교를 함께 확인하세요.

모델 이름을 고정하고 규격부터 비교하기

기존 자동화에 어떤 모델을 연결할지 판단하려면 화면의 제품명뿐 아니라 실제 요청에 쓰는 모델 ID를 기록해야 합니다. GPT-5.3-Codex는 Codex 제품 전체와 같은 뜻이 아니며, Claude Opus 4.6도 Claude Code의 모든 동작을 설명하지 않습니다. 파일 탐색, 명령 실행 권한, 대화 압축과 재시도 정책은 모델 바깥의 도구 구성에도 영향을 받습니다.

규격은 OpenAI 모델 문서와 Anthropic Opus 4.6 문서에서 확인할 수 있습니다. GPT-5.3-Codex를 API로 평가할 때는 Responses API를 기준으로 연결 조건을 확인하세요. 두 회사의 high라는 설정 이름이 같아도 연산량이나 응답 시간이 같다는 뜻은 아닙니다.

컨텍스트 창은 저장소 파일만 채울 수 있는 공간이 아닙니다. 지시문, 대화 기록, 도구 결과와 출력 공간도 고려해야 합니다. GPT-5.3-Codex의 공식 사양은 최대 입력을 272,000토큰으로 안내하므로, 400,000토큰짜리 소스를 그대로 입력할 수 있다고 계산하면 안 됩니다. 실제 요청의 입력 한도와 출력에 남길 예산을 함께 확인해야 합니다.

Opus 4.6의 1,000,000토큰 컨텍스트는 긴 요구사항과 여러 파일을 한 번에 다루려는 경우에 유용한 규격입니다. 그러나 관련 파일을 잘 골라 읽는 방식과 저장소 전체를 넣는 방식의 결과는 다를 수 있습니다. 먼저 실패 원인이 필요한 정보를 전달하지 못한 데 있는지, 정보를 줬는데도 잘못 판단한 데 있는지 구분하세요. 후자라면 입력 공간 확대만으로 해결되지 않을 수 있습니다.

출력 한도는 두 모델 모두 일반 요청에서 128,000토큰입니다. Anthropic 문서에는 Batch API 베타의 300,000토큰 출력 예외도 안내되어 있지만, 이를 일반 대화형 요청의 한도로 적용해서는 안 됩니다. 긴 코드를 한 번에 생성해야 한다면 요청 방식과 베타 조건을 별도로 확인해야 합니다. 최대 출력 길이가 길다고 생성된 파일이 빌드나 테스트를 통과하는 것도 아닙니다.

캐시가 없는 요청과 반복 요청의 비용은 다르다

아래는 공식 직접 API의 표준 가격이며, 단위는 100만 토큰당 미국 달러입니다. ChatGPT나 Claude 구독료, Codex와 Claude Code의 구독 사용량을 환산한 표가 아닙니다.

GPT-5.3-Codex의 가격은 OpenAI 모델 페이지, Opus 4.6의 일반 입력과 캐시 생성·조회 가격은 Anthropic 가격 문서를 기준으로 했습니다. OpenAI 쪽의 “별도 생성 단가 미표기”는 첫 입력이 무료라는 뜻이 아닙니다. 캐시에 적중하지 않은 입력은 일반 입력 단가로 계산합니다. Anthropic 쪽은 캐시를 만드는 입력과 캐시에서 읽는 입력의 가격이 다릅니다.

Opus 4.6은 전체 1,000,000토큰 컨텍스트에 표준 요율을 적용한다고 안내합니다. 특정 처리 지역이나 별도 처리 옵션은 추가 비용을 만들 수 있으므로 실제 청구 조건은 요청 설정과 함께 확인하세요. 이 글의 계산에는 그러한 옵션이나 외부 도구 비용을 넣지 않았습니다.

입력 10,000토큰, 출력 2,000토큰이라면

모델 단가만 비교하기 위해 두 모델의 입력·출력 토큰 수가 같다고 가정하겠습니다. 캐시를 사용하지 않는 한 번의 요청 비용은 다음과 같습니다.

• GPT-5.3-Codex: 10,000 × 1.75 ÷ 1,000,000 + 2,000 × 14 ÷ 1,000,000 = $0.0455
• Claude Opus 4.6: 10,000 × 5 ÷ 1,000,000 + 2,000 × 25 ÷ 1,000,000 = $0.1000

이 조건에서는 GPT-5.3-Codex의 비용이 Opus 4.6의 45.5%입니다. 실제로 같은 한국어 요구사항과 같은 소스 코드를 보내도 모델별 토큰 수가 다를 수 있으므로, 이 비율을 모든 작업의 예상 절감률로 쓰면 안 됩니다. 출력 길이, 추론에 쓰인 토큰과 재시도 횟수도 최종 청구에 영향을 줍니다.

입력 8,000토큰을 캐시에서 재사용한다면

이번에는 입력 가운데 8,000토큰이 실제 캐시에 적중하고, 2,000토큰만 새 입력이라고 가정합니다. 출력은 그대로 2,000토큰입니다.

Opus 4.6의 캐시 적중 요청은 새 입력 $0.0100 + 캐시 조회 $0.0040 + 출력 $0.0500입니다. 5분 캐시를 처음 생성하는 요청은 캐시 생성 입력 비용이 $0.0500이므로 총 $0.1100이 됩니다. 같은 8,000토큰에 일반 입력 비용과 캐시 생성 비용을 중복해서 더하지 않습니다.

이 예시에서 5분 캐시를 한 번 만들고 만료 전에 한 번 재사용하면 Opus 4.6의 두 요청 합계는 $0.1740입니다. 두 요청을 모두 일반 입력으로 처리했을 때의 $0.2000보다 낮습니다. 반면 1시간 캐시 생성 후 한 번만 재사용하면 $0.2040이어서 같은 조건의 일반 입력 두 번보다 조금 높습니다. 따라서 캐시 유지 시간이 길다는 이유만으로 더 경제적이라고 볼 수 없습니다.

실제 반복 코딩에서는 변경되지 않는 지시문과 코드가 얼마나 재사용되는지 확인해야 합니다. 매번 입력을 보냈다는 사실과 캐시 적중은 별개입니다. 실행 로그의 캐시 생성·조회 토큰을 보고 계산하고, 캐시가 만료되거나 입력 구성이 달라진 요청은 나누어 집계하세요.

공개 벤치마크로 알 수 있는 것과 없는 것

GPT-5.3-Codex 출시 부록은 Terminal-Bench 2.0에서 77.3%, OSWorld-Verified에서 64.7%를 보고하며, 평가에 xhigh 추론 설정을 사용했다고 밝힙니다. 이는 2026년 2월 5일 공개된 공급사 평가 결과입니다. medium으로 실행하는 자체 도구에서도 같은 점수가 나온다는 뜻은 아닙니다.

Claude Opus 4.6 발표도 터미널 작업, 긴 컨텍스트와 컴퓨터 사용 평가를 다룹니다. 다만 서로 다른 발표의 숫자를 한 표에 놓기 전에 도구 구성, 작업 제한, 재시도 횟수와 평가 조건을 맞춰 읽어야 합니다. 이 글에서는 같은 조건으로 두 모델을 직접 재평가하지 않았으므로 점수만으로 코딩 승자를 정하지 않습니다.

특히 OSWorld는 그래픽 사용자 환경에서 작업을 수행하는 평가입니다. 여기서의 성과를 곧바로 “대규모 저장소에서 버그를 덜 만든다”로 바꾸어 말할 수 없습니다. 터미널 평가 역시 여러분의 사내 라이브러리나 배포 절차를 검증해 주지는 않습니다. 공개 점수는 시험할 후보를 좁히는 자료로 쓰고, 실제 선택은 자주 맡길 작업에서 확인하는 편이 좋습니다.

같은 저장소에서 비교하는 실행 절차

단순히 같은 질문을 두 번 던지면 모델과 도구의 차이가 섞일 수 있습니다. 가능한 한 같은 도구를 연결한 평가 환경을 사용하세요. 서로 다른 제품으로 실행했다면 결과를 모델만의 차이라고 기록하지 말고, 제품과 설정을 포함한 작업 결과로 남겨야 합니다.

예를 들어 실제 저장소에서 “페이지네이션의 마지막 페이지가 중복되는 오류를 수정하고, 해당 사례를 검증하는 회귀 테스트를 추가한다”는 작업을 고를 수 있습니다. 다음은 권장 실험 절차이며 이 글에서 수행한 실측 결과가 아닙니다.

1. 동일한 시작점을 준비합니다. 같은 Git 커밋에서 두 작업 디렉터리를 만들고 의존성 버전도 고정합니다. 기존 실패 테스트가 있다면 먼저 기록해 모델이 만든 실패와 구분합니다.
2. 완료 조건을 먼저 씁니다. 중복이 없어야 한다는 동작 조건, 통과할 테스트 명령, 변경하면 안 되는 공개 API를 명시합니다. 모델 답변을 보고 기준을 바꾸지 않습니다.
3. 정보와 권한을 맞춥니다. 같은 요구사항, 재현 절차, 로그와 파일 접근 범위를 제공합니다. 터미널·네트워크 권한, 실행 시간과 최대 지출도 같은 기준으로 제한합니다.
4. 새 세션에서 각각 실행합니다. 앞선 모델의 답변이나 패치를 다른 모델에 전달하지 않습니다. 모델 ID, 추론 설정, 도구 버전과 캐시 상태를 함께 저장합니다. 설정 이름이 같다는 이유로 동일한 연산 조건이라고 가정하지 않습니다.
5. 정해 둔 검사로 결과를 확인합니다. 회귀 테스트뿐 아니라 관련 기존 테스트도 실행합니다. 변경 파일 수와 불필요한 수정, 사람이 고쳐야 했던 내용을 기록합니다.
6. 대표 작업을 바꾸어 반복합니다. 오류 수정, 여러 파일에 걸친 기능 변경, 기존 동작을 유지하는 리팩터링 등 팀이 실제로 반복하는 작업을 사용합니다. 각 실행을 초기 커밋에서 시작하고 성공한 사례와 실패한 사례를 모두 남깁니다.

결과 기록에는 다음 정도면 충분합니다. 아래 표는 입력용 양식으로, 성능 측정치는 없습니다.

비용은 성공한 마지막 요청만 합산하면 안 됩니다. 실패한 시도와 재시도까지 포함한 평가 총비용을 완료한 작업 수로 나누면 완료 작업당 API 비용을 구할 수 있습니다. 예를 들어 같은 난도의 작업 묶음에서 한 모델이 $0.60을 쓰고 6개를 완료했다면 작업당 $0.10입니다. 다른 모델이 $0.80을 쓰고 10개를 완료했다면 작업당 $0.08입니다. 이 역시 계산 설명용 가정이며 어느 모델의 실제 성과도 아닙니다.

사람의 수정 시간은 우선 분 단위로 별도 기록하세요. 팀에서 시간당 비용을 정해 두었다면 API 비용에 더해 볼 수 있습니다. 통과율이 비슷한데 한쪽의 수정 시간이 길다면 토큰 단가만으로는 보이지 않던 차이가 드러납니다. 반대로 비싼 모델에서도 수정 시간이 줄지 않았다면 추가 지출의 근거를 다시 검토할 수 있습니다.

지금 맡길 작업에 따라 첫 시험을 정하기

작업 입력이 두 모델의 한도 안에 들어가고 아직 성능 자료가 없다면, API 단가가 낮은 GPT-5.3-Codex로 기준 결과를 만드는 선택이 가능합니다. 이후 다른 모델의 추가 비용을 지불할 만한 차이가 있는지 같은 작업으로 확인하세요.

반대로 필수 자료가 GPT-5.3-Codex의 입력 한도를 넘고, 자료를 나누어 읽는 방식이 작업에 적합하지 않다면 Opus 4.6의 더 큰 컨텍스트를 먼저 시험할 수 있습니다. 이때도 “자료를 넣을 수 있었다”와 “요구사항대로 수정했다”는 별도로 확인해야 합니다.

이미 한 모델이 팀의 테스트와 비용 기준을 충족한다면 두 모델을 모두 운영할 필요는 없습니다. 모델을 바꿀 이유가 있는지는 더 많은 재시도, 입력 한도 초과, 긴 검토 시간처럼 관찰 가능한 문제로 판단하세요. 다음 평가에 쓸 실제 작업 하나와 통과 조건을 정하는 것이, 일반적인 우열을 더 오래 논하는 것보다 선택에 도움이 됩니다.