Claude Opus 5.5(High)가 9월 28일 Agent Arena 순위에 공식 진입하며 데뷔와 동시에 2위를 차지했다. 순개선(net improvement) 점수는 +12.15%로, 같은 Anthropic의 Fable 5.1(Max)에만 뒤졌다. Anthropic이 이 에이전트 순위 1, 2위를 독차지한 셈이다. 가장 큰 라이벌은 자기 자신인 셈이다.
Agent Arena가 측정하는 것
단발성 대화를 겨루는 텍스트 순위와 달리, Agent Arena가 평가하는 것은 현실 세계의 에이전트 작업이다. 모델은 웹 검색, 파일 시스템, 터미널 도구를 사용해 여러 단계의 복잡한 워크플로를 수행한다. 순위는 전 세계 사용자의 수백만 건의 실제 장기 작업을 기반으로 하며, 인과 추적(causal tracing) 기법으로 '평균 모델' 대비 각 모델의 성능을 측정한다. 지표에는 순개선율과 작업 확인 성공률이 포함된다. Opus 5.5의 +12.15%란 '일을 처리하는' 장면에서 평균을 웃도는 폭이다.
주목할 점은 불과 이틀 전인 9월 26일 Opus 5.5가 1509점으로 텍스트 순위(Text Arena) 정상에 오른 바로 그 모델이라는 것이다. 이틀 만에 서로 다른 두 차원을 제패했다는 것은 이번 반복이 일점 최적화가 아님을 보여준다. 관련 기사
Anthropic에게도 자사의 두 순위 차원, 즉 텍스트 능력과 실전 에이전트 성능에서 동시에 검증받은 것은 이번이 처음이다. 두 다리로 선 셈이다.
진짜 볼거리는 '저비용 노선'의 검증
순위에 오른 것은 High 추론 티어이지, 전력을 다한 Max 티어가 아니다. Opus 5.5의 공식 가격은 입력 100만 토큰당 4달러, 출력 20달러로 전세대 Opus 5보다 약 20% 저렴하다. 그런데도 Anthropic에 따르면 성능은 Fable 5.1에 근접한다. '더 저렴한 플래그십 티어'가 실전 에이전트 순위에서 2위를 차지했다는 것은 Anthropic의 이번 제품 전략, 즉 추론 비용을 쌓아 점수를 올리는 대신 효율을 모델 자체에 내장한다는 전략이 제3자 크라우드 테스트로 검증됐다는 뜻이다.
이는 시장에 대한 명확한 신호다. 프론티어 모델 경쟁은 '누가 더 똑똑한가'에서 '같은 똑똑함에서 누가 더 싼가'로 이동하고 있다. 실제 작업과 실제 비용을 측정하는 Agent Arena 같은 순위는 구매자의 기준점이 되어갈 것이다.
모델 선정에 주는 의미
팀을 위해 에이전트 모델을 고른다면 결론은 단순하다. 최고급 에이전트 능력이 필요하면서 비용도 신경 쓴다면, Opus 5.5(High)는 순위가 검증한 가장 가성비 높은 플래그십 선택지 중 하나다. 비용을 따지지 않고 천장을 노린다면 Fable 5.1(Max)이 여전히 1위다. 다만 기억할 점은 Arena 점수가 군중 투표와 인과 추론에 기반하며 '평균 작업'의 성능을 반영한다는 것이다. 자사 워크로드에 대해서는 순위를 보고 주문하기보다 직접 평가를 돌려보고 결정하는 편이 확실하다.
