Claude, GPT, Grok, Kimi LLM 티어 정리

한 줄 핵심

여러 LLM을 직접 써 본 체감 기준으로 Claude, GPT, Grok, Gemini, Qwen, 국내 모델들의 강약점을 티어로 정리하고, 용도별로 모델을 나눠 쓰는 기준을 제시한다.

시간별 요약

1. 0:00
   LLM 티어 리스트 도입과 평가 관점 LLM 티어 리스트를 만들며 프론티어 모델들의 실제 체감 성능을 기준으로 다시 평가하겠다는 문제의식을 세운다. 단순 순위 놀이나 조롱이 아니라, 어떤 모델이 콘텐츠를 잘 만들고 실무에 유용한지 보려는 관점이 강조된다.
2. 0:21
   Google Gemini 지연과 다음 세대 전망 Gemini Pro가 예정대로 나오지 않은 점을 짚으면서도, 한 세대의 출시 지연이 다음 세대 성능까지 나쁘다는 뜻은 아니라고 본다. 큰 학습 실수는 회복에 시간이 걸리지만, 다음 세대가 반등할 가능성은 충분하다고 정리한다.
3. 1:05
   Fable 5와 Opus 5 사용 습관 비교 비용과 기대치 관리 때문에 여러 모델을 섞기보다 한 모델을 오래 쓰는 방식이 더 낫다고 본다. 사용 습관상 Fable 5보다 Opus 5에 더 애착을 두고, 주력 모델을 고정해 쓰는 편이 체감 품질을 맞추기 쉽다고 말한다.
4. 1:57
   Opus 5 평판과 인간 피드백 루머 Opus 5가 Opus 4.6보다 말투와 알잘딱이 떨어진다는 평판이 왜 생겼는지 추측을 공유한다. 인간 피드백을 많이 받은 이전 모델과 달리, 후속 모델은 그 과정이 약해져 더 AI 같은 느낌이 난다는 루머가 소개된다.
5. 3:44
   GPT 5.6 Sol의 짧은 질문 활용처 GPT 5.6 Sol은 긴 작업보다 짧은 지식 질의, 단어 뜻 확인, 즉석 음성 전사처럼 컨텍스트가 거의 필요 없는 용도에 적합하다고 본다. 대화 중간에 맥락을 이어 받아 설명하는 능력도 좋아져, 빠르게 답을 얻는 도구로 유용하다고 평가한다.
6. 5:15
   여러 LLM을 실제로 써 본 기준 정리 평가는 단순 선호가 아니라 실제로 여러 모델을 큰 비용을 들여 충분히 써 본 뒤 해야 한다는 입장을 세운다. Claude, GPT, Kimi, Grok 등을 폭넓게 써 보며, 모델마다 장단점이 뚜렷해 단일 모델 락인보다 다중 비교가 필요하다고 정리한다.
7. 6:36
   Grok 4.6의 강점과 Cursor 활용 방식 Grok 4.6은 대본 정리와 알잘딱 면에서 매우 좋고, 특히 코딩 리뷰나 훅 정리 같은 간결한 작업에 강하다고 본다. Cursor와 함께 쓰거나 여러 모델에 동시에 시켜 AB 테스트를 하면, 작업 성향에 맞는 모델을 빠르게 가려낼 수 있다.
8. 9:12
   Claude와 GPT 계열 모델의 티어 조정 Claude 계열은 Opus와 Sonnet의 위치를 바꾸고, GPT 계열은 Sol, Terra, Luna 순으로 정리한다. 지능이 필요한 작업에는 Sol이 필요하지만, 그 외 실무 작업은 더 싸고 범용적인 Luna가 잘 맞으며, Terra는 그 아래로 본다.
9. 11:08
   국내 모델 Motif·EXAONE·Solar 평가 Motif는 생각보다 괜찮지만 프론티어 모델과 직접 견주기에는 아직 부족하고, EXAONE과 Solar도 전체적으로는 더 아래로 본다. 다만 국내 서비스 맥락, 한국어, 지역 정보 같은 용도에서는 Solar가 꽤 가능성이 있다고 평가한다.
10. 13:47
    정부 평가 기준과 AI 생태계 관점 정부의 평가는 단순한 모델 지능보다 전국민 서비스에 들어갔을 때 실제로 잘 쓸 수 있는지, 생태계에 얼마나 기여하는지를 함께 본다고 설명한다. 노인까지 포함한 일반 사용자 접근성, 플랫폼 탑재 가능성 같은 사회적 기준이 중요하게 다뤄진다.
11. 15:51
    Qwen·GLM·Gemini·Mistral 위치 정리 Qwen 3.8, GLM 5.2, Gemini 3.7 Flash, Mistral 등은 써 본 범위와 용도에 따라 C, F 등으로 임시 배치한다. 일부는 직접 써 보지 못해 보류하지만, Gemini Flash처럼 특정 추론 용도가 분명한 모델은 그 사용처를 인정해 별도로 평가해야 한다고 본다.
12. 18:49
    최종 이의 신청과 다음 티어 리스트 구상 Grok 4.6을 S로 올린 판단은 유지하되, 체감은 언제든 바뀔 수 있다고 본다. 다음 티어 리스트는 임팩트 순, 가성비 순, 로컬 머신 기준 등 다른 축으로도 만들 수 있으며, 실무에 맞는 기준을 더 넓혀 보자는 방향으로 마무리한다.
13. 20:11
    Opus가 평가한 티어 리스트 검토 Opus 5 관점에서 보면 일부 순위는 박하게 느껴질 수 있지만, 단위 비용당 처리량과 실무 효용을 기준으로 보면 납득 가능한 배치라는 반응이 나온다. 다만 한국어 성능이나 온프레미스 배포 같은 축으로 바꾸면 순위가 달라질 수 있다는 점도 확인한다.

실무 인사이트

• LLM 평가는 절대 성능보다 작업 유형별 체감 효율로 나눠 보는 것이 실무적으로 더 정확하다.
• 짧은 질의, 긴 추론, 코딩 리뷰, 요약·조사처럼 작업을 분해하면 각 모델의 강점을 더 선명하게 활용할 수 있다.
• 국내 모델은 프론티어와 직접 비교하기보다 한국어·지역 정보·서비스 탑재성 같은 맥락에서 따로 평가해야 한다.