AI 코딩 모델 순위 1위가 또 바뀌었다, 그래서 갈아타야 하나

코딩용 AI 순위가 바뀔 때마다 구독을 갈아탈지 고민하게 된다. 나는 안 갈아탄다. 순위표는 참고만 한다. 갈아탈지 말지는 내가 매일 돌리는 작업에서 판가름 난다는 걸 몇 달 써보면서 몸으로 배웠다. 마침 7월 리더보드가 꽤 요란하게 움직여서, 이번 순위를 보며 뭘 취하고 뭘 흘려보내면 되는지 정리해봤다.

2026년 7월, 지금 1위는 누구일까?

웹 개발 특화 리더보드인 WebDev Arena(arena.ai) 기준, 7월 13일 스냅샷은 이렇다. 프랑스 테크 매체 Blog du Moderateur가 정리한 수치다.

순위	모델	개발사	Elo
1	Claude Fable 5	Anthropic	1,649
2	GPT-5.6 Sol xHigh	OpenAI	1,636
3	GLM 5.2 max	Z.ai	1,580
4	Grok 4.5	xAI	1,566
5	Claude Opus 4.8 Thinking	Anthropic	1,560
10	Muse Spark 1.1	Meta	1,540

5~9위 사이에는 Claude 구형 변형(Opus 4.7·4.6 계열, Sonnet 5 High)이 줄줄이 껴 있다. 톱10에 Anthropic 모델만 6개다. 한 집안 잔치인가 싶지만 이건 뒤에서 다시 따져본다. (1위 Fable 5가 어떤 모델인지는 출시 때 총정리한 글에 있다)

1위와 2위 차이는 13점. 이게 큰 차이 같지만 Elo에서 13점은 승률로 치면 거의 동전 던지기다. 실제로 arena.ai 라이브 보드에서는 GPT-5.6 Sol xHigh가 1,631, Fable 5가 1,630 — 1점 차로 순서가 뒤집혀 있다(7월 14일 직접 확인). 같은 날짜 스냅샷끼리도 이렇게 갈린다. 점수가 살아 움직인다는 뜻이고, 이 순위표를 "확정 성적표"로 읽으면 안 되는 첫 번째 이유다.

Elo 순위가 재는 것, 못 재는 것

WebDev Arena 방식은 단순하다. 같은 요청을 두 모델에게 블라인드로 시키고, 사람들이 결과물만 보고 투표한다. 브랜드 후광이 걷힌다는 점에서는 벤치마크 중 가장 정직한 편이다.

문제는 투표가 "첫인상"이라는 것. 화면이 예쁘게 뜨고 애니메이션이 바로 도는 쪽이 이긴다. 그 코드가 유지보수하기 좋은지, 접근성을 챙겼는지, 보안 구멍은 없는지는 투표에 안 잡힌다. Elo는 정답률이 아니라 승률의 누적치라서, 데모에 강한 모델이 실무에 강한 모델보다 위로 올라갈 수 있다.

부문별로 쪼개 보면 이 얘기가 더 선명해진다. HTML 부문에서는 Fable 5가 1위고 2위가 Grok 4.5다. 그런데 React 부문에서는 GPT-5.6 Sol xHigh가 1위고 Fable 5가 2위다. 종합 순위 하나만 보고 "뭐가 최고냐"를 정하는 게 얼마나 거친 질문인지 보여주는 대목이다. 당신이 매일 짜는 게 React라면 종합 1위보다 React 부문 1위가 당신의 1위다.

진짜 뉴스는 3위에 있다

내 눈에 이번 순위에서 제일 재미있는 자리는 3위다. Z.ai의 GLM 5.2 max가 입력 100만 토큰당 1.40달러로 최상위권에 앉아 있다. 프런티어 모델들 입력 단가의 몇 분의 일 수준으로 4위 Grok 4.5를 눌렀다. (Grok 4.5가 최저가 전략으로 들어왔을 때 이런 흐름이 올 거라 생각은 했는데 반년도 안 걸렸다)

"제일 좋은 모델에는 제일 비싼 돈을 낸다"는 공식이 무너지기 시작했다는 신호다. 물론 입력 단가만으로 싸다고 확정할 수는 없다. 출력 단가, 속도, 장애율, 내 코드가 학습에 쓰이는지 데이터 정책까지 봐야 총비용이 나온다. 찾아보니 GLM 5.2는 출력이 100만 토큰당 4.40달러, Z.ai 공식 문서는 API 입력을 학습에 쓰지 않는다고 밝히고 있다 — 다만 이런 정책은 바뀔 수 있으니 회사 코드를 태우기 전엔 그 시점의 약관을 직접 확인하는 게 안전하다. 그래도 이 정도 가격에 이 순위면, 토이 프로젝트나 대량 배치 작업부터 저가 모델로 넘기는 실험은 해볼 값어치가 충분하다.

톱10에 6개가 든 Anthropic은 어떻게 읽어야 할까. 제품군 전체가 상향 평준화됐다는 해석은 맞다. 다만 6개 중 4개는 같은 계열의 버전·Thinking 변형이라, "독립적인 기술 우위 6개"로 세면 과장이다. 구형이 안 내려가고 버티는 그림이다.

그래서 갈아타야 하나

추천부터 말하면, 순위가 바뀌었다는 이유만으로는 갈아탈 필요 없다. 순위는 "다음에 검토할 후보를 2~3개로 줄여주는 도구"로만 쓰면 된다.

나는 메인을 Claude Code로 두고 codex(GPT 계열)를 보조로 물려 쓴다. 사실 이 글의 자료 정리도 GPT-5.6 Sol에게 시키고 본문은 내가 Claude와 다듬었다. 이렇게 섞어 쓰면서 확인한 건, 모델 간 13점 Elo 차이보다 내가 작업을 어떻게 쪼개서 시키는지가 결과물 품질을 훨씬 크게 좌우한다는 사실이다. 계획을 먼저 확정하고, 작은 단위로 검증하고, 이해 안 되는 코드 블록을 그냥 통과시키지 않는 것. 1위 모델을 써도 이 루프가 무너지면 결과가 엉망이고, 루프가 튼튼하면 5위 모델로도 쓸 만한 결과가 나온다.

갈아타기를 진지하게 검토할 때의 내 기준은 하나다. 내 실제 업무에서 뽑은 대표 과제 몇 개를 새 모델에 그대로 던져보고, 성공률과 수정 횟수, 걸린 시간, 비용을 재보는 것. 남의 투표 대신 내 과제로 재는 순간, 순위표와 다른 결론이 나오는 경우가 생각보다 많다.

다음 스냅샷에서 지켜볼 건 이렇다. Fable 5의 HTML 우위가 버티는지, OpenAI의 React 특화가 다른 부문으로 번지는지, 그리고 GLM이 이 가격으로 운영 품질(속도·안정성)까지 지켜내는지. 다음 순위 요동 때 이 글을 다시 꺼내 보면서 답을 맞춰볼 생각이다.

맛있는 김밥 먹고 싶다.