Dan, the host and primary tester, unveiled the headline finding: “GPT-5.5 is OpenAI’s workhorse model.” What makes it so? The team’s proprietary senior engineer benchmark, designed to evaluate a model’s capacity to rewrite an existing codebase with the insight and skill of an experienced human engineer, delivered astonishing results. Tested against a real codebase, rewritten independently by two senior engineers, GPT-5.5 achieved a best score of 62 out of 100. In stark contrast, Opus 47, a highly regarded competitor, scored a mere 33. This nearly 30-point swing signifies a monumental leap in AI’s ability to tackle sophisticated code refactoring.

However, a fascinating caveat emerged: GPT-5.5 achieved its peak performance when guided by a plan literally written by Opus 47. This intricate interplay suggests a compelling division of labor: Opus excels at high-level strategic planning, offering “terse, spec-like, and contract-heavy” blueprints (e.g., “take this gigantic file and get it down to 500 lines”), while GPT-5.5 demonstrates an unparalleled capacity for relentless, assertive execution.

Dan elaborated on this dynamic: “If you give it a prompt that says, ‘Hey, I want you to like go and rewrite a major part of this codebase… figure out how you would rewrite it from first principles and then do it,’ both 4.7 and 5.5 can figure out… a plan for it.” But when it comes to execution, Opus 47 often “gets distracted and a little bit almost intimidated by a really big codebase and a big rewrite,” opting for minor patches. GPT-5.5, on the other hand, possesses the “courage or assertiveness” to “delete a bunch of code and… think about this from first principles without getting as distracted by the existing code.” This tenacious execution, sustained over “many turns, over many many many hours, over many many tokens,” is a novel capability not seen in previous models.

The team’s diverse roles and workflows offered a multifaceted “vibe check,” revealing how GPT-5.5 adapts to different professional needs.

Mike Taylor, Every’s Head of AI Consulting, found GPT-5.5 to be “the most reliable model I tested.” Comparing it to a “safe Waymo” versus Opus’s “dangerous Tesla,” Mike highlighted its dependability for tasks where he couldn’t afford to micromanage. For instance, creating curriculum for corporate training materials, which involves sifting through “tons of call notes from different people across the organization” to ensure all themes and issues are represented, became a seamless process.

“It just like hasn’t failed on that once,” Mike stated, contrasting it with Opus, which, despite producing “really sharp stuff” and “cool titles,” often required line-by-line review. For corporate training, “you don’t want cool titles all the time… you actually want something dependable, reliable that like, you know, regular people will find accessible.” GPT-5.5 proved ideal for tasks needing to be “unoffensive,” “reliable,” and comprehensive without being “a little bit wild.”

Kieran Classen, GM of Cora and creator of Compound Engineering, offered a more nuanced take. While acknowledging GPT-5.5’s impressive coding capabilities—scoring identically to Opus 4.7 on his specific coding benchmark—he views it as more of a “specialist” than a “generalist.”

“Claude is the generalist that is a very good coding model, but it’s also very good at product work… looking at the big picture,” Kieran explained. GPT-5.5, conversely, “is very good in execution and going into details but sometimes it like breaks down if you look at it from far away and you just see things not being coherent.” As a “product engineer generalist” building a new version of Cora, which involves wide-ranging work from front-end to back-end, he still reaches for Opus 4.7 as his daily driver.

Kieran also noted a significant limitation: its performance with Ruby. While “very, very good at… React, like a Next app” and TypeScript, he found it “just not good at Ruby,” which is Cora’s primary language. “That’s not how you write Ruby,” he lamented, making it a “biggest blocker” for his specific workflow.

Naveen, GM of Monologue, represents the “engineer engineer” perspective, aligning more with OpenAI’s approach. He describes GPT-5.5 as a “really well-rounded model,” a significant shift from his previous preference for Claude/Opus for coding. He now uses 5.5 for everything from Python and Swift codebases to support replies for Monologue.

Naveen’s most compelling example is his “vibe coding” adventures. While recovering from pink eye, he leveraged 5.5 to create three different apps from scratch, including “Dayline,” a Raycast alternative for daily to-dos. He simply gave it a screenshot of Raycast and a high-level idea, and 5.5 “vibe coded” the entire Mac app, including complex minor interactions, in a single thread spanning “200 million tokens.” He even expanded it to an iOS app that syncs automatically.

“I didn’t look at single code,” Naveen emphasized. This incredible feat highlights 5.5’s ability to maintain context over extremely long conversations and manage multiple codebases simultaneously, a testament to its robust “compaction” or context management. Mike Taylor echoed this, noting that his own “Karpathy-style knowledge base” project, initially needing a “Ralph Wiggum loop” (a constant human-like check-and-commit process), now runs faster with 5.5 simply compacting itself, requiring “less harness essentially.”

Austin, Every’s Head of Growth, presented perhaps the most dramatic shift in allegiance. Previously a dedicated Claude Code user, he now finds the Codex app, powered by GPT-5.5, to be his “daily driver for everything I do.” For someone without a technical background, 5.5 has made engineering work, from building dashboards to shipping landing pages and creating strategic plans, “way more comfortable.”

A few months prior, Austin found older Codex models alienating, making him “feel like I’m dumb.” The models would ask clarifying questions in a tone that felt dismissive. “All of that is gone for me in the new model,” he stated. “I both understand what it’s saying [and] I also really trust what it’s saying.”

The speed of the Codex app with 5.5 is a crucial factor. Austin described pointing the model at Notion and Slack, brain-dumping high-level campaign goals, and receiving a campaign plan that was “90% of what it came up with.” This efficiency allows him to manage complex tasks “while I’m in meetings” or “watching the NBA playoffs,” nudging the AI along with only “10% of my brain working.” This “speed is in some ways… a type of intelligence,” Dan added, granting users “a lot more power.”

While GPT-5.5 excels in many areas, the panel noted mixed results in creative tasks, particularly design. Kieran observed that while typography and structural alignment in 5.5’s designs looked better, the overall aesthetic could be “a little bit chaotic,” sometimes showing “some degradation” compared to previous models. He found Opus 4.7 still performed better on subjective “cozy island” design tests. Austin also found Opus models superior for video clipping and image generation via tools like ThreeMotion, noting 5.5’s “laziest possible approach” of simply zooming in on recordings.

However, a new contender has emerged from OpenAI itself: the new GPT image generation tool. Both Dan and Austin were “blown away” by its capabilities. Austin, initially hesitant, used it to create the YouTube thumbnail for their very live stream in “like 3 minutes,” requiring “no notes.” It produced high-quality, clean icons, accurate finger counts (without a source image), and even a “95% approximation of our logo.” Dan added that it’s “very good at like, ‘Oh, I want you to change this one little thing, but keep the rest the same,’” and impressively, it can generate accurate likenesses of people. This suggests OpenAI is rapidly closing the gap in creative visual domains.

The “vibe check” on GPT-5.5 paints a picture of an AI landscape rich with specialized and increasingly powerful models. While GPT-5.5 distinguishes itself as an assertive, high-performance workhorse, particularly in complex engineering execution and fast-paced knowledge work, other models like Opus 4.7 retain their edge in strategic planning and certain creative design tasks.

The experts’ varied experiences underscore a crucial point: “All the models are very good… There’s nothing bad about any of these models. They’re amazing.” The choice now often boils down to subtle nuances, specific workflow alignment, and even the language being used. OpenAI’s GPT-5.5 has undoubtedly raised the bar, offering a glimpse into a future where AI not only assists but actively drives complex projects with unprecedented speed and reliability, empowering users to achieve more with less friction. The revolution, it seems, is well underway, and it’s happening at warp speed.

Every 팀의 CEO 댄(Dan)은 GPT-5.5가 이미 그의 “데일리 드라이버(Daily Driver)“가 되었다고 선언하며, 이 모델이 이전 GPT-5의 미세 조정 버전이 아닌, “스퍼드(Spud)” 모델로 알려진 완전히 새로운 사전 학습 모델임을 강조했습니다. 현재 API로는 출시되지 않았지만, 이미 ChatGPT와 Codex를 통해 사용자들에게 배포되기 시작했으며, 그 강력함 때문에 OpenAI가 신중한 테스트를 거치고 있다고 언급했습니다.

Every 팀은 모델이 기존 코드베이스를 시니어 엔지니어처럼 재작성하는 능력을 평가하는 독자적인 ‘시니어 엔지니어 벤치마크’를 운영합니다. GPT-5.5는 이 벤치마크에서 100점 만점에 62점을 기록하며, 경쟁 모델인 Opus 4.7의 최고 점수 33점과 비교했을 때 약 30점 가까이 높은 점수를 받았습니다. 이는 GPT-5.5가 복잡한 엔지니어링 작업, 특히 코드 재작성 능력에서 탁월함을 보여준다는 증거입니다.

흥미로운 점은 GPT-5.5가 가장 높은 점수를 기록할 때, Opus 4.7이 작성한 “계획(plan)“을 사용했다는 것입니다. Opus 4.7의 계획은 간결하고 명세적이며 “거대한 파일을 500줄로 줄여야 한다”와 같은 구체적인 목표를 제시합니다. Opus 4.7 자체는 이러한 거대한 재작업 프로젝트를 실행하는 데 주저하거나 작은 부분만 수정하려 하지만, GPT-5.5는 이 계획을 받아들여 수많은 턴과 토큰에 걸쳐 실행하고, 심지어 많은 양의 코드를 삭제하는 “용기(courage)“와 “단호함(assertiveness)“을 보여줍니다. 이는 GPT-5.5가 대규모 코드베이스를 첫 번째 원칙부터 재작성하는 데 있어 독보적인 능력을 가졌음을 시사합니다.

Every 팀의 다양한 전문가들은 GPT-5.5에 대해 각기 다른 경험과 관점을 공유하며, 이 모델의 다면적인 특성을 드러냈습니다.

Every의 AI 기술 컨설팅 책임자인 마이크 테일러(Mike Taylor)는 GPT-5.5를 “가장 신뢰할 수 있는 모델”이라고 평가했습니다. 그는 Opus를 “테슬라(Tesla)“처럼 흥미롭지만 다소 위험한 모델로 비유하며, GPT-5.5는 “웨이모(Waymo)“처럼 편안하고 안전하게 느껴진다고 말했습니다. 그는 세심한 관리가 필요한 작업에는 Opus를 선호하지만, 크게 신경 쓰지 않아도 안전하게 완료될 것이라고 믿는 작업(예: 교육 자료 커리큘럼 작성)에는 GPT-5.5를 사용합니다. 특히, 기업 교육과 같이 “불쾌하지 않고(unoffensive)”, “신뢰할 수 있으며(reliable)”, “접근성 있는(accessible)” 결과물을 요구하는 경우 GPT-5.5가 탁월하다고 강조했습니다. 이전 Opus는 “멋지지만 다소 거친(wild)” 결과물을 내놓아 일일이 수정해야 하는 번거로움이 있었기 때문입니다.

Cora의 GM이자 Compound Engineering의 창시자인 키런 클래슨(Kieran Classen)은 GPT-5.5를 “매우 훌륭한 모델”로 인정하면서도, 그를 위한 “데일리 드라이버”는 아니라고 말했습니다. 그가 수행하는 제품 개발(프런트엔드, 백엔드, 테스트 등)은 광범위한 제너럴리스트적 역량을 요구하는데, 그는 GPT-5.5가 “제너럴리스트”보다는 특정 영역에 특화된 “전문가(specialist)“처럼 느껴진다고 설명했습니다.

그는 Claude를 제품 작업, 큰 그림 보기, 세부 사항 탐색 등에서 뛰어난 제너럴리스트로 보는 반면, GPT-5.5는 실행력과 세부 사항 처리에는 매우 강하지만, 때로는 전체적인 일관성이 부족할 때가 있다고 지적했습니다. 특히, 그가 주로 사용하는 프로그래밍 언어인 Ruby에 대해서는 GPT-5.5가 “좋지 않다(not good at Ruby)“고 말하며, TypeScript와 같이 OpenAI가 주로 학습한 언어에서는 놀라운 성능을 보이지만, Ruby에서는 그 능력이 현저히 떨어진다고 강조했습니다.

하지만 GPT-5.5의 강력함은 부인할 수 없습니다. 키런은 단 하나의 프롬프트로 맞춤형 고무 오리 상점을 만드는 웹 앱(React, Next.js)을 “원샷(one-shot)“으로 구현하는 데 성공했다고 밝혔습니다. 이는 이전 Opus 4.7에서도 불가능했던 경험입니다. 디자인 측면에서는 타이포그래피와 구조는 개선되었지만, 전반적인 시각적 디자인은 이전 모델이나 Opus보다 다소 “혼란스럽거나(chaotic)” “이상한(weird)” 결과물을 내놓기도 한다고 덧붙였습니다.

Monologue의 GM인 나빈(Naveen)은 GPT-5.5에 대한 가장 열정적인 지지자 중 한 명입니다. 그는 과거에는 웹 앱 코드나 글쓰기 작업에 Claude/Opus를 사용했지만, GPT-5.5 출시 이후에는 다른 모델을 찾을 필요가 없다고 말했습니다. Python, Swift, macOS 네이티브 앱 개발, 심지어 고객 지원 답변 작성에 이르기까지 모든 면에서 “매우 잘 훈련된(well-rounded)” 모델이라고 극찬했습니다.

특히 나빈은 GPT-5.5가 “바이브 코딩(Vibe Coding)“의 진정한 강자라고 강조했습니다. 바이브 코딩은 상세한 계획 없이 아이디어를 바로 코드로 구현하는 방식을 의미합니다. 그는 지난 몇 주간 GPT-5.5를 이용해 ‘Dayline’이라는 Raycast 대체 앱을 포함하여 세 가지 앱을 성공적으로 바이브 코딩했다고 밝혔습니다. 놀랍게도 Dayline 앱은 단일 스레드에서 2억 토큰(200 million tokens)이라는 엄청난 양의 컨텍스트를 유지하며 개발되었으며, 그는 단 한 줄의 코드도 직접 작성하지 않고 스크린샷과 아이디어만으로 앱을 완성할 수 있었습니다.

나빈의 경험은 GPT-5.5가 여러 코드베이스와 컨텍스트를 동시에 관리하는 데 탁월하며, “압축(compaction)” 기술을 통해 긴 대화 스레드에서도 컨텍스트를 잃지 않는 능력이 뛰어나다는 댄의 분석과 일치합니다. 이는 Opus가 대규모 프로젝트에서 “겁먹는(intimidated)” 것과 대조적으로, GPT-5.5가 주어진 세부 정보를 머릿속에 담고 처음부터 끝까지 완전한 결과물을 만들어내는 능력을 보여줍니다.

Every의 성장 책임자(Head of Growth)인 오스틴(Austin)은 GPT-5.5가 그의 지식 업무 방식을 완전히 바꾸어 놓았다고 말했습니다. 그는 기술적 배경이 없음에도 불구하고, Codex 앱을 통해 GPT-5.5를 사용하여 대시보드 구축, 랜딩 페이지 개발, 데이터 분석, 캠페인 계획 수립 등 다양한 엔지니어링 작업을 수행할 수 있게 되었습니다.

과거 OpenAI 모델들은 그에게 “멍청하다는 느낌(makes me feel dumb)“을 주었지만, GPT-5.5는 더 이상 그렇지 않다고 합니다. 모델의 “친근함(personable)“이 크게 개선되었고, 질문을 명확하게 제시하며, 그가 제시한 맥락을 바탕으로 의미 있는 답변을 내놓는다고 설명했습니다.

가장 인상적인 사례로, 그는 곧 출시될 “플러스 원(plus one)” 제품의 캠페인 계획을 GPT-5.5에 맡겼습니다. Notion, Slack, 기존 캠페인 계획 등 모든 관련 자료를 모델에 제공하고 대략적인 목표를 제시하자, GPT-5.5는 팀의 취향과 논의 내용을 반영한 캠페인 계획을 90% 완성도 있게 제시했습니다.

오스틴은 GPT-5.5의 “속도”가 핵심적인 강점이라고 강조했습니다. 그는 회의 중이나 NBA 플레이오프 경기를 시청하는 중에도 뇌의 10%만 사용하며 모델과 상호작용할 수 있을 정도로 GPT-5.5가 빠르게 작업을 처리한다고 말했습니다. 그는 “속도는 어떤 면에서는 지능의 한 종류(speed is in some ways a type of intelligence)“라고 덧붙이며, GPT-5.5의 빠른 속도가 사용자에게 엄청난 권한을 부여한다고 역설했습니다.

GPT-5.5는 단순히 성능이 향상된 모델을 넘어, AI와의 상호작용 방식과 작업 흐름에 근본적인 변화를 가져오고 있습니다.

• 속도와 지능의 결합: GPT-5.5의 압도적인 처리 속도는 사용자가 더 많은 작업을 동시에 수행하고, 아이디어를 빠르게 실험하며, 지식 업무의 효율성을 극대화할 수 있도록 돕습니다.
• 컨텍스트 관리 능력: 수억 토큰에 달하는 긴 대화 스레드에서도 컨텍스트를 잃지 않고 복잡한 프로젝트를 처음부터 끝까지 실행하는 능력은 대규모 개발 프로젝트나 장기적인 기획에 혁명적인 변화를 가져올 수 있습니다.
• 계획과 실행의 분리: Opus 4.7의 뛰어난 계획 수립 능력과 GPT-5.5의 강력한 실행력이 결합될 때 최고의 시너지를 발휘한다는 점은, 향후 AI 모델 간의 협업 생태계가 더욱 중요해질 것임을 시사합니다.
• 다양한 사용자 프로파일에 대한 적합성: GPT-5.5는 “엔지니어 엔지니어”와 같은 특정 기술 영역에 깊이 관여하는 사용자에게는 최고의 선택이 될 수 있지만, “제품 엔지니어 제너럴리스트”와 같이 광범위한 업무를 수행하는 사용자에게는 여전히 Claude와 같은 제너럴리스트 모델이 더 적합할 수 있습니다.
• 새로운 이미지 생성 도구의 등장: GPT-5.5와 함께 공개된 OpenAI의 새로운 이미지 생성 도구는 유튜브 썸네일과 같은 고품질의 시각적 콘텐츠를 빠르고 쉽게 생성할 수 있게 하며, 디자인 작업 영역에서도 AI의 영향력이 확대될 것임을 예고합니다.

GPT-5.5는 엔지니어링 실행 능력과 지식 업무 효율성 면에서 AI 모델의 새로운 기준을 제시했습니다. 특히, 대규모 코드 재작성 프로젝트를 추진하는 “용기”와 수억 토큰에 달하는 컨텍스트를 유지하며 “바이브 코딩”을 가능하게 하는 능력은 개발자들의 작업 방식을 근본적으로 변화시킬 잠재력을 가지고 있습니다.

물론, Opus 4.7의 뛰어난 계획 능력이나 Claude의 제너럴리스트적 강점, 그리고 여전히 디자인이나 특정 언어(예: Ruby) 지원에서 미묘한 차이가 존재합니다. 하지만 이제 우리는 각자의 필요에 따라 최적의 AI 모델을 선택하고, 심지어 여러 모델을 조합하여 활용할 수 있는 “호화로운(luxury)” 시대에 살고 있습니다.

Every 팀의 ‘바이브 체크’는 AI 모델의 발전이 단순히 기술적 성능 향상을 넘어, 인간-AI 협업의 본질과 역할 분담에 대한 깊은 질문을 던지고 있음을 보여줍니다. GPT-5.5는 이러한 협업의 다음 단계를 위한 강력한 도구이며, 앞으로 인간과 AI가 어떻게 상호작용하며 새로운 가치를 창출해 나갈지 기대하게 만듭니다.