티스토리 뷰
목차
코딩 한 줄 없이 GPT 5.5, 클로드 Opus 4.7, 제미나이로 각각 야구 게임을 만들었는데, 결과물의 완성도 차이가 생각보다 꽤 컸습니다. 제가 직접 결과를 보면서 느낀 건, 점수보다 중요한 게 따로 있다는 거였습니다.
GPT 5.5로 만든 야구 게임, 9점짜리 결과물의 실체
GPT 5.5는 신규 출시 모델입니다. 기존 GPT-4o 계열과 비교해 코딩 능력이 얼마나 달라졌는지 궁금했는데, 이번 야구 게임 제작이 꽤 좋은 테스트 케이스가 됐습니다.
제작 방식은 이렇습니다. 먼저 GPT 5.5에게 야구 게임 제작용 프롬프트를 생성하도록 요청했습니다. 그 프롬프트를 코덱스(Codex)에 입력해 실제 코딩을 진행했습니다. 여기서 코덱스란 GPT 5.5 기반의 코딩 특화 버전으로, 자연어 지시만으로 실행 가능한 코드를 생성해주는 도구입니다. 프롬프트에 야구 게임 이미지를 함께 첨부해 디테일한 요청을 넣었더니, 초기 결과물이 예상보다 상당히 그럴듯하게 나왔습니다.
완성된 게임은 3D 베이스볼 배틀 형식으로, 투수와 타자 모드를 선택할 수 있고 난이도 조절까지 가능했습니다. 투수 모드에서는 직구, 슬라이더, 커브, 포크볼 등 5가지 구종이 구현됐습니다. 여기서 포크볼이란 검지와 중지로 공을 끼워 던지는 변화구로, 타자 앞에서 급격히 아래로 떨어지는 궤적이 특징입니다. 타자 모드에서는 당겨치기, 밀어치기 방향 설정이 가능했고 홈런도 성공했습니다.
그런데 처음에는 문제가 있었습니다. 스트라이크 존이 제대로 보이지 않고, 와인드업 동작도 없어 현실감이 부족했습니다. 이 부분을 다시 지시해 개선하니 스트라이크 존이 명확해지고, 투구 동작에 와인드업까지 추가됐습니다. 타자 모드에서는 슬라이딩 동작도 구현됐고, 빠던(배트 플립)과 벤치 클리어링까지 완벽하게 작동했습니다. 최종 평가는 10점 만점에 9점이었습니다.
- 투수 모드: 직구, 슬라이더, 커브, 포크볼 등 5가지 구종 구현
- 타자 모드: 당겨치기·밀어치기 방향 설정, 슬라이딩 동작 구현
- 빠던(배트 플립)과 벤치 클리어링 완벽 작동 확인
- 프롬프트 → 코덱스 이중 구조로 완성도 높임
클로드 Opus 4.7 평가, 만점을 받은 이유가 있었습니다
클로드 Opus 4.7이 GPT를 뛰어넘을 수 있을지 솔직히 반신반의했습니다. GPT가 이미 9점이라는 높은 점수를 받은 상태에서, 클로드가 그 위로 올라가려면 체감 차이가 뚜렷해야 했습니다.
제작 방식은 GPT와 비슷했습니다. 클로드에게 야구 게임 프롬프트를 생성하도록 요청하고, 이를 클로드 코드(Claude Code)에 이미지와 함께 입력해 코딩을 진행했습니다. 클로드 코드란 클로드 모델 기반의 코딩 에이전트로, 터미널 환경에서 자율적으로 코드를 작성하고 수정하는 도구입니다. 초기 결과물을 보니 투수 모드와 타자 모드가 모두 존재했고, 투수 모드에서는 스페이스바로 파워를 조절해 투구할 수 있었습니다.
다만 초기 버전에는 문제가 있었습니다. 제가 직접 써봤는데, 타자 모드에서 포수의 머리가 지나치게 크게 렌더링돼 타격 시야를 심하게 방해했습니다. 화면 고정 문제도 발생했습니다. 이 부분을 구체적으로 지시했더니, GPT와 유사한 투수 시점으로 바뀌고 안타 시 수비 선수가 움직이며 주자가 달리는 동작까지 구현됐습니다.
제가 가장 놀란 건 타격감이었습니다. 홈런이 체감상 더 자연스럽게 나왔고, 수비 아웃 처리까지 매끄럽게 연결됐습니다. 줌아웃 기능을 요청한 뒤에는 안타 시 세이프 처리까지 구현됐습니다. 그리고 빠던과 벤치 클리어링의 완성도가 GPT를 확실히 앞섰습니다. 빠던에서는 배트를 그냥 던지는 게 아니라 과격하게 내던지는 연출이 나왔고, 벤치 클리어링은 타자가 배트를 들고 싸우는 격투 게임 형식으로 구현됐습니다. 이 부분은 솔직히 이건 예상 밖이었습니다. 최종 평가는 10점 만점에 10점이었고, 클로드가 이번 비교에서 가장 높은 완성도를 보였습니다.
제미나이 한계, 9점을 받았지만 이유가 조금 달랐습니다
제미나이는 VS Code에서 프롬프트를 입력하는 방식으로 제작이 진행됐습니다. 앞선 두 모델과 개발 환경 자체가 다르다는 점을 먼저 짚고 싶습니다. 이 차이가 결과물에 어느 정도 영향을 줬을 수 있기 때문입니다.
초기 투수 모드에서는 직구, 슬라이더, 커브 3가지 구종만 제공됐고, 스트라이크 존 표시에 문제가 있었습니다. 여기서 스트라이크 존이란 타자의 무릎과 어깨 사이, 홈 플레이트 너비 안에 들어오는 투구 영역을 의미합니다. 이 영역이 시각적으로 명확하게 표시되지 않으면 투수 모드에서 전략적 플레이가 어려워집니다. 피드백을 주고 개선하니 스트라이크 존은 나아졌고, 슬라이더 구질은 오히려 세 모델 중 가장 날카롭다는 인상을 받았습니다.
타자 모드는 솔직히 아쉬웠습니다. 공 속도가 너무 빨라 반응 자체가 어려웠고, 일부 투구에서는 공이 화면에서 보이지 않는 현상도 발생했습니다. 타격 시점을 개선하고 나니 자세가 독특한 형태로 나왔고, 슬라이더는 거의 마구(타자가 치기 거의 불가능한 극단적 변화구) 수준으로 난이도가 지나치게 높아졌습니다.
빠던과 벤치 클리어링은 연출 방향이 달랐습니다. 빠던에서는 배트가 과장되게 멀리 날아가는 연출이 나왔고, 벤치 클리어링에서는 선수들이 모여 강강술래를 하는 코믹한 장면이 구현됐습니다. 제 경험상 이건 좀 다릅니다. 게임 완성도보다 의도치 않은 웃음을 주는 연출이었습니다. 빠던과 벤치 클리어링을 동시에 시전하면 화면이 난장판이 되는 장면은 나름의 예술적 가치가 있었습니다. 최종 평가는 10점 만점에 9점이었지만, 이 9점은 GPT의 9점과 성격이 조금 달랐습니다.
제미나이의 코딩 능력을 이번 결과만으로 판단하기는 어렵다고 생각합니다. 개발 환경이 달랐고, 프롬프트 구성 방식도 달랐기 때문입니다. 공신력 있는 평가를 위해서는 동일한 조건에서 비교가 이뤄져야 한다는 게 제 생각입니다(출처: Google AI for Developers — Gemini API 공식 문서).
AI 코딩에서 진짜 중요한 능력, 프롬프트 엔지니어링이었습니다
이번 비교를 보면서 제가 가장 중요하다고 느낀 건, 어느 AI가 몇 점을 받았느냐보다 AI에게 어떻게 요구하고 결과물을 어떻게 개선하느냐였습니다. 세 모델 모두 처음 결과물에는 크고 작은 문제가 있었습니다. 스트라이크 존이 보이지 않거나, 공이 너무 빠르거나, 화면이 고정되는 문제들이 계속 나왔습니다. 하지만 이 문제들을 구체적으로 다시 설명하고 수정 지시를 내리면서 결과물이 점점 나아졌습니다.
여기서 프롬프트 엔지니어링(Prompt Engineering)이란 AI가 원하는 결과물을 내도록 입력 문장을 설계하는 기술을 의미합니다. 단순히 "야구 게임 만들어줘"라고 요청하는 것과, 구종별 물리 효과, 스트라이크 존 시각화, 타격감, 주자 동작까지 명세서처럼 상세하게 요청하는 것의 결과물 차이는 압도적입니다. 제가 직접 경험한 바로도 프롬프트가 길고 구체적일수록 초기 결과물의 완성도가 확연히 달랐습니다.
실제 서비스 개발에서는 게임이 실행된다는 것만으로 충분하지 않습니다. 코드 구조, 성능 최적화, 보안, 모바일 반응형 대응, 유지보수 가능성까지 고려해야 하기 때문입니다. 이 부분은 OpenAI의 공식 API 문서에서도 프로덕션 수준의 코드에는 추가적인 검토가 필요하다고 안내하고 있습니다(출처: OpenAI — Production Best Practices 공식 가이드). 영상에서 보여주는 짧은 데모와 실제 제품 개발 사이에는 분명히 큰 차이가 있습니다.
그럼에도 아이디어를 빠르게 검증하는 프로토타이핑 도구로서는 상당히 강력하다고 봅니다. 특히 웹 개발 경험이 어느 정도 있는 경우라면, AI에게 전부 맡기는 것보다 구조와 방향은 직접 잡고 구현과 반복 수정은 AI에게 맡기는 방식이 가장 효율적입니다. 제 경험상 이 방식이 결과물의 완성도와 작업 속도 모두에서 가장 좋은 균형을 만들어줬습니다.
자주 묻는 질문
Q. 코딩 지식이 없어도 AI로 야구 게임을 만들 수 있나요?
A. 기본적인 실행은 가능합니다. 다만 스트라이크 존, 구종 물리 효과, 주자 동작처럼 세부 기능을 제대로 구현하려면 문제가 생겼을 때 어떻게 수정 지시를 내려야 하는지 파악하는 능력이 필요합니다. 코딩 지식이 없더라도 원하는 결과를 구체적으로 설명하는 연습이 먼저입니다.
Q. GPT 5.5, 클로드, 제미나이 중 코딩에 가장 좋은 AI는 뭔가요?
A. 이번 비교에서 타격감, 빠던, 벤치 클리어링 연출 면에서는 클로드 Opus 4.7이 가장 높은 평가를 받았습니다. 하지만 세 모델이 서로 다른 개발 환경과 프롬프트를 사용했기 때문에, 이 결과만으로 모델의 코딩 능력을 객관적으로 판단하기는 어렵습니다. 동일 조건에서의 비교가 이뤄져야 정확한 평가가 가능합니다.
Q. 빠던(배트 플립)이나 벤치 클리어링 같은 세부 기능도 AI가 만들어주나요?
A. 네, 가능합니다. 단, 처음 한 번의 요청으로 완성되는 경우는 드뭅니다. GPT와 클로드 모두 빠던과 벤치 클리어링을 명시적으로 요청하고 결과를 보며 수정 지시를 내리는 과정을 거쳐 완성도 높은 결과가 나왔습니다. 제미나이는 벤치 클리어링에서 예상과 다른 코믹한 연출이 나왔는데, 이것도 추가 피드백으로 수정이 가능한 부분입니다.
Q. AI가 만든 게임 코드를 실제 서비스로 올려도 되나요?
A. 간단한 프로토타입 수준에서는 가능하지만, 실제 서비스로 배포하려면 코드 구조, 성능 최적화, 보안 취약점, 모바일 대응 여부를 별도로 검토해야 합니다. AI가 생성한 코드는 동작하는 것과 서비스 가능한 것 사이에 상당한 차이가 있으며, 이 부분은 개발자의 검토가 반드시 필요합니다.
결론
세 모델을 비교한 결과만 보면 클로드 Opus 4.7이 가장 높은 완성도를 보였습니다. 하지만 제가 이번 비교에서 더 중요하게 본 건, 어느 모델이 이겼느냐가 아니라 AI 코딩에서 결과물의 품질을 결정하는 건 결국 사람의 피드백 능력이라는 점이었습니다. 처음부터 완벽한 결과물이 나온 경우는 단 한 번도 없었습니다. 스트라이크 존 문제, 공 속도 문제, 화면 고정 문제 모두 반복적인 수정 지시로 해결됐습니다.
아이디어를 빠르게 테스트하는 프로토타이핑 도구로서 AI 코딩은 이미 충분히 강력합니다. 다만 실제 제품 개발에서 AI를 활용하려면, 모델 선택보다 원하는 결과를 명확하게 설명하는 프롬프트 엔지니어링 능력을 먼저 키우는 것이 효율적입니다.