Deep Research 도구 비교: OpenAI vs Perplexity vs Gemini vs Claude (2026 가이드)

Deep Research의 순간

2025년 2월 2일, OpenAI가 Deep Research를 발표했습니다. 한 문장짜리 프롬프트를 받아 30분짜리 조사를 계획하고, 수십 개의 소스를 스스로 탐색한 뒤 인용이 달린 리포트로 돌아오는 에이전트를 대부분의 사람들이 처음 경험한 순간이었습니다.

업계의 반응은 많은 것을 말해줍니다. 6주 안에 Perplexity가 자체 Deep Research를 출시했고(2월 14일) 개발자에게 Sonar Deep Research API를 개방했습니다(3월 7일). 2024년 12월에 조용히 Gemini Deep Research를 출시했던 Google은 롤아웃을 가속하고 2025년 5월 백본을 Gemini 2.5 Pro로 업그레이드했습니다. Anthropic은 2025년 5월 27일에 Claude의 웹 검색을 일반 공급 상태로 전환하면서, 같은 봄 시기에 Research 기능을 함께 패키지했습니다.

4개 연구소, 1개 제품 카테고리, 1개 분기. 이런 일이 우연히 벌어지지는 않습니다. 2024년은 컨텍스트 윈도우가 200K 토큰을 넘고, 도구 사용이 안정되었으며, 에이전트 루프가 중간에 조용히 실패하지 않게 된 해였습니다. Deep research는 이 세 가지가 모두 돈을 낼 만하다고 느껴진 첫 번째 소비자용 앱이었습니다. The Agentic Web: MCP 프로토콜 전쟁의 내부에서 다루는, 에이전트 프로토콜을 향한 더 넓은 전환과도 밀접하게 연결되어 있습니다.

글을 쓰고, 공부하고, 시장을 분석하거나 제품을 평가한다면, 이 중 하나를 쓰지 않는다는 것만으로 이미 불리한 상태입니다. 문제는 어느 것을, 언제 쓰느냐입니다.

"Deep Research"가 실제로 하는 일

Deep research를 채팅 검색과 혼동하기 쉽습니다. 질문을 입력하면 링크가 달린 답변이 돌아옵니다. 그러나 메커니즘은 다릅니다.

채팅 검색(예: 브라우징이 붙은 일반 ChatGPT)은 웹 쿼리를 한두 번 실행하고 상위 결과를 몇 초 안에 종합합니다. Deep research 에이전트는 주니어 분석가가 오후 내내 하는 일에 가깝습니다. 질문을 하위 질문으로 쪼개고, 수십에서 수백 건의 검색을 실행하고, 전체 페이지를 읽고, 인용을 따라가고, 학습하면서 계획을 수정하고, 각주가 달린 구조화된 리포트를 생산합니다.

채팅 검색에 "필립스 곡선에 대한 주요 비판은 무엇인가요?"를 물어보면 3문단짜리 요약이 돌아옵니다. 같은 질문을 deep research 에이전트에게 던지면, Friedman의 자연실업률 가설, 1970년대 스태그플레이션 붕괴, 합리적 기대 수정, 2008년 이후 평탄화 논쟁, 2023~2025년 최신 논문까지 다루는 15페이지 리포트가 돌아옵니다. 모든 항목에는 클릭할 수 있는 출처가 달립니다.

대가는 시간입니다. 실행은 도구와 깊이에 따라 3~45분이 걸립니다. 그게 핵심입니다. 하나를 돌려두고 다른 일을 하다가 돌아오면, 수동으로 조립하려면 반나절이 걸렸을 리포트가 기다리고 있습니다. AI 에이전트 중심으로 리서치 습관을 재구성하는 방법은 2026년 AI 기반 리서치 워크플로우 구축법을 참고하세요.

정면 비교: 4개 도구 비교

출시 블로그와 현재 가격 페이지에서 확인한 수치를 기반으로 한 매트릭스입니다.

한 문단 프로필은 다음과 같습니다.

OpenAI Deep Research는 중량급입니다. 실행이 더 느리고(보통 15~25분), 리포트는 가장 길며, 애매한 주제에서 추론의 깊이가 뚜렷이 보입니다. custom o3 모델은 채팅이 아니라 웹 규모 종합에 맞춰 튜닝되었습니다. Plus의 월 25회 한도가 실제 제약입니다. 헤비 유저는 일주일이면 다 써버립니다.

Perplexity Deep Research는 속도 챔피언입니다. 대부분의 실행은 2~3분 안에 끝납니다. 리포트는 더 짧고 백과사전 같아서 에세이보다는 브리핑에 적합합니다. 또한 네 개 중 유일하게 실제 API가 있으며, 출시 시점에 입력 100만 토큰당 $2, 출력 100만 토큰당 $8로 책정되어 있습니다.

Gemini Deep Research는 Google Workspace 사용자에게 가장 잘 통합되어 있습니다. 웹과 함께 Gmail, Drive, Docs에서 자료를 끌어옵니다. AI Pro의 일 20회 한도는 넉넉합니다. 리포트는 에이전트가 실행되기 전에 편집할 수 있는 가시적 리서치 계획을 포함합니다.

Claude Research는 끈기 있는 선수입니다. 실행은 정기적으로 범위의 30~45분 끝에 도달하며, 출력도 그에 맞게 길고 뉘앙스가 풍부하며 상충되는 증거를 저울질하는 데 능합니다. 200K 컨텍스트 윈도우(기업용 1M 베타) 덕분에 큰 소스 세트가 잘리지 않습니다.

벤치마크: HLE와 SimpleQA가 실제로 말해주는 것

가장 많이 인용되는 두 숫자는 Humanity's Last Exam과 SimpleQA입니다. 유용하지만, 과대 해석되기도 합니다.

**Humanity's Last Exam (HLE)**은 Scale AI와 Center for AI Safety가 2025년 초에 공개한 3,000 문항짜리 다분야 벤치마크로, 수학, 과학, 인문학, 전문 지식을 전문가도 답하기 어려운 수준에서 다룹니다. OpenAI는 출시 당시 Deep Research가 26.6%를 기록했다고 보고했습니다(OpenAI, 2025년 2월 2일). Perplexity는 Sonar Deep Research가 21.1%라고 보고했습니다(Perplexity, 2025년 2월 14일). Anthropic과 Google은 본고 작성 시점까지 리서치 에이전트의 HLE 점수를 공개하지 않았습니다.

HLE가 잘 측정하는 것은 진정으로 어려운 질문에서 분야를 넘나드는 종합 능력입니다. 측정하지 못하는 것은 그 에이전트가 당신이 실제로 하는 일의 수준에서 잘 작동하는가입니다. 대부분의 실제 리서치는 박사급 물리학이 아닙니다. "이 주제의 최근 논쟁을 요약해줘" 또는 "내 사용 사례에 맞는 이 5개 제품을 비교해줘"입니다. 그런 작업에서 OpenAI와 Perplexity의 벤치마크 격차는 5.5%포인트가 시사하는 것보다 훨씬 작습니다.

SimpleQA는 Perplexity가 더 강한 영역입니다. 이 벤치마크는 단답형 사실 정확도를 테스트하며, Sonar Deep Research는 93.9%를 기록했습니다(Perplexity, 2025년 2월 14일). "에이전트가 사실을 환각하는가?"에 대한 유용한 대리 지표이며, 출력물을 인용할 계획이라면 매우 중요합니다.

솔직한 결론은, 벤치마크는 난이도의 80~95 백분위 구간에서 도구를 신뢰성 있게 순위 매기지만, 그 아래에서는 형편없다는 것입니다. 고르는 가장 좋은 방법은 실제 같은 프롬프트를 무료 티어에서 두세 개에 돌려 비교해 보는 것입니다. 벤치마크는 시사적입니다. 당신의 테스트가 결정적입니다.

벤치마크 집착이 오도할 수 있는 이유에 대한 긴 논의는 AI 사고의 함정을 참고하세요.

무료 티어의 현실 점검

마케팅 페이지는 모두 무료 접근을 강조합니다. 이 도구들을 실제 업무에 써보려고 하면 "무료"가 실제로 무엇을 뜻하는지 정리해봅니다.

OpenAI Deep Research (무료: 월 5회). 평가에는 충분하지만 의존하기에는 부족합니다. 단일 프로젝트가 보통 2~3회를 먹어치웁니다(첫 패스, 후속, 명확화). 업무용으로 쓰면 10일째에는 한도에 닿습니다. 월 $20에 월 25회인 Plus가 현실적인 시작 티어입니다.

Perplexity Deep Research (무료: 일 5회). 무리 중 가장 너그럽습니다. 일 5회는 월 150회로 대부분의 사람에게 필요한 것보다 많습니다. 무료 티어의 출력은 Pro보다 짧고, 최신 Sonar 변종은 제공되지 않습니다. 가벼운 사용이라면 실제로 계속 쓰게 되는 무료 티어입니다.

Gemini Deep Research (무료: 제한적 접근). 2025년 중 제한적인 형태로 출시되었으며, 빈도와 리포트 길이가 AI Pro보다 줄어듭니다. 이미 AI Pro가 포함된 Google One 구독이 있다면 일 20회 한도가 목표입니다.

Claude Research (Pro 전용, 월 $20). Research 기능에 전용 무료 티어는 없습니다. 무료 플랜에는 채팅과 웹 검색이 있지만 다단계 리서치는 Pro 뒤에 있습니다. Pro는 Claude의 전체 Sonnet 4.5 및 Opus 4.5 접근을 포함하므로, $20으로 시장에서 가장 강력한 장문 컨텍스트 읽기 모델을 얻게 됩니다.

하나만 결제한다면, Perplexity Pro가 $20에 월 500회로 가장 좋은 볼륨 대비 가격비를 제공합니다. 가장 똑똑한 출력만 원한다면, $20짜리 ChatGPT Plus가 월 25회의 OpenAI Deep Research와 Plus 번들의 나머지 모든 것을 줍니다. Google Workspace 사용자에게는 Gemini AI Pro가 자연스러운 선택입니다. 이미 읽고 쓰기에 Claude를 쓰고 하나의 통합 구독을 원한다면 Claude Pro가 가장 말이 됩니다.

어떤 작업에 어떤 도구가 맞는가

4개 전부에 수백 개의 쿼리를 돌리고 나면 명확한 패턴이 보입니다. 지금은 이렇게 작업을 라우팅합니다.

학술 문헌 리뷰. Claude Research. 에이전트가 20편 이상의 논문을 작업 기억에 유지해야 할 때 긴 컨텍스트 윈도우가 중요하고, Claude는 표면적으로 유사한 주장들을 구분하는 데 확실히 더 낫습니다. 실행은 더 오래 걸리지만, 문헌 리뷰는 시간 민감도가 낮습니다.

시장 규모 측정과 경쟁 인텔리전스. OpenAI Deep Research. 애매한 전략적 질문(시장이 왜 성장했는가, 고객 전환을 무엇이 이끄는가)에 대한 추론의 깊이가 여기서 분명히 드러납니다. "이 산업을 이해하게 도와줘" 같은 프롬프트에서 제가 가장 신뢰하는 도구입니다.

빠른 사실 브리핑. Perplexity Deep Research. 회의 전에 2페이지짜리 인용 요약이 필요하다면 Perplexity의 3분짜리 처리 시간을 이기기 어렵습니다. SimpleQA 스타일의 사실 정확도는 진짜 강점입니다.

구매 결정과 제품 비교. Perplexity 또는 Gemini. 둘 다 실제 리뷰 데이터(포럼, YouTube 자막, 스펙 시트)를 충분히 끌어와 유용한 나란히 비교를 생산합니다. Gemini의 이점은 자기 Gmail 영수증과 Drive 메모를 끌어오는 것입니다.

자기 문서가 연관된 리서치. Gemini Deep Research. Workspace 통합이 해자입니다. 소스 자료의 절반이 Drive에 있는 주제(회의록, PDF, 오래된 이메일)를 리서치한다면 다른 것과 비교되지 않습니다.

개발자 통합과 대량 실행. Perplexity Sonar Deep Research API. 합리적인 가격으로 실제 API 가격이 있는 유일한 선택지입니다. Deep research를 기능으로 필요한 제품을 만든다면 당연한 선택입니다.

상충되는 증거 종합. Claude. 소스가 불일치할 때(예: "식이섬유가 게실염에 실제로 좋은가?" 또는 "뽀모도로 기법이 효과가 있는가?"), Claude는 성급히 한쪽을 고르기보다 불일치를 드러내는 데 가장 기꺼이 합니다.

사람들을 놀라게 할 수 있는 한 가지 패턴은 이것입니다. 단일 도구가 지배하지 않습니다. 저는 중요도 높은 작업에서는 같은 프롬프트를 두 에이전트에 돌립니다. 비용은 두 구독에 월 $40, 이익은 어느 단일 도구 혼자서 생산하는 것보다 눈에 띄게 나은 출력입니다. 채팅 검색과 deep research는 서로 경쟁하는 제품이라기보다 조합해서 쓰는 스택에 가까워지고 있습니다.

놓친 한 조각: 리서치 리포트를 쓸 수 있는 지식으로 바꾸기

거의 어떤 비교 기사도 언급하지 않는 것이 있습니다. 에이전트가 생산하는 리포트는 당신의 리서치 산출물이 아닙니다. 당신의 이해가 산출물입니다.

20페이지짜리 Claude Research 출력이나 15페이지짜리 OpenAI Deep Research 리포트는 작업의 시작이지 끝이 아닙니다. 한 번 읽고, 결론을 훑고, 탭을 닫으면, 실제로 배우지 못한 것을 요약해달라고 에이전트에게 돈을 지불한 셈입니다. 2025년 MIT Media Lab의 수동적 AI 사용 연구(저희의 AI가 학습에 미치는 영향 분석에서 추적)는, ChatGPT를 많이 사용하는 사람이 능동적 학습자에 비해 "읽은" 것의 유지율이 일관되게 낮다는 것을 보여줬습니다.

해법은 연구자들이 수 세기 동안 해온 것입니다. 주석을 답니다. 중요한 주장을 하이라이트합니다. 검증하고 싶은 출처를 표시합니다. 리포트 간 통찰을 연결합니다.

여기가 Glasp의 웹 하이라이터가 워크플로우에 자리하는 지점입니다. OpenAI, Perplexity, Gemini, Claude에서 리서치를 실행하세요. 리포트를 읽기 좋은 페이지에 붙여 넣으세요. 읽으면서 브라우저에서 바로 하이라이트하세요. 하이라이트가 Glasp 라이브러리로 동기화되어, 이번 달에 읽은 모든 것과 함께 검색 가능하고 정리된 형태로 저장됩니다.

효과 있는 몇 가지 구체적인 워크플로우:

하이라이트하고 다시 질의하기. 리포트를 읽고, 가장 중요한 10~15개 주장을 하이라이트합니다. 그 하이라이트를 같은 에이전트에 다시 붙여넣고 "이 구체적인 지점들을 더 깊이 파헤쳐봐"라고 합니다. 일회성 대신 반복적입니다.

주제별로 리포트 쌓기. 같은 주제를 두 개의 도구에서 리서치할 때(예: OpenAI + Claude), 두 리포트를 Glasp에서 하이라이트하면 둘이 어디서 수렴하고 어디서 갈라지는지 볼 수 있습니다. 불일치는 종종 가장 흥미로운 부분입니다.

YouTube를 텍스트와 함께 쓰기. 최고의 소스가 팟캐스트나 강연일 때, YouTube Summary는 타임스탬프와 함께 자막 수준의 요약을 줍니다. 텍스트 기반 deep research 리포트와 주석이 달린 YouTube 강연 3~4개를 짝지으면, 둘 중 하나만 쓰는 것보다 주제를 더 철저히 다룰 수 있습니다.

하이라이트와 채팅하기. Glasp AI chat은 당신의 주석을 소스로 질문에 답할 수 있습니다. "GPT가 X에 대해 뭐라고 했지?"와 "X에 대해 내가 실제로 어떤 결론을 내렸지?"의 차이입니다.

배운 것을 발행하기. Glasp의 커뮤니티에는 비슷한 주제를 리서치하는 다른 사람들이 가득합니다. 하이라이트된 리포트를 공유하는 것은 리서치를 끝내게 만드는 강제 기능입니다. 단계별 가이드는 기사에 주석을 다는 올바른 방법을 참고하세요.

한 번 읽은 리포트는 영수증이지 지식이 아닙니다. 하이라이트와 주석 단계가 에이전트 출력을 실제로 아는 것으로 변환하는 부분입니다.

자주 묻는 질문

어떤 deep research 도구가 가장 정확한가요?

공개된 벤치마크에서 OpenAI Deep Research가 Humanity's Last Exam에서 26.6%로 앞서며(OpenAI, 2025년 2월), Perplexity는 21.1%입니다(Perplexity, 2025년 2월). Anthropic과 Google은 리서치 에이전트의 HLE 수치를 공개하지 않았습니다. 단답 사실 정확도에서는 Perplexity Sonar가 SimpleQA에서 93.9%로 탁월합니다. 실제 사용에서는 OpenAI, Claude, Gemini 간 정확도 차이가 벤치마크가 시사하는 것보다 작습니다. 더 큰 차이는 깊이 대 속도입니다.

Deep research 실행은 얼마나 걸리나요?

Perplexity는 대부분의 실행을 3분 이내에 끝냅니다. Gemini는 보통 515분 걸립니다. OpenAI Deep Research는 쿼리 복잡도에 따라 530분입니다. Claude Research는 어려운 프롬프트에서는 5~45분까지 늘어날 수 있습니다. 지금 답이 필요하면 Perplexity, 기다릴 수 있으면 Claude나 OpenAI가 보통 더 철저한 리포트를 생산합니다.

진짜로 무료인 deep research 도구가 있나요?

있지만 제한이 있습니다. OpenAI는 무료 사용자에게 월 5회 Deep Research 실행을 제공합니다. Perplexity는 무료 티어에서 일 5회를 주는데, 가장 너그러운 할당입니다. Gemini는 제한적인 무료 Deep Research 접근을 제공합니다. Claude는 무료 티어에서 Research를 제공하지 않습니다. 가벼운 사용이라면 Perplexity 무료가 대부분의 니즈를 충족합니다. 정기적인 업무라면 네 개 중 어느 것이든 월 $20 Pro 플랜이 현실적인 진입점입니다.

API를 통해 deep research 도구를 쓸 수 있나요?

현재는 Perplexity가 실제 Deep Research API를 가진 유일한 주요 플레이어입니다. Sonar Deep Research는 2025년 3월 7일에 입력 100만 토큰당 $2, 출력 100만 토큰당 $8로 출시되었습니다. OpenAI는 API로 o3에 접근할 수 있게 하지만, 전체 Deep Research 에이전트 루프는 ChatGPT에 묶여 있습니다. Claude와 Gemini는 아직 Research 기능을 독립 API로 제공하지 않지만, 기반 모델(Sonnet 4.5, Opus 4.5, Gemini 2.5/3 Pro)은 이용 가능합니다.

Deep research가 전통적 검색을 대체하나요?

아닙니다. Deep research는 보완이지 대체가 아닙니다. 빠른 사실 확인에는 검색이 여전히 빠릅니다. 두 문장짜리 정의에는 일반 LLM과 채팅하세요. 수동으로 조립하려면 30분 이상 걸릴 다면적 질문에 대해 구조화된 인용 리포트를 원할 때 deep research가 이깁니다. 대부분의 사람들은 셋 다 씁니다.

Deep research 리포트의 환각을 어떻게 막나요?

실용적인 세 가지 전술이 있습니다. 첫째, 적어도 상위 3~5개 인용 소스는 항상 클릭해서 주장이 소스에 실제로 있는지 확인하세요(환각은 가짜를 발명하는 것보다 실제 소스를 잘못 인용하는 경우가 더 많습니다). 둘째, 같은 프롬프트를 두 번째 도구에 돌려 비교하세요. 예를 들어 Claude와 OpenAI 간의 불일치는 종종 둘 중 하나가 잘못된 지점입니다. 셋째, 고위험 사실 쿼리에는 Perplexity를 선호하세요. SimpleQA 점수 93.9%는 단답 사실에서의 진짜 보정을 반영합니다.

Deep research 도구가 내 비공개 문서를 읽을 수 있나요?

Gemini Deep Research가 가장 깊은 통합을 갖고 있으며, 권한이 있을 때 Gmail, Drive, Docs에 네이티브로 접근합니다. Claude Research는 Google Workspace 커넥터를 지원합니다. OpenAI Deep Research는 세션 중 업로드한 파일을 읽을 수 있지만 클라우드 스토리지와 직접 통합되지는 않습니다. Perplexity는 주로 웹을 대상으로 작동합니다. 원본 자료가 대부분 Google Workspace에 있다면 Gemini가 자연스러운 선택입니다.

Deep research 리포트를 저장하고 재사용하는 가장 좋은 방법은 무엇인가요?

리포트를 PDF나 Markdown으로 내보내서 읽기 좋은 뷰에서 열고, 긴 기사처럼 하이라이트하세요. Glasp는 정확히 이 워크플로우를 위해 만들어졌습니다. 하이라이트가 검색 가능한 라이브러리로 동기화되어, 다른 하이라이트와 연결하고 다시 방문할 수 있습니다. 하이라이트 단계 없이는 대부분의 deep research 리포트가 한 번 읽히고 잊힙니다. 이것은 교육학자들이 "생성 효과"라고 부르는 것과 관련이 있습니다. 능동적으로 처리한 정보가 수동적으로 받은 정보보다 훨씬 잘 유지됩니다.

결론: 리서치 도구가 아니라 리서치 스택

OpenAI 출시 1년 뒤, 카테고리가 명확해졌습니다. Deep research 에이전트는 승자 독식 시장이 아닙니다. 무엇을 리서치하는지, 시간이 얼마나 있는지, 원본 자료가 어디에 있는지에 따라 정답이 달라지는 네 플레이어의 조합입니다.

2026년 대부분의 지식 노동자를 위해 하나를 골라야 한다면, Perplexity Pro입니다. 월 $20에 월 500회는 최고의 볼륨 대비 가격비이며, 실행이 정상적인 업무 리듬 안에 들어갈 만큼 빠르고, SimpleQA 정확도가 진짜 강합니다. 더 무겁거나 애매한 작업에는 OpenAI Deep Research나 Claude Research와 짝을 지우세요.

그러나 도구 선택보다 산출물로 무엇을 하느냐가 더 중요합니다. 사람들이 저지르는 가장 큰 실수는 deep research 리포트를 완성된 작업으로 취급하는 것입니다. 그렇지 않습니다. 원자재입니다. 실제 지식은 중요한 주장을 하이라이트하고, 읽은 다른 것들과 연결하고, 주제가 다시 나올 때 다시 돌아가 볼 때 만들어집니다.

Glasp가 설계된 워크플로우가 바로 그것입니다. 어떤 리포트든, 어떤 기사든, 어떤 YouTube 자막이든 하이라이트하세요. 실제로 중요하다고 생각한 것을 검색 가능한 라이브러리로 구축하세요. 나중에 구체적인 것을 기억해야 할 때 하이라이트와 채팅하세요. 같은 리서치를 하는 다른 사람들과 작업을 공유하세요.

Deep research 에이전트는 계속 좋아질 것입니다. 그 위에 하이라이트 레이어를 얹지 않는 것들은 한 번 읽히고 잊히는 리포트만 계속 생산할 것입니다. 2026년 리서치 워크플로우를 단일 도구 중심으로 구축하지 마세요. 스택 중심으로 구축하고, 그 스택의 마지막 링크가 당신 자신의 이해가 기록되는 곳이 되도록 하세요.

이번 주에 하나의 실제 리서치 질문을 네 개 중 두 개의 도구에 돌려보는 것으로 시작하세요. 두 리포트를 모두 하이라이트하세요. 배운 것을 비교하세요. 그것이 워크플로우입니다. 나머지는 기능 목록입니다.