3줄 요약
- OpenAI가 2026년 7월 9일 GPT-5.6 패밀리를 정식 출시했다. 플래그십 Sol, 균형형 Terra, 최저비용 Luna의 3단 구성이며, ChatGPT와 Codex, API에 즉시 배포된다.
- 발표의 중심 서사는 효율이다. 같은 지출로 더 많은 작업을 끝내거나 같은 결과를 더 싸게 얻는다는 성능 대비 비용을 내세우며, Agents’ Last Exam 53.6으로 Claude Fable 5를 13.1점 앞선다고 주장한다.
- 4개 에이전트를 병렬로 조율하는 최상위 설정 ultra, Responses API의 Programmatic Tool Calling, 약 70만 A100e GPU시간의 자동 레드티밍을 포함한 역대 최대 규모의 안전 체계를 함께 공개했다.
3단 모델 구성
한정 프리뷰를 거쳐 정식 출시된 GPT-5.6은 세 개의 모델 티어로 구성된다.
| 티어 | 포지션 | 가격 (1M 토큰, 입력/출력) |
|---|---|---|
| Sol | 플래그십 | 5달러 / 30달러 |
| Terra | 일상 업무용 균형형, GPT-5.5급 성능 | 2.50달러 / 15달러 |
| Luna | 최고 속도, 최저 비용 | 1달러 / 6달러 |
숫자(5.6)는 세대를 가리키고, Sol과 Terra, Luna는 각자의 주기로 발전할 수 있는 지속적 역량 티어라고 설명한다. 모델 이름 체계를 세대 번호와 분리해 운영하겠다는 선언이다.
효율 서사: 토큰당 더 많은 일
OpenAI는 이번 세대의 훈련 목표를 “모든 토큰에서 더 많은 유효 작업을 얻는 것"으로 요약한다. 주장하는 수치는 다음과 같다.
- 55개 전문 분야의 장기 워크플로우를 평가하는 Agents’ Last Exam에서 Sol이 53.6으로 신기록을 세웠다. Claude Fable 5(adaptive reasoning)보다 13.1점 높다.
- medium reasoning 설정으로도 Fable 5를 11.4점 앞서면서 추정 비용은 약 4분의 1이다.
- Terra와 Luna는 약 16분의 1 비용으로 Fable 5를 능가한다.
- Artificial Analysis Intelligence Index에서 Sol(max reasoning)은 Fable 5와 1점 이내 차이까지 접근하면서, 작업 시간은 61% 짧고 추정 비용은 절반 수준이다.
효율의 기본값을 넘어서는 두 개의 상위 설정도 도입됐다. max는 기존 xhigh보다 더 긴 추론 시간을 부여하고, ultra는 기본 4개의 에이전트를 병렬로 조율해 토큰을 더 쓰는 대신 더 강한 결과와 더 빠른 완료 시간을 얻는다. BrowseComp와 SEC-Bench Pro에서는 16 에이전트 구성도 시험했으며, 병렬 에이전트를 늘릴수록 점수-지연시간 프론티어가 위쪽과 왼쪽으로 이동했다고 보고한다. API에서는 Responses API의 멀티에이전트 베타로 같은 구성을 만들 수 있다.
코딩
Sol(max reasoning)은 Artificial Analysis Coding Agent Index에서 80을 기록해 Fable 5보다 2.8점 높은 신기록을 세웠다. 출력 토큰은 절반 이하, 소요 시간도 절반 이하, 비용은 약 3분의 1 낮다고 주장한다. Terminal-Bench 2.1과 DeepSWE에서도 최고 기록을 세웠다.
한편 발표문에 실린 표를 보면 SWE-Bench Pro에서는 Sol이 64.6%로, Claude Mythos 5의 80.3%와 Claude Fable 5의 80%에 크게 못 미친다. 지수 종류에 따라 우위가 갈리는 구도다.
새 기능인 Programmatic Tool Calling은 모델이 경량 프로그램을 직접 작성하고 실행해 도구들을 조율하고, 중간 결과를 걸러내고, 진행 상황을 보며 다음 행동을 고르게 한다. 모든 도구 응답을 모델에 되돌려 보내는 왕복을 줄여, 도구 호출이 많은 작업을 더 적은 토큰과 라운드트립으로 진행한다. 인메모리 실행이라 Zero Data Retention 환경과도 호환된다.
Cursor의 Oskar Schulz는 CursorBench에서 가장 강한 모델 중 하나라고 평가했고, Lovable의 Fabian Hedin은 이전 모델 대비 약 25% 적은 스텝과 35~48% 적은 도구 호출로 작업을 끝내며 중단되는 실행이 15% 줄었다고 밝혔다.
디자인과 지식 노동
디자인 판단력의 도약을 별도 섹션으로 내세웠다. 고수준 지시만으로 완성도 있는 인터페이스를 만들고, 강화된 컴퓨터 사용 능력으로 렌더링된 결과물을 직접 검사하고 손질한 뒤 넘겨준다는 것이다.
지식 노동 쪽 수치는 다음과 같다.
- BrowseComp 92.2%(ultra 기준), OSWorld 2.0 62.6%로 신기록. OSWorld에서는 Opus 4.8을 넘어서면서 출력 토큰을 85% 적게 썼다.
- Luna는 GPT-5.5의 최고 성능을 절반 이하 비용으로 거의 따라잡고, Terra는 더 낮은 비용으로 넘어선다.
- 프레젠테이션, 문서, 스프레드시트 품질이 개선됐다. 특히 템플릿과 레퍼런스 덱을 따르는 능력이 두드러져, 슬라이드 마스터에 정의된 레이아웃과 타이포그래피, 색상 규칙을 추론해 새 자료에 일관되게 적용한다.
사이버보안과 과학
사이버보안은 이번 발표에서 가장 큰 폭의 세대 간 향상을 보인 영역이다.
| 평가 | GPT-5.6 Sol | GPT-5.5 |
|---|---|---|
| ExploitBench (V8 익스플로잇 구축) | 73.5% | 47.9% |
| ExploitGym (2시간 제한) | 24.9% | 15.1% |
| ExploitGym (6시간) | 33.7% | - |
| SEC-Bench Pro (PoC 생성) | 71.2% | 45.8% |
방어 목적의 활용은 Trusted Access for Cyber 프로그램으로 통제한다. 개인은 신원 인증 후 접근을 신청할 수 있으며, 9월 1일까지 하드웨어 기반 패스키를 활성화해야 최고 수준 사이버 역량 모델의 접근을 유지할 수 있다. 고위험 주체와 고위험 지역에 대한 접근 제한도 강화한다.
과학에서는 장기 유전체학 분석을 평가하는 GeneBench Pro에서 Sol이 28.7%를 기록해 GPT-5.5의 12%를 크게 넘어섰다. 벤치마크 캡션에 Claude Fable 5는 고급 생물학 질문에 답하지 않고 대부분을 거부해 비교에서 제외했다는 주석을 달았다.
자기 가속: 내부 연구에 미치는 효과
OpenAI 내부에서 GPT-5.6은 연구 개발 루프 전반에 쓰이고 있다. 내부 테스트 기간 동안 활성 연구자 1인당 일평균 출력 토큰이 GPT-5.5 최고치의 2배를 넘었다. 최근 6개월간 내부 코딩 추론에 투입되는 연구 컴퓨트 비중은 100배, 내부 에이전트 토큰 사용량은 약 22배 늘었다.
재귀적 자기개선(RSI)을 향한 진전을 측정하는 내부 평가 묶음에서 Sol은 GPT-5.5 대비 16.2점 향상을 보였다. 연구 시스템 디버깅, 커널과 훈련 레시피 최적화, ML 실험 실행, 다른 모델 개선 같은 실제 연구 과제 기반의 평가다.
안전 체계
역대 가장 견고한 안전 시스템이라고 소개한다. 구성 요소는 다음과 같다.
- 모델에 훈련으로 내재화한 보호 장치, 실시간 점검, 지속 모니터링, 계정 단위 제재의 다층 구조. 분류기 플래그에만 의존하는 대신 대화 맥락을 검토하는 추론 모니터를 더했다. test-time reasoning 기반이라 분류기 재훈련 없이 빠르게 갱신할 수 있다.
- 정식 출시 전 외부 전문가 검증과 함께 약 70만 A100e GPU시간의 블랙박스 자동 레드티밍을 수행했다.
- 생물학과 사이버보안 모두에서 능력이 이전 모델보다 높아졌으나 Critical 임계값은 넘지 않았다고 평가한다. 사이버 쪽은 자율적 엔드투엔드 공격보다 취약점 발견과 수정에 더 능하다는 진단이다.
- Sol의 사이버 안전장치는 이전 모델 대비 잠재적 유해 활동을 약 10배 더 차단한다. 과차단이 정당한 방어 작업을 막는 부작용을 인정하고, ChatGPT와 Codex에서 저성능 모델로 재시도하는 옵션을 제공한다.
이중용도 문제에 대한 입장도 명시한다. 공격자가 취약점을 악용하게 돕는 능력은 방어자가 그 취약점을 찾아 재현하고 고치게 돕는 능력과 같으므로, 과차단 자체가 보안 위험을 만든다는 논리다.
가용성
출시 당일부터 ChatGPT, Codex, API 전체에 배포가 시작되며 24시간에 걸쳐 점진적으로 확대된다. ChatGPT의 Plus 이상 요금제는 Sol을, ChatGPT Work와 Codex의 무료 및 Go 요금제는 Terra를 쓴다. ultra는 ChatGPT Work의 Pro와 Enterprise, Codex의 Plus 이상에서 쓸 수 있다.
프롬프트 캐싱도 개편됐다. 명시적 캐시 브레이크포인트와 30분 최소 캐시 수명을 지원하며, GPT-5.6 이후 모델부터 캐시 쓰기는 비캐시 입력 요금의 1.25배로 과금되고 캐시 읽기는 90% 할인이 유지된다.
주요 벤치마크 (발췌)
| 평가 | Sol | Terra | Luna | GPT-5.5 | Claude Fable 5 | Claude Opus 4.8 |
|---|---|---|---|---|---|---|
| Agents’ Last Exam | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% |
| AA Intelligence Index v4.1 | 58.9 | 55 | 51.2 | 54.8 | 59.9 | 55.7 |
| AA Coding Agent Index v1.1 | 80 | 77.4 | 74.6 | 76.4 | 77.2 | 72.5 |
| SWE-Bench Pro | 64.6% | 63.4% | 62.7% | 59.4% | 80% | 69.2% |
| Terminal-Bench 2.1 | 88.8% | 87.4% | 84.7% | 85.6% | 83.1% | 78.9% |
| OSWorld 2.0 | 62.6% | 50.2% | 45.6% | 47.5% | - | 54.8% |
| BrowseComp | 90.4% | 87.5% | 83.3% | 84.4% | 84.3% | - |
| GPQA Diamond | 94.6% | 92.9% | 92.3% | 93.6% | 92.6% | 92% |
본문 차트와 표 전체는 원문에서 확인할 수 있다. GDPval-AA v2에서는 Fable 5(1,759.6 Elo)가 Sol(1,747.8 Elo)을 근소하게 앞서고, FrontierMath Tier 4에서도 Fable 5(87.8%)가 Sol(83%)보다 높다.
가장 흥미로운 지점
내가 곱씹은 대목은 승부처를 옮기는 방식이다. 발표문 스스로 실은 표에서 SWE-Bench Pro는 Claude에 15점 이상 뒤지고, GDPval과 AA Intelligence Index, FrontierMath Tier 4에서도 Fable 5가 앞선다. 그런데도 발표의 첫 문단부터 끝까지 관통하는 지표는 절대 점수가 아닌 달러당 성과다. 절반의 토큰, 4분의 1의 비용, 61% 짧은 시간 같은 분모 쪽 숫자로 프레임을 다시 세우는 전략인데, 추론 모델의 토큰 소모가 실제 운영 비용의 병목이 된 시장에서는 설득력 있는 선택이다. 벤치마크 표 하나에도 경쟁사가 생물학 질문을 거부한다는 주석을 다는 세부까지, 발표문 전체가 비교 광고에 가깝게 설계되어 있다.
이름 체계의 변화도 눈여겨볼 만하다. Sol, Terra, Luna를 세대 번호와 분리된 지속적 역량 티어로 규정하면서, 각 티어가 자기 주기로 발전할 수 있다고 명시했다. 버전 번호 하나로 전체 라인업을 묶어온 관행에서 벗어나, 티어별 독립 릴리스를 열어두는 포석으로 읽힌다.
출처
OpenAI, 2026년 7월 9일 발표. 원문의 성능 차트는 모두 인터랙티브 컴포넌트로 렌더링되어 정적 이미지 인용이 어려워, 본 다이제스트는 텍스트와 표로만 정리했다.