오픈AI, GPT-5.6 공개: 더 싼 토큰, 병렬 에이전트, 코딩·사이버 성능 강화

• 오픈AI가 GPT-5.6 모델군을 정식 공개했음. 이름 체계는 세 갈래임

  • Sol은 플래그십 모델
  • Terra는 일상 작업용 균형 모델
  • Luna는 가장 빠르고 저렴한 모델
  • ChatGPT, Codex, OpenAI API에서 오늘부터 배포되고, 전 세계 롤아웃은 24시간에 걸쳐 진행된다고 함

• 이번 발표의 큰 메시지는 “더 똑똑한 모델”보다 “토큰당 더 많은 일을 한다”에 가까움

  • GPT-5.6 Sol은 코딩, 지식 작업, 사이버보안, 과학에서 이전 모델과 경쟁 모델보다 더 적은 토큰과 더 낮은 추정 비용으로 좋은 결과를 낸다고 주장함
  • Agents’ Last Exam에서는 53.6점을 기록했고, Claude Fable 5의 adaptive reasoning보다 13.1점 높다고 밝힘
  • 중간 reasoning에서도 Fable 5보다 11.4점 높고, 추정 비용은 약 4분의 1 수준이라고 함
  • Terra와 Luna도 Fable 5보다 약 16분의 1 비용으로 더 높은 성능을 낸다고 주장함

• 코딩 성능은 꽤 공격적으로 밀고 있음

  • Artificial Analysis Coding Agent Index에서 GPT-5.6 Sol max reasoning은 80점을 찍어 Claude Fable 5보다 2.8점 높다고 함
  • 동시에 출력 토큰은 절반 미만, 시간도 절반 미만, 비용은 약 3분의 1 낮다고 주장함
  • Terra는 Fable 5보다 약간 높고, Luna는 Opus 4.8을 넘는다고 소개됨
  • Terminal-Bench 2.1과 DeepSWE에서도 새 최고 수준 결과를 냈다고 함

• 개발자 입장에서 제일 눈에 띄는 건 Programmatic Tool Calling임

  • GPT-5.6이 가벼운 프로그램을 작성하고 실행해서 도구를 조율하고, 중간 결과를 처리하고, 다음 행동을 고를 수 있음
  • 매번 모든 도구 응답을 모델에 다시 먹이는 대신, 큰 중간 데이터에서 필요한 것만 남기는 식임
  • 오픈AI는 이 방식이 토큰, 모델 왕복, 사용자 지시를 줄인다고 설명함
  • Responses API에서 제공되고, 메모리 내 실행 방식이라 Zero Data Retention(ZDR)과 호환된다고 함

sequenceDiagram
    participant 개발자
    participant 지피티오점육
    participant 실행프로그램
    participant 외부도구
    개발자->>지피티오점육: 작업 목표와 자료 전달
    지피티오점육->>실행프로그램: 중간 처리용 코드 작성
    실행프로그램->>외부도구: 필요한 데이터만 조회
    외부도구-->>실행프로그램: 큰 결과 반환
    실행프로그램-->>지피티오점육: 필터링된 핵심 결과 전달
    지피티오점육-->>개발자: 정리된 결과와 다음 단계 반환

• reasoning 설정도 더 세분화됨. 어려운 문제에는 더 많은 시간과 컴퓨트를 쓰게 하는 구조임

  • max는 xhigh보다 더 오래 추론하고, 대안을 탐색하고, 검사하고, 접근을 수정함
  • ultra는 기본적으로 4개 에이전트를 병렬로 조율함
  • BrowseComp, SEC-Bench Pro, Terminal-Bench 2.1에서 병렬 에이전트를 추가하면 점수와 지연시간의 균형이 좋아졌다고 설명함
  • API에서는 Responses API의 multi-agent 베타로 ultra 비슷한 경험을 만들 수 있음

• 프론트엔드와 디자인 작업도 강조함

  • GPT-5.6은 높은 수준의 지시만으로 더 취향 있는 인터페이스를 만들고, 렌더링 결과를 직접 검사해 다듬을 수 있다고 함
  • 단순히 코드만 뱉는 게 아니라 화면을 보고 시각적·기능적 문제를 잡는 쪽을 강조함
  • ChatGPT Work에서는 자연어 요청을 인터랙티브한 설명과 시각화로 바꾸는 데도 쓰인다고 함

• 지식 작업 쪽은 문서, 슬라이드, 스프레드시트를 크게 밀고 있음

  • Slack, Notion, Microsoft 365, Google Drive 같은 일상 업무 맥락에서 자료를 받아 공유 가능한 산출물로 바꾼다고 설명함
  • BrowseComp에서는 GPT-5.6 Sol Ultra가 92.2%, OSWorld 2.0에서는 Sol이 62.6%를 기록했다고 함
  • OSWorld에서는 Opus 4.8을 넘으면서 출력 토큰을 85% 적게 썼다고 주장함
  • 프레젠테이션에서는 슬라이드 마스터의 레이아웃, 타이포그래피, 간격, 색, 반복 패턴까지 따라가는 능력을 강조함

• 사이버보안 성능은 수치가 꽤 큼

  • ExploitBench에서 GPT-5.6 Sol은 73.5%를 기록해 GPT-5.5의 47.9%를 크게 넘었다고 함
  • ExploitGym은 2시간 제한에서 GPT-5.5가 15.1%, GPT-5.6은 24.9%이고, 6시간에서는 33.7%까지 간다고 함
  • SEC-Bench Pro는 71.2%로 GPT-5.5의 45.8%보다 높다고 함
  • 방어 작업으로는 보안 코드 리뷰, 패치, 위협 모델링, 블루팀 작업을 언급함

• 안전장치는 더 보수적으로 간다고 함

  • GPT-5.6은 생물학과 사이버보안에서 이전 모델보다 강하지만, Critical 임계값은 넘지 않는다고 설명함
  • 사이버 쪽에서는 취약점을 찾고 고치는 능력이 강해졌지만, 강화된 목표를 상대로 자율 엔드투엔드 공격을 안정적으로 수행하는 수준은 아니라고 봄
  • 단순 분류기만 쓰는 대신 reasoning monitor가 대화 맥락을 보고 잠재적 위해성을 판단함
  • GPT-5.6 Sol의 사이버 안전장치는 이전 모델 대비 잠재적으로 해로운 활동을 약 10배 더 많이 차단한다고 함

• 오픈AI 내부에서도 GPT-5.6을 연구 가속 도구로 쓰고 있음

  • 연구자들은 실패 진단, 학습 시스템 최적화, 실험 실행, 결과 해석에 사용한다고 함
  • 내부 테스트 기간에 활성 연구자당 일일 출력 토큰이 GPT-5.5에서 관찰된 최고치의 2배 이상이었다고 함
  • 지난 6개월 동안 내부 코딩 추론에 쓰는 연구 컴퓨트 비중은 100배, 내부 에이전트 토큰 사용량은 약 22배 늘었다고 밝힘

• 가격은 모델별로 꽤 명확하게 나왔음

  • 100만 토큰 기준 Sol은 입력 5달러, 출력 30달러
  • Terra는 입력 2.5달러, 출력 15달러
  • Luna는 입력 1달러, 출력 6달러
  • GPT-5.6부터 명시적 캐시 브레이크포인트와 최소 30분 캐시 수명을 지원함
  • 캐시 쓰기는 비캐시 입력 요금의 1.25배, 캐시 읽기는 기존처럼 캐시 입력 90% 할인을 받음

• 사용 가능 범위도 제품별로 나뉨

  • ChatGPT에서는 Plus, Pro, Business, Enterprise 사용자가 medium 이상 effort에서 GPT-5.6 Sol을 쓸 수 있음
  • Pro와 Enterprise는 복잡한 작업용 GPT-5.6 Sol Pro도 선택 가능함
  • ChatGPT Work와 Codex에서는 Free와 Go 사용자가 Terra를 쓰고, Plus 이상은 Sol, Terra, Luna와 effort level을 고를 수 있음
  • Codex의 ultra는 Plus 이상에서 사용 가능하다고 함

기술 맥락

• 이번 GPT-5.6의 기술적 선택은 단일 모델 응답을 더 좋게 만드는 데서 멈추지 않고, 도구 호출과 병렬 에이전트를 모델 제품의 기본 작업 방식으로 끌어올린 거예요. 왜냐하면 실제 개발 업무는 답변 하나보다 파일 읽기, 실행, 검증, 수정이 반복되는 긴 흐름이기 때문이에요.

• Programmatic Tool Calling은 그 흐름에서 토큰 비용을 줄이려는 선택이에요. 도구가 큰 결과를 반환할 때 모델이 전부 다시 읽으면 비싸고 느리거든요. 그래서 중간에 작은 프로그램이 데이터를 걸러주고, 모델은 중요한 결과만 보고 다음 결정을 내리는 구조예요.

• ultra의 멀티 에이전트 방식은 어려운 문제를 여러 방향에서 동시에 파보는 전략이에요. 한 에이전트가 순차적으로 삽질하는 대신, 기본 4개 에이전트가 병렬로 탐색하고 루트 에이전트가 종합하면 시간 대비 성공률을 올릴 수 있어요. 대신 전체 토큰 사용량은 늘어날 수밖에 없어요.

• 안전장치 설계도 기술적으로 흥미로운 부분이에요. 사이버보안 요청은 공격과 방어가 문장만 보면 비슷할 때가 많아서, 단순 키워드 차단으로는 합법적인 패치 검증까지 막을 수 있어요. 그래서 reasoning monitor와 계정 신뢰도, 실시간 검사, 모니터링을 여러 겹으로 쌓는 쪽을 택한 거예요.

• 가격과 캐시 정책은 API 운영자 입장에서 바로 계산해야 할 부분이에요. 긴 시스템 프롬프트나 반복되는 저장소 컨텍스트를 자주 넣는 서비스라면, 명시적 캐시 지점과 30분 최소 수명이 비용 구조를 꽤 바꿀 수 있거든요.