오픈AI, 정부 사전 검증 거친 GPT-5.6 공개…코딩 에이전트 성능은 꽤 갈림

• 오픈AI가 GPT-5.6을 일반 공개함. 지난달 말 일부 기관에 먼저 풀었던 모델을 2주 만에 정식 출시한 흐름임

  • 모델은 최상위 ‘솔’, 차상위 ‘테라’, 비용 효율형 ‘루나’ 3종으로 나뉨
  • 기업과 전문가용 AI 에이전트 도구인 ‘챗GPT 워크’도 같이 공개됨

• 이번 출시에서 제일 눈에 띄는 건 성능보다도 미국 정부의 사전 검증 절차임

  • GPT-5.6은 트럼프 행정부의 첨단 AI 모델 사전 검증 행정명령에 따라 일부 기관에 먼저 공개됐음
  • 샘 올트먼은 상무장관, 재무장관, 국가사이버국장 등과 의견을 조율했고 “많은 변경 사항을 반영했다”고 말함
  • 구체적으로 뭘 바꿨는지는 공개하지 않았지만, 정부가 새 모델을 테스트하며 잠재적 문제를 찾고 있다고 설명함

• 올트먼의 태도도 살짝 바뀐 느낌임

  • 오픈AI는 이전에 “정부 승인 절차가 장기적인 표준이 돼서는 안 된다”는 입장이었음
  • 이번에는 “이해하기 쉽고 공정하며 신속하기만 하다면 괜찮다”고 말함
  • 모델 출시가 이제 기술 경쟁만이 아니라 정책, 규제, 국가 안보 이슈까지 같이 물고 간다는 얘기임

• 벤치마크 결과는 꽤 복합적임. 잘하는 영역과 약한 영역이 선명하게 갈림

  • 터미널 환경 코딩 능력을 보는 ‘터미널-벤치 2.1’에서 GPT-5.6 솔은 88.8%, 솔 울트라는 91.9%를 기록함
  • 클로드 미토스5는 같은 지표에서 88%라서, 터미널 작업 기준으로는 오픈AI가 근소하게 앞선 셈임
  • 사이버보안 능력을 재는 ‘사이버짐’에서도 솔이 84.5%로 미토스5의 83.8%를 넘김

• 그런데 개발자들이 더 민감하게 볼 만한 SWE-벤치 프로에서는 그림이 다름

  • GPT-5.6 솔은 64.6%를 기록함
  • 클로드 미토스5는 80.3%, 클로드 오퍼스4.8은 69.2%라서 GPT-5.6 솔보다 높음
  • 즉 터미널에서 명령을 수행하는 능력과 실제 소프트웨어 엔지니어링 문제를 푸는 능력은 별개로 봐야 함

• 실무 에이전트 평가에서는 오픈AI가 크게 앞선 수치를 냄

  • 최근 신설된 ‘에이전트의 마지막 시험’ 지표에서 GPT-5.6 솔은 52.7%를 기록함
  • 클로드 페이블5는 40.5%, 오퍼스4.8은 45.2%라서 격차가 꽤 큼
  • 오픈AI가 챗GPT 워크를 같이 낸 것도 이 지표와 맞물려 보임. 그냥 채팅 모델이 아니라 업무 실행형 에이전트로 팔겠다는 방향임

• 외부 평가에서는 최상위권이지만 압도적 1위는 아님

  • 아티피셜 애널리시스는 GPT-5.6 솔에 59점을 줬고, 페이블5 60점에 이어 2위로 평가함
  • GPT-5.6 테라는 55점으로 오퍼스4.8 56점 다음인 4위에 올랐음
  • 전날 4위였던 스페이스XAI의 그록4.5는 하루 만에 6위로 내려감. 이 시장 순위표는 진짜 하루 단위로 뒤집힘

• 올트먼은 오픈AI가 미국 정부에 지분 5%를 제공한다는 보도에는 선을 그음

  • “부정확한 내용이 많다”고 답했지만, 구체적 반박 내용은 많지 않았음
  • 연내 기업공개 추진 여부에 대해서도 “모르겠다”고 답함
  • 모델 성능만큼이나 오픈AI의 지배구조와 정부 관계가 계속 관전 포인트가 될 듯함

---

기술 맥락

• 이번 GPT-5.6 발표에서 봐야 할 건 “어떤 모델이 제일 똑똑한가”보다 “어떤 작업 단위에서 강한가”예요. 터미널-벤치, 사이버짐, SWE-벤치 프로가 모두 코딩 관련처럼 보이지만 실제로 재는 능력이 다르거든요.

• 터미널-벤치는 명령 실행과 환경 조작에 가까운 능력을 보고, SWE-벤치는 실제 코드 저장소의 문제를 고치는 쪽에 가까워요. 그래서 터미널 점수가 높아도 팀의 레거시 코드 버그를 잘 고친다는 보장은 없어요.

• 오픈AI가 챗GPT 워크를 같이 낸 것도 이 맥락에서 중요해요. 모델 자체의 정답률보다, 기업 업무 흐름 안에서 에이전트가 도구를 호출하고 여러 단계를 이어가는 능력을 상품화하려는 흐름이거든요.

• 정부 사전 검증도 기술 출시 프로세스의 일부가 되고 있어요. 최첨단 모델은 이제 벤치마크만 통과하면 끝나는 제품이 아니라, 보안 위험과 정책 리스크까지 같이 검토받는 인프라에 가까워지고 있어요.