--- title: "오픈AI, 정부 사전 검증 거친 GPT-5.6 공개…코딩 에이전트 성능은 꽤 갈림" published: 2026-07-09T19:05:01.939Z canonical: https://jeff.news/article/4848 --- # 오픈AI, 정부 사전 검증 거친 GPT-5.6 공개…코딩 에이전트 성능은 꽤 갈림 오픈AI가 일부 기관에 먼저 공개했던 GPT-5.6을 2주 만에 일반 공개했음. 이번 모델은 솔, 테라, 루나 3종으로 나뉘고, 미국 정부의 첨단 AI 모델 사전 검증 절차를 거치며 상당한 변경이 반영됐다는 점이 포인트임. 벤치마크에서는 터미널 작업과 보안 쪽은 강하지만, SWE-벤치 프로에서는 클로드 계열보다 약한 모습을 보였음. - 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 > [!IMPORTANT] > GPT-5.6 솔은 터미널 작업과 보안 벤치마크에서는 클로드 미토스5를 넘겼지만, 실제 코드 이슈 해결 성격의 SWE-벤치 프로에서는 꽤 밀렸음. “코딩 잘함”도 벤치마크 종류에 따라 완전히 다른 말이 됨. - 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. ## 핵심 포인트 - GPT-5.6은 솔, 테라, 루나 3개 모델로 출시됐고 솔이 최상위 모델임 - 터미널-벤치 2.1에서 솔 88.8%, 솔 울트라 91.9%로 클로드 미토스5의 88%를 넘김 - 사이버짐에서는 솔이 84.5%로 클로드 미토스5의 83.8%를 근소하게 앞섬 - SWE-벤치 프로에서는 솔이 64.6%로 클로드 미토스5 80.3%, 오퍼스4.8 69.2%보다 낮음 - 오픈AI는 기업용 AI 에이전트 도구 챗GPT 워크도 함께 공개함 ## 인사이트 이번 발표는 단순한 새 모델 공개라기보다, 최첨단 AI 모델이 정부 검증과 시장 벤치마크 사이에서 어떻게 출시되는지 보여주는 사례에 가까움. 개발자 입장에서는 ‘최고 모델’이라는 홍보보다 어떤 작업에서 강하고 약한지 보는 게 훨씬 중요함.