GPT-5.6 오늘 정식 출시 — '페이블 5를 이겼다'는 오픈AI 주장, 정말일까

오픈AI가 7월 9일, 차세대 모델 GPT-5.6 시리즈(솔·테라·루나)를 전 세계에 정식 출시(GA)했습니다. 공식 발표에 따르면 미국 정부와 조율된 소수 협력사 대상 제한적 프리뷰로 시작한 지 딱 13일 만입니다. 이 프리뷰는 앞서 이 블로그에서도 다뤘던 바로 그 발표인데, 이번엔 별도 승인 없이 챗GPT·코덱스·API 전 사용자에게 24시간에 걸쳐 순차 공개되고 있습니다.

가장 눈길을 끄는 대목은 오픈AI가 이번 발표에서 대놓고 경쟁사를 겨냥했다는 점입니다. "코딩 에이전트 지수에서 앤트로픽의 페이블 5를 앞섰다"는 주장인데, 실제로 공개된 방대한 벤치마크 표를 뜯어보면 이야기가 그렇게 단순하지만은 않습니다. 하나씩 살펴보겠습니다.

헤드라인 주장 — "페이블 5를 이겼다"

오픈AI가 가장 앞세운 지표는 아티피셜 애널리시스 코딩 에이전트 지수입니다. 여기서 솔(최대 추론 모드)은 80점을 기록해 페이블 5(77.2점)를 2.8점 앞섰는데, 그것도 출력 토큰은 절반 이하, 소요 시간도 절반 이하, 비용은 3분의 1 수준으로 달성했다는 게 회사 설명입니다. 전문가 대상 장기 업무 능력을 재는 '에이전츠 라스트 이그잼'에서도 솔은 52.7%로 페이블 5(40.5%)를 큰 차이로 앞섰습니다. 웹에서 정보를 찾아내는 브라우즈컴프(90.4%)에서도 새 최고 기록을 세웠습니다.

균형 있게 보기 — 정말 전부 이겼을까

다만 오픈AI가 공개한 표를 끝까지 살펴보면 그림이 훨씬 복잡합니다. SWE-Bench Pro(실제 깃허브 이슈를 해결하는 능력을 측정하는 지표)에서는 앤트로픽의 **미토스 5가 80.3%, 페이블 5가 80%**를 기록해, 솔(64.6%)을 오히려 15점 넘게 앞섰습니다. 사이버보안 취약점을 코드 실행까지 끌고 가는 익스플로잇벤치에서도 미토스 5(78%)가 솔(73.5%)보다 높았습니다.

즉 오픈AI가 강조한 "코딩 에이전트 지수"에서는 솔이 앞섰지만, 실제 이슈 해결 능력을 보는 SWE-Bench Pro나 사이버보안 실전 지표에서는 앤트로픽의 최상위 모델들이 여전히 우위입니다. 두 회사 모두 자사에 유리한 지표를 앞세우는 경향이 있는 만큼, 어느 한쪽의 "우리가 이겼다"는 주장만 보고 판단하기보다는 이렇게 여러 지표를 함께 놓고 보는 게 안전합니다. 종합 지능 지수인 아티피셜 애널리시스 인텔리전스 지수에서도 솔(58.9점)은 페이블 5(59.9점)에 근소하게 못 미쳤는데, 대신 시간은 61% 덜 쓰고 비용은 절반 수준이라는 점을 오픈AI는 강조했습니다. 종합하면, "모든 면에서 앞섰다"기보다는 **"비슷하거나 근소하게 낮은 성능을 훨씬 적은 비용과 시간으로 낸다"**는 쪽이 더 정확한 요약입니다.

흥미로운 디테일 — 생물학 질문을 대하는 서로 다른 태도

벤치마크 표에서 눈에 띄는 각주가 하나 있습니다. 장기 유전체학 분석 능력을 재는 진벤치 프로 항목에 페이블 5 점수가 아예 빠져 있는데, 그 이유를 오픈AI는 이렇게 설명합니다. "페이블 5는 고급 생물학 질문에 답하지 않으며, 이 평가의 대다수 질문을 거부하기 때문"입니다. 이는 단순한 성능 차이가 아니라, 두 회사가 위험할 수 있는 과학 지식을 다루는 철학 자체가 다르다는 걸 보여줍니다. 오픈AI는 답하되 안전장치로 걸러내는 쪽을, 앤트로픽은 아예 답을 거부하는 쪽을 택한 셈입니다. 어느 쪽이 옳다기보다는, 이용 목적에 따라 참고할 만한 차이입니다.

새로워진 핵심 기능

이번 GA에서 새로 강조된 기능들도 짚어볼 만합니다.

**프로그래매틱 툴 콜링(Programmatic Tool Calling)**은 모델이 여러 도구를 일일이 호출하며 매번 결과를 다시 받아오는 대신, 작은 프로그램을 짜서 한 번에 여러 도구를 조율하고 필요한 결과만 걸러내는 기능입니다. 도구를 많이 쓰는 작업에서 토큰과 왕복 횟수를 크게 줄여준다고 합니다.

울트라(ultra) 모드는 기본적으로 에이전트 4개를 동시에 굴려 어려운 작업을 병렬로 처리합니다. 벤치마크에 따라 16개 에이전트 구성까지 시도했는데, 에이전트를 늘릴수록 같은 정확도를 더 짧은 시간에 달성하는 경향이 뚜렷했습니다.

디자인과 화면 조작 능력도 강화됐습니다. 단순히 코드나 문서를 생성하는 데 그치지 않고, 실제로 렌더링된 결과 화면을 스스로 검토하고 다듬어 완성도를 높인다고 합니다. 파워포인트 슬라이드를 만들 때 참고 템플릿의 디자인 규칙(글꼴, 여백, 색상, 슬라이드 마스터 구조)을 인식해 새 내용에도 일관되게 적용하는 기능이 특히 눈에 띕니다.

보안 접근이 까다로워졌다 — 이제 보안키가 필요하다

사이버보안 관련해서는 실용적으로 중요한 변화가 하나 있습니다. 오픈AI는 이번 GA에서 사이버 안전장치가 이전 모델보다 약 10배 많은 잠재적 유해 활동을 차단한다고 밝혔습니다. 동시에 방어 목적의 정당한 작업까지 막히는 부작용을 줄이기 위해 '사이버 신뢰 접근(Trusted Access for Cyber)' 프로그램을 운영하는데, 개인은 신원을 인증하고 신청하면 더 정밀한 안전장치 아래 방어 작업(취약점 검증, 악성코드 분석, 패치 검증 등)에 접근할 수 있습니다.

주목할 점은 9월 1일까지 하드웨어 기반 보안키(패스키)를 등록하지 않으면, 가장 사이버 능력이 뛰어난 모델들에 대한 접근이 기본 수준으로 낮아진다는 것입니다. 보안키가 없는 사용자를 위해 파트너사 유비코(Yubico)의 할인 프로그램도 함께 제공합니다. 프런티어 모델의 위험한 능력에 대한 접근을 계정 보안 수준과 직접 연동시킨 첫 사례로 보입니다.

AI가 AI 연구를 가속한다

발표문 중 한 대목은 조금 더 깊은 이야기를 담고 있습니다. 오픈AI는 사내 연구자들이 실험 진단, 훈련 시스템 최적화, 결과 해석 등에 GPT-5.6을 실제로 쓰고 있으며, 내부 테스트 기간 동안 연구자 1인당 하루 평균 출력 토큰량이 GPT-5.5 때 최고치의 두 배를 넘었다고 밝혔습니다. 지난 6개월간 내부 코딩 추론에 쓰인 연구용 컴퓨팅 자원은 100배, 에이전트 방식 토큰 사용량은 약 22배 늘었다고 합니다. 이런 지표 자체가 연구 성과를 뜻하진 않지만, AI가 AI 개발 과정 자체를 얼마나 빠르게 파고들고 있는지를 보여주는 대목입니다.

이용 방법과 가격 — 프리뷰 때와 동일

가격은 프리뷰 발표 때와 달라지지 않았습니다. 100만 토큰 기준 솔은 입력 5달러·출력 30달러, 테라는 입력 2.5달러·출력 15달러, 루나는 입력 1달러·출력 6달러입니다. 이는 앞서 다룬 앤트로픽 페이블 5(입력 10달러·출력 50달러)의 절반 수준이지만, 클로드 소네트 5(입력 2달러·출력 10달러)보다는 비쌉니다.

이용 범위는 요금제별로 다릅니다. 챗GPT에서는 플러스·프로·비즈니스·엔터프라이즈 사용자가 중간 이상 추론 강도로 솔을 쓸 수 있고, 프로·엔터프라이즈는 최고 품질의 '솔 프로'도 선택할 수 있습니다. 챗GPT 워크와 코덱스에서는 무료·고(Go) 사용자도 테라를 쓸 수 있으며, 유료 사용자는 세 모델을 자유롭게 오가며 추론 강도까지 조절할 수 있습니다. API에서는 개발자가 세 모델 모두에 접근할 수 있습니다.

한국 독자에게 어떤 의미가 있을까

이번 GA는 국내 이용자에게 곧바로 체감되는 소식입니다. 프리뷰 때와 달리 별도 승인이나 협력사 지위 없이, 오늘부터 순차적으로 전 세계 모든 챗GPT·API 사용자에게 열리기 때문입니다. 국내 개발자라면 코덱스나 API에서 솔·테라·루나를 요금제 한도 안에서 바로 시험해볼 수 있습니다.

더 큰 맥락에서 보면, 이번 발표는 이 블로그에서 계속 지켜본 오픈AI-앤트로픽 경쟁 구도의 최신 장이기도 합니다. 앞서 클로드 소네트 5, 페이블 5, 그록 4.5까지 다루며 확인했듯, 이제 프런티어 AI 경쟁은 "누가 가장 똑똑한가"만이 아니라 **"어떤 지표에서 이겼다고 내세울 것인가", "같은 성능을 얼마나 싸고 빠르게 내는가"**의 싸움으로 번지고 있습니다. 국내 기업이 AI 도입 전략을 짤 때도, 어느 한 회사의 헤드라인 벤치마크만 보고 결정하기보다는 이번처럼 표 전체를 놓고 자사 업무에 맞는 지표를 골라 비교하는 습관이 점점 더 중요해질 것으로 보입니다.

정리하며

오늘의 핵심은 "GPT-5.6이 페이블 5보다 우월하다"는 단순한 결론이 아닙니다. 비슷한 최상위권 성능을, 훨씬 적은 시간과 비용으로 낼 수 있게 됐다는 것이 더 정확한 요약이고, 정작 순수 성능 대결에서는 여전히 지표별로 승부가 엇갈립니다. 여기에 생물학 질문을 대하는 서로 다른 태도, 보안키 의무화 같은 세부 정책까지 보면, 두 회사가 단순히 성능만이 아니라 서로 다른 철학으로 프런티어 AI를 설계하고 있다는 게 드러납니다.

남는 질문은 이렇습니다. "성능 대비 비용"이 앞으로 벤치마크 순위 그 자체보다 더 중요한 경쟁 기준이 될까요? 그리고 안전장치를 얼마나 걸어 잠글지에 대한 두 회사의 다른 선택 중, 시장과 규제 당국은 결국 어느 쪽 손을 들어줄까요? 다음 세대 모델이 나올 때, 이 질문들에 대한 답이 조금 더 선명해질 것입니다.

---

이 글은 오픈AI 공식 발표(2026년 7월 9일, openai.com)를 바탕으로 작성되었습니다.