GPT-5.6 Sol·Terra·Luna 정식 공개, 벤치마크부터 정부 승인 과정까지 총정리

7월 9일, 오픈AI가 GPT-5.6 시리즈를 전 세계 일반 사용자에게 정식으로 공개했습니다. 6월 26일 소수의 신뢰 파트너에게만 열렸던 제한 프리뷰가 딱 2주 만에 일반 공개로 전환된 건데, 그 사이에 미국 정부의 사전 검토 절차가 끼어 있었다는 점이 이번 출시를 유독 시끄럽게 만든 배경입니다.

오늘은 오픈AI 공식 발표 자료와 국내외 보도를 다시 하나씩 대조해서, GPT-5.6이 실제로 뭐가 바뀌었고 벤치마크 수치는 구체적으로 어떻게 나왔는지, 개발자 입장에서 뭘 체크해야 하는지 사실 관계 위주로 정리해 드리겠습니다.

 

핵심 요약

GPT-5.6은 하나의 모델이 아니라 Sol, Terra, Luna로 나뉜 3단 라인업으로 나왔습니다.

최상위 플래그십은 Sol이고, 일상 업무용 중간 등급이 Terra, 가장 빠르고 저렴한 보급형이 Luna입니다. 오픈AI는 이번에 모델 명명 체계도 새로 정리했는데, 앞으로는 숫자가 모델 세대를 나타내고 Sol·Terra·Luna는 각자 독립적인 개발 주기로 발전하는 성능 등급을 뜻한다고 밝혔습니다.

즉 다음 세대가 나오면 GPT-5.7 Sol, GPT-5.7 Terra 같은 식으로 이어질 가능성이 크다는 의미입니다. 이번 버전에서 새로 들어간 기능은 두 가지인데, 하나는 추론 시간을 늘려 더 깊게 생각하게 만드는 max 추론 수준이고, 다른 하나는 여러 하위 에이전트가 동시에 작업을 나눠 처리하는 울트라 모드입니다.

가격은 토큰 100만 개 기준으로 Sol이 입력 5달러에 출력 30달러, Terra가 입력 2.5달러에 출력 15달러, Luna가 입력 1달러에 출력 6달러로 책정됐습니다. 오픈AI는 Terra의 성능이 직전 세대인 GPT-5.5와 비슷한 수준이면서 가격은 절반이라고 공식적으로 밝혔습니다.

 

이번 출시는 트럼프 행정부가 서명한 AI 사이버보안 행정명령이 처음으로 적용된 사례이기도 합니다. 이 행정명령은 프론티어 모델을 일반에 공개하기 최대 30일 전에 정부에 제출해 사전 검토를 받도록 하는 내용을 담고 있습니다. 실제로 오픈AI는 6월 26일 소수의 신뢰 파트너에게만 접근을 열어줬고, 미국 상무부 산하 AI 표준·혁신센터(CAISI)가 안전성 시험을 진행한 뒤에야 7월 9일 일반 공개가 승인됐습니다. 같은 날 오픈AI는 GPT-5.6과 코덱스를 결합한 업무용 에이전트 챗GPT 워크도 함께 공개했는데, 이 부분도 아래에서 따로 정리해 드리겠습니다.

 

실전 1: 코딩·과학·사이버보안 벤치마크 제대로 뜯어보기

오픈AI가 공식 블로그와 시스템 카드에서 공개한 수치부터 짚어보겠습니다. 코딩 워크플로 평가인 터미널-벤치 2.1은 89개의 복잡한 프로그래밍 작업으로 계획 수립, 반복 실행, 도구 조율 능력을 평가하는 커맨드라인 테스트입니다. 이 지표에서 GPT-5.6 Sol은 88.8%를 기록했고, 여러 하위 에이전트가 동시에 작업하는 울트라 모드를 켜면 91.9%까지 올라갑니다. 비교 대상인 클로드 미토스5는 88%를 기록해서, Sol이 기본 모드에서도 근소하게 앞선 셈입니다. 사이버보안 능력을 평가하는 사이버짐 지표에서는 Sol이 84.5%, 미토스5가 83.8%로 역시 Sol이 살짝 우위를 보였습니다.

 

여기서 중요한 건 오픈AI가 직접 강조한 효율성 지표입니다. 취약점 연구와 익스플로잇 개발 능력을 평가하는 ExploitBench에서 GPT-5.6 Sol은 미토스 프리뷰와 비슷한 성능을 내면서 출력 토큰은 약 3분의 1만 사용했다고 밝혔습니다. UC버클리 연구진이 오픈AI를 비롯한 여러 프론티어 랩과 함께 만든 ExploitGym 벤치마크에서도 Sol·Terra·Luna 세 모델 모두 추론 수준을 높일수록 사이버 역량이 뚜렷하게 개선되는 결과를 보였습니다. 생명과학 쪽에서는 장기간에 걸친 유전체 분석과 정량 생물학 분석 능력을 재는 GeneBench v1에서 GPT-5.6 Sol이 GPT-5.5보다 더 적은 토큰으로 더 좋은 결과를 냈다고 오픈AI는 설명하고 있습니다.

 

다만 모든 지표에서 우위를 점한 건 아닙니다. 순수 프로그래밍 정확도를 측정하는 SWE-벤치 프로에서는 Sol이 64.6%를 기록해 미토스5와 오퍼스4.8보다 낮은 점수를 받았습니다. 장시간 전문 업무 수행 능력을 평가하는 '에이전트의 마지막 시험'에서는 매체마다 수치가 조금씩 다르게 보도됐는데, 국내 IT 전문 매체 기준으로는 Sol이 53.6점을 기록해 클로드 페이블5보다 13.1점 높았고, 중간 수준 추론 설정에서도 약 4분의 1 비용으로 11.4점 높은 성능을 냈다고 전해졌습니다.

이 밖에 웹 정보 검색 능력을 재는 BrowseComp에서는 92.2%, 실제 컴퓨터 조작 능력을 평가하는 OSWorld 2.0에서는 62.6%를 기록했다는 보도도 있었습니다. 종합 평가를 매기는 아티피셜 애널리시스는 GPT-5.6 Sol에 59점을 줘서 클로드 페이블5에 이어 전체 2위에 올렸습니다.

 

수치가 많아서 헷갈리실 수 있으니 지표별로 표로 정리해 드리겠습니다. 참고로 공개된 벤치마크 대부분이 최상위 모델인 Sol 중심이라 Terra와 Luna는 상대적으로 자료가 적은 편인데, 터미널-벤치 2.1만큼은 세 모델 수치가 모두 공개됐습니다.

 

벤치마크	GPT-5.6 Sol	GPT-5.6 Sol 울트라	GPT-5.6 Terra	GPT-5.6 Luna	비교 모델	비교 모델 점수
터미널-벤치 2.1 (코딩 워크플로)	88.8%	91.9%	84.3%	82.5%	클로드 미토스5 / 오퍼스4.8 / GPT-5.5	88.0% / 78.9% / 83.4%
사이버짐 (사이버보안)	84.5%	-	-	-	클로드 미토스5	83.8%
SWE-벤치 프로 (순수 코딩 정확도)	64.6%	-	-	-	미토스5·오퍼스4.8	64.6%보다 높음
에이전트의 마지막 시험 (장시간 업무)	50.9~53.6점	-	-	-	클로드 페이블5	Sol보다 약 13.1점 낮음
BrowseComp (웹 정보 검색)	92.2%	-	-	-	-	-
OSWorld 2.0 (컴퓨터 조작)	62.6%	-	-	-	-	-
아티피셜 애널리시스 종합 점수	59점 (전체 2위)	-	-	-	클로드 페이블5	1위

 

 

터미널-벤치 2.1 결과만 보면 Terra는 GPT-5.5(83.4%)보다는 오히려 소폭 낮지만 가격이 절반이라는 점을 감안하면 비용 대비 효율은 오히려 나은 셈이고, Luna는 79%대인 오퍼스4.8을 앞섰다는 점에서 보급형치고는 준수한 성적입니다.

다만 사이버짐, SWE-벤치 프로, 에이전트의 마지막 시험처럼 오픈AI가 특히 강조한 지표는 죄다 Sol 기준으로만 공개돼서, Terra와 Luna가 사이버보안이나 장시간 에이전트 작업에서 어느 정도 성능을 내는지는 아직 명확한 수치가 나오지 않은 상태입니다. 후속 발표나 시스템 카드 업데이트가 나오면 이 부분은 다시 확인해서 채워드리겠습니다.

표에서 보시는 것처럼 코딩 워크플로, 사이버보안, 장시간 에이전트 작업에서는 앞섰지만 순수 프로그래밍 정확도에서는 아직 밀리는 영역이 남아 있다고 보시면 됩니다.

 

실전 2: 안전장치는 실제로 어떻게 강화됐나

오픈AI는 이번 발표에서 안전성 관련 내용을 상당히 자세하게 공개했습니다. 우선 프리퍼드니스 프레임워크 기준으로 GPT-5.6 Sol이 사이버 크리티컬 임계값을 넘지 않았다고 밝혔습니다. 크롬과 파이어폭스를 대상으로 한 평가에서 버그와 익스플로잇의 구성 요소는 찾아냈지만, 테스트한 조건에서 완전한 형태의 익스플로잇 체인을 자율적으로 만들어내지는 못했다는 겁니다. 그럼에도 오픈AI는 벤치마크 임계값만으로는 실제 오용 가능성을 전부 담아낼 수 없다는 점 때문에 안전장치와 단계적 출시를 함께 적용했다고 설명했습니다.

 

구체적인 안전장치는 여러 겹으로 쌓여 있습니다. 모델 자체가 사이버 관련 금지 요청을 거부하도록 학습됐고, 사용자가 의도를 숨기거나 탈옥을 시도하는 경우도 걸러내도록 훈련됐습니다. 여기에 더해 생성되는 동안 실시간으로 작동하는 사이버·생물학 오용 분류기가 있어서, 위험도가 높은 요청은 생성을 일시 중단하고 더 큰 추론 모델이 대화 맥락을 재검토한 뒤 통과 여부를 판단합니다.

플래그가 걸린 활동은 계정 단위로도 검토돼서, 단일 대화만 보고는 구분하기 어려운 지속적인 악의적 패턴을 잡아내는 데 활용됩니다. 오픈AI는 이런 범용 탈옥 기법을 찾아내기 위한 자동화된 레드팀 테스트에 A100 GPU 환산 기준 70만 시간 이상의 컴퓨팅 자원을 투입했다고 밝혔는데, 이 정도 규모의 수치를 공개한 건 오픈AI 발표 중에서도 이례적인 부분입니다.

 

실전 3: 가격 정책과 프롬프트 캐싱 세부 조건

 

실무에서 가장 중요한 건 역시 비용입니다. 100만 토큰 기준 가격을 표로 정리하면 아래와 같습니다.

모델	입력 (100만 토큰당)	출력 (100만 토큰당)	비고
GPT-5.6 Sol	$5.00	$30.00	최상위 플래그십
GPT-5.6 Terra	$2.50	$15.00	GPT-5.5와 비슷한 성능, 가격은 절반
GPT-5.6 Luna	$1.00	$6.00	가장 빠르고 저렴

 

여기서 개발자가 놓치기 쉬운 부분이 프롬프트 캐싱 정책 변경입니다. GPT-5.6부터는 명시적인 캐시 중단 지점을 설정할 수 있고 최소 30분간 캐시가 유지되는데, 캐시 쓰기 비용은 캐시를 사용하지 않은 입력 요금의 1.25배로 청구됩니다.

반대로 캐시를 읽을 때는 기존과 동일하게 90% 할인이 적용됩니다. 즉 같은 프롬프트를 반복 호출하는 워크플로라면 여전히 이득이지만, 캐시를 한 번만 쓰고 버리는 구조라면 오히려 이전보다 비용이 늘어날 수 있다는 뜻이니 배치 작업을 설계할 때 참고하시면 좋을 것 같습니다.

또 한 가지, 오픈AI는 7월 중 세레브라스 클라우드를 통해 초당 최대 750토큰 속도로 GPT-5.6 Sol을 제공할 예정이라고 밝혔는데, 초기에는 일부 고객에게만 열린다고 하니 초저지연이 필요한 실시간 애플리케이션을 만드시는 분들은 이 부분도 지켜볼 만합니다.

 

실전 4: 제한 공개에서 일반 공개까지, 정부 개입 타임라인

이번 출시가 유독 시끄러웠던 이유는 정부 개입 순서 때문입니다. 6월 24일 하워드 러트닉 상무장관이 오픈AI 샘 올트먼에게 다른 기관의 승인 없이는 모델을 출시하지 말라고 요구했고, 오픈AI는 이를 받아들여 6월 26일부터 약 20개 신뢰 파트너에게만 챗GPT가 아닌 API와 코덱스 경로로 제한 공개를 시작했습니다. 개인 사용자가 신청해서 받을 수 있는 경로는 처음부터 없었습니다.

이 시점에서 오픈AI는 정부 사전 공유 절차가 장기적인 표준이 돼서는 안 된다는 입장을 공개적으로 밝히기도 했습니다. 이후 상무부 산하 AI 표준·혁신센터가 안전성 시험을 수행했고, 오픈AI는 워싱턴 DC에 기술 전문가를 상주시켜 정부 질의에 대응했습니다.

그 결과 7월 7일 트럼프 행정부가 공개 출시를 승인했고, 7월 9일 Sol·Terra·Luna 세 모델이 전 세계 일반 사용자에게 열렸습니다.

이 사건은 앤트로픽이 미토스5와 페이블5에 대해 겪었던 수출 통제 이슈 바로 다음에 벌어진 두 번째 정부 개입 사례라서, AI 업계에서는 프론티어 모델 출시가 이제 기업 단독 판단이 아니라 정부와의 개별 협의를 거치는 방향으로 굳어지는 것 아니냐는 시선이 나오고 있습니다.

 

실전 5: 챗GPT 워크, 코덱스를 비개발자에게까지 확장하다

같은 날 오픈AI는 GPT-5.6과 코덱스 기술을 기반으로 한 업무용 에이전트 챗GPT 워크를 공개했습니다. 여러 앱과 파일에서 맥락을 수집해 문서, 스프레드시트, 프레젠테이션, 웹앱 같은 완성된 결과물을 만들어주는 도구인데, 슬랙·구글드라이브·마이크로소프트365·이메일·캘린더·CRM·프로젝트 관리 도구 등을 연동하는 플러그인 디렉터리가 함께 도입됐습니다.

 

프롬프트 입력 중에 골뱅이 기호 뒤에 앱 이름을 입력하면 해당 앱에서 맥락을 가져올 수 있고, 예약 작업 기능으로 사용자가 자리를 비운 동안에도 반복 업무나 장시간 프로젝트를 이어갈 수 있다는 설명입니다. 내장 브라우저와 컴퓨터 사용 기능도 포함돼 있어서 웹 탐색이나 프로그램 조작, 파일 이동까지 지원합니다.

 

배포는 플랫폼별로 차이가 있는데, 맥과 윈도 데스크톱 앱에서는 무료 사용자를 포함한 전 세계 사용자가 즉시 접근할 수 있는 반면, 모바일과 웹에서는 프로·엔터프라이즈·에듀 사용자가 먼저 접근하고 플러스·비즈니스 사용자는 며칠 안에 순차적으로 열릴 예정이라고 합니다. 이 포지션은 앤트로픽의 클로드 코워크와 정면으로 겹치기 때문에, 업무 자동화 도구를 검토 중이시라면 두 제품을 나란히 비교해 보시는 것도 의미가 있을 것 같습니다.

 

실전 6: 지금 당장 GPT-5.6 써보는 방법

가장 궁금하실 부분이니 접근 경로부터 정리해 드리겠습니다. 7월 9일부터 전 세계에 순차 배포가 시작됐고 24시간에 걸쳐 점진적으로 전체 사용자에게 열리는 방식이라, 지역이나 워크스페이스 관리자 설정에 따라 조금 더 늦게 보일 수 있다는 점은 감안하셔야 합니다.

챗GPT 앱에서는 요금제별로 접근 범위가 다릅니다. 

 

플랫폼	요금제	접근 가능 모델, 모드
챗GPT 앱	플러스·프로·비즈니스·엔터프라이즈	Sol (중간 이상 추론 강도)
챗GPT 앱	프로·엔터프라이즈	Sol Pro (최고 난이도용) 추가 가능
챗GPT 워크·코덱스	무료·Go	Terra 기본 제공
챗GPT 워크·코덱스	플러스 이상	Sol·Terra·Luna 직접 선택 + 추론 강도 조절
챗GPT 워크·코덱스	GPT-5.6 접근 권한 보유자	max 추론 수준 사용 가능
챗GPT 워크	프로·엔터프라이즈	울트라 모드 사용 가능
코덱스	플러스 이상	울트라 모드 사용 가능

 

개발자라면 API 쪽 모델 이름을 먼저 확인하시는 게 중요합니다. API에서 gpt-5.6이라는 이름으로 호출하면 자동으로 gpt-5.6-sol로 라우팅되니, 라우팅을 예측 가능하게 고정하고 싶다면 gpt-5.6-sol, gpt-5.6-terra, gpt-5.6-luna처럼 티어를 명시해서 호출하시는 걸 추천합니다. 세 모델 모두 컨텍스트 윈도는 약 105만 토큰, 최대 출력은 12만 8천 토큰으로 알려져 있습니다.

기존 GPT-5.5를 쓰던 코드가 있다면 모델 이름만 바꿔 끼우면 되는 구조이긴 하지만, 위에서 말씀드린 캐싱 요금 변경 때문에 비용 시뮬레이션은 한 번 다시 돌려보시는 게 안전합니다.

 

정리하면 개인 사용자는 챗GPT 앱 모델 선택기에서 요금제 등급에 맞는 Sol·Terra·Luna가 뜨는지 확인하시면 되고, 코드로 붙이실 분들은 OpenAI 플랫폼 문서에서 모델 ID와 가격표를 다시 한 번 확인한 뒤 캐싱 정책이 바뀐 걸 감안해서 기존 파이프라인을 테스트해 보시는 순서를 추천드립니다.

다만 배포 초기라 지역별, 계정별로 노출 시점이 다를 수 있으니 모델 선택기에 안 보인다고 바로 오류로 판단하지 마시고, 앱 재시작이나 몇 시간 뒤 재확인부터 해보시는 게 좋습니다.

 

정리하면

GPT-5.6은 코딩 워크플로, 사이버보안, 장시간 에이전트 작업 벤치마크에서 클로드 미토스5·페이블5를 근소하게 앞선 결과를 냈지만, SWE-벤치 프로 같은 순수 코딩 정확도 지표에서는 여전히 밀리는 모델입니다.

 

Terra 등급은 이전 세대 대비 절반 가격에 비슷한 성능을 낸다는 점에서 비용 효율을 노리는 실무자에게는 당장 눈여겨볼 만하고, 캐싱 정책 변경은 배치 작업 비용 설계에 실질적인 영향을 줄 수 있으니 API를 쓰시는 분들은 꼭 확인해 보시는 게 좋습니다.

다만 이번 출시가 미국 정부의 30일 사전 검토 행정명령이 처음 적용된 사례라는 점은 앞으로 프론티어 모델 출시 속도 자체에 영향을 줄 수 있는 변수라, 신모델이 나올 때마다 이런 절차가 반복될지는 지켜봐야 할 것 같습니다.

 

개발자 입장에서는 지금은 벤치마크 수치 자체보다 API 요금제 변경 사항과 챗GPT 워크 같은 새 도구가 기존 워크플로에 어떻게 들어맞는지부터 확인하시는 게 우선이라고 생각합니다.

당장 써보고 싶으시다면 챗GPT 앱 모델 선택기에서 요금제에 맞는 Sol·Terra·Luna가 노출되는지부터 확인하시고, API로 붙이실 분들은 gpt-5.6-sol처럼 티어를 명시한 모델 ID로 호출하면서 캐싱 정책 변경분을 반영해 비용을 다시 계산해 보시는 걸 추천드립니다.