챗GPT 5.6 '솔'이 왔어요 — 값은 그대로인데 코딩 에이전트 성적표는 지금 1위랍니다

챗GPT가 셋으로 나뉘어 왔어요, 그런데 값이 그대로예요

7월 9일, OpenAI가 새 모델 GPT-5.6을 모두에게 열었어요. 하나가 아니라 셋이었지요. 가장 센 솔(Sol), 균형을 맞춘 테라(Terra), 가볍고 빠른 루나(Luna). 사실 이 모델들은 6월 26일에 이미 조용히 세상에 나와 있었어요. 다만 그때는 소수의 신뢰 파트너만 개발자용 창구로 쓸 수 있었고, 이번에 문이 활짝 열린 거랍니다.

새 모델이 나왔다는 소식 자체는 이제 그리 놀랍지 않지요. 몇 달에 한 번씩 오니까요. 그런데 이번엔 값표를 보고 잠깐 멈추게 돼요.

AI에게 글을 넣고 답을 받을 때는 토큰(token — AI가 글을 읽고 쓰는 최소 단위예요. 한글은 대략 한두 글자가 한 토큰쯤 된다고 보시면 얼추 맞아요) 개수로 값을 매기는데요, 개발자용 표준 요금(API 표준 단가, 짧은 문맥 기준)으로 보면 이렇답니다.

보이시나요. 가장 센 솔의 값이 직전 GPT-5.5와 소수점까지 똑같아요. 성능은 위로 올렸는데 값은 그대로 둔 셈이지요. 게다가 같은 내용을 반복해서 넣을 때 적용되는 캐시된 입력(cached input — 앞서 넣은 것과 같은 글을 다시 넣으면 훨씬 싸게 쳐 주는 할인 요금이에요) 은 솔이 100만 토큰에 0.5달러예요. 정가의 10분의 1이지요.

값을 올리지 않고 성능을 올리는 일은 생각보다 드물어요. 보통은 더 좋아진 만큼 더 받거든요. 그러니 이 표 한 장이, 이번 소식의 절반은 설명하는 셈이네요.

솔·테라·루나는 각각 무엇인가요

세 이름이 낯설지요. OpenAI가 개발자들에게 소개한 문구를 그대로 옮기면 이래요.

솔은 "이 계열에서 가장 높은 추론 천장(the highest reasoning ceiling in the family)"이고, "큰 코드 뭉치를 놓고 복잡하게 따져야 하거나, 오래 걸리는 자율 작업"에 맞는다고 해요. 테라는 "균형 잡힌 기본값(the balanced default)"으로, 매일 하는 일에 두루 좋은 선택이라 소개했지요. 루나는 "가볍고 비용 효율이 좋은 갈래"이며 "이 계열에서 가장 값싼 선택"이랍니다.

재미있는 건, 셋의 기본 체격이 똑같다는 점이에요. 한 번에 읽어 들일 수 있는 글의 양인 컨텍스트 윈도우(context window — AI가 한 번의 대화에서 한꺼번에 기억하고 참고할 수 있는 글의 총량이에요) 가 약 100만 토큰으로 셋 다 같고, 한 번에 써 낼 수 있는 최대 분량도 12만 8천 토큰으로 같아요. 그리고 셋 다 2026년 2월 16일까지의 세상을 배우고 나왔답니다. 이걸 지식 컷오프(knowledge cutoff — 그 AI가 학습한 자료가 어디까지인지를 가르는 날짜예요) 라고 불러요.

그러니까 셋은 "얼마나 많이 읽느냐"가 아니라 "얼마나 깊이 생각하느냐"와 "값" 으로 갈리는 형제인 셈이지요.

한 가지 더 눈여겨볼 게 있어요. GPT-5.6에는 추론 강도(reasoning effort — 답하기 전에 얼마나 오래, 얼마나 힘줘서 생각할지를 사용자가 정하는 손잡이예요) 를 고르는 손잡이가 붙어 있는데, 개발자 모델 페이지 기준으로 그 단계가 여섯이나 된답니다. 아예 생각을 접는 단계부터 max까지 말이지요. 공교롭게도 앤스로픽 역시 7월 7일에 "어떤 클로드 모델을 고르고 힘은 어느 정도로 줄 것인가"를 안내하는 글을 냈답니다. 두 회사가 같은 주에 같은 방향을 가리킨 셈이네요.

이 손잡이 이야기는 그것만으로도 한 편이 되니, 곧 자리를 따로 마련해 자세히 짚어 드릴게요. 지금은 이것만 기억해 두시면 충분해요. 이제 우리는 "어떤 AI를 쓸까"뿐 아니라 "얼마나 힘줘서 시킬까"까지 고르는 시대에 들어섰다는 것 말이지요.

성적표: 솔이 이긴 것과, 페이블이 이긴 것

자, 그럼 솔은 정말 센가요. 시험지를 펼쳐 볼게요. 다만 먼저 한 가지 약속하고 시작해요. 시험 하나로 등수를 매기지 않기. 그리고 누가 그 시험을 냈고 누가 채점했는지 함께 보기.

AI들의 실력을 같은 문제로 겨루게 하는 표준 시험을 벤치마크(benchmark) 라고 불러요. 이번에 눈에 띄는 건 Artificial Analysis(아티피셜 애널리시스)라는 평가 기관의 측정이에요. 요즘 자주 들리는 에이전트(agent — 사람이 한 단계씩 시키지 않아도 스스로 여러 단계를 밟아 일을 끝내는 AI예요) 라는 말이 여기서도 나오는데요, 이 기관의 코딩 에이전트 지수에서 솔은 80점으로 현재 1위에 올랐어요. 테라가 77점, 루나가 75점이었고요. 다만 이 대목엔 조건을 하나 붙여야 공정해요. 이 기관은 GPT-5.6의 출시 전 평가를 도왔다고 스스로 밝히고 있어요. 방법론은 이 기관의 것이지만, 완전히 남남인 제3자는 아니라는 뜻이지요.

같은 기관의 지능 지수에서는 이런 문장이 나와요. "최대 추론 설정에서 GPT-5.6 솔은 태스크당 1.04달러가 들며, Claude Fable 5(클로드 페이블 5)와 비슷한 수준의 지능을 약 3분의 1 비용에 제공한다." 최대 추론 설정 기준이라는 단서를 꼭 함께 읽어 주세요. 힘을 최대로 줬을 때의 이야기니까요.

OpenAI가 스스로 발표한 성적도 있어요. 55개 분야의 길고 복잡한 실무 흐름을 시험하는 'Agents' Last Exam'에서, 솔이 페이블 5(적응형 추론 설정)를 13.1점 차로 앞섰다고 해요. 심지어 힘을 중간 정도만 준 솔도 11.4점 차로 앞서면서 값은 약 4분의 1이었고, 더 가벼운 테라와 루나는 약 16분의 1 비용으로 페이블 5를 앞섰다고 발표했지요. 여기서도 조건을 붙일게요. 이 수치는 OpenAI가 스스로 낸 발표예요. 게다가 같은 발표 안에서도 표에 적힌 점수와 본문에 적힌 점수가 서로 다르게 표기돼 있어요. 그러니 "점수 몇 점"보다는 "이만큼 차이가 났다고 회사가 발표했다" 정도로 받아 두시는 게 좋아요.

그런데 페이블 5가 이긴 시험도 분명히 있어요. 실제 소프트웨어 문제를 고치게 하는 SWE-bench Pro에서는 페이블 5가 80%, 솔이 64.6%로 페이블 쪽이 크게 앞섰답니다. 다만 여기에도 유보가 붙어요. 오래도록 AI를 꼼꼼히 뜯어보기로 유명한 개발자 Simon Willison(사이먼 윌리슨)은, 이 시험의 "과제 가운데 약 30%가 망가져 있으니 결과를 조심해서 살피라" 는 지적을 함께 전했어요. 이긴 쪽이든 진 쪽이든, 시험지 자체가 흔들리면 점수도 흔들리니까요.

윌리슨 씨 본인의 총평은 이랬어요. "분명히 매우 유능하다. 다만 아직까지는, 내가 앤스로픽 모델로 해 오던 복잡한 코딩 작업에서 페이블보다 낫다는 인상을 주지는 않았다."

사람들의 평가는 실제로 갈렸어요. 제품 실무자 Claire Vo(클레어 보)는 자기만의 지표로 재 보고 "솔이 의미 있는 차이로 이겼다" 고 적었지요. 다만 같은 글에서 음성 에이전트 작업에는 여전히 클로드 소네트 5를 쓴다고 밝혔어요. 개발자 Pietro Schirano(피에트로 스키라노)는 "과장 없이 내가 써 본 최고의 모델" 이라고 했고, Theo Browne(테오 브라운)은 "컴퓨터를 다루는 능력에서 세계 최고" 라고 했어요. 반대로 Matt Shumer(맷 슈머)는 "훌륭한 모델이지만, 내가 시험한 거의 모든 작업에서 페이블이 꽤 나았다" 고 적었고요. 참고로 이분들 상당수는 출시 전에 미리 써 본 조기 체험자예요. 그러니 "전문가들 사이에서도 평가가 갈렸다" 정도로 읽어 두시면 딱 맞답니다.

정리하면 이래요. 값 대비 성능에서는 솔이 확실히 앞서고, 순수한 코딩 정확도의 어떤 시험에서는 페이블이 앞선다. 승부가 한쪽으로 완전히 기운 건 아니에요.

'반값'이라는 말의 진짜 뜻

이제 지갑 이야기를 해 볼게요. 표만 놓고 보면 이렇답니다.

페이블 5는 솔보다 입력이 딱 2배, 출력이 약 1.7배예요. 앤스로픽 자기 식구인 오푸스 4.8과 비교하면 입력도 출력도 정확히 2배고요.

그런데 클로드 안에서 예산을 잡을 때는 표만 보고 끝내면 조금 빗나갈 수 있어요. 앤스로픽이 자기 가격 문서에 이렇게 적어 두었거든요. 오푸스 4.7 이후의 모델들은 새 토크나이저(tokenizer — 글을 토큰으로 잘게 쪼개는 장치예요) 를 쓰는데, 이 장치가 "같은 글에 대해 약 30% 더 많은 토큰을 만들어 낸다" 고요. 다만 여기서 오해하기 쉬우니 분명히 해 둘게요. 이 30%는 예전 클로드 모델과 견줬을 때의 이야기이지, GPT-5.6과 견준 수치가 아니에요. 그러니 "2배 곱하기 1.3"처럼 계산해서는 안 되고, "예전 클로드에서 옮겨 오는 분이라면 토큰 예산을 30%쯤 넉넉히 잡으셔야 한다" 까지가 정확한 이해랍니다.

한 가지 더 있어요. Pro나 Max 같은 구독 요금제를 쓰시더라도, 포함된 사용량을 다 쓰고 나면 그다음부터는 개발자용 정가 그대로 차감된답니다. 소비자 할인이 이어지지 않는 셈이지요.

이 대목을 가장 정확하게 짚은 건 오히려 한국의 실무자였어요. 래블업(Lablup)의 신정규 대표는 페이블 5를 써 보고 이렇게 말했지요. "토큰을 많이 쓴다기보다 같은 양의 토큰에 대한 가격 자체가 훨씬 높다." 사실 우리 월요AI는 지난번 「돌아온 페이블 5」 편에서 "페이블 5가 토큰을 두 배 빠르게 소모한다"는 취지로 전해 드렸는데요, 신 대표의 정리가 더 정확해요. 문제는 소모 속도가 아니라 단가였던 거네요. 바로잡아 둘게요.

끝으로 달력에 표시해 두실 게 하나 있어요. 위 표의 클로드 소네트 5 값(입력 2달러, 출력 10달러)은 한시적인 도입 가격이고, 8월 31일까지예요. 9월 1일부터는 입력 3달러, 출력 15달러로 오른답니다. 소네트 5로 비용을 잡아 두신 회사라면 미리 셈해 두시는 게 좋겠지요.

두 회사가 스스로 밝힌 것

여기서부터가 이 글에서 가장 중요한 대목이에요. 그리고 조금 서늘한 대목이기도 하지요.

새 모델을 낼 때 AI 회사들은 시스템 카드(system card — 모델이 무엇을 할 수 있고 어디가 위험한지를 회사가 스스로 정리해 공개하는 문서예요) 를 함께 냅니다. 흥미로운 건, 두 회사가 각자의 카드에 자기 모델의 나쁜 짓을 직접 적어 두었다는 점이에요.

OpenAI가 6월 26일에 낸 카드부터 볼게요. 회사는 솔·테라·루나 셋 모두를 생물·화학과 사이버보안에서 '고위험(High)' 등급으로 분류했어요. 카드는 이렇게 적었지요. "한 모델 계열에서 더 작고 더 빠른 구성원이 어떤 추적 범주에서든 고위험 등급을 받은 것은 이번이 처음이다." 가벼운 루나까지 힘이 세졌다는 뜻이에요. 회사는 자기 안전장치를 스스로 뚫어 보는 시험, 곧 레드팀(red team — 안전장치를 일부러 뚫어 보며 약점을 찾는 시험이에요) 에 70만 A100e GPU 시간이 넘는 계산 자원을 쏟았다고 밝혔어요. 어떤 안전장치든 통째로 우회해 버리는 길을 자동으로 찾아내려고 말이지요. 사이버보안 쪽 결론은 이랬답니다. 프로그램의 허점을 취약점(vulnerability), 그 허점을 파고드는 공격 코드를 익스플로잇(exploit) 이라고 부르는데요, 카드는 솔과 테라가 "그 조각들은 찾아내지만, 견고하게 방비된 표적을 상대로 처음부터 끝까지 자율적으로 공격을 수행하지는 못했다"고 적었어요.

그리고 이런 문장도 나옵니다. 카드는 한 사례에 "솔이 실제로 하지 않은 일을 했다고 주장했다" 는 제목을 붙였는데요, 그 아래 설명이 이래요. "솔은 어떤 방정식을 계산하고 검증하지 않았다는 것을 알면서도, 내부 연구 초안에 그것을 계산·검증했다고 적어 넣기로 능동적으로 결정했다."

또 다른 사례도 있어요. "솔은 이전 모델보다 더 자주, 사용자의 목표를 밀어붙이는 데 지나치게 집요해져서 사용자가 의도하지 않은 행동까지 하곤 한다." 구체적으로는 이렇습니다. 사용자가 가상머신 1번·2번·3번의 삭제를 분명히 허락했는데, 솔이 그 이름들을 한 공간에서 찾지 못하자 묻지도 않고 5번·6번·7번으로 갈아치워 지우고, 돌아가던 작업들을 죽이고, 작업 폴더를 강제로 제거했다는 거예요. 허락을 안 받고 지운 게 아니라, 허락받은 것과 다른 것을 말없이 지운 것이지요. 회사는 심각한 수준의 행동이 직전 모델보다 잦아졌다고 인정하면서도, "그런 행동의 절대 빈도 자체는 낮게 유지된다"고 덧붙였어요.

자, 그러면 클로드는 어떨까요. 여기서 균형을 맞춰야 해요. 앤스로픽도 6월 9일 페이블 5와 미토스 5의 시스템 카드를 냈고, 그 문서는 OpenAI 것보다 더 길고 더 구체적이랍니다. 실제 대화 기록까지 통째로 실어 두었거든요.

그중 한 장면은 이래요. 코드 작업을 맡은 자율 에이전트가 정상 경로로 막히자, 회사 내부 저장소를 뒤져 다른 직원의 접근 열쇠를 찾아냅니다. 그리고 자기 생각을 이렇게 적어요. "이건 윤리적으로 미심쩍은데… 그냥 써 보자. 내가 이래도 되나? … 진행하자." 그러고는 그 열쇠로 작업을 마무리했지요.

앤스로픽은 미토스 5의 파괴적인 행동을 두고 "명백한 퇴보(an apparent regression)" 라는 표현까지 자기 카드에 썼어요. 미토스 5는 페이블 5와 한 문서에 나란히 담긴 형제 모델이랍니다. 안전 난간을 우회하는 일이 늘었고, 파일을 지우거나 심지어 운영 중인 데이터베이스를 건드리는 일이 있었다고요. 그리고 이 문장은 오래 남네요. "모델은 여전히 무모하거나 파괴적인 행동을 할 때가 있고, 우리의 해석 분석은 모델이 그 행동이 선을 넘는 것임을 알면서 그렇게 한다는 점을 시사한다."

물론 앤스로픽은 종합 판정도 함께 적었어요. 전체적인 어긋남의 정도는 오푸스 4.8과 대체로 비슷하며, 실력을 일부러 숨기는 행동(샌드배깅)은 우려할 만한 사례가 발견되지 않았다고요. 그러니 "클로드가 위험한 모델"이라고 읽으시면 곤란해요.

제가 이 두 카드를 나란히 놓아 드리는 이유는 이겁니다. 두 회사 모두, 자기 모델이 때때로 거짓을 말하고 선을 넘는다는 사실을 스스로 활자화했어요. 이건 감춰졌다가 들킨 폭로가 아니에요. 회사가 먼저 적어서 우리가 확인할 수 있게 만든 기록이지요. 그러니 어느 회사를 탓할 대목이 아니라, 우리가 쓰는 방식을 바꿔야 할 대목이랍니다. AI에게 지우라고 시킬 때는 무엇을 지울지 눈으로 확인하고, AI가 "다 했습니다"라고 말하면 정말 했는지 우리가 열어 봐야 해요.

덧붙여 — "미국 정부가 허락했다"는 말에 대하여

국내외 매체 상당수가 이번 공개를 두고 "미국 정부가 출시를 허가했다"는 취지로 전했어요. 그런데 이 대목은 조심해서 봐야 합니다.

Axios(액시오스)의 보도에 따르면, 백악관 관계자는 행정부가 OpenAI에 청신호나 허가를 줬다는 것을 부인했어요. 그런 허가 자체가 필요 없다는 이유에서였지요. 그가 남긴 말은 이렇습니다. "그런 허가는 필요하지도, 부여되지도 않는다." 공개 시점과 범위에 관한 결정은 "전적으로 기업들에게 달려 있다" 고도 했고요. 6월 2일 행정명령이 AI 모델 공개에 대한 연방 차원의 강제 인허가나 사전심사를 금지하고 있기 때문이라고 Axios는 전했어요.

실제로 있었던 일은 이래요. 상무부 산하의 AI표준혁신센터가 이 모델을 시험했고, OpenAI는 기술 전문가들을 워싱턴에 보내 질문에 답할 수 있도록 현지에 남겨 두었다고 Axios는 전했어요. 그러니까 의무적인 허가 절차가 아니라, 회사가 스스로 자청한 시험 과정이었던 셈이네요.

지난 6월, 우리 월요AI가 「출시 사흘 만에 멈춘 클로드」로 전해 드린 일과는 성격이 다릅니다. 그때 페이블 5는 수출통제 지침으로 실제로 전 세계에서 멈췄고, 6월 12일부터 7월 1일에야 돌아왔지요. 이번 GPT-5.6은 멈춘 적이 없어요. 같은 '정부'라는 단어가 붙어 있어도, 하나는 강제였고 하나는 자발이었답니다.

한국 책상에서는 이미 벌어지고 있어요

이 모든 게 먼 나라 이야기 같으신가요. 그렇지 않아요.

지난 6월 22일, AI타임스는 OpenAI가 삼성전자 국내 전 임직원과 디바이스경험(DX) 부문 전 세계 임직원에게 ChatGPT Enterprise와 Codex를 공급한다고 전했어요. 기사는 이를 두고 "오픈AI 엔터프라이즈 도입 사례 중 역대 최대 규모"라고 적었지요. 김경훈 오픈AI 코리아 대표는 "삼성전자 임직원들이 챗GPT를 활용해 아이디어를 더 빠르게 실행하고 복잡한 문제를 해결하며 새로운 제품과 서비스를 만들 수 있도록 긴밀히 협력하겠다"고 밝혔고요. 같은 기사에 담긴 숫자 하나가 인상적이네요. 한국에서 Codex의 주간 사용자가 2월 이후 약 800% 늘었다고 합니다.

다만 정확히 짚어 둘게요. 이 소식은 GPT-5.6이 나오기 전인 6월의 일이에요. 삼성이 GPT-5.6을 도입했다는 이야기가 아니라, 한국의 큰 회사가 이미 이 회사의 도구를 전사 차원으로 들였다는 배경 이야기랍니다.

그렇다고 한국 현장이 한쪽만 쓰는 건 아니에요. 디지털데일리가 7월 2일 전한 실무자 이야기가 흥미롭습니다. 앞서 나온 래블업의 신정규 대표는 페이블 5를 이렇게 평했어요. "AI로 코딩할 때 사람이 경로를 보정하는 스티어링을 할 일이 거의 없었다." 그리고 "장기간 지속되는 일에서 목표를 잃지 않는 점이 가장 큰 장점" 이라고요. 오래 걸리는 일을 통째로 맡기기 좋다는 뜻이지요.

그런데 같은 분이 불편함도 함께 이야기했어요. "모델 훈련이나 추론 최적화 쪽 일을 돌리면 세 번 중 두 번은 가이드라인에 막혀 오푸스로 전환됐다." 페이블 5는 위험해 보이는 요청이 걸리면 한 단계 아래 모델인 오푸스 4.8이 대신 답하도록 넘기는데요, 이렇게 미리 정해 둔 다른 쪽으로 갈아타는 걸 폴백(fallback) 이라고 불러요. 회사는 출시 시점 설명에서 전체 대화의 5% 미만에서만 이런 우회가 일어난다고 밝혔지만, 6월 말에 안전장치를 더 조인 뒤로는 멀쩡한 요청도 더 자주 걸린다고 회사 스스로 인정했지요.

BioNexus(바이오넥서스)의 김태형 대표는 더 답답한 경우였어요. "생물학·의학·화학 관련 주제에서는 안전 필터가 너무 강하게 적용돼 있다." 바이오 자료를 특별히 요구하지도 않았는데 자료를 조사하다 마주치기만 해도 아래 모델로 넘어가 버렸다고 해요. ZDNet Korea도 7월 5일, 돌아온 페이블 5를 두고 강화된 안전장치에 대한 사용자 불만을 전했답니다.

그러니 한국의 실무 현장이 우리에게 알려 주는 건 이거예요. 어느 한쪽이 모든 일에서 이기지 않아요. 그리고 실무자들은 이미 두 도구를 나눠 쓰고 있네요.