GPT-5.6 Sol, Terra, Luna 공개: OpenAI가 말하는 다음 AI 사용 방식

OpenAI가 GPT-5.6 모델 패밀리를 공개했다.

이번 발표에서 눈에 띄는 점은 단순히 “더 똑똑한 모델이 나왔다”는 내용이 아니라는 점이다. OpenAI는 GPT-5.6을 소개하면서 더 많은 지능을 토큰 하나하나에서 끌어내고, 같은 비용으로 더 많은 일을 처리하며, 어려운 작업에는 더 강한 추론과 병렬 에이전트를 사용할 수 있다는 메시지를 강조했다.

즉 GPT-5.6은 모델 성능 자체도 중요하지만, 그보다 더 크게 보면 AI를 어떻게 더 효율적으로 사용하게 만들 것인가에 대한 발표에 가깝다.

1. GPT-5.6은 하나의 모델이 아니라 모델 패밀리다

이번 GPT-5.6은 크게 세 가지 모델로 구성된다.

• GPT-5.6 Sol
• GPT-5.6 Terra
• GPT-5.6 Luna

OpenAI는 Sol을 플래그십 모델, Terra를 일상 업무에 적합한 균형형 모델, Luna를 가장 빠르고 비용 효율적인 모델로 설명한다. 또한 Sol, Terra, Luna는 단순한 일회성 이름이 아니라 앞으로도 유지될 수 있는 capability tier, 즉 성능 계층으로 소개된다.

모델	역할	적합한 사용 방식
GPT-5.6 Sol	최고 성능 모델	복잡한 코딩, 리서치, 전문 문서 작업, 장기 에이전트 작업
GPT-5.6 Terra	균형형 모델	일반적인 업무 자동화, 문서 정리, 분석, 생산성 작업
GPT-5.6 Luna	빠르고 저렴한 모델	대량 처리, 반복 작업, 비용 민감한 워크플로우

 

이 구조는 앞으로 AI 모델 사용 방식이 “최신 모델 하나를 선택하는 방식”에서 벗어나고 있다는 것을 보여준다. 작업이 어렵고 중요하면 Sol을 쓰고, 일반적인 업무라면 Terra를, 대량 반복 작업이라면 Luna를 사용하는 식이다.

즉 모델 선택의 기준이 단순히 “가장 좋은 모델”이 아니라 작업 난이도와 비용 효율의 균형으로 이동하고 있다.

2. 이번 발표의 핵심은 성능보다 ‘효율’이다

OpenAI 문서에서 반복적으로 강조되는 표현은 performance per dollar, 즉 비용 대비 성능이다.

GPT-5.6 Sol은 코딩, 지식 작업, 사이버보안, 과학 분야에서 이전 모델 및 경쟁 프런티어 모델보다 더 적은 토큰과 낮은 추정 비용으로 높은 성능을 낸다고 소개된다.

특히 OpenAI는 Agents’ Last Exam 평가에서 GPT-5.6 Sol이 53.6점을 기록했고, Claude Fable 5보다 13.1점 높았다고 설명했다. 또한 medium reasoning에서도 Fable 5보다 높은 점수를 기록하면서 비용은 약 1/4 수준이라고 밝혔다.

 

이 부분에서 중요한 것은 단순한 점수 비교가 아니다.

AI 모델이 발전하면서 사용자는 점점 더 복잡한 일을 모델에게 맡기고 있다. 단순 질문 답변이 아니라 코드 수정, 문서 작성, 리서치, 데이터 분석, 발표자료 제작, 장기 작업 관리까지 AI에게 요청한다.

 

문제는 이런 작업일수록 토큰 사용량이 많아지고, 비용도 커진다는 점이다.
그래서 앞으로는 “모델이 얼마나 똑똑한가”만큼이나 다음 질문이 중요해진다.

같은 비용으로 얼마나 많은 일을 끝낼 수 있는가?

 

GPT-5.6 발표는 이 질문에 대한 OpenAI의 답변에 가깝다.

3. max와 ultra: 더 깊게 생각하고, 여러 에이전트가 병렬로 일한다

GPT-5.6에서 흥미로운 기능 중 하나는 max와 ultra다.

OpenAI는 max를 기존 xhigh보다 더 많은 시간을 들여 추론하고, 대안을 탐색하고, 검증하고, 접근 방식을 수정하는 설정으로 설명한다. 그리고 ultra는 여기서 한 단계 더 나아가 기본적으로 4개의 에이전트를 병렬로 조정해 복잡한 작업을 더 빠르게 끝내는 방식이다.

이 부분은 최근 많이 이야기되는 agent workflow, orchestration, loop engineering과도 연결된다.

기존에는 사용자가 AI에게 한 번 요청하고, 결과를 보고, 다시 수정 요청을 하는 방식이 일반적이었다.

예를 들면 다음과 같다.

1. “이 코드 분석해줘”
2. 결과 확인
3. “이 부분 수정해줘”
4. 다시 결과 확인
5. “테스트 케이스도 만들어줘”
6. 다시 확인

하지만 ultra 같은 구조는 이 흐름을 모델과 에이전트가 더 많이 가져가는 방향이다.

하나의 에이전트는 코드를 분석하고, 다른 에이전트는 테스트를 확인하고, 또 다른 에이전트는 문서를 검토하고, 마지막 에이전트는 결과를 종합하는 식이다.

물론 사용자가 직접 이런 구조를 모두 설계하지 않아도, 모델 자체가 병렬 작업을 조정하는 방향으로 발전하고 있다는 점이 중요하다.

결국 AI 사용 방식은 점점 다음과 같이 바뀌고 있다.

채팅형 AI
→ 도구를 사용하는 AI
→ 여러 작업을 나누고 실행하는 에이전트형 AI
→ 병렬 에이전트를 조율하는 작업 운영자

 

GPT-5.6의 ultra는 이 흐름을 잘 보여주는 기능이라고 볼 수 있다.

4. Programmatic Tool Calling: 도구 사용 방식도 바뀐다

GPT-5.6 발표에서 또 하나 중요한 키워드는 Programmatic Tool Calling이다.

OpenAI는 GPT-5.6이 가벼운 프로그램을 작성하고 실행해 도구를 조정하고, 중간 결과를 처리하고, 진행 상황을 모니터링하고, 다음 행동을 선택할 수 있다고 설명한다. 이 방식은 도구 중심 작업에서 토큰 사용량과 모델 호출 횟수를 줄이는 데 도움이 된다.

기존 Tool Calling 방식은 대체로 다음과 같았다.

1. 모델이 도구 호출을 결정한다.
2. 도구 결과가 다시 모델에게 전달된다.
3. 모델이 결과를 읽고 다음 행동을 결정한다.
4. 다시 도구를 호출한다.

이 방식은 구조가 명확하지만, 중간 결과가 많아질수록 토큰 비용이 커진다. 예를 들어 로그, 검색 결과, 데이터 테이블, 코드 실행 결과를 매번 모델에게 모두 넘기면 비용과 시간이 늘어날 수밖에 없다.

Programmatic Tool Calling은 이 문제를 줄이려는 방향으로 보인다.

모델이 모든 데이터를 그대로 읽는 것이 아니라, 필요한 데이터를 필터링하고, 중간 결과를 정리하고, 다음 작업에 필요한 정보만 남기는 식이다.

쉽게 말하면 다음과 같다.

기존 방식: 모델이 모든 중간 결과를 읽고 판단한다.
GPT-5.6 방식: 모델이 작은 자동화 프로그램을 만들어 필요한 정보만 추려서 판단한다.

 

이 변화는 개발자 입장에서 꽤 중요하다.
AI 에이전트를 실제 업무에 붙이려면 단순히 모델 성능만 좋아서는 부족하다. 도구 호출, 파일 처리, 검색 결과 정리, 코드 실행, 검증, 재시도 같은 흐름이 효율적으로 돌아가야 한다.

GPT-5.6은 이 부분에서 모델을 단순 답변 생성기가 아니라 작업 실행 흐름을 관리하는 엔진에 가깝게 만들고 있다.

5. 코딩 모델을 넘어 개발 에이전트로 가고 있다

OpenAI는 GPT-5.6 Sol을 현재 가장 강한 코딩 모델이라고 소개한다.

Artificial Analysis Coding Agent Index에서 GPT-5.6 Sol max reasoning은 80점을 기록했고, Fable 5보다 2.8점 높으며, 출력 토큰은 절반 이하, 시간도 절반 이하, 비용은 약 1/3 낮다고 설명했다. 또한 Terminal-Bench 2.1, DeepSWE 같은 실제 코드베이스 기반 장기 엔지니어링 평가에서도 강점을 강조했다.

여기서 중요한 것은 “코드를 잘 생성한다”는 점만이 아니다.

요즘 AI 코딩 도구의 핵심은 단순 코드 생성보다 다음에 가깝다.

• 기존 코드베이스를 이해할 수 있는가
• 여러 파일을 오가며 수정할 수 있는가
• 터미널을 사용하고 결과를 해석할 수 있는가
• 테스트 실패를 보고 다시 고칠 수 있는가
• 긴 작업 흐름에서 맥락을 유지할 수 있는가

즉 GPT-5.6은 코딩 모델이라기보다 개발 에이전트용 모델로 포지셔닝되고 있다.

Codex, Cursor, Qodo 같은 도구들이 중요해지는 이유도 여기에 있다. 앞으로 개발자는 AI에게 단순히 “함수 하나 만들어줘”라고 요청하는 것을 넘어, “이 기능을 설계하고, 구현하고, 테스트하고, PR까지 준비해줘”에 가까운 요청을 하게 될 가능성이 높다.

이때 중요한 역량은 프롬프트를 예쁘게 쓰는 것이 아니라, AI가 일할 수 있는 구조를 잘 만들어주는 것이다.

6. 문서, 슬라이드, 스프레드시트 작업도 더 중요해졌다

이번 발표에서 의외로 크게 다뤄진 부분은 문서, 슬라이드, 스프레드시트 같은 지식 업무다.

OpenAI는 GPT-5.6이 Slack, Notion, Microsoft 365, Google Drive 같은 업무 환경의 지저분한 맥락을 받아서 전문가 수준의 공유 가능한 산출물로 바꿀 수 있다고 설명했다.

또한 GPT-5.6은 발표자료, 문서, 스프레드시트 생성 품질이 개선되었고, 특히 참고 슬라이드의 디자인 시스템을 더 잘 따라간다고 한다. 레이아웃, 타이포그래피, 간격, 색상, Slide Master 규칙까지 추론해 새로운 자료에 일관되게 적용할 수 있다고 설명했다.

이 부분은 PM이나 기획자, 컨설턴트, 데이터 분석가에게 특히 중요하다.

지금까지 AI는 초안을 만드는 데는 꽤 유용했지만, 실제 업무에서 바로 공유 가능한 수준의 문서나 발표자료를 만들기에는 부족한 경우가 많았다. 내용은 괜찮아도 레이아웃이 어색하거나, 표가 깨지거나, 기존 템플릿과 맞지 않거나, 사람이 다시 다듬어야 하는 부분이 많았다.

GPT-5.6이 강조하는 방향은 이 차이를 줄이는 것이다.

즉 AI가 단순히 “내용 초안”을 만드는 수준에서 벗어나, 실제 업무에 사용할 수 있는 완성형 산출물에 가까워지고 있다.

7. 사이버보안과 과학 분야에서는 성능과 통제가 함께 강화된다

GPT-5.6은 사이버보안과 과학 분야에서도 성능 향상을 강조한다.

OpenAI에 따르면 GPT-5.6은 ExploitBench 2에서 GPT-5.5의 47.9% 대비 73.5%를 기록했고, ExploitGym 3에서는 GPT-5.5의 15.1%에서 GPT-5.6이 24.9%, 6시간 조건에서는 33.7%까지 도달했다. SEC-Bench Pro에서도 GPT-5.5의 45.8% 대비 GPT-5.6은 71.2%를 기록했다.

하지만 이 부분은 단순히 “보안 성능이 좋아졌다”고만 볼 수 없다.

사이버보안과 생명과학은 대표적인 dual-use 영역이다. 같은 기술이 방어에도 쓰일 수 있고, 공격에도 쓰일 수 있다. OpenAI도 GPT-5.6이 보안 코드 리뷰, 패치, 위협 모델링, 블루팀 업무 같은 방어적 작업을 지원한다고 설명하면서, 더 민감한 기능은 Trusted Access를 통해 검증된 사용자와 조직에 제공한다고 밝혔다.

또한 GPT-5.6은 모델 자체 보호 장치, 실시간 검사, 모니터링, 계정 수준 집행을 결합한 다층 안전 구조를 적용했다고 설명한다. 특히 reasoning monitor를 통해 대화 맥락을 검토하고 위해 가능성을 판단하는 구조를 추가했다고 밝혔다.

이 흐름은 앞으로 고성능 AI 모델이 단순히 모두에게 동일하게 공개되는 방식이 아니라, 사용자의 신뢰도, 용도, 보안 수준에 따라 접근 범위가 나뉘는 방향으로 갈 수 있음을 보여준다.

8. 가격 구조: Sol, Terra, Luna를 상황에 맞게 선택하는 방식

GPT-5.6은 ChatGPT, Codex, OpenAI API에서 사용할 수 있다.

OpenAI API 기준 가격은 100만 토큰당 다음과 같다.

모델	입력 토큰	출력 토큰
GPT-5.6 Sol	$5	$30
GPT-5.6 Terra	$2.50	$15
GPT-5.6 Luna	$1	$6

 

이 가격 구조를 보면 OpenAI가 왜 세 가지 모델을 나눠서 발표했는지 이해할 수 있다.

모든 작업에 Sol을 쓰는 것은 비용 측면에서 비효율적일 수 있다. 반대로 모든 작업에 Luna를 쓰면 어려운 작업에서 품질이 부족할 수 있다.

결국 중요한 것은 모델을 하나만 고르는 것이 아니라, 작업 유형에 맞게 모델을 나누는 것이다.

예를 들면 다음과 같다.

• 복잡한 코드 리팩토링, 기술 리서치, 장기 에이전트 작업 → Sol
• 일반 문서 작성, 업무 정리, 데이터 분석 보조 → Terra
• 대량 요약, 단순 분류, 반복 텍스트 처리 → Luna

이런 관점에서 보면 GPT-5.6은 단순히 “새 모델 출시”가 아니라, AI 사용 비용을 관리하기 위한 모델 운영 전략까지 함께 제시한 발표라고 볼 수 있다.

9. 이번 발표에서 가장 중요한 변화

GPT-5.6 발표에서 가장 중요한 변화는 세 가지로 정리할 수 있다.

• 첫 번째는 성능 경쟁이 비용 효율 경쟁으로 이동하고 있다는 점이다.
  이제 모델 발표에서 단순 벤치마크 점수만큼 중요한 것은 토큰 사용량, 지연 시간, 비용이다. OpenAI는 GPT-5.6을 통해 “더 높은 성능”과 “더 낮은 비용”을 동시에 강조하고 있다.
• 두 번째는 AI 사용 방식이 채팅에서 에이전트 운영으로 이동하고 있다는 점이다.
  max, ultra, multi-agent, Programmatic Tool Calling은 모두 사용자가 직접 반복 지시하는 구조를 줄이고, AI가 작업을 나누고 실행하고 검증하고 종합하는 방향을 보여준다.
• 세 번째는 고성능 모델일수록 더 강한 접근 제어가 함께 따라온다는 점이다.
  사이버보안, 생명과학처럼 민감한 영역에서는 AI 모델의 능력이 강해질수록 안전장치와 사용자 검증도 함께 중요해진다.

10. 개인적으로 인상 깊었던 점

이번 GPT-5.6 발표를 보면서 가장 인상 깊었던 부분은 “모델이 더 똑똑해졌다”보다 “AI를 사용하는 방식 자체가 바뀌고 있다”는 점이다.

예전에는 좋은 답변을 얻기 위해 프롬프트를 잘 쓰는 것이 중요했다.
하지만 이제는 AI가 도구를 쓰고, 여러 작업을 나누고, 결과를 검증하고, 병렬로 실행하는 구조가 점점 중요해지고 있다.

즉 앞으로는 단순히 AI에게 질문을 잘하는 사람보다, AI가 일할 수 있는 환경과 흐름을 잘 설계하는 사람이 더 큰 이점을 가져갈 가능성이 높다.

개발자라면 에이전트가 코드베이스를 잘 이해하고 수정할 수 있도록 프로젝트 구조와 테스트를 잘 정리해야 한다.
PM이나 기획자라면 AI가 문서, 회의록, 업무 맥락, 산출물 형식을 잘 활용할 수 있도록 자료와 프로세스를 구조화해야 한다.

결국 GPT-5.6이 말하는 다음 AI 사용 방식은 단순히 “더 좋은 모델을 쓰자”가 아니다.

AI에게 일을 맡길 수 있는 구조를 만들자.

 

이것이 이번 발표의 가장 중요한 메시지처럼 보인다.

마무리

GPT-5.6 Sol, Terra, Luna 공개는 단순한 모델 성능 향상 발표가 아니다.

OpenAI는 이번 발표를 통해 앞으로의 AI 사용 방식이 다음과 같이 바뀔 것임을 보여준다.

• 작업 난이도에 따라 모델을 나눠 쓰고
• 비용과 토큰 효율을 함께 고려하며
• 어려운 작업에는 더 강한 추론과 병렬 에이전트를 사용하고
• 도구 호출과 업무 산출물 생성까지 AI가 더 깊게 관여하는 방향

결국 GPT-5.6은 “더 똑똑한 챗봇”이라기보다, 더 효율적으로 일하는 AI 작업자에 가깝다.

앞으로 AI를 잘 활용한다는 것은 단순히 최신 모델을 쓰는 것이 아니라, 어떤 작업에 어떤 모델을 쓰고, 어떤 흐름으로 일을 맡길 것인지 설계하는 능력에 가까워질 것이다.

참고 자료

• https://openai.com/index/gpt-5-6/
• https://developers.openai.com/api/docs/guides/tools-programmatic-tool-calling