GPT-5.6 리뷰: Soul·Terra·Luna 3종 모델과 에이전트 코딩·벤치마크 총정리

핵심 메시지

• GPT-5.6은 가장 크고 성능이 높은 Soul, 중간의 Terra, 가장 작고 빠른 Luna 세 가지 변형으로 구성된다.
• 온라인 챗봇보다 코덱스 기반 데스크톱 앱 등 에이전트 환경에서 여러 파일과 도구를 동시에 다루도록 설계됐다.
• 웹앱·물리 시뮬레이션·음악·심층 연구 등 복잡한 과제를 대체로 한두 번의 프롬프트로 처리했다.
• 여러 벤치마크에서 최상위권 성능을 클로드 페이블 5보다 낮은 비용으로 냈지만, 환각률이 높고 영상·의료 판독에는 약점을 보였다.

쉽게 이해하기

영상은 OpenAI가 새로 공개한 GPT-5.6을 소개하며, 이 모델이 하나가 아니라 세 가지 변형으로 나뉜다고 설명한다. 가장 크고 성능이 높은 대신 비싸고 느린 Soul, 중간 크기의 Terra, 가장 작고 빠르지만 상대적으로 덜 똑똑한 Luna가 그것이다. 발표자는 이메일 작성이나 요약 같은 쉬운 작업은 이미 어느 프런티어 모델이든 처리하므로, 이번 영상에서는 훨씬 어려운 과제로 한계를 밀어붙였다고 말한다.

GPT-5.6은 단순 챗봇보다 에이전트 환경에서 진가를 발휘하도록 설계됐다는 점이 강조된다. OpenAI는 기존 코덱스 앱을 다시 설계해 '챗GPT 데스크톱 앱'으로 내놓았고, 이 앱에서는 여러 에이전트가 컴퓨터의 여러 파일과 폴더를 동시에 작업하거나, 자주 쓰는 작업을 스킬로 저장하고 자동화를 예약할 수 있다.

실제 시험에서 GPT-5.6 Soul은 음성으로 대화하는 애니메이션 캐릭터 웹앱, 웹캠 손 추적으로 조작하는 액체 물리 시뮬레이션, 여러 악기를 편곡한 32마디 곡, 백조 곡선(에피사이클) 수학 애니메이션 등을 대체로 한두 번의 프롬프트만으로 완성했다. 다만 제품 홍보 영상 제작에서는 글자와 이미지가 겹치는 문제가 남았고, 참조 이미지를 그대로 재현하는 3D 장면 구성은 다른 최상위 모델들과 마찬가지로 완벽하지 못했다.

벤치마크에서 GPT-5.6 Soul은 에이전트형 작업과 코딩, 장기 과제에서 클로드 페이블 5나 오퍼스보다 높은 점수를, 그것도 더 낮은 비용으로 기록한 경우가 많았다. 딥스위트 소프트웨어 엔지니어링 순위에서는 1위를 차지했으나 페이블 5와 신뢰구간이 겹쳐 통계적으로 유의미한 차이는 아니라고 짚는다. ARC-AGI-2에서 92.5%를 기록해 학습이 끝난 뒤에도 새로운 패턴을 즉석에서 익히는 능력을 보였다.

반면 약점도 분명하다. 옴니사이언스 환각 벤치마크에서 Soul은 해당 문제의 89%에서 환각을 일으켜 페이블 5(55%)나 오픈소스 GLM 5.2(28%)보다 환각이 잦았고, 종양 판독이나 위장한 동물 찾기 같은 시각 과제에서는 실패했다. 발표자는 GPT-5.6이 최소한의 개입으로 몇 시간이고 목표를 향해 스스로 일하는, 현재 가장 똑똑하면서도 페이블 5보다 저렴하고 빠른 모델 중 하나라고 총평한다.

주요 인사이트

• 같은 GPT-5.6이라도 Soul·Terra·Luna와 사고 강도(effort) 설정에 따라 속도·비용·지능이 크게 달라지므로, 과제 난이도에 맞춰 변형을 고르는 것이 중요하다.
• 고성능 Soul을 최고 사고 강도(ultra)로 돌리면 한 과제에 11~31분씩 걸릴 만큼 느리지만, 중간 개입 없이 결과물을 완성하는 대가로 이해할 수 있다.
• 높은 벤치마크 점수와 별개로 환각률이 89%에 이르는 만큼, 사실 검증이 필요한 작업에서는 결과를 그대로 신뢰하기 어렵다.
• 발표자는 OpenAI가 GPT-5.6을 내부 연구 개발에 활용한다고 전하며, 현 세대 AI가 다음 세대 모델 개발을 돕는 순환이 가속되고 있다고 본다.

자주 묻는 질문

관련 AI 소식