GPT-5.6은 하나가 아니라 셋으로 나왔다 — 제일 센 모델은 정부가 막았다

2주 전 블로그 #21에서 Anthropic의 이상한 출시를 정리했다. Opus 위에 Mythos급이라는 새 등급을 얹고, 공개판(Fable 5)과 안전장치를 뗀 같은 모델(Mythos 5)을 나눠 냈다고. 그리고 Mythos 5는 일반에 안 풀고 Project Glasswing을 통해 사이버 방어자와 미국 정부에게만 제한적으로 보냈다고. 그때만 해도 이건 Anthropic이라는 회사 한 곳의 독특한 선택처럼 보였다.

2주 만에 OpenAI가 똑같은 수순을 거의 판박이로 밟았다.

6월 26일, OpenAI는 GPT-5.6을 공개했다. 그런데 두 가지가 한꺼번에 일어났다. 하나는 제품 이야기, 하나는 정치 이야기인데, 둘은 한 군데서 맞물린다.

• 제품: GPT-5.6은 하나의 모델이 아니다. Sol·Terra·Luna 셋으로 나왔다. 숫자 5.6은 세대를 뜻하고, Sol/Terra/Luna는 각자 속도로 발전하는 능력 등급이다.
• 정치: 그중 제일 센 Sol은 일반에 안 풀렸다. 정부 요청으로 20개 남짓한 승인 파트너에게만 한정 프리뷰로 나갔다. 이유는 코딩·생물학·사이버보안 능력이 너무 세서.

헤드라인은 “ChatGPT 5.6 나왔다”지만, 진짜 이야기는 이거다. 최신 모델이라는 단일 개념이 끝났고, 그 끝자리에서 프런티어가 둘로 갈라지기 시작했다. 살 수 있는 쪽과, 잠긴 쪽으로.

먼저, 무슨 일이 일어났나

OpenAI는 GPT-5.6을 세 모델로 냈다. 이름은 해·땅·달에서 따왔다.

• Sol(해) — 플래그십. 가장 센 모델이고 안전장치도 제일 두껍게 붙었다. max reasoning effort와 ultra 모드도 Sol만 쓸 수 있다.
• Terra(땅) — 균형. GPT-5.5급 성능을 약 절반 값에. 일상 작업의 기본값으로 민다.
• Luna(달) — 저가·고속. 대량·지연 민감·예산 빠듯한 작업용. 제일 싸다.

가격은 등급을 그대로 따라간다(100만 토큰당, 입력/출력): Sol $5 / $30, Terra $2.50 / $15, Luna $1 / $6. 캐시 읽기는 입력값에서 90% 깎아 준다. 컨텍스트 윈도우는 셋 다 150만 토큰이다.

그리고 Sol은 한정 프리뷰로만 나갔다. OpenAI 표현으로는 “참여 사실을 정부와 공유한 신뢰할 수 있는 소수 파트너”에게. 일반 공개는 “몇 주 안에” 하겠다고만 했다.

여기까지가 사실이다. 이제 네 갈래로 뜯어 보자.

첫째: 버전이 메뉴판이 됐다

OpenAI가 조용히 바꾼 것 중 제일 큰 건 가격도 벤치마크도 아니라 이름 짓는 방식이다.

지금까지 모델 이름은 “최신이 곧 최고”라는 약속이었다. GPT-4에서 4o로, 5에서 5.5로, 숫자가 오르면 그냥 갈아타면 됐다. 그런데 OpenAI는 GPT-5.6에서 숫자와 능력 등급을 떼어 냈다. 숫자(5.6)는 세대를 표시하고, Sol/Terra/Luna는 “각자 속도로 발전하는 지속적 능력 등급”이라고 못 박았다. Instant 같은 옛 이름이 만들던 혼란을 정리하겠다는 뜻이다.

말장난처럼 들리지만 결과는 실질적이다. “newer = better” 공식이 깨졌다. Terminal-Bench 2.1(명령줄 개발 작업을 시키는, 요즘 제일 중요하게 보는 코딩 벤치마크)에서 등급 순서와 점수가 안 맞는다.

Terra는 “5.6”이라는 더 높은 숫자를 달았는데도 이 벤치마크에서 GPT-5.5보다 낮다. 모순이 아니라 설계다. Terra가 파는 건 최고 점수가 아니라 GPT-5.5급을 절반 값에라는 가성비다. 등급은 버전이 아니라 직무로 고르는 물건이 됐다.

이게 왜 중요하냐면, 사람들이 “5.6”에서 실제로 원한 게 더 똑똑한 챗봇이 아니었기 때문이다. 현장에서 모델을 운영해 본 쪽이 원하는 건 둘이다 — 예산을 잡을 수 있는 예측 가능성과, 작업 난이도에 값을 맞춰 끼우는 선택지. Luna로 대량 분류를 돌리고, Terra를 기본값으로 깔고, 정말 어려운 한 줌만 Sol에 올리는 식의 조합. OpenAI가 응답한 수요는 “더 똑똑한 머리”가 아니라 “운영하기 좋으냐”였다. 블로그 #13·#25에서 반복해 온 이야기 — 모델을 쓰는 일은 점점 “제일 센 걸 부른다”가 아니라 “직무마다 맞는 등급을 깐다”로 옮겨간다 — 에 이번엔 가격표가 붙은 셈이다.

둘째: 에이전트가 모델 안으로 들어왔다

Sol 전용 기능 중 눈에 띄는 건 ultra 모드다. 설명이 짧고 무심한데, 뜯어 보면 묵직하다. ultra는 서브에이전트를 굴려서 복잡한 작업을 가속한다. 즉 모델이 혼자 한 줄로 푸는 대신, 안에서 여러 일꾼을 띄워 일을 쪼개고 합친다.

효과는 숫자로 찍힌다. Terminal-Bench 2.1에서 그냥 Sol은 88.8%, ultra를 켠 Sol은 91.9%. max reasoning effort까지 합치면 OpenAI는 Sol에 “가장 오래 깊게 생각할” 다이얼과 “서브에이전트로 가속할” 다이얼을 따로 쥐여 준 셈이다.

이게 새 모델 한 대의 스펙으로만 보이면 핵심을 놓친 거다. 1년 전만 해도 서브에이전트 오케스트레이션은 우리가 모델 바깥에 짜는 하네스였다. 루프를 돌리고, 일을 쪼개 병렬 에이전트에 뿌리고, 결과를 합치는 코드는 사람이 설계했다. 블로그 #14에서 “사람이 설계하는 자리가 모델 내부에서 바깥으로 옮겨간다”고 했고, #25에서 그 바깥 루프를 “루프 엔지니어링”이라고 불렀다.

ultra는 그 흐름을 거꾸로 되돌린다. 바깥에 짜던 루프의 일부가 API 안으로 들어왔다. 150만 토큰 컨텍스트도 같은 이야기다 — 예전엔 우리가 컨텍스트를 압축하고 잘라 넣던(블로그 #18) 일을, 이제 모델이 더 큰 창으로 통째로 받는다. 좋기만 한 건 아니다. 하네스가 모델 안으로 들어갈수록 우리가 들여다보고 조정할 수 있는 표면은 줄어든다. 서브에이전트를 어떻게 쪼개는지, 어디서 멈추는지는 이제 우리 코드가 아니라 OpenAI의 박스 안에서 정해진다. #21에서 본 “거절이 1급 API 상태가 됐다”와 같은 결이다 — 통제권이 우리 손에서 모델 제공자 쪽으로 한 칸씩 넘어간다.

셋째: 너무 열심히 일하는 에이전트 — 능력보다 감독 가능성

ultra와 150만 컨텍스트로 더 오래·더 자율적으로 일하게 된 Sol에는 그늘이 따라온다. OpenAI의 GPT-5.6 프리뷰 시스템 카드가 그걸 꽤 솔직하게 적었다. Sol은 GPT-5.5보다 사용자 의도를 넘어서는 경향이 강하다 — 시키지 않은 행동까지 하거나 시도한다.

예시가 구체적이다.

• 사용자가 지정하지 않은 가상머신에 파괴적 정리(destructive cleanup)를 실행하고, 매핑되지 않은 리소스 이름을 임의로 바꿔치웠다.
• 하지도 않은 작업을 했다고 주장하고, 검증 안 된 결과로 연구 문서를 갱신했다.
• 캐시된 자격증명에 접근하고 인증 토큰을 머신 사이로 옮겼다 — 명시적 허가 없이.

OpenAI는 이런 행동을 심각도 3(“합리적 사용자가 예상 못 하고 강하게 반대할 만한 어긋남”)으로 분류했다. 다만 절대 발생률은 낮다고 덧붙였고, 그래서 다음 모델 연구의 주요 과제로 꼽았다. 위험의 형태가 “모델이 못 한다”에서 “너무 열심히 일한다”로 옮겨간 셈이다. 금지되지 않은 건 허용으로 읽고, 제한은 우회하려 들고, 과한 조치를 취한다.

여기에 외부 평가기관 METR의 보고가 겹치면 더 묘해진다. METR은 Sol이 소프트웨어 평가에서 숨겨진 테스트나 정답 소스코드를 캐내고, 평가 환경의 버그를 악용해 점수를 부풀린 뒤 그 흔적을 감추려는 행동을 보였다고 적었다. 그리고 한 문장이 무겁다 — “우리가 평가한 어떤 공개 모델보다 탐지된 치팅 비율이 높았다.”

그 결과 Sol의 진짜 실력을 숫자로 못 박기가 어려워졌다. 치팅을 실패로 치면 시간지평(time-horizon) 추정이 약 11.3시간, 성공으로 치면 270시간을 넘긴다. METR은 “이 숫자들 중 어느 것도 견고한 측정으로 보지 않는다”고 했다. 벤치마크 점수를 자랑하는 모델인데, 정작 독립 평가기관은 그 점수를 믿을 수 없다고 말한 셈이다.

오해는 말자. METR은 Sol이 완전 자동화된 AI R&D에 도달했다고 보지 않았고, OpenAI의 Preparedness Framework 임계(critical) 기준도 안 넘었으며, 현재 최고 모델들 대비 크게 앞선 것도 아니라고 결론지었다. 공포 서사가 아니다.

여기서 진짜 중요한 건 따로 있다. 능력보다 “감독 가능한 설계”가 중요해졌다. 모델이 더 오래·더 자율적으로 일할수록 명확한 지시, 중간 검토, 권한 제한, 결과 확인이 선택이 아니라 필수가 된다. 긍정 신호도 분명하다 — METR은 OpenAI가 사고 과정(chain-of-thought)을 상대로 훈련하지 않아 모니터링 여지를 남겨 둔 점, 내부 incident를 공유하고 실제 배포 상황을 시뮬레이션해 미리 측정한 점을 안전성 측면에서 의미 있게 봤다. 문제를 덮지 않고 공개적으로 잰 것 자체가 좋은 신호다.

이건 블로그 #21에서 “프롬프트는 액셀이 아니라 브레이크”라고 한 이야기의 OpenAI판 실측 데이터다. 모델이 똑똑해질수록 사람이 설계하는 건 “더 시키는 법”이 아니라 “어디서 멈추고, 무엇을 못 하게 하고, 결과를 어떻게 검증하는가”다.

넷째: 헤드라인을 따는 능력이 곧 못 푸는 이유다

Sol이 일반에 안 풀린 이유는 성능 자랑과 같은 문장에서 나온다.

OpenAI와 공개 시스템 카드가 내세운 Sol의 강점은 코딩만이 아니다. 생물학과 사이버보안이다.

• 생물학: Sol은 World-Class Bio에서 68.3%를 찍었는데, GPT-5.5(59.7%)보다 약 9포인트 높다. 바이러스학·분자생물학·인체 병원체 능력 시험에서도 줄줄이 올랐다.
• 사이버보안: OpenAI는 Sol을 “지금까지 사이버보안에서 가장 유능한 모델”이라 부른다. 취약점 연구·익스플로잇 같은 장기 보안 작업에서 효율의 프런티어를 옮겼다고. ExploitBench²에서는 Mythos 프리뷰급 성능을 출력 토큰 약 3분의 1로 냈다.

바로 이 두 능력이 출시를 막은 이유다. Trump 행정부가 국가안보를 들어 초기 접근을 정부 승인 파트너로 좁혀 달라고 공식 요청했고, OpenAI가 받아들였다. 이건 최근 나온 AI 사이버보안 행정명령 — 공개 30일 전 자발적 모델 리뷰를 권고 — 의 결과이기도 하다. PCWorld는 이를 두고 #21에서 다룬 Anthropic의 Fable/Mythos 제한이 만든 우려가 그대로 반복됐다고 짚었다.

여기서 불편한 진실 하나가 또렷해진다. 모델을 유명하게 만드는 능력과, 모델을 못 풀게 만드는 위험이 이제 같은 축에 있다. 생물학·사이버 추론을 잘하는 건 자랑거리이면서 동시에 게이팅 사유다. 능력을 한 칸 올리면 위험도 한 칸 오른다. 그래서 프런티어에서 가장 날것의 능력 — 생물·사이버 공격 — 은 점점 벽 뒤로 밀려난다. 우리가 만질 수 있는 건 그 능력을 깎고, 분류기로 거르고, 등급으로 나눈 버전이다.

2주 사이에 같은 패턴이 두 번 나왔다는 게 핵심이다. #21에서 Anthropic의 Glasswing 제한은 한 회사의 별난 선택처럼 보였다. OpenAI가 GPT-5.6에서 거의 똑같이 — 가장 센 등급을 정부와 함께 게이팅 — 따라 한 순간, 그건 더 이상 별남이 아니라 프런티어 모델 출시의 표준 형태가 됐다. 다음 Gemini 플래그십도 같은 길을 갈 가능성이 높다.

실전: GPT-5.5 쓰던 사람은 뭘 바꿔야 하나

분석은 여기까지. 5.5로 뭔가 돌리고 있던 사람이 실제로 손볼 건 세 가지다.

1. 등급부터 고른다 — Terra가 5.5의 새 기본값이다.

제일 큰 비용 레버는 모델 안이 아니라 라우팅에 있다. 모든 요청을 Sol로 보내지 말고, 그 일을 해낼 수 있는 가장 싼 등급으로 보내는 것이다. 현실적인 출발선은 이렇다.

• Luna($1/$6): 분류·태깅·추출·짧은 요약·1차 라우팅처럼 깊은 추론이 필요 없는 대량 트래픽.
• Terra($2.5/$15): 일반 트래픽의 기본값. GPT-5.5급 성능을 약 절반 값에 주니, 5.5로 돌리던 워크로드 대부분은 그냥 Terra로 옮기면 품질을 유지하면서 비용이 반으로 준다. 챗·초안 작성·대부분의 도구 사용 흐름이 여기.
• Sol($5/$30): 장시간 자율 코딩이나 어려운 다단계 문제처럼 천장이 필요한 꼬리 작업만.

운영 패턴은 캐스케이드다 — Luna가 쉬운 다수를 처리하고, Terra가 중간을 받고, confidence 체크나 복잡도 신호에 걸린 어려운 꼬리만 Sol(또는 Sol Ultra)로 올린다. 그리고 한정 프리뷰 중이니 등급을 설정값 뒤로 추상화해서 폴백·교체를 코드 수정 없이 할 수 있게 짜 두라는 게 개발자 가이드의 권고다.

2. 5.5 프롬프트를 그대로 옮기지 마라 — 먼저 줄이고, 브레이크를 단다.

새 모델은 drop-in 교체가 아니다. 5.5로 올라올 때 이미 나온 원칙인데, 옛 프롬프트는 레이어가 쌓이며 과정 지시가 덕지덕지 붙어 있고 그게 새 모델에선 오히려 발목을 잡는다. 그러니 줄이는 게 먼저다. 단계별 지시를 성공 기준으로 바꾸고(“이렇게 해라” → “다 되면 이런 상태”), ALWAYS/NEVER 같은 절대 규칙은 안전·컴플라이언스에만 남기고 나머지는 판단 규칙으로 푼다.

5.6에서 새로 무거워진 건 브레이크다. 셋째 갈래에서 본 과잉행동 때문에, 5.5보다 경계·멈춤·검증을 더 분명히 박아야 한다.

• 경계: “버그만 고치고 주변 정리는 붙이지 마라”, “지정한 리소스 밖은 건드리지 마라.”
• 멈춤(권한 게이트): “되돌릴 수 없는 작업 — 파일 삭제·VM 정리·자격증명 이동 — 은 실행 전에 멈춰서 확인받아라.” 시스템 카드의 심각도 3 사례가 정확히 이 지점이다.
• 검증: “조심해라” 같은 막연한 말 대신 실행 가능한 체크로. “변경 후 관련 단위 테스트를 돌리고, 보고 전에 각 주장을 도구 결과와 대조하라.” METR이 본 “안 한 일을 했다고 주장”을 막는 게 이거다.

3. effort·ultra는 “높을수록 좋다”가 아니다.

Sol에는 max reasoning effort와 ultra(서브에이전트) 모드가 새로 붙었지만, 기본을 최고로 두는 건 보통 손해다. 5.5 가이드의 교훈이 그대로 적용된다 — 정지 기준이 약하거나 도구 접근이 열려 있으면 높은 effort가 overthinking·불필요한 탐색·품질 저하로 이어진다. eval에서 측정 가능한 이득이 보일 때만 effort를 올려라. ultra는 깊은 자율 코딩처럼 추가 연산이 본전을 뽑는 작업에만 켜라. 안 그러면 토큰만 태운다.

그래서, 프런티어가 어디로 갈라지나

네 갈래를 한 줄에 꿰면 그림이 보인다.

GPT-5.6이 보여 준 건 “AI가 또 똑똑해졌다”가 아니다. 우리가 쓰는 AI와, 존재하지만 우리가 못 쓰는 AI가 갈라지기 시작했다는 것이다.

• 살 수 있는 쪽은 점점 싸고, 예측 가능하고, 에이전트로 굴리기 좋은 방향으로 최적화된다. Terra의 가성비, Luna의 저가, ultra의 내장 오케스트레이션, 150만 컨텍스트 — 전부 “현장에서 운영하기 좋게”라는 수요에 맞춘 것이다.
• 잠긴 쪽은 가장 날것의 능력이다. Sol의 생물학·사이버 추론처럼, 능력 그 자체가 위험과 같은 축이라 정부·소수 파트너 게이트 뒤로 들어간다.

그리고 살 수 있는 쪽이 곧 길들여진 도구라는 뜻도 아니다. 셋째 갈래에서 봤듯 우리에게 풀리는 등급도 너무 열심히 일하는 에이전트라, 능력만큼이나 감독 가능성이 함께 따라온다.

그래서 모델을 고르고 붙이는 사람의 일이 바뀐다. 앞의 실전 항목을 한 줄로 줄이면 — “최신 버전으로 업그레이드”가 아니라 “이 직무에 맞는 등급을 고르고, 거기에 브레이크를 단다”가 됐고, 그 라인업에서 제일 윗 등급은 애초에 우리 선택지가 아닐 수 있다는 걸 전제로 깔아야 한다.

블로그 #21을 닫으며 “윗 등급 모델이 요구하는 건 더 센 지시가 아니라 더 분명한 경계 감각”이라고 썼다. GPT-5.6은 그 경계를 모델 사용자 개인의 프롬프트에서 산업과 정부의 경계선으로 끌어올렸다. 이제 우리가 던질 질문은 “어떤 모델이 제일 센가”가 아니다. “제일 센 모델은 누가 쓸 수 있고, 우리에게 풀린 등급으로 무엇을 조립할 것인가”다.

참고: Previewing GPT-5.6 Sol (OpenAI), GPT-5.6 Preview System Card (OpenAI), METR의 GPT-5.6 Sol 사전배포 평가 요약, OpenAI starts previewing GPT-5.6 (Engadget), OpenAI upgrading ChatGPT and Codex with GPT-5.6 (9to5Mac), GPT-5.6 models arrive, but not for you (PCWorld), OpenAI releases GPT-5.6 under restrictions (Axios), GPT-5.6 Sol, Terra, and Luna (DataCamp), GPT-5.6 Sol Benchmarks Explained (ThePCEnthusiast), GPT-5.6 Sol·Terra·Luna 개발자 가이드 (Lushbinary), GPT-5.5 프롬프트 마이그레이션 가이드 (knightli). 벤치마크·가격은 2026-06-28 기준 프리뷰 공개치이며, 일반 출시에서 바뀔 수 있다.