OpenAI는 2026년 6월 26일 GPT-5.6 Sol을 발표했으며, 벤치마크 수치들은 깨끗한 기록처럼 보였습니다. 터미널-벤치 최첨단, 코드 모드에서 Agent’s Last Exam 50%를 넘은 유일한 모델, 토큰의 3분의 1로 최고 경쟁자와 일치하는 사이버 평가를 기록했습니다. 하지만 먼저 읽어야 할 중요한 점이 있습니다. 이 모델 중 어떤 것도 실행할 수 없다는 것입니다. Sol은 OpenAI API 및 Codex를 통해서만 정부 통제하의 제한된 미리 보기로 제공되며, 미국 정부가 개별적으로 승인한 약 20개 파트너에게만 제한됩니다. ChatGPT에는 없으며, 오늘 가입할 수 있는 것도 없습니다.
따라서 벤치마크는 구매 조언이 아닙니다. 이 벤치마크는 단 하나의 질문에 답합니다. GPT-5.6 Sol을 기다릴 가치가 있을까요, 아니면 이미 사용할 수 있는 모델로 계속 진행해야 할까요? 이 글은 바로 이 질문을 해결합니다. 각 주요 벤치마크가 무엇을 측정하는지 살펴보고, 모든 수치를 이미 가지고 있는 GPT-5.5 및 Claude Mythos 5 기준선과 비교하며, 솔직한 '기다릴 것인가, 다른 모델로 갈아탈 것인가'에 대한 결론을 내립니다. 여기에 있는 모든 수치는 OpenAI 자체의 발표와 초기 2차 보도에서 나온 것이며, 저희가 직접 실행한 테스트에서 나온 것이 아닙니다.
TL;DR
- GPT-5.6 Sol은 제한된 미리 보기 상태입니다. OpenAI API 및 Codex를 통해서만 제공되며, ChatGPT에는 없고 약 20개의 정부 승인 파트너에게만 제공됩니다. OpenAI에 따르면 일반 공개는 "수 주 내"입니다.
- 보고된 점수는 강력하지만 2차 출처에 기반합니다. 모델이 공개되기 전까지는 측정된 결과가 아닌 OpenAI의 주장으로 간주해야 합니다.
- 주요 수치 (OpenAI / 초기 보도 기준): Terminal-Bench 2.1 SOTA, Agent’s Last Exam 코드 모드 50% 이상, ExploitBench는 출력 토큰의 약 3분의 1로 동등한 성능.
- 작업이 에이전트형 코딩, 긴 터미널 작업 또는 방어적 보안과 관련되어 있고 몇 주 동안 지연시킬 수 있다면 기다리십시오.
- 지금 당장 프로덕션에 모델이 필요하다면 기다릴 필요가 없습니다. 오늘 테스트할 수 있는 대안들이 대부분의 격차를 좁혀줍니다.
점수를 읽기 전에 이 내용을 읽어보세요
벤치마크는 모델이 무엇을 할 수 있는지 알려줍니다. 하지만 모델을 사용할 수 있는지 여부는 알려주지 않습니다. GPT-5.6 Sol의 경우 이 두 가지는 별개의 사실이며, 현재로서는 두 번째 사실이 더 중요합니다.
이번 출시는 2026년 6월 2일 새로운 AI 모델에 대한 벤치마킹 및 평가를 설정한 행정명령에 따라 미국 행정부의 통제를 받습니다. OpenAI는 임시 조치로 이에 동의했습니다. MacRumors가 인용한 OpenAI의 말에 따르면, "우리는 이것이 향후 몇 주 내에 더 광범위한 가용성을 위한 가장 강력한 길이라고 믿기 때문에 이 단기적인 조치를 취하고 있습니다." OpenAI는 ChatGPT, Codex 및 API에서의 일반 공개가 수 주 내에 이루어질 것이라고 말합니다. 그때까지 이 점수들은 구매할 수 없는 것의 미리 보기에 불과합니다.
그러한 맥락은 이 글의 나머지 부분을 읽는 방식에 영향을 미칩니다. 터미널-벤치에서 4점 앞서는 것은 배포할 수 있다면 의미가 있습니다. 하지만 배포할 수 없다면, 로드맵을 중단할 이유가 아니라 계속 지켜볼 이유가 됩니다. Sol이 무엇이고 왜 잠겨 있는지에 대한 전체 그림을 원한다면, 저희의 GPT-5.6 Sol 설명서가 그 계보와 제약을 다룹니다. 정확한 API 모델 식별자는 아직 공개되지 않았으므로, 원하더라도 연결할 수 있는 것은 아무것도 없습니다.
Terminal-Bench 2.1: 주요 수치
Terminal-Bench는 모델이 터미널에서 실제 작업을 얼마나 잘 수행하는지 측정합니다. 파일 편집, 명령어 실행, 도구 연결, 오류 복구 등이 포함됩니다. 이는 단일 프롬프트에 응답하는 것보다 "이것이 에이전트형 코딩 작업을 처음부터 끝까지 수행할 수 있는가"에 대한 가장 가까운 공개 지표입니다. 이것이 OpenAI가 이 벤치마크를 전면에 내세운 이유입니다.
OpenAI 및 초기 보도에 따르면, Terminal-Bench 2.1의 새로운 "ultra" 구성인 Sol Ultra는 약 91.91%를 기록했으며, 표준 Sol은 약 88.8%를 기록했습니다. 참고할 수 있는 기존 기준선은 Claude Mythos 5가 약 88%, GPT-5.5가 약 83.4%입니다. 이러한 수치가 유지된다면, Sol의 표준 모드는 Mythos 5와 거의 동등하며, Sol Ultra는 다른 모델들을 몇 점 차이로 앞섭니다.
"울트라" 부분은 그 최고 점수에서 실제 역할을 합니다. OpenAI의 발표에 따르면, 울트라 모드는 "하위 에이전트를 활용하여 복잡한 작업을 가속화함으로써 단일 에이전트의 한계를 넘어섭니다." 따라서 91.91%는 하나의 모델이 더 열심히 생각한 결과가 아니라, 하나의 모델이 도우미를 생성한 결과입니다. 이것은 진정한 기능 변화이며, 주요 수치가 단일 GPT-5.5 호출에 깔끔하게 매핑되지 않는다는 것을 의미하기도 합니다. 오늘 실행할 수 있는 모델들의 직접적인 비교를 원한다면, Sol이 잠겨 있는 동안 저희의 Claude Opus 4.8 vs GPT-5.5 vs Gemini 3.5 비교가 더 나은 참고 자료입니다.
Agent’s Last Exam: "50%를 넘은 유일한 모델" 주장
Agent’s Last Exam은 포화 상태에 저항하도록 설계된 어려운 에이전트형 벤치마크입니다. 모델이 인간의 개입 없이 계획하고, 도구를 사용하며, 작업을 완료해야 하는 다단계 작업들로 구성됩니다. 코드 모드는 특히 소프트웨어 작업을 강조하는 부분입니다.
초기 보도에 따르면, GPT-5.6 Sol은 코드 모드에서 약 50.9%를 기록했으며, 50%를 넘은 유일한 모델로 묘사됩니다. 이 표현이 핵심입니다. 대부분의 최첨단 모델이 40%대에 머무는 벤치마크에서 절반을 넘었다는 것은 OpenAI가 출시의 기반으로 삼고 싶어 하는 종류의 도약입니다.
Terminal-Bench 수치와 동일한 주의를 기울여 읽으십시오. 50.9%는 우리가 측정한 수치가 아닌 2차 보고서의 주장이며, "50%를 넘은 유일한 모델"은 다른 연구소들이 몇 주 내에 도전할 스냅샷입니다. 솔직히 말해서, 만약 당신의 작업이 모델이 작업을 완료해야 하는 진정한 에이전트형, 장기 코딩이라면, 이것은 기다릴 가치가 있다는 벤치마크입니다. 작업이 더 짧은 요청-응답 코딩이라면, 이미 실행 중인 모델과의 격차는 헤드라인이 시사하는 것보다 작습니다.
ExploitBench: 순수한 점수보다 효율성
세 번째 벤치마크는 '기다릴 것인가, 다른 모델로 갈아탈 것인가' 결정에 가장 흥미로운 부분인데, 그 이유는 단순히 더 높은 점수에 관한 것이 아니기 때문입니다. ExploitBench (및 관련 ExploitGym)는 사이버 보안 역량을 측정합니다. Sol은 소프트웨어 취약점을 찾아내고 수정 사항을 작성하는 동시에, 완전한 익스플로잇 체인을 만드는 시도를 저항하도록 튜닝되었습니다. 이는 공격적인 해킹 모델이 아니라 방어적인 자세이며, OpenAI는 이를 "현재까지 가장 견고한 안전 스택"이라고 부릅니다.
초기 보도에 따르면, ExploitBench에서 Sol은 Anthropic의 Mythos Preview와 경쟁할 만하며, 출력 토큰은 약 3분의 1만 사용합니다. 동일한 패턴이 과학 분야에서도 나타나는데, GeneBench v1에서 OpenAI는 GPT-5.5보다 적은 토큰으로 성능 향상을 보고했습니다.
토큰 이야기는 실제 예산과 관련된 중요한 내용입니다. Sol이 출력 토큰의 3분의 1로 비슷한 품질 기준에 도달한다면, 해결된 작업당 실제 비용은 백만 토큰당 입력 $5 / 출력 $30이라는 요금표가 서류상으로 제시하는 것보다 훨씬 낮아집니다. 이것이 기다려야 하는 효율성 논거입니다. Sol이 모든 프롬프트에서 더 똑똑하다는 것이 아니라, 튜닝된 작업 부하에서 더 저렴하게 동일한 답을 얻을 수 있다는 것입니다. OpenAI 배포 안전 시스템 카드는 안전 및 사이버 프레임워크가 문서화된 곳이며, 어떤 사이버 수치든 중요한 것으로 취급하기 전에 읽어볼 가치가 있습니다.
기존 기준선과 비교하여 이 점수들을 어떻게 읽어야 하는가
세 가지 벤치마크를 종합하면 어떤 형태가 나타납니다. Sol의 강점은 길고, 에이전트형이며, 도구 사용이 많은 작업에서 가장 두드러집니다. 터미널 작업, 다단계 코딩, 방어적 보안 검사 등입니다. 이러한 작업에서 Sol은 Mythos 5보다 몇 점 앞서고 GPT-5.5보다는 더 큰 격차를 보이며, 토큰 효율성에서도 우위를 주장합니다.
벤치마크가 보여주지 않는 것도 마찬가지로 중요합니다. 공개된 최대 출력 토큰 제한, 명시된 지식 차단 시점, 확인된 양식 목록이 없습니다. 컨텍스트 창은 한 언론사에서 약 150만 토큰이라고 보고되었고 다른 곳에서는 "명시되지 않음"이라고 했으므로, 확인되지 않은 것으로 간주해야 합니다.
결론: 기다릴 것인가, 다른 모델로 갈아탈 것인가
솔직한 결론입니다.
기다리십시오: 핵심 작업 부하가 에이전트형 코딩, 긴 터미널 세션 또는 방어적 보안과 관련되어 있고, 몇 주 동안 기다릴 여유가 있다면 말입니다. Terminal-Bench의 선두, Agent’s Last Exam 결과, ExploitBench의 토큰 효율성은 모두 이 정확한 프로필을 가리킵니다. 이러한 작업에서 몇 퍼센트 포인트의 차이가 경제성에 영향을 미친다면 Sol은 면밀히 주시할 가치가 있습니다. 일반 공개 여부와, 더 중요하게는 출시 수치를 확인하거나 낮추는 독립적인 벤치마크를 주시하십시오.
기다릴 필요가 없습니다: 지금 당장 프로덕션에 모델이 필요하거나, 작업이 더 짧은 요청-응답 코딩, 채팅, 요약 또는 분류라면 말입니다. 어차피 오늘 Sol을 사용할 수 없으며, 모델 ID조차 공개되지 않았습니다. 그리고 지금 바로 실행할 수 있는 대안들은 일상적인 작업에서 대부분의 격차를 좁혀줍니다. 오늘 가지고 있는 문제를 해결하기 전에 잠긴 모델이 출시되기를 기다리는 것은 잘못된 선택입니다. 더 현명한 방법은 실제로 사용할 수 있는 최첨단 모델을 선택하는 것입니다. 저희의 오늘 사용할 수 있는 최첨단 모델 종합 정리는 Sol이 과대평가되는 작업에 각각의 모델을 매칭시킵니다.
한 가지 더 솔직한 점: 일반 공개(GA)가 이루어져도 첫 번째 물결은 Sol뿐만 아니라 Terra와 Luna를 포함한 전체 GPT-5.6 티어 라인업에 걸쳐 있을 것입니다. Terra는 GPT-5.5보다 약 2배 저렴하면서 비슷한 성능을 제공하는 것으로 포지셔닝되어 있으며, 이는 대부분의 팀이 결국 사용하게 될 티어입니다. 따라서 "Sol을 기다리는 것"은 실제로는 올바른 티어를 선택하기 위해 기다리는 것을 의미할 수 있으며, 이는 벤치마크 헤드라인이 암시하는 것보다 더 차분한 결정입니다.
기다리는 동안 Apidog는 어떤 역할을 할까요?
아직 Sol을 테스트할 수는 없습니다. 하지만 그동안 사용할 수 있는 다른 모든 것을 테스트할 수 있습니다. Mythos 5, GPT-5.5, Gemini 등 모든 모델은 OpenAI 호환 또는 표준 HTTP API를 제공하며, 오늘 Apidog에서 이들을 구동하고, 응답을 확인하며, 동작을 비교할 수 있습니다. 요청을 설정하고, 각 모델의 엔드포인트를 지정하면, 이 글이 다루는 결정에 대한 반복 가능한 도구를 갖게 됩니다.
그 도구는 Sol을 위한 첫날 준비이기도 합니다. 미리 보기 액세스 권한이 부여되거나 일반 공개(GA)가 시작되는 날, 엔드포인트와 모델 ID를 교체하고 이미 구축한 동일한 시나리오를 실행할 수 있습니다. 새로운 도구도, 혼란도 없습니다. 지금 사용할 수 있는 모델에 대한 테스트를 구축하려면 Apidog를 다운로드하여, 제한된 모델이 개방되는 순간 바로 준비할 수 있도록 하세요.
결론
GPT-5.6 Sol의 벤치마크는 강력하며, 특히 에이전트형 및 보안 작업에 대해 좁게 튜닝되었습니다. 그러나 여전히 오늘날에는 통과할 수 없는 정부 통제 하의 주장에 불과합니다. 만약 그러한 최첨단 프로필이 당신의 업무이고 몇 주를 기다릴 수 있다면 기다리십시오. 그렇지 않다면, 지금 배포할 수 있는 모델로 진행하고 Sol이 독립적인 수치와 공개 엔드포인트를 얻을 때 다시 검토하십시오.
Apidog에서 오늘 사용할 수 있는 모델에 대한 평가 도구를 구축하여, 액세스 권한이 부여되는 날 Sol을 테스트할 준비를 하십시오.