GPT-5.6 출시 정리: Sol, Terra, Luna가 개발 워크플로우에 주는 변화

OpenAI가 GPT-5.6 제품군을 일반 공개했습니다. 이번 발표에서 개발자가 봐야 할 핵심은 모델 이름이 하나 더 늘었다는 점이 아니라, 같은 작업을 더 적은 토큰과 더 짧은 시간에 끝내려는 방향이 분명해졌다는 점입니다. GPT-5.6은 Sol, Terra, Luna 세 모델로 나뉩니다. Sol은 플래그십, Terra는 일상적인 작업을 위한 균형형, Luna는 비용 효율형입니다.

실무 개발자 입장에서는 "가장 똑똑한 모델이 나왔다"보다 "어떤 작업을 어떤 모델에 맡겨야 총 비용이 줄어드는가"가 더 중요합니다. 특히 에이전트형 코딩, 브라우징, 문서 작성, 보안 검토처럼 토큰을 많이 쓰는 업무에서는 모델 단가보다 성공률, 재시도 횟수, 출력 토큰 수가 비용을 좌우합니다.

왜 이번 업데이트를 봐야 하나

OpenAI는 GPT-5.6 Sol이 코딩, 지식 작업, 사이버보안, 과학 영역에서 이전 세대보다 높은 성능을 내면서도 출력 토큰과 예상 비용을 줄였다고 설명했습니다. 공개 자료에는 여러 벤치마크 수치가 포함됐습니다. 예를 들어 Agents' Last Exam에서는 GPT-5.6 Sol이 53.6점을 기록했고, Artificial Analysis Coding Agent Index에서는 max reasoning 설정 기준 80점을 기록했다고 합니다.

다만 벤치마크 숫자는 그대로 제품 선택 기준이 되기 어렵습니다. 팀에서 확인해야 할 것은 세 가지입니다.

• 우리 코드베이스에서 실제 PR을 통과시키는 비율
• 같은 작업을 끝내는 데 필요한 평균 요청 횟수
• 실패했을 때 사람이 개입하는 시간이 줄어드는지

벤치마크는 방향을 보여주지만, 운영 기준은 내부 작업 로그에서 나와야 합니다.

Sol, Terra, Luna를 나누는 현실적인 기준

Sol은 어려운 설계, 복잡한 디버깅, 장기 작업, 보안 검토처럼 실패 비용이 큰 작업에 적합합니다. 예를 들어 레거시 결제 모듈 리팩터링, 멀티 패키지 모노레포 변경, 취약점 패치 검증처럼 한 번 잘못 판단하면 되돌리는 비용이 큰 작업은 Sol로 시작하는 편이 합리적입니다.

Terra는 일상적인 개발 보조에 맞습니다. API 문서 요약, 테스트 케이스 생성, 간단한 버그 원인 분석, PR 설명 작성, 데이터 변환 스크립트 초안처럼 정확도와 비용의 균형이 필요한 작업에 배치할 수 있습니다.

Luna는 대량 처리에 어울립니다. 로그 분류, 짧은 문서 태깅, 단순 코드 리뷰 코멘트 초안, 검색 결과 요약처럼 개별 작업의 난도가 낮고 반복량이 많은 경우 비용 절감 효과가 큽니다.

실무에서는 모델을 하나로 고정하지 말고 작업 라우팅 규칙을 두는 편이 낫습니다. 처음부터 Sol만 쓰면 비용이 커지고, Luna만 쓰면 재시도와 사람 검수 시간이 늘어날 수 있습니다.

Programmatic Tool Calling이 중요한 이유

이번 발표에서 눈에 띄는 부분은 Responses API의 Programmatic Tool Calling입니다. OpenAI 설명에 따르면 GPT-5.6은 도구를 호출하고, 중간 결과를 처리하고, 필요한 정보만 남기고, 다음 액션을 정하는 작은 프로그램을 작성해 실행할 수 있습니다.

이 방식은 에이전트 운영에서 꽤 중요합니다. 기존 구조에서는 도구 응답 전체를 다시 모델에 넣는 경우가 많았습니다. 검색 결과 20개, 테스트 로그 수천 줄, JSON 응답 전체를 매번 모델 컨텍스트에 넣으면 비용과 지연 시간이 늘어납니다. Programmatic Tool Calling은 중간 데이터를 코드로 필터링하고 필요한 값만 모델 판단에 넘기는 구조를 만들 수 있습니다.

예를 들어 CI 실패 분석 에이전트라면 다음 순서가 가능합니다.

1. 실패 로그에서 에러 라인과 스택트레이스만 추출합니다.
2. 최근 변경 파일 목록과 매칭합니다.
3. 관련 테스트만 다시 실행합니다.
4. 최종 요약에는 원인 후보와 재현 명령만 남깁니다.

이렇게 하면 모델이 모든 로그를 읽는 대신, 모델이 판단해야 하는 정보만 읽게 됩니다.

ultra와 병렬 에이전트는 언제 써야 하나

GPT-5.6에는 ultra라는 높은 capability 설정도 소개됐습니다. OpenAI는 ultra가 기본적으로 4개 에이전트를 병렬로 조율해 복잡한 작업을 더 빠르게 끝내는 방향이라고 설명합니다. API에서는 multi-agent beta로 유사한 경험을 만들 수 있다고 합니다.

다만 병렬 에이전트는 모든 작업의 정답이 아닙니다. 작은 버그 하나를 고치는데 병렬 에이전트 4개를 쓰면 오히려 비용이 낭비됩니다. 병렬화가 맞는 작업은 다음 조건을 만족합니다.

• 문제를 독립된 하위 작업으로 나눌 수 있다.
• 각 하위 작업의 결과를 검증하거나 합칠 기준이 있다.
• 사람이 직접 나눠서 처리하면 시간이 오래 걸린다.
• 실패했을 때 부분 결과라도 재사용할 수 있다.

예를 들어 대규모 마이그레이션에서는 한 에이전트가 타입 오류를 정리하고, 다른 에이전트가 테스트 실패를 분석하고, 또 다른 에이전트가 문서와 릴리즈 노트를 정리하는 식으로 나눌 수 있습니다. 반대로 인증 버그처럼 공유 상태가 민감한 작업은 병렬화보다 단일 흐름이 안전합니다.

코딩 모델 선택 기준을 다시 잡아야 한다

OpenAI는 GPT-5.6 Sol이 Terminal-Bench 2.1, DeepSWE, Coding Agent Index 등에서 강한 결과를 냈다고 밝혔습니다. 하지만 최근 OpenAI가 SWE-Bench Pro 품질 문제를 지적한 것처럼, 코딩 벤치마크는 데이터셋 품질과 테스트 설계에 영향을 크게 받습니다.

따라서 팀 내부에서는 별도 평가셋이 필요합니다. 최소한 다음 20~50개 케이스를 만들어야 합니다.

• 최근 3개월간 실제 발생한 버그
• 사람이 처리한 리팩터링 PR
• 테스트가 깨지기 쉬운 모듈
• 요구사항이 애매해 모델이 오해하기 쉬운 작업
• 보안 또는 데이터 손실 위험이 있는 작업

각 모델에 같은 작업을 주고 성공률, 소요 시간, 출력 토큰, 리뷰 수정 횟수를 기록하면 모델 선택이 훨씬 선명해집니다.

운영팀이 바로 바꿔야 할 설정

첫째, 모델 라우팅 테이블을 만드세요. "모든 작업은 최신 모델" 같은 규칙은 운영비를 키웁니다. 작업 난도와 실패 비용에 따라 Sol, Terra, Luna를 나누는 것이 좋습니다.

둘째, 고비용 작업에는 사전 승인 단계를 넣으세요. ultra나 병렬 에이전트는 강력하지만 토큰 사용량이 커질 수 있습니다. 예상 비용이 특정 금액을 넘으면 사람 승인 후 실행하는 정책이 필요합니다.

셋째, 성공률만 보지 말고 재시도율을 보세요. 모델 A가 한 번에 끝내는 작업을 모델 B가 세 번 만에 끝낸다면, 단가가 낮아도 실제 비용은 더 높을 수 있습니다.

넷째, 보안 작업은 접근 권한을 분리하세요. OpenAI는 사이버보안 영역에서 고급 기능과 trusted access를 언급했습니다. 내부에서도 보안 검토 에이전트가 접근할 수 있는 저장소, 로그, 비밀값 범위를 제한해야 합니다.

오늘 적용할 체크리스트

• Sol, Terra, Luna를 작업 난도별로 라우팅하는 초안 정책을 만든다.
• 최근 완료한 개발 작업 20개를 내부 모델 평가셋으로 정리한다.
• 에이전트 작업 로그에 성공 여부, 재시도 횟수, 토큰 사용량, 사람 개입 시간을 기록한다.
• Programmatic Tool Calling으로 줄일 수 있는 대용량 로그/검색/JSON 처리 구간을 찾는다.
• ultra나 multi-agent 실행에는 예상 비용과 승인 기준을 붙인다.
• 벤치마크 수치는 참고만 하고, 우리 코드베이스 기준의 통과율을 최종 지표로 삼는다.

출처: OpenAI GPT-5.6 발표, GitHub Copilot changelog, Anthropic Claude Platform release notes.