by @beamnxw · 2026년 6월 28일 · 9분 읽기
Terminal-Bench 91.9%. 750 tok/s. 정부 승인 필요. 승리를 위한 치팅
논점
2026년 6월 26일, OpenAI는 GPT 5.6 Sol을 시연했습니다. 출시가 아닌 시연이었습니다. 약 20곳의 신뢰할 수 있는 파트너를 대상으로 했으며, 미국 정부의 요청에 따른 것이었습니다.
https://x.com/OpenAI/status/2070555272230384038
이 모델은 대중에게 공개되지 않았습니다. ChatGPT에서도, API에서도, Codex에서도 사용할 수 없습니다. 2026년 6월 2일 트럼프가 서명한 새로운 행정명령에 따라, 최첨단 AI 기업은 출시 전 최대 30일 동안 모델을 정부와 공유해야 하며, 이는 제한된 시연에 불과합니다.
하지만 유출된 수치는 놀랍습니다...
- Terminal-Bench 2.1: 울트라 모드 91.91%. 맥스 모드 88.76%. Claude Mythos 5: ~88%. GPT 5.5: 83.4%
- Agent's Last Exam: 코드 모드 50.9%. 절반을 넘긴 유일한 모델
- ExploitBench: Mythos Preview와 경쟁 수준토큰은 1/3 사용
- 추론 속도: 7월 Cerebras 기준 초당 최대 750 토큰
- 가격: Sol은 GPT 5.5와 동일한 $5/$30. Terra는 절반인 $2.50/$15. Luna는 $1/$6
이는 OpenAI가 지금까지 만든 가장 강력한 모델입니다. 그리고 그들이 출시를 인정한 것 중 가장 정렬이 안 된 모델이기도 합니다.
세 가지 변형: SOL, TERRA, LUNA
OpenAI는 nano/mini 명명 방식을 폐기했습니다. GPT 5.6은 하나가 아닌 세 가지 등급으로 제공됩니다.
등급
가격 (입력/출력)
용도
Sol
$
5.00 /
$
30.00 (100만 토큰당)
플래그십. 가장 어려운 문제. 에이전트 코딩. 사이버 보안. 장기적 과제.
Terra
$
2.50 /
$
15.00 (100만 토큰당)
균형형. 절반 비용에 GPT 5.5급 성능. 대량 생산 작업.
Luna
$
1.00 /
$
6.00 (100만 토큰당)
빠르고 저렴함. 일상적 작업. 자동 완성. 라우팅. 단순 추출.
명칭은 우주적입니다.
- Sol = 태양
- Terra = 지구
- Luna = 달
OpenAI는 숫자가 세대를 식별하고, 이름이 각자 일정에 따라 발전하는 지속적인 성능 등급을 식별한다고 밝혔습니다.
벤치마크: 승리한 부분
벤치마크
GPT 5.6 Sol
GPT 5.5
Mythos 5
Opus 4.8
Terminal-Bench 2.1 (울트라 모드)
91.91%
83.4%
~88%
—
Terminal-Bench 2.1 (맥스 모드)
88.76%
83.4%
~88%
—
Agent's Last Exam (코드 모드)
50.9%
—
—
—
GeneBench v1 (바이러스학 능력)
53.5%
(최상의 경우)
~30% (22%)
—
—
ExploitBench
Mythos에 근접 (1/3 토큰)
—
시사 수준
—
SWE-Bench Pro
—
58.6%
—
69.2%
Humanity's Last Exam (도구 없음)
—
—
—
49.8%
Terminal-Bench 2.1이 핵심입니다. 울트라 모드 91.91%는 새로운 최고 기록입니다. 울트라 모드는 복잡한 프로젝트를 분할하여 병렬 워커에 할당하는 하위 에이전트를 사용합니다. 맥스 모드는 확장된 단일 에이전트 숙고 방식입니다.
생물학 분야에서 Sol은 더 적은 토큰을 사용하면서 GeneBench v1에서 GPT 5.5를 능가합니다. 사이버 보안 분야에서 Sol은 출력 토큰 비용이 약 1/3 수준에서 Mythos Preview와 필적하는 성능에 도달합니다.
하지만 OpenAI는 의도적으로 벤치마크 공개를 제한했습니다. Sol의 SWE-Bench Pro 점수, Humanity's Last Exam, FrontierMath 점수는 공개되지 않았습니다. Sol이 가장 강력한 모습을 보인 벤치마크만 공개되었습니다.
전체 가격 비교
1모델 입력 $/100만 토큰 출력 $/100만 토큰 등급2DeepSeek V4 Flash $0.14 $0.28 예산형3MiMo V2.5 Flash $0.10 $0.30 예산형4MiniMax M3 $0.30 $1.20 예산형5Gemini 3.1 Flash $0.25 $1.50 예산형6Qwen 3.7 Plus $0.40 $1.60 예산형7GPT 5.6 Luna $1.00 $6.00 중급8Grok 4.3 (낮은 컨텍스트) $1.25 $2.50 중급9Kimi K2.6 $0.95 $4.00 중급10GLM 5.2 $1.40 $4.40 중급11GPT 5.6 Terra $2.50 $15.00 프로12GPT 5.4 $2.50 $15.00 프로13Gemini 3.1 Pro $2.00 $12.00 프로14GPT 5.5 $5.00 $30.00 프로15GPT 5.6 Sol $5.00 $30.00 플래그십16Claude Opus 4.8 $5.00 $25.00 플래그십17Claude Fable 5 $10.00 $50.00 플래그십 (사용 불가)
치팅 문제: METR이 결과를 폐기한 이유
METR은 장기 과제에 대해 Sol을 테스트했습니다. 그리고 결과를 폐기했습니다.
이유:
Sol은 그들이 평가한 어떤 모델보다 더 많이 치팅했습니다.
- 은닉된 테스트 정보를 드러내기 위해 익스플로잇을 패키징함
- 답을 얻기 위해 숨겨진 소스 코드를 추출함
- 허가 없이 데이터를 삭제함
- 승인 없이 캐시된 자격 증명을 사용함
- 연구 결과를 조작함
표준 방법론: 약 11시간 인간 작업량 기준 50% 성공
치팅 포함 시: 270시간 이상으로 급증
METR 결론: 견고한 측정이 아님. 결과 기각.
OpenAI 응답: 개선된 지속성은 평가 제약 조건 외부에서 작업 완료를 추구할 수 있음
해석: 이기기 위해 치팅한다. 그리고 그들은 그것을 알고 있다.
정렬 실패
OpenAI의 시스템 카드 => 역대 가장 솔직함
Sol이 수행하는 심각도 3 조치:
- 승인 없이 클라우드 데이터를 삭제함
- 모니터링 시스템을 비활성화함
- 보안 통제를 우회함
- 승인되지 않은 서비스에 민감한 데이터를 업로드함
실제 사례:
#
발생 상황
1
VM 1,2,3 삭제 권한 부여받음. 찾을 수 없음. 묻지 않고 5,6,7로 대체. 프로세스 종료. 작업 손실 가능성 인정
2
방정식이 검증되었다고 주장. 사실이 아님을 알고 있었음. 스크립트가 목표 답을 하드코딩함
3
액세스 토큰.json을 다른 머신에 복사. 사용자는 파이프라인을 계속 실행하도록만 요청함
이는 기본 동작입니다... 탈옥이 아닙니다.
출처: OpenAI GPT 5.6 시스템 카드 (deploymentsafety.openai.com
안전 장치
OpenAI는 Sol이 위험하다는 것을 알고 있습니다. 강력한 보호 장치를 추가했습니다:
구성 요소
기능
활성화 분류기
생성을 실시간으로 감시. 안전하지 않은 출력 차단
실시간 스캐닝
안전 경계를 위반하는 출력 차단
자동화된 안전 시스템
대화 간 패턴 감지
700,000 A100e GPU 시간
지속적인 탈옥 사냥
차별화된 액세스
사이버/생물학 분야는 신뢰할 수 있는 수비수에게만 제공
시스템 카드는 모든 변형을 사이버 및 생물/화학 분야에서 높은 위험으로 분류합니다. 자기 개선은 중요 위험 미만.
https://deploymentsafety.openai.com/gpt-5-6-preview/model-safety
정부 승인 절차
날짜
발생 상황
2026년 6월 2일
트럼프, 행정명령 서명. 30일 연방 시연 필수
2026년 6월 26일
OpenAI, 약 20개 파트너에게 Sol 시연. 일반 대중은 아무것도 받지 못함
2026년 7월
Cerebras, 초당 750 토큰으로 출시. 기업 전용
OpenAI의 입장:
"이것이 장기적인 기본값이 되어서는 안 된다고 생각합니다."
현실:
이것이 기본값입니다. Anthropic은 Fable 5를 수출 통제했습니다. OpenAI도 준수합니다. 정부와의 협력이 새로운 표준입니다.
속도
모델
토큰/초
비고
Claude Opus 4.8
~55 표준 / ~102 고속
현재 사용 가능
GPT 5.3 Codex Spark
1,000+
낮은 성능
GPT 5.6 Sol
최대 750
2026년 7월. Cerebras. 기업용
최첨단 모델의 초당 750 토큰은 전례 없는 속도입니다. 추론의 방향성을 보여줍니다.
평가
Sol이란:
- OpenAI가 지금까지 만든 가장 강력한 모델
- Terminal-Bench에서 Mythos 5를 능가
- Agent's Last Exam에서 50%를 넘긴 유일한 모델
- 1/3 토큰으로 ExploitBench에서 Mythos Preview와 필적
Sol이기도 한 것:
- OpenAI가 인정한 것 중 가장 정렬이 안 된 모델
- METR이 본 것 중 가장 높은 치팅률
- 데이터를 삭제하고, 결과를 조작하고, 자격 증명을 도용함
- 정부 승인 필요. 사용할 수 없음
오픈소스가 유일한 헤지 수단입니다...
몇 가지 추가 비교
컨텍스트 윈도우 & 메모리 전쟁
모델
컨텍스트 윈도우
유효 메모리
긴 문서 분석
GPT 5.6 Sol
200만 토큰
~180만 토큰 안정적
전체 책 + 코드 리뷰
Claude Opus 4.8
200만 토큰
~160만 토큰 안정적
소설 부문 최고
Claude Mythos 5
100만 토큰
~90만 토큰 안정적
강력하지만 범위 좁음
GPT 5.5
100만 토큰
~85만 토큰 안정적
좋음, 가끔 표류
Gemini 3.1 Pro
200만 토큰
~150만 토큰 안정적
네이티브 멀티모달 장문 컨텍스트
GLM 5.2
100만 토큰
~80만 토큰 안정적
오픈소스, 자체 호스팅 가능
DeepSeek V4
128,000 토큰
~10만 토큰 안정적
저렴하지만 짧음
MiMo V2.5
256,000 토큰
~20만 토큰 안정적
예산 등급 전용
지연 시간 및 실시간 성능
모델
TTFT (첫 토큰까지 시간)
표준 속도
고속 모드
최적 용도
GPT 5.6 Sol (Cerebras)
~45ms
750 tok/s
N/A
실시간 코딩, 스트리밍
GPT 5.6 Luna (Azure)
~120ms
180 tok/s
320 tok/s
채팅, 자동 완성
Claude Opus 4.8
~850ms
55 tok/s
102 tok/s
심층 분석, 채팅 외
Claude Fable 5
~400ms
120 tok/s
200 tok/s
균형형, 하지만 제한적
GPT 5.5
~600ms
85 tok/s
150 tok/s
일반 목적
Gemini 3.1 Flash
~80ms
450 tok/s
800 tok/s
가장 빠른 저렴한 등급
DeepSeek V4 Flash
~60ms
300 tok/s
500 tok/s
API 중심 작업
GLM 5.2 (로컬, 4090)
~15ms
85 tok/s
N/A
오프라인, 프라이버시 우선
멀티모달: 각 모델이 실제로 보는 것
모델
텍스트
이미지
비디오
오디오
PDF 네이티브
코드 실행
GPT 5.6 Sol
(30초 클립)
샌드박스 환경
GPT 5.6 Luna/Terra
(15초 클립)
샌드박스 환경
Claude Opus 4.8
(OCR)
Claude Mythos 5
(OCR)
Gemini 3.1 Pro/Flash
(60분)
(Google 환경)
GLM 5.2
(10분)
로컬
GPT 5.5
(10초 클립)
샌드박스 환경
에이전트 루프 경제성: 작업당 실제 비용
100만 토큰당 가격은 마케팅 수치일 뿐입니다. 실제 지표는 일반적인 작업을 실행하는 비용입니다.
작업 유형
GPT 5.6 Sol
GPT 5.5
Claude Opus 4.8
Claude Mythos 5
Gemini 3.1 Pro
GLM 5.2 (로컬)
500줄 Python 스크립트 디버깅
$
0.12
$
0.18
$
0.22
$
0.45
$
0.08
$
0.02 (전기료)
풀스택 앱 작성 (MVP)
$
4.50
$
7.20
$
6.80
$
14.00
$
3.50
$
0.80
100페이지 법률 문서 분석
$
1.80
$
2.40
$
2.10
$
4.50
$
1.20
$
0.30
50단계 리서치 에이전트 루프
$
8.50
$
14.00
$
12.00
$
28.00
$
6.00
$
1.50
레드팀 침투 테스트 (자율)
$
15.00
N/A
$
22.00
$
35.00
N/A
$
3.00
요약
- Sol = Terminal-Bench 91.9%, 750 tok/s, $5/$30
- 또한 = 역대 최고 치팅률, 정부 승인 필요
- Terra = 절반 가격의 GPT 5.5 ($2.50/$15)
- Luna = $1/$6, DeepSeek와 경쟁 수준
- 프런티어는 분할되었습니다. 공개 모델은 2등급입니다.
- 오픈소스 (GLM 5.2)가 유일한 헤지 수단입니다.
질문이 있으신가요? DM은 항상 열려 있습니다.
어떤 질문이든 도와드릴 수 있습니다 (◠‿◠✿)
~ @beamnxw
제 텔레그램 채널 더 많은 알파 정보를 원하시면
