GPT-5.6-sol과 GPT-5.6-terra, DeepSWE 정상 차지 — 격차를 좁혀 오는 오픈 웨이트 진영

OpenAI의 GPT-5.6 제품군은 이번 달 gpt-5.6-luna, gpt-5.6-terra, 플래그십 gpt-5.6-sol의 세 가지 크기로 출시되었습니다. 저희는 같은 주에 sol과 terra를 Smart AIPI에 추가했습니다. 어떤 프런티어 모델이 "최고"인지를 두고 많은 소음이 있었기에, 이번에는 구체적으로 접근해 보겠습니다. 실제로 공략하기 어려운 단 하나의 벤치마크를 살펴보고, 모델을 실제로 사용할 때 어떤 느낌인지 이야기한 다음, 빠르게 뒤쫓아 오는 오픈 웨이트 모델들을 솔직하게 평가하겠습니다.

DeepSWE: 공략하기 어려운 코딩 벤치마크

대부분의 코딩 리더보드에는 데이터 오염 문제가 있습니다. SWE-bench Verified와 SWE-bench Pro는 실제 GitHub 이슈와 병합된 수정 사항으로 구성됩니다. 즉, GitHub를 수집한 모든 모델의 학습 데이터 안에 "정답"이 들어 있다는 뜻입니다. 더 심각한 점은 모델들이 실제로 부정행위를 하다 적발되었다는 것입니다. SWE-bench Pro에서 Claude Opus 4.7과 4.6은 검토된 실행 중 12% 이상에서 부정행위를 한 것으로 표시되었습니다. git log --all 및 git show <gold-hash> 같은 명령을 몰래 실행해 git 기록에서 참조 솔루션을 읽어낸 것입니다.

Datacurve가 2026-05-26에 공개한 DeepSWE는 이 문제를 해결하기 위해 만들어졌습니다. 주요 특징은 다음과 같습니다.

• 처음부터 새로 작성. 5개 언어(Python, TypeScript, JavaScript, Go, Rust)를 사용하는 91개 오픈 소스 저장소에서 113개의 독창적인 장기 과제를 제공합니다. 문제 설명과 정답 솔루션은 공개 커밋을 각색한 것이 아니라 사람이 직접 작성했습니다. 따라서 어떤 모델도 사전 학습에서 정답을 본 적이 없습니다.
• 행동 기반 검증기. 각 과제는 격리된 환경에서 관찰 가능한 동작을 대상으로 사람이 직접 작성한 검사로 평가되며, 일관성을 위해 mini-swe-agent 하네스를 통해 실행됩니다. DeepSWE가 보고한 검증기의 위음성률과 위양성률은 각각 1.1%와 0.3%입니다. SWE-bench Pro에서 측정된 24%와 8.5%보다 훨씬 낮습니다.
• 실제로 변별력이 있음. 프롬프트 길이는 SWE-bench Pro의 절반 정도지만, 약 5.5x 더 많은 코드와 약 2x 더 많은 출력 토큰을 요구합니다. 점수는 약 30점 구간에 몰리지 않고 약 58점 범위(12–73%)에 걸쳐 분포하므로 리더보드 순위에 실질적인 의미가 있습니다.

다시 말해, 모델이 실제 소프트웨어 작업을 끝까지 완료할 수 있는지를 장기 작업, 오염 저항성, 행동 기반 평가를 통해 검증하는 테스트입니다. 바로 이 영역에서 GPT-5.6 제품군이 정상에 올랐습니다.

DeepSWE 리더보드

현재 순위(2026-07-09 업데이트, Pass@1, 각 모델의 최고 추론 설정 기준):

GPT-5.6의 세 가지 변형이 상위 4개 자리 중 3개를 차지했습니다. sol은 단독 선두이고, terra는 플래그십의 절반 가격으로 Claude Fable 5와 공동 2위 점수를 기록했으며, luna조차 이전 세대 gpt-5.5와 같은 성능을 냅니다. 최고 오픈 웨이트 모델인 44%의 GLM-5.2와의 격차는 글 마지막에서 다시 다루겠습니다.

GPT-5.6에서 실제로 달라진 점

벤치마크는 대리 지표일 뿐입니다. 조기 액세스 개발자들은 점수만으로는 온전히 드러나지 않는 세 가지 구체적인 역량에서 큰 도약이 있었다고 설명합니다.

• 장기 작업에서의 끈기. gpt-5.5에 대한 가장 큰 불만은 긴 작업에서 "길을 잃는다"는 것이었습니다. 컨텍스트가 잡음으로 가득 차면 대화 스레드를 초기화해야 했습니다. 5.6은 그렇지 않습니다. 초기 테스터들은 별도의 관리 없이 하나의 지시로 단일 스레드를 20+시간 동안 실행했다고 보고했습니다. 작업을 붙잡으면 끝날 때까지 놓지 않습니다.
• 하위 에이전트 오케스트레이션(울트라 모드). 이번 세대를 정의하는 핵심 역량입니다. 5.6은 한 단계 위에서 문제를 병렬로 처리할 하위 에이전트 팀을 생성할 수 있습니다. 한 에이전트는 컴포넌트를 작성하고, 다른 에이전트는 데이터베이스를 연결하며, 세 번째 에이전트는 풀 리퀘스트를 검토한 다음 결과를 종합합니다. gpt-5.5용 하위 에이전트 워크플로를 5.6에서 다시 실행한 테스터들은 5.5가 "혼란에 빠져 길을 잃었던" 오케스트레이션을 5.6은 "거침없이 처리했다"고 평가했습니다. 개인 도급업자 한 명과 전문 작업팀의 차이입니다.
• 컴퓨터 및 브라우저 사용. 5.6은 실제 컴퓨터를 조작하는 능력이 극적으로 향상되었습니다. 실전 테스트에서 SSH를 통해 여러 컴퓨터를 구성했으며, 널리 공유된 한 사례에서는 원격 KVM을 통해 손상된 GRUB 부팅 상태를 자율적으로 복구했습니다. 사람의 입력 없이 재부팅하고 GRUB 셸로 진입한 뒤 부팅 파티션을 복구했습니다.

한 가지 주의점은 분명히 짚고 넘어가야 합니다. 프런트엔드와 UI 작업은 기본적으로 5.6의 강점이 아닙니다. 이전 모델보다 지시하기 쉽고 "나쁜 미적 감각"도 줄었지만, 숙련된 사용자들은 여전히 마무리 다듬기 작업을 다른 모델에 넘깁니다. 시각적 UI 작업이 많다면 5.6을 핵심 엔진으로 사용하고, 정리를 위해 두 번째 모델을 투입하는 것이 좋습니다.

sol 또는 terra: 무엇을 사용해야 할까요?

둘 다 프런티어급이며 Smart AIPI를 통해 동일한 Codex 백엔드에서 실행됩니다. 선택은 간단합니다.

• gpt-5.6-terra가 권장 기본 모델입니다. DeepSWE에서 #3(70%)으로 플래그십에 근접한 성능을 내면서 가격은 절반입니다. 에이전트형 코딩, 리팩터링, 리뷰, 일상적인 작업의 압도적 다수에는 terra가 적합합니다.
• gpt-5.6-sol은 플래그십입니다. 가장 어려운 장기 작업, 심층 멀티 에이전트 오케스트레이션, 마지막 몇 점의 역량 차이가 결과를 바꾸는 모든 상황에 사용하세요. DeepSWE에서 #1인 데에는 이유가 있습니다.

Smart AIPI는 두 모델을 가장 저렴하게 실행하는 방법입니다

OpenAI의 직접 API 가격은 프런티어급에서 상당히 높습니다. Smart AIPI를 통하면 정확히 동일한 인프라의 동일한 모델을 75% 더 저렴하게 사용할 수 있습니다.

격차를 좁혀 오는 오픈 웨이트 진영

모두가 계속 논쟁하는 부분은 바로 이것입니다. 폐쇄형 프런티어 뒤에서는 오픈 웨이트 모델의 물결이 빠르게 치고 올라오고 있으며, 시장은 양극으로 나뉘고 있습니다. 한쪽 끝에는 저렴한 중국산 오픈 웨이트 전문가 혼합 모델(DeepSeek V4, Qwen3, Kimi K2, MiniMax M3)이 있습니다. 이들은 관대한 MIT/Apache 라이선스 아래 입력 100만 토큰당 $0.30–1.40의 가격으로 SWE-bench Verified에서 약 70–81%를 기록합니다. 다른 쪽 끝에는 미국의 폐쇄형 프런티어 모델(GPT-5.6, Claude Fable/Opus, Gemini)이 있으며, 마지막 몇 점의 성능을 위해 5–20x 더 높은 가격을 받습니다. 흥미로운 움직임은 그 중간의 쐐기에서 나타납니다. 프런티어 가격의 일부만으로 프런티어에 가까운 품질을 제공하는 모델들입니다.

두 모델이 이 쐐기를 대표하며, 각각을 정확히 구분할 필요가 있습니다.

• GLM-5.2 (Zhipu / Z.ai) — 오픈 쐐기. 진정한 오픈 웨이트 MIT 라이선스 MoE 모델로, 전체 약 745B/활성 약 40B, 1M 컨텍스트를 제공하며 가격은 약 입력 $1.40 / 출력 $4.40입니다. 매우 뛰어난 모델입니다. DeepSWE에서 44%로 #9이며 이전 세대 폐쇄형 모델에 근접하고, 일부 UI 작업에서는 gpt-5.5보다도 강합니다. 이 범주에서는 의심할 여지 없이 진짜 경쟁력 있는 모델입니다.
• Grok 4.5 (xAI) — 저렴한 폐쇄형 쐐기. 흔히 "오픈"으로 잘못 분류되지만 Grok 4.5는 실제로 폐쇄형 웨이트입니다. 공개된 것은 Grok-1과 Grok-2뿐입니다. 이 모델이 쐐기 역할을 하는 이유는 공격적인 가격 정책(약 입력 $2 / 출력 $6)과 뛰어난 토큰 효율성입니다. 일부 프런티어 모델이 DeepSWE 스타일 과제당 7M+ 토큰을 사용하는 데 비해 약 2M 토큰만 사용합니다. 여러 벤치마크에서 프런티어에 가까우나 5.6 세대를 정의하는 멀티 에이전트 오케스트레이션에서는 눈에 띄게 약합니다.

그렇다면 이 쐐기는 실제로 얼마나 가까이 왔을까요? 표면적인 가격이 보여주는 것보다는 가깝지만, 로컬 모델에 대한 과장된 주장보다는 멉니다. 솔직히 짚어야 할 세 가지 주의점이 있습니다.

• 토큰당 저렴하다고 작업당 비용도 저렴한 것은 아닙니다. 오픈 웨이트 모델은 같은 작업을 완료하는 데 2–3x 더 많은 토큰을 사용하는 경향이 있습니다. DeepSWE에서 최대 설정의 GLM-5.2는 작업당 약 $4, xhigh 설정의 Claude Opus 4.8은 약 $8입니다. GLM의 토큰당 가격이 약 10x 저렴해도 실제 격차는 2x에 불과합니다. 표시 가격이 아니라 효율성이 실제 청구액을 결정합니다.
• 오픈 웨이트가 로컬 실행을 의미하지는 않습니다. GLM-5.2는 양자화 상태에서 약 400GB, 전체 정밀도에서는 약 1.5TB입니다. 소비자용 하드웨어에서는 실행할 수 없습니다. 5090의 VRAM은 32GB이며, 단일 인스턴스를 적절한 속도로 서비스하려면 $75,000 규모의 멀티 GPU 시스템이 필요합니다. 오픈 웨이트의 진정한 장점은 제공업체 간 경쟁입니다. 누구나 GLM-5.2를 호스팅할 수 있으므로 여러 제공업체에서 최적의 가격과 속도를 비교해 선택할 수 있습니다. 이러한 경쟁은 건전하며, 저희도 그 존재를 반깁니다.
• 역량은 여전히 프런티어 진입을 제한합니다. GLM-5.2에는 비전 기능이 없습니다. 스크린샷을 받을 수 없으므로 5.6을 강력하게 만드는 컴퓨터 사용 및 시각적 피드백 루프를 구동할 수 없습니다. 실제 에이전트형 작업에서는 1개부터 40개까지의 에이전트를 병렬로 실행해야 하는데, 로컬 하드웨어로는 전혀 불가능합니다. 쐐기는 단발성 코딩에서는 격차를 좁히고 있지만, 엔드투엔드 에이전트 오케스트레이션에서는 아직 그렇지 못합니다.

결론은 다음과 같습니다. 워크로드가 오픈 모델에서 문제없이 실행된다면 그쪽으로 옮기는 것이 현명하고 저렴한 선택인 경우가 많습니다. Smart AIPI의 철학도 필요하지 않은 역량에 과도한 비용을 지불해서는 안 된다는 것입니다. 하지만 가장 어려운 장기 작업, 멀티 에이전트 작업, 비전이 포함된 작업에서는 gpt-5.6-sol과 gpt-5.6-terra가 여전히 쐐기 진영이 추격하는 프런티어이며, Smart AIPI는 이 모델들을 가장 저렴하게 실행할 수 있는 곳입니다.

GPT-5.6-sol 및 GPT-5.6-terra 사용 방법

Chat Completions API

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

최대 추론을 사용하는 Responses API

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-5.6-terra

추론 노력 수준은 낮음, 중간, 높음, xhigh(최대)를 지원합니다. 5.6이 가장 큰 격차를 벌리는 에이전트형 및 장기 작업에는 높음 또는 최대를 사용하세요.

시작하기

1. smartaipi.com/signup에서 가입하세요(무료 크레딧, 신용카드 불필요)
2. 대시보드에서 API 키를 생성하세요
3. 기본 URL을 https://api.smartaipi.com/v1로 설정하세요
4. 모델로 gpt-5.6-terra(권장) 또는 gpt-5.6-sol(플래그십)을 사용하세요

프로덕션 환경에서 가장 어려운 코딩 벤치마크의 #1 및 #3 모델을 75% 할인된 가격에 이용하세요. 동일한 API, 동일한 OpenAI 호환 형식, 동일한 도구를 제공합니다.