이미지: X — 프론티어랩 화면 갈무리
요약
- 부동산 스타트업 하이파AI는 GPT-5.6 Luna로 문서 추출 정확도 98%를 유지하며 비용을 18분의 1로 줄였다
- 금융 리서치 스타트업 로고AI는 프로그래매틱 툴 콜링으로 입력 토큰을 21% 줄이면서도 평가 품질을 유지했다
- GPT-5.6 Sol은 ARC-AGI-3 점수를 13.3%에서 38.3%로 올리면서 출력 토큰은 약 6분의 1로 줄였다
- 하이파AI 정확도
- GPT-5.5 대비 98% 유지 (GPT-5.6 Luna)
- 하이파AI 비용
- 기존 대비 18분의 1
- 로고AI 토큰 절감
- 입력 토큰 21% 감소, 평가 품질 동일
- GPT-5.6 Sol ARC-AGI-3 점수
- 13.3% → 38.3%
- GPT-5.6 Sol 출력 토큰
- 약 6분의 1로 감소
- GPT-5.6 Luna 가격(배경)
- 100만 토큰당 입력 0.20달러 · 출력 1.20달러 (80% 인하)
- GPT-5.6 Sol 가격(배경)
- 100만 토큰당 입력 5달러 · 출력 30달러
문서 처리 비용, 18분의 1로 줄었다
오픈AI 개발자 계정이 공개한 사례에 따르면, 부동산 스타트업 하이파AI(Hypha AI)는 계약서와 공시 자료 같은 문서에서 정보를 뽑아내는 작업에 GPT-5.6 Luna를 붙였다. 결과는 이전 모델인 GPT-5.5 대비 정확도를 98% 유지하면서 비용은 18분의 1 수준으로 줄었다는 것이다. 문서 추출은 정확도가 조금만 떨어져도 후속 업무에 오류가 번지는 작업이라, 정확도를 거의 그대로 두고 비용만 크게 낮췄다는 점이 눈에 띈다.
금융 리서치는 토큰 21% 줄여 같은 품질
금융 리서치 스타트업 로고AI(Rogo AI)는 공시 자료를 가져와 분석하는 작업에 프로그래매틱 툴 콜링 — AI가 필요한 도구를 코드로 직접 호출해 결과를 받아오는 방식 — 을 적용했다. 이 방식으로 평가 품질은 그대로 유지한 채 입력 토큰 사용량을 21% 줄였다. 모델을 바꾸지 않고도 도구를 부르는 방식만 손봐서 비용을 낮춘 사례다.
GPT-5.6 Sol, 추론은 유지한 채 압축한다
오픈AI는 자체 벤치마크에서도 비슷한 결과를 확인했다. ARC-AGI-3는 학습한 패턴을 반복하는 게 아니라 한 번도 본 적 없는 문제를 얼마나 잘 푸는지 재는 시험으로, LLM이 유독 약한 영역으로 꼽힌다. GPT-5.6 Sol은 '추론 유지(retained reasoning)'와 '압축(compaction)' 기법을 적용해 이 시험 점수를 13.3%에서 38.3%로 끌어올렸다. 점수를 세 배 가까이 올리는 동안 출력 토큰 사용량은 오히려 약 6분의 1로 줄었다는 게 오픈AI의 설명이다. 점수를 올리려면 토큰을 더 쓰는 게 일반적인데, 이번 결과는 그 반대 방향으로 움직인 셈이다.
비용 대비 성능, 어디쯤 서 있나
오픈AI는 독립 분석기관 아티피셜 애널리시스(Artificial Analysis)의 코딩 지수 차트도 함께 제시했다. 아티피셜 애널리시스는 모델의 성능·속도·가격을 재서 순위를 매기는 채점 기관으로, 모델을 직접 만들지는 않는다. 차트에서 확인되는 상위 구간을 정리하면 아래와 같다(그래프 상 위치를 기준으로 한 근사치).
| 모델 | API 비용(추정) | 지수 점수(추정) |
|---|---|---|
| GPT-5.6 Sol | ~$2,400 | ~80.1 |
| Claude Fable 5 | ~$3,700 | ~77.2 |
| GPT-5.6 Luna | ~$550 | ~77.5 |
| GPT-5.5 | ~$1,700 | ~76.5 |
| GPT-5.6 Terra | ~$550 | ~73 |
| Claude Opus 4.8 | ~$2,400 | ~72.7 |
| Gemini 3.1 Pro Preview | ~$650 | ~42.7 |
같은 비용 구간(~$2,400)에서 GPT-5.6 Sol이 Claude Opus 4.8보다 높은 점수를 냈고, GPT-5.6 Luna는 Terra보다 훨씬 낮은 비용으로 비슷하거나 더 높은 점수를 기록했다. 세 등급(Luna·Terra·Sol) 중 어느 모델을 고르느냐에 따라 같은 예산으로 얻을 수 있는 성능 차이가 크다는 뜻이다.
가격 전쟁 위에 놓인 발표
이번 사례는 최근 며칠 이어진 가격 경쟁의 연장선에 있다. 지난 8월 14일 보도에 따르면 오픈AI는 GPT-5.6 Luna의 가격을 입력·출력 토큰 모두 80%씩 내려 100만 토큰당 입력 0.20달러, 출력 1.20달러로 낮췄다. 앤트로픽 역시 최상위 모델 Fable 5의 절반 가격에 Opus 5를 내놓는 등, 문샷·딥시크 같은 중국 모델의 추격에 맞서 가격을 낮추는 흐름이 이어지고 있다. 이번 발표는 그 가격 인하가 실제 현장에서 어떻게 작동하는지를 보여주는 사례에 가깝다. 모델 자체 가격을 내리는 것 못지않게, 어떤 작업에 어떤 등급의 모델을 골라 쓰고 툴 호출을 어떻게 설계하느냐가 실제 청구서에 더 크게 영향을 미친다는 점이 이번 사례들의 공통점이다.
에디터의 시선
이번 발표에서 진짜 눈여겨봐야 할 건 숫자 자체보다 오픈AI가 사례를 고른 방식이다. '더 똑똑한 모델'이 아니라 '더 값싸게 같은 일을 하는 법'을 홍보 소재로 내세웠다는 건, 지금 경쟁의 축이 지능 점수에서 단가로 옮겨갔다는 신호다. 그록 4.6이 가격을 그대로 두고도 GPT-5.6 Sol과 동급 지능지수를 받았다는 8월 12일 보도, 딥시크 4 프로가 그보다도 낮은 가격을 책정했다는 소식과 겹쳐 놓고 보면 그림이 또렷해진다. 지금은 최고 성능을 누가 내느냐보다, 같은 성능을 누가 더 싸게 내느냐의 싸움이다.
세대 비교로 보면 체감이 더 크다. 작년까지만 해도 에이전트를 붙이려면 '가장 똑똑한 모델 하나를 골라 모든 작업에 쓰는' 방식이 기본이었다. 지금은 문서 추출엔 값싼 등급, 복잡한 추론엔 비싼 등급을 나눠 쓰고, 같은 등급 안에서도 툴 호출 설계만 바꿔 토큰을 줄이는 게 실무 상식이 됐다. 모델을 하나만 붙여놓고 끝내는 팀과, 작업별로 등급을 나누고 툴 호출을 다듬는 팀 사이의 비용 차이는 이제 배 단위가 아니라 자릿수 단위로 벌어진다.
국내 스타트업이라면 지금 점검해야 할 건 딱 하나다 — 지금 쓰는 에이전트가 모든 작업에 같은 등급의 모델을 물려 쓰고 있는지부터 확인하는 것이다. 단순 추출·분류 작업에 최상위 모델을 그대로 쓰고 있다면, Luna급으로 내려도 정확도 손실이 몇 퍼센트 안에 그칠 가능성이 크다. 반대로 복잡한 추론이 필요한 작업에 값싼 모델을 억지로 끼워 맞추는 것도 손해다. 등급을 나누는 실험 자체는 지금 바로 시작해도 되는 일이고, 비용 절감 효과는 프롬프트 하나 바꾸는 것보다 모델 등급 배치를 바꾸는 데서 더 크게 나온다.
앞으로 몇 주는 이런 '비용 사례 공개'가 오픈AI만의 것으로 끝나지 않을 것이다. 앤트로픽과 xAI도 비슷한 고객 사례를 앞세워 가격 경쟁을 이어갈 가능성이 크고, 그 다음 라운드는 모델 가격표가 아니라 등급 설계와 툴 호출 최적화 노하우를 누가 먼저 문서화하느냐의 싸움이 될 것이다.
