GPT-5.6: 가장 똑똑하진 않지만, 최고

GPT-5.6이 마침내 출시되어 AI 평가에 대한 새로운 관점을 제시합니다. 새로 공개된 Artificial Analysis Intelligence Index는 다음을 포함한 9가지 개별 평가를 통합하여 AI 모델에 대한 포괄적인 통합 순위표를 제공합니다: - GDP-Val - Terminal-Bench - Humanity's Last Exam 특히, 이 지수는 벤치마크 회사들이 이전에 API 접근 권한이 없었기 때문에 GPT-5.6 출시와 함께 비로소 이용 가능해졌습니다. 이 지수는 "평균의 평균"과 같은 GDP-Val 지표를 기반으로 GPT-5.6을 전체 지능 점수에서 Claude Fable 5 바로 뒤에 위치시킵니다.

그러나 이러한 표면적인 순위는 심각하게 오해를 불러일으킬 수 있습니다. Claude Fable 5가 일부 광범위한 지표에서 순수 지능 면에서 약간 우위를 점할 수 있지만, 비용 및 전문화된 기능과 같은 실용적인 요소가 방정식에 포함되면 더욱 미묘한 계층 구조가 드러납니다. 단일 집계 점수만으로 모델을 판단하는 것은 다양한 애플리케이션에 대한 실제 유용성과 접근성을 간과하는 것입니다.

결정적으로, GPT-5.6은 경쟁 모델에 비해 대부분의 벤치마크에서 훨씬 저렴하고 더 많이 사용할 수 있습니다. 예를 들어, GPT-5.6으로 유사한 수준의 지능을 달성하는 데 약 $8.40가 드는 반면, Claude Fable 5는 $21.63으로 거의 세 배의 비용이 듭니다. 이러한 극적인 비용 절감은 엘리트 성능을 학문적 성과에서 실용적이고 광범위한 적용을 위한 엄청난 승리로 전환시켜, 더 넓은 사용자층을 위한 새로운 사용 사례와 숨겨진 기능을 잠금 해제합니다.

단순한 지식 회상을 넘어, 새로운 벤치마크는 AI 능력을 재정의하고 있습니다. Agents' Last Exam은 AI가 전체 전문 프로젝트를 자율적으로 완료하는 능력을 테스트하는 획기적인 평가를 제공하며, 어려운 전문가 질문에 답변하는 데 중점을 두었던 Humanity's Last Exam과 같은 이전 지표와는 크게 다릅니다.

이 엄격한 벤치마크는 AI 에이전트에게 프로젝트를 받고, 실제 Windows 또는 Linux 컴퓨터, 관련 파일 및 전문 소프트웨어에 접근 권한을 부여합니다. 에이전트는 독립적으로 작업을 계획하고, 소프트웨어를 운영하며, 결과물을 생성하고, 올바른 최종 결과를 도출해야 합니다. 이러한 변화는 AI가 단순히 아는 것 이상으로 수행하는 능력을 측정합니다.

55개 전문 하위 산업과 1,500개의 수집된 데이터셋을 아우르는 Agents' Last Exam은 매우 낮은 합격률을 보이며, 다음과 같은 작업의 복잡성을 강조합니다: - Adobe After Effects에서 애니메이션 제작 - Unreal Engine에서 장면 구축 - Siemens NX에서 엔지니어링 모델 생성

GPT-5.6은 이 까다로운 벤치마크에서 우수한 성능을 보여줍니다. 단일 단계를 돕는 것을 넘어, 복잡한 워크플로우를 독립적으로 탐색하고 소프트웨어를 운영하여 전체 프로젝트를 완료함으로써 에이전트 능력을 입증합니다. 전반적인 지능 점수에서 선두를 달리지 못함에도 불구하고, 실제 애플리케이션을 위한 이러한 실용적인 유용성이 GPT-5.6이 진정으로 빛나는 부분입니다.

일반적인 에이전트 능력을 넘어, GPT-5.6은 전문 분야에서 상당한 우위를 점하고 있습니다. 복잡한 소프트웨어 엔지니어링에서 AI 에이전트의 숙련도를 평가하도록 설계된 엄격한 테스트인 DeepSWE benchmark를 고려해 보십시오. 이 벤치마크는 단순한 코딩 과제를 넘어 모델에게 다음을 요구합니다: - 익숙하지 않은 코드베이스 탐색 - 복잡한 엔지니어링 요청 이해 - 여러 파일 편집 - 테스트 실행 및 실패 디버깅 - 긴 작업을 자율적으로 완료

이 까다로운 평가는 91개 저장소와 5개 프로그래밍 언어에 걸쳐 113개의 독창적인 작업으로 구성되어 실제 개발 시나리오를 시뮬레이션합니다. GPT-5.6은 인상적인 73%의 통과율을 달성하여 복잡한 소프트웨어 문제를 독립적으로 탐색하고 해결하는 탁월한 능력을 명확히 보여주었습니다. 이러한 성능은 중요한 실제 애플리케이션에서 경쟁사들을 훨씬 능가합니다.

GPT-5.6의 자율 코딩 분야에서의 우위는 단순한 학문적 성과가 아닙니다. 이는 직접적으로 실질적인 경제적 이점으로 이어집니다. 이 모델은 이러한 우수한 결과를 평균 8.40달러의 비용으로 제공하며, 이는 동일한 수준의 지능을 요구하는 작업에서 주요 경쟁사 가격의 거의 3분의 1에 해당합니다. 이러한 비용 효율성은 GPT-5.6을 확장 가능한 소프트웨어 개발을 위한 비할 데 없는 도구로 만들며, 야망에 따라 확장되는 최첨단 지능을 제공합니다. 기능에 대한 자세한 내용은 GPT-5.6: Frontier intelligence that scales with your ambition | OpenAI을 방문하십시오.

GPT-5.6의 벤치마크 능력은 실제 세계의 혁신으로 직접 이어집니다. 한때 대수적 표면 추측에 막혀 있던 수학자가 이제 GPT-5.6을 사용하여 이전에는 몇 주가 걸렸던 복잡한 탐색과 기술 계산을 수행한다고 상상해 보십시오. 이러한 에이전트 능력은 단순한 문제 해결을 넘어 인간의 발견을 가속화하고, 이전에는 해결하기 어려웠던 과제를 해결 가능한 프로젝트로 변화시킵니다.

이 능력은 고급 연구를 훨씬 뛰어넘습니다. 혁신적인 아이디어는 있지만 사내 개발자가 없는 소규모 기업을 생각해 보십시오. GPT-5.6은 없어서는 안 될 기술 공동 창업자 역할을 하여 맞춤형 명령 센터를 자율적으로 구축하거나 복잡한 워크플로우를 자동화합니다. 복잡한 요청을 해석하고 소프트웨어를 독립적으로 작동시키는 능력은 정교한 디지털 작업에 대한 접근을 민주화하여 깊은 코딩 전문 지식이 없는 사용자에게도 권한을 부여합니다.

궁극적으로 Artificial Analysis Intelligence Index는 하나의 지표를 제공하지만, 실제 유용성은 종종 다른 곳에 달려 있습니다. GPT-5.6은 전반적인 지능에서 Claude Fable 5 바로 뒤에 랭크되었음에도 불구하고, Agents' Last Exam 및 DeepSWE와 같은 벤치마크에서 우수한 에이전트 성능을 보여줍니다. 결정적으로, 이는 Claude Fable 5가 유사한 에이전트 작업에 대해 21.63달러인 것에 비해 약 8.40달러라는 훨씬 저렴한 비용으로 이를 달성합니다. 이러한 강력한 기능과 경제성의 조합은 판도를 바꾸어 고수준의 디지털 작업을 더 많은 사람들이 이용할 수 있도록 합니다.

GPT-5.6은 무엇인가요?

GPT-5.6은 OpenAI의 최신 대규모 언어 모델로, 컴퓨터에서 복잡한 작업을 자율적으로 완료할 수 있게 하는 고급 에이전트 기능으로 주목받고 있습니다.

GPT-5.6은 Claude Fable 5와 어떻게 비교되나요?

Claude Fable 5가 전반적인 지능 벤치마크에서 약간 더 높은 점수를 기록했지만, GPT-5.6은 'Agents' Last Exam'과 같은 새로운 에이전트 테스트에서 이를 능가하며 훨씬 더 비용 효율적입니다.

'Agents' Last Exam' 벤치마크는 무엇인가요?

이는 AI가 전체 전문 프로젝트를 완료하는 능력을 테스트하는 새로운 벤치마크입니다. AI에게 컴퓨터 제어권을 부여하고 실제 소프트웨어를 사용하여 최종 결과물을 생성하도록 지시하여, 단순히 질문에 답하는 것이 아니라 작업을 수행하는 능력을 측정합니다.

GPT-5.6이 왜 더 '에이전트적'이라고 간주되나요?

GPT-5.6은 소프트웨어, 파일 및 운영 체제와 상호 작용해야 하는 다단계 작업을 독립적으로 계획하고 실행하는 데 탁월합니다. Agents' Last Exam 및 DeepSWE와 같은 벤치마크에서의 강력한 성능은 우수한 작업 완료 능력을 보여줍니다.