OpenAI, GPT-5.6 빌더 가이드 공개…에이전트 비용은 더 저렴한 모델 조합으로 이동

OpenAI가 GPT-5.6을 위한 개발자 중심 가이드를 공개했다. 8월 13일 공개된 이 문서는 새 모델군을 단일 플래그십 업그레이드라기보다 운영 에이전트를 설계하기 위한 여러 엔지니어링 선택지로 설명한다. 모델을 섞고, 필요한 곳에서 추론 강도를 낮추고, 유용한 추론을 여러 턴에 걸쳐 보존하며, 결정적인 데이터 처리는 모델 문맥 밖으로 옮기는 방식이다.

가이드는 GPT-5.6이 GPT-5 이후의 흐름, 즉 더 적은 토큰으로 더 긴 작업을 처리하고 기존 하네스를 크게 바꾸지 않는 방향을 이어간다고 말한다. OpenAI는 Agents’ Last Exam에서 GPT-5.6 Sol의 low reasoning이 같은 하네스에서 GPT-5.5 high reasoning보다 높았다고 밝혔다. 이는 모든 중요한 작업을 가장 비싼 설정으로 보낼 필요가 줄어들 수 있음을 뜻한다.

가장 구체적인 부분은 모델 선택이다. OpenAI에 따르면 GPT-5.6 Luna는 Hypha의 문서 이해 워크플로에서 GPT-5.5 추출 정확도의 98%를 18분의 1 비용으로 유지했다. Browser Use는 Luna가 106개의 어려운 브라우저 작업 중 78%를 약 14달러에 완료했고, 현재 최상위 모델은 약 235달러로 80%에 도달했다고 보고했다.

OpenAI는 이런 비용 구조를 Responses API의 새 기능과 결합한다. 유지된 추론과 네이티브 압축은 긴 작업에서 유용한 맥락을 처음부터 다시 만들지 않도록 돕는다. 네이티브 멀티에이전트 조율은 주 에이전트가 병렬 하위 에이전트를 관리하게 한다. 프로그래밍 방식 도구 호출은 GPT-5.6이 JavaScript를 작성해 도구 결과를 문맥 창 밖에서 필터링하고 집계하도록 한다.

ARC-AGI-3 사례는 이런 구조가 왜 중요한지 보여준다. OpenAI는 GPT-5.6 Sol이 표준 하네스에서 13.3%를 기록했지만, 유지된 추론과 압축을 켠 뒤 38.3%로 올랐고 출력 토큰은 약 6배 줄었다고 설명한다. 모든 애플리케이션에 같은 효과가 보장되지는 않지만, 에이전트가 일을 관리하는 방식이 성능과 비용을 크게 바꿀 수 있음을 보여준다.

프롬프트 캐싱도 실무적으로 강화됐다. OpenAI는 전체 모델군의 최소 캐시 TTL이 30분으로 늘었고, 문맥 창 안에서 캐시 지점을 결정적으로 설정할 수 있다고 밝혔다. Ploy는 29,000토큰 공유 프롬프트에 캐시 지점과 워크스페이스별 키를 추가해 캐시되지 않은 입력을 28% 줄였다고 보고했다.

이번 가이드의 더 큰 의미는 에이전트 개발이 시스템 공학으로 바뀌고 있다는 점이다. 법률 리서치, 브라우저 자동화, 금융 분석, 코딩 워크플로는 어떤 단계에 프런티어 추론을 쓰고 어떤 단계는 작은 모델에 맡길지 판단해야 한다. 평가 체계가 성숙한 팀일수록 비용 절감 뒤에 숨어 있는 작은 정확도 변화를 빨리 발견할 수 있다.