GPT-5.6 Sol, DeepSWE 72.7%와 비용 36.2% 절감으로 AI ROI 논쟁 전면에

토큰 가격보다 중요한 숫자

AI 예산의 판단 기준이 토큰 단가에서 실제로 끝낸 일의 비용으로 이동하고 있다. OpenAI는 2026년 7월 17일 AI 시대의 스코어카드라는 글에서 CFO가 물어야 할 핵심 질문을 “AI 지출이 얼마나 많은 유용한 일을 만들어 내는가”로 바꿔 제시했다. 단순히 싼 모델을 고르는 문제가 아니라, 재시도와 검토, 수정까지 포함해 성공한 결과 하나가 얼마인지 보자는 주장이다.

숫자는 GPT-5.6을 중심으로 배치됐다. OpenAI는 Artificial Analysis Coding Agent Index에서 GPT-5.6 Sol의 max reasoning이 또 다른 선두 모델보다 출력 토큰을 54% 적게 쓰면서 새 최고 수준을 기록했다고 설명했다. 장기 소프트웨어 엔지니어링 과제인 DeepSWE v1.1에서는 GPT-5.6 Sol이 72.7%를 기록해 Claude Fable 5의 69.9%를 넘었고, 추정 API 비용은 36.2% 낮았다고 적었다.

이 프레임이 중요한 이유는 기업의 AI 도입이 “얼마나 많이 썼나”에서 “일을 끝냈나”로 넘어가고 있기 때문이다. 고객 지원이라면 해결된 문의 수, 개발팀이라면 테스트를 통과한 코드 변경, 법무팀이라면 제시간에 정확히 검토된 계약서가 기준이 된다. 토큰은 그 자체로 가치가 아니라, 사람이 사용할 수 있는 결과로 바뀔 때만 예산을 정당화한다.

OpenAI는 GPT-5.6 제품군을 Sol, Terra, Luna 세 계층으로 설명한다. Sol은 가장 강한 추론이 필요한 작업, Terra는 성능과 비용의 균형, Luna는 빠르고 대량 처리되는 업무에 맞춘다. 중요한 점은 모델 선택을 가격표가 아니라 전체 작업 비용으로 판단하라는 메시지다. 싼 모델이 여러 번 실패하면 실제 비용은 높아지고, 비싼 모델이 한 번에 통과하면 성공 작업당 비용은 낮아질 수 있다.

이 글은 제품 홍보이면서 동시에 기업 구매 기준을 선점하려는 문서다. 다음에 확인할 지점은 OpenAI의 내부 주장과 공개 벤치마크가 실제 고객 워크플로에서 얼마나 재현되는지다. 성공 작업 수, 재시도율, 사람 검토 시간, 에스컬레이션 비율 같은 지표가 공개될수록 AI ROI 논쟁은 더 구체적인 숫자 싸움이 된다.