Introducing GPT-5.2

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

OpenAI는 GPT-5.2를 전문 지식 업무에 가장 강한 모델 시리즈로 소개하며, GPT-5.2 Thinking이 벤치마크·장문 추론·코딩·비전·도구 사용에서 이전 모델 대비 큰 성능 향상을 보였다고 설명한다.

📌 핵심 요약

GPT-5.2는 스프레드시트 작성, 프레젠테이션 제작, 코드 작성, 이미지 이해, 장문 맥락 처리, 도구 사용, 복잡한 다단계 프로젝트 수행 능력 향상을 목표로 설계된 모델 시리즈다.
GPT-5.2 Thinking은 GDPval에서 지식 업무 과제의 70.9%에서 업계 전문가를 이기거나 비겼고, 결과물을 전문가 대비 11배 이상 빠른 속도와 1% 미만의 비용으로 생성했다는 평가가 제시됐다.
소프트웨어 엔지니어링에서는 SWE-Bench Pro 55.6%, SWE-bench Verified 80.0%를 기록했으며, 실제 업무에서는 프로덕션 코드 디버깅, 기능 구현, 대규모 리팩터링, 프론트엔드 개발에 더 유용하다고 설명된다.
장문 맥락 영역에서는 OpenAI MRCRv2에서 강한 성능을 보였고, 보고서·계약서·논문·전사문·다중 파일 프로젝트처럼 수십만 토큰에 걸친 정보를 통합하는 작업에 적합하다고 소개된다.
비전과 도구 사용에서도 차트 추론, 소프트웨어 인터페이스 이해, 이미지 내 요소 위치 파악, 장기 멀티턴 고객지원 작업 수행 능력이 개선됐지만, OpenAI는 중요한 작업에서는 여전히 답을 검증해야 한다고 강조한다.

🧩 주요 포인트

GPT-5.2는 스프레드시트 작성, 프레젠테이션 제작, 코드 작성, 이미지 이해, 장문 맥락 처리, 도구 사용, 복잡한 다단계 프로젝트 수행 능력 향상을 목표로 설계된 모델 시리즈다.
GPT-5.2 Thinking은 GDPval에서 지식 업무 과제의 70.9%에서 업계 전문가를 이기거나 비겼고, 결과물을 전문가 대비 11배 이상 빠른 속도와 1% 미만의 비용으로 생성했다는 평가가 제시됐다.
소프트웨어 엔지니어링에서는 SWE-Bench Pro 55.6%, SWE-bench Verified 80.0%를 기록했으며, 실제 업무에서는 프로덕션 코드 디버깅, 기능 구현, 대규모 리팩터링, 프론트엔드 개발에 더 유용하다고 설명된다.
장문 맥락 영역에서는 OpenAI MRCRv2에서 강한 성능을 보였고, 보고서·계약서·논문·전사문·다중 파일 프로젝트처럼 수십만 토큰에 걸친 정보를 통합하는 작업에 적합하다고 소개된다.
비전과 도구 사용에서도 차트 추론, 소프트웨어 인터페이스 이해, 이미지 내 요소 위치 파악, 장기 멀티턴 고객지원 작업 수행 능력이 개선됐지만, OpenAI는 중요한 작업에서는 여전히 답을 검증해야 한다고 강조한다.

🧠 상세 정리

1. GPT-5.2의 출시 목적과 적용 범위

OpenAI는 GPT-5.2를 전문 지식 업무를 위한 가장 강력한 모델 시리즈로 소개한다. 글은 이미 ChatGPT Enterprise 사용자가 하루 평균 40~60분, 많이 쓰는 사용자는 주 10시간 이상을 절약한다고 답했다는 맥락에서 출발한다. GPT-5.2는 이 경제적 가치를 더 확장하기 위해 스프레드시트, 프레젠테이션, 코드 작성, 이미지 인식, 장문 맥락 이해, 도구 사용, 복잡한 다단계 프로젝트 수행 능력을 강화했다고 설명된다. ChatGPT에서는 GPT-5.2 Instant, Thinking, Pro가 유료 플랜부터 순차 배포되고, API에서는 모든 개발자에게 즉시 제공된다고 밝힌다.

2. 전반 벤치마크에서 제시된 성능 향상

초반 표는 GPT-5.2 Thinking이 여러 평가에서 GPT-5.1 Thinking 또는 GPT-5 대비 향상됐다는 점을 강조한다. GDPval에서는 70.9%로 GPT-5의 38.8%보다 높고, SWE-Bench Pro는 55.6%, SWE-bench Verified는 80.0%로 제시된다. 과학 질문 평가인 GPQA Diamond는 92.4%, 과학 도표 질문인 CharXiv Reasoning은 88.7%, AIME 2025는 100.0%로 소개된다. 고급 수학, 추상 추론, ARC-AGI 계열 평가에서도 수치가 나열되며, 글은 이를 일반 지능·장문 이해·에이전트형 도구 호출·비전 능력의 종합적 개선으로 연결한다.

3. GDPval과 전문 지식 업무 평가

모델 성능 섹션은 GPT-5.2 Thinking을 실제 전문 업무에 가장 적합한 모델로 제시하며, 특히 GDPval 결과를 핵심 근거로 삼는다. GDPval은 미국 GDP에 크게 기여하는 9개 산업의 44개 직업군에 걸친 명확한 지식 업무 과제를 평가하는 벤치마크로 설명된다. 이 평가에서 GPT-5.2 Thinking은 업계 상위 전문가와의 비교 중 70.9%에서 이기거나 비겼고, OpenAI는 이를 인간 전문가 수준 이상에 도달한 첫 모델이라고 표현한다. 과제에는 영업 프레젠테이션, 회계 스프레드시트, 긴급 진료 일정표, 제조 다이어그램, 짧은 영상 같은 실제 산출물이 포함된다.

4. 속도·비용·산출물 품질의 의미

OpenAI는 GPT-5.2 Thinking이 GDPval 과제 산출물을 전문가보다 11배 이상 빠르게, 전문가 비용의 1% 미만으로 만들었다고 설명한다. 다만 속도와 비용 추정은 과거 지표에 기반하며, ChatGPT에서의 실제 속도는 달라질 수 있다는 단서를 붙인다. 한 GDPval 심사자는 특히 좋은 출력물에 대해 전문 회사 직원이 만든 것처럼 보이고, 두 산출물 모두 레이아웃과 조언이 놀라울 정도로 잘 설계되어 있었다고 평가했다. 동시에 일부 사소한 오류는 수정해야 한다고 언급되어, 품질 향상과 인간 검토 필요성이 함께 제시된다.

5. 스프레드시트·프레젠테이션·금융 모델링 개선

글은 GPT-5.2 Thinking이 스프레드시트와 슬라이드 생성에서 더 정교한 서식과 구성을 보인다고 설명한다. 예시 프롬프트로는 엔지니어링, 마케팅, 법무, 영업 부서를 포함한 인력 계획 모델을 만들고, 인원 수, 채용 계획, 이탈률, 예산 영향을 포함하라는 요구가 제시된다. 또한 내부 투자은행 주니어 애널리스트 스프레드시트 모델링 벤치마크에서 GPT-5.2 Thinking의 평균 점수는 GPT-5.1보다 9.3%포인트 높아져 59.1%에서 68.4%로 상승했다고 한다. ChatGPT에서 새 스프레드시트와 프레젠테이션 기능을 쓰려면 Plus, Pro, Business, Enterprise 플랜에서 GPT-5.2 Thinking 또는 Pro를 선택해야 하며, 복잡한 생성은 여러 분이 걸릴 수 있다고 안내한다.

6. 소프트웨어 엔지니어링과 코딩 작업

소프트웨어 엔지니어링 평가에서는 GPT-5.2 Thinking이 SWE-Bench Pro에서 55.6%로 새로운 최고 성능을 세웠다고 설명된다. SWE-Bench Pro는 Python만 평가하는 SWE-bench Verified와 달리 네 가지 언어를 다루며, 오염 저항성·난이도·다양성·산업 관련성을 더 높이려는 평가로 소개된다. SWE-bench Verified에서는 80.0%를 기록했으며, 일상적 전문 업무에서는 프로덕션 코드 디버깅, 기능 요청 구현, 대규모 코드베이스 리팩터링, 수정 배포를 더 적은 수동 개입으로 수행하는 데 도움이 된다고 한다. 프론트엔드 개발과 복잡하거나 비정형적인 UI, 특히 3D 요소가 포함된 작업에서도 이전 모델보다 강하다는 초기 테스터 평가가 제시된다.

7. 오류 감소와 한계에 대한 명시

GPT-5.2 Thinking은 GPT-5.1 Thinking보다 환각이 적다고 설명된다. OpenAI는 비식별화된 ChatGPT 질의 집합에서 오류가 포함된 응답이 상대적으로 30% 덜 흔했다고 제시한다. 이 결과는 전문가가 연구, 글쓰기, 분석, 의사결정 지원에 모델을 사용할 때 실수를 줄이고 일상적 지식 업무에서 더 신뢰할 수 있음을 의미한다고 해석된다. 그러나 오류 탐지는 다른 모델이 수행했기 때문에 그 모델들도 오류를 낼 수 있고, 대부분의 응답에는 여러 주장이 포함되므로 주장 단위 오류율은 응답 단위 오류율보다 훨씬 낮다는 설명도 붙는다. 글은 모든 모델과 마찬가지로 GPT-5.2 Thinking도 불완전하며, 중요한 사안에서는 답을 재확인해야 한다고 분명히 말한다.

8. 장문 맥락 이해와 확장된 워크플로

장문 맥락 섹션에서는 GPT-5.2 Thinking이 OpenAI MRCRv2에서 새로운 최고 수준의 장문 추론 성능을 보였다고 설명한다. MRCRv2는 긴 문서 안에 흩어진 정보를 통합하고, 유사한 요청과 응답 속에서 특정 번째 요청의 응답을 재현하는 능력을 평가하는 방식으로 소개된다. GPT-5.2 Thinking은 256k 토큰까지의 4-needle MRCR 변형에서 거의 100% 정확도에 가까운 결과를 보인 첫 모델이라고 언급된다. 실제 활용 측면에서는 보고서, 계약서, 연구 논문, 전사문, 다중 파일 프로젝트처럼 수십만 토큰에 걸친 관련 정보를 유지하며 분석·종합·복합 다중 소스 작업을 수행하는 데 적합하다고 설명된다. 또한 최대 컨텍스트 창을 넘어서는 사고가 필요한 작업에는 Responses /compact 엔드포인트와 함께 사용해 효과적 컨텍스트 창을 확장할 수 있다고 안내한다.

9. 비전 이해와 이미지 내 공간 파악

GPT-5.2 Thinking은 OpenAI가 내놓은 가장 강한 비전 모델로 소개되며, 차트 추론과 소프트웨어 인터페이스 이해에서 오류율을 대략 절반으로 줄였다고 설명된다. 실무적으로는 대시보드, 제품 스크린샷, 기술 다이어그램, 시각 보고서를 더 정확히 해석해 금융, 운영, 엔지니어링, 디자인, 고객지원 업무에 도움을 줄 수 있다고 한다. ScreenSpot-Pro 평가에서는 다양한 전문 환경의 고해상도 그래픽 사용자 인터페이스 스크린샷을 추론해야 하며, Python 도구와 최대 reasoning effort가 사용됐다는 조건도 함께 제시된다. 글은 Python 도구 없이 점수가 훨씬 낮아지므로 이런 비전 작업에서는 Python 도구를 활성화할 것을 권장한다. 이미지 속 요소의 상대적 위치를 파악하는 능력도 좋아져, 저품질 메인보드 이미지에서도 주요 영역을 더 많이 식별하고 대략적인 박스 위치를 제시하지만, 두 모델 모두 명확한 실수는 한다고 설명한다.

10. 도구 호출과 다단계 업무 수행

도구 사용 영역에서는 GPT-5.2 Thinking이 Tau2-bench Telecom에서 98.7%를 기록하며 장기 멀티턴 작업에서 도구를 안정적으로 사용하는 능력을 보였다고 설명된다. Tau2-bench는 모델이 시뮬레이션된 사용자와 여러 차례 상호작용하면서 고객지원 업무를 도구로 완료하는 평가로 소개된다. OpenAI는 Telecom 도메인에서 성능을 높이기 위해 간단하고 일반적으로 도움이 되는 지시를 시스템 프롬프트에 포함했으며, Airline 하위 집합은 정답 채점 품질 문제로 제외했다고 밝힌다. 실무적으로는 고객지원 사례 해결, 여러 시스템에서 데이터 가져오기, 분석 실행, 최종 산출물 생성 같은 엔드투엔드 워크플로에서 단계 사이의 실패를 줄이는 효과로 연결된다. 예시로 지연 항공편, 놓친 연결편, 뉴욕에서의 하룻밤 체류, 의료상 좌석 요구가 얽힌 여행자 사례를 들며, GPT-5.2가 재예약, 특별 지원 좌석, 보상까지 더 완전하게 처리한다고 설명한다.

🧾 핵심 주장 / 시사점

이 글의 핵심은 단순한 벤치마크 상승보다, 스프레드시트·슬라이드·코드·문서 분석·고객지원처럼 실제 업무 산출물까지 이어지는 능력을 GPT-5.2의 차별점으로 내세운다는 점이다.
GDPval의 속도·비용 수치는 모델이 전문가를 대체한다는 단정이 아니라, 원문 표현대로 인간 감독과 결합될 때 전문 업무를 도울 가능성을 강조하는 근거로 제시된다.
오류 감소, 장문 맥락, 비전, 도구 호출이 함께 개선됐지만 OpenAI도 중요한 작업에서는 재확인을 요구하므로, 전문 업무 활용의 전제는 자동화가 아니라 검토 가능한 워크플로 설계에 가깝다.

✅ 액션 아이템

GDPval 지식 과제의 70.9% 승·비김 구간을 업무 유형별로 정렬해 GPT-5.2 도입 우선순위를 결정한다.
스프레드시트·프레젠테이션·코드 작성·이미지 이해·장문 통합 처리 과제를 묶어 MRCRv2급 멀티턴 시나리오에서 처리율과 비용 효익을 점검한다.
SWE-Bench Pro 55.6%, SWE-bench Verified 80.0% 지표를 기준으로 디버깅·기능 구현·리팩터링·프론트엔드 과제의 적용 범위를 정한다.