OpenAI GPT-5.6 Sol, Terra, and Luna are now generally available on Amazon Bedrock

🖼️ 인포그래픽

OpenAI GPT-5.6 Sol, Terra, and Luna are now generally available on Amazon Bedrock 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

OpenAI의 GPT-5.6 Sol·Terra·Luna가 Amazon Bedrock에서 정식 제공되며, 기업은 추론 성능·속도·비용에 맞춰 모델을 선택하고 확장형 추론, 프롬프트 캐싱, 데이터 보안 기능을 함께 활용할 수 있게 됐다.

📌 핵심 요약

GPT-5.6 Sol, Terra, Luna는 각각 최고 수준의 복합 추론, 균형 잡힌 실무 성능, 빠르고 경제적인 대량 추론을 담당하는 세 가지 지속형 역량 등급으로 구성된다.
Sol은 코딩 에이전트, 사이버 보안 연구, 신약 개발처럼 장시간의 다단계 추론이 필요한 작업을 겨냥하며, 여러 평가에서 이전 모델과 경쟁 모델보다 높은 성능과 효율을 기록했다고 소개됐다.
Terra는 코드 생성·콘텐츠 제작·구조화된 데이터 추출 등 일반적인 프로덕션 작업에, Luna는 분류·요약·라우팅·실시간 처리처럼 지연 시간과 토큰 비용이 중요한 작업에 적합하다.
Amazon Bedrock의 차세대 추론 엔진은 급격한 요청 증가를 흡수하는 용량 풀링과 리전 내 추론을 지원하며, 명시적 캐시 중단점을 이용한 프롬프트 캐싱으로 반복 입력 비용을 줄인다.
모델 차원의 안전장치와 하드웨어 기반 무운영자 접근 보안이 결합되며, 사용자는 Bedrock 콘솔이나 Responses API를 통해 지원 리전에서 GPT-5.6 모델을 사용할 수 있다.

🧩 주요 포인트

GPT-5.6 Sol, Terra, Luna는 각각 최고 수준의 복합 추론, 균형 잡힌 실무 성능, 빠르고 경제적인 대량 추론을 담당하는 세 가지 지속형 역량 등급으로 구성된다.
Sol은 코딩 에이전트, 사이버 보안 연구, 신약 개발처럼 장시간의 다단계 추론이 필요한 작업을 겨냥하며, 여러 평가에서 이전 모델과 경쟁 모델보다 높은 성능과 효율을 기록했다고 소개됐다.
Terra는 코드 생성·콘텐츠 제작·구조화된 데이터 추출 등 일반적인 프로덕션 작업에, Luna는 분류·요약·라우팅·실시간 처리처럼 지연 시간과 토큰 비용이 중요한 작업에 적합하다.
Amazon Bedrock의 차세대 추론 엔진은 급격한 요청 증가를 흡수하는 용량 풀링과 리전 내 추론을 지원하며, 명시적 캐시 중단점을 이용한 프롬프트 캐싱으로 반복 입력 비용을 줄인다.
모델 차원의 안전장치와 하드웨어 기반 무운영자 접근 보안이 결합되며, 사용자는 Bedrock 콘솔이나 Responses API를 통해 지원 리전에서 GPT-5.6 모델을 사용할 수 있다.

🧠 상세 정리

1. 자율형 에이전트 확산과 GPT-5.6 정식 제공

자율형 에이전트와 인공지능 기반 제품을 확장하는 조직은 한 번의 요청을 처리하는 수준을 넘어, 수백 단계에 걸쳐 안정적으로 작동하는 고성능 모델을 필요로 한다. 실제 대상으로는 프로덕션 코드를 작성하는 코딩 에이전트, 새로운 공격 표면을 탐색하는 사이버 보안 연구, 전체 유전자 서열을 연속적으로 분석하는 유전체 워크플로가 제시됐다. 이러한 작업은 민감한 데이터를 사용하고 예측하기 어려운 부하에서도 일정한 처리량을 요구하며, 데이터가 저장·처리되는 위치와 보안 조건도 양보하기 어렵다. GPT-5.6 Sol, Terra, Luna의 정식 제공은 이 요구에 대응하기 위한 것으로, 가격은 OpenAI의 직접 제공 요금과 동일하고 사용량은 기존 AWS 약정에 포함된다.

2. 세 가지 지속형 역량 등급과 모델 선택 기준

GPT-5.6에는 세대와 역량 등급을 분리하는 새로운 명명 체계가 적용됐다. 숫자 5.6은 모델 세대를 나타내고, Sol·Terra·Luna는 각자 독립적인 주기로 발전할 수 있는 지속형 역량 등급을 뜻한다. Sol은 가장 깊은 추론이 필요한 작업을 위한 최상위 모델이고, Terra는 성능과 비용의 균형이 필요한 일상적인 프로덕션 작업을 담당하며, Luna는 속도와 경제성이 중요한 대량 요청을 겨냥한다. 사용자는 모든 작업에 가장 강력한 모델을 적용하는 대신 업무 난도, 지연 시간, 처리량, 토큰 비용을 기준으로 적절한 등급을 배치할 수 있다. 세 모델 모두 이전 세대보다 적은 출력 토큰으로 작업을 완료하도록 설계돼 비용 대비 성능 향상을 목표로 한다.

3. Sol의 추론 성능과 장기 전문 작업

GPT-5.6 Sol은 OpenAI의 가장 강력한 플래그십 추론 모델로 소개됐다. OpenAI가 제시한 결과에 따르면 Artificial Analysis Coding Agent Index에서 80점을 기록해 차순위 모델보다 2.8점 높았고, 출력 토큰과 소요 시간은 절반 미만이면서 비용도 약 3분의 1 낮았다. 사이버 보안 연구 평가인 ExploitBench에서는 비슷한 출력 토큰 예산에서 73.5%를 기록해 GPT-5.5의 47.9%를 웃돌았으며, 55개 분야의 장기 전문 워크플로를 평가하는 Agents’ Last Exam에서는 53.6점으로 차순위보다 13.1점 높았다. 중간 추론 강도에서도 약 4분의 1 수준의 추정 비용으로 11.4점의 우위를 유지했으며, 복잡한 작업에 더 많은 연산을 투입할 수 있는 최대 추론 강도도 새로 지원한다. 권장 용도는 자율형 코딩 에이전트, 취약점 연구, 신약 발견, 깊은 다단계 추론 작업이다.

4. Terra와 Luna를 통한 비용·속도 최적화

GPT-5.6 Terra는 일상적인 프로덕션 환경을 위한 균형형 모델로, GPT-5.5보다 높은 성능을 더 낮은 비용으로 제공한다고 설명됐다. 코드 생성, 콘텐츠 워크플로, 구조화된 데이터 추출, 일반적인 에이전트 작업처럼 강한 추론이 필요하지만 플래그십 모델의 비용까지는 요구하지 않는 업무가 주요 대상이다. GPT-5.6 Luna는 빠르고 저렴한 모델로 설계돼 분류, 요약, 요청 라우팅, 실시간 애플리케이션과 같은 대량 추론에 적합하다. 특히 응답 지연과 토큰당 비용이 서비스 품질과 운영비에 직접 영향을 주는 상황에서 Luna의 역할이 강조된다. 세 등급을 함께 사용하면 복잡한 핵심 판단에는 Sol, 일반적인 생성과 처리에는 Terra, 반복적이고 지연 시간에 민감한 작업에는 Luna를 배치하는 방식으로 성능과 비용을 세분화할 수 있다.

5. 급증하는 에이전트 트래픽과 프롬프트 캐싱

에이전트 트래픽은 한 사용자의 요청이 수백 번의 모델 호출을 발생시킬 수 있어 짧은 시간에도 부하가 크게 변한다. Amazon Bedrock의 차세대 추론 엔진은 용량을 풀링해 수요 급증을 흡수하면서도 고객별 처리량을 격리함으로써, 공유 용량과 예측 가능한 애플리케이션 성능 중 하나만 선택해야 하는 부담을 줄인다. 또한 사용자가 지정한 AWS 리전 안에서 요청을 처리하는 리전 내 추론을 제공해 엄격한 데이터 위치 요건을 충족하도록 돕는다. 다단계 작업에서 반복되는 시스템 지침, 도구 정의, 참고 파일에는 명시적 캐시 중단점을 지정할 수 있으며, 이후 요청은 재사용 가능한 처리 문맥을 활용하고 새로 추가된 부분에 대해서만 비용을 부담한다. 캐시된 입력에는 90% 할인 요금이 적용되고 최소 30분 동안 재사용할 수 있어, 한 차례의 에이전트 실행에서 연속적으로 발생하는 호출 비용을 억제할 수 있다.

6. 모델 안전장치와 하드웨어 기반 보안

GPT-5.6에는 사람의 레드팀 평가와 대규모 자동화 시험을 결합해 구성한 OpenAI의 안전 체계가 적용됐다. 이 체계에는 금지된 활동에 대한 모델 수준의 거부, 실시간 오용 분류기, 지속적인 모니터링, 반복적인 위반 양상에 대한 계정 수준 조치가 포함된다. Amazon Bedrock에서는 여기에 칩에서 강제되는 무운영자 접근 보안 모델이 더해져 AWS 운영자가 사용자의 프롬프트나 생성 결과에 접근할 수 없도록 한다. 각 모델 호출은 사용자의 IAM 정책과 VPC 안에서 실행되고 CloudTrail에 기록되며, 데이터 경계 정책은 계정과 네트워크 경계를 넘는 정보 유출을 방지한다. 다만 모델 제공자의 요구에 따라 분류기가 표시한 트래픽 데이터는 자동화된 오용 탐지를 위해 최대 30일 동안 보관될 수 있다.

7. ChatGPT Work·Codex 연계와 지원 리전

OpenAI는 GPT-5.6과 함께 여러 단계의 대규모 작업을 수행하는 ChatGPT Work를 공개했고, Mac과 Windows용 데스크톱 앱에서 Chat, Work, Codex를 하나의 환경으로 구성했다. Work 에이전트는 앱과 파일, 웹에서 정보를 수집하고 시트·슬라이드·문서·사이트 같은 완성 자료를 만들며, 사용자는 진행 상황을 확인하거나 방향을 바꾸고 중요한 행동을 승인할 수 있다. Codex는 로컬 파일, 저장소, 터미널, 개발 도구와 연동해 기능 작성, 버그 수정, 테스트 실행, 풀 리퀘스트 생성을 수행하는 코딩 에이전트로 유지된다. 사용자는 Responses API를 통해 이 앱이 Amazon Bedrock의 GPT-5.6을 사용하도록 설정할 수 있다. Sol은 미국 동부 버지니아 북부와 오하이오 리전에서 제공되며, Terra와 Luna는 두 리전에 미국 서부 오리건을 더한 세 곳에서 이용할 수 있고 Bedrock 콘솔이나 Responses API로 시작할 수 있다.

🧾 핵심 주장 / 시사점

세 모델은 단순한 크기 차이가 아니라 깊은 추론, 범용 프로덕션, 고속 대량 처리라는 서로 다른 운영 목적에 맞춰 구성돼 있어 작업별 모델 배치가 핵심이다.
다단계 에이전트에서는 모델 단가뿐 아니라 반복 문맥의 비중이 전체 비용을 좌우하므로, 최소 30분간 유지되고 입력 요금이 90% 할인되는 프롬프트 캐싱이 비용 관리의 중요한 요소가 된다.
민감한 데이터를 다루는 조직은 모델 안전장치뿐 아니라 리전 내 처리, IAM·VPC 통제, CloudTrail 기록, 무운영자 접근 보안과 함께 분류된 트래픽의 최대 30일 보관 조건도 검토해야 한다.

✅ 액션 아이템

GPT-5.6 Sol·Terra·Luna의 특성(복합 추론/실무 추론/대량 실시간 추론)에 맞춰 업무 유형별 채택 대상을 정의한다.
코딩 에이전트·사이버 보안 연구·신약 개발 과제는 Sol로, 코드 생성·콘텐츠 제작은 Terra로, 실시간 분류·요약은 Luna로 분기한다.
명시적 캐시 중단점 기반 프롬프트 캐싱을 적용해 반복 입력 비용 절감 효과와 운영 효율을 정량적으로 점검한다.

❓ 열린 질문

Sol이 장시간 다단계 추론 과제에서 Terra·Luna 대비 성능 이점은 어떤 지표로 판단할 것인가?
Terra와 Luna를 혼합 운용할 때 지연 시간 민감 업무와 토큰 비용 민감 업무의 라우팅 기준을 어떻게 정할 것인가?
지원 리전에서 콘솔 또는 Responses API를 통한 접근 시 모델 안전장치와 하드웨어 기반 무운영자 보안을 운영 흐름에 어떻게 반영할 것인가?