OpenAI는 2026년 7월 9일에 GPT-5.6 제품군을 출시했습니다: 플래그십(flagship)인 Sol, 저비용 옵션인 Terra, 그리고 가장 빠르고 비용 효율적인 티어인 Luna가 그것입니다. OpenAI는 또한 병렬 워크스트림(workstreams)을 조정해야 하는 까다로운 작업을 위한 "ultra" 설정도 설명합니다.

세 가지 티어로 출시되었다고 해서 모든 것을 플래그십 모델로 라우팅(routing)해야 한다는 뜻은 아닙니다. 이는 라우팅을 제품 경제성(product economics)의 일부로 만들어야 하는 이유입니다.

토큰(tokens)이 아닌 워크로드 단위(workload units)부터 시작하세요:

그 다음, 수락된 결과당 예상 비용을 계산합니다:

accepted_cost =
  (model_cost + retry_cost + tool_cost + review_cost)
  / acceptance_rate

반복적인 재시도(retries)나 값비싼 검토(review)를 유발하는 저렴한 호출은 손해를 볼 수 있습니다. 모든 저위험 분류 작업에 플래그십 호출을 사용하는 것 또한 손해를 볼 수 있습니다. 두 가지 모두를 측정하세요.

라우팅 게이트(routing gate)를 미리 선언하세요

각 워크로드에 대해 다음 사항을 요구하십시오:

1. 새 모델이 없는 베이스라인(baseline);
2. 최소 30개의 대표적이고 고정된(frozen) 작업;
3. 실행 가능한 경우 블라인드 수락 기준(blind acceptance criteria);
4. 재시도를 포함한 지연 시간(latency) 및 총 비용;
5. 품질이나 마진이 퇴보할 경우의 종료 규칙(exit rule).

벤더의 벤치마크 차이(benchmark deltas)를 수익 모델에 그대로 복사하지 마세요. OpenAI의 결과는 그들이 선언한 평가(evaluations)에 대한 증거일 뿐, 귀하의 고객 지원 큐(support queue)나 저장소(repository)에 대한 증거가 아닙니다.

이 지점에서 저는 사용자로서 MonkeyCode의 호스팅 SaaS가 흥미롭다고 느낍니다. 코딩 작업을 시도할 수 있는 빠른 경로를 제공하는 동시에, 오픈 소스 배포를 통해 셀프 호스팅(self-hosting) 경로를 유지할 수 있기 때문입니다. 저의 권장 사항은 이러한 유연성을 ROI(투자 대비 수익)의 증거가 아닌 파일럿 옵션으로 취급하는 것입니다. 동일한 고정된 작업들을 실행하고, 팀과 함께 현재 모델의 가용성을 확인하며, 셀프 호스팅 시나리오에는 운영 노동력(operational labor)을 포함시키십시오.

공개 사항: 저는 MonkeyCode 프로젝트와 관련이 없는 사용자로서 저의 개인적인 경험을 공유하고 있습니다.

제품 결정은 "7월에는 어떤 모델이 승리했는가?"가 아닙니다. 그것은 "어떤 경로(route)가 지속 가능한 완전 비용(fully loaded cost)으로 이 워크로드(workload)에 대해 수용 가능한 결과를 생성하는가?"입니다. 모델 제품군(model family)은 이 질문을 덜 중요하게 만드는 것이 아니라, 오히려 더 중요하게 만듭니다.