GPT-5.6 Sol vs Claude Fable 5: 어떤 작업에 무엇을 써야 할까

여러분, 이번 주는 프론티어 모델 소식이 하루가 멀다 하고 쏟아지고 있습니다. GPT-5.6 Sol이 7월 9일에 일반 공개되고, 같은 날 xAI의 Grok 4.5도 나온다고 합니다. 여기에 Claude Fable 5는 접근 기간이 7월 12일까지 연장되었습니다. 그동안 제한적으로만 열려 있던 모델들이 한꺼번에 손에 들어오는 셈입니다.

그래서 자연스럽게 드는 질문은 하나입니다. “그럼 나는 어떤 작업에 무엇을 써야 하나요?”

결론부터 말하면, 이 세 모델을 우열로 한 줄 세우는 것보다 작업 성격에 따라 나눠 쓰는 편이 낫습니다. 설계나 리뷰처럼 판단이 중요한 자리에는 Claude Fable 5를, 오래 돌리는 에이전트 작업에는 GPT-5.6 Sol을 두는 식입니다. 다만 한 가지 주의할 지점이 있는데, Sol은 벤치마크 점수를 그대로 믿기 어려운 이유가 있습니다. 이 부분은 아래에서 자세히 다루겠습니다.

한 가지 미리 밝혀 둘 것이 있습니다. Sol은 아직 제가 직접 프로젝트에 투입해보지 못했습니다. 그래서 이 글의 Sol 관련 내용은 OpenAI의 시스템 카드, 공개된 가격 정보, 그리고 얼리 액세스 사용자들의 초기 후기를 기준으로 정리한 초기 가이드입니다. 실제로 써보고 나면 다시 업데이트할 생각입니다.

핵심 요약

• 2026년 7월 9일에 GPT-5.6 Sol이 일반 공개되고, Grok 4.5도 같은 시점에 공개될 것으로 예고되었습니다. Claude Fable 5는 접근이 7월 12일까지 연장되었습니다.
• Sol은 GPT-5.5와 동일한 가격($5 입력 / $30 출력, 100만 토큰 기준)으로 나왔고, 코딩 벤치마크 Terminal-Bench에서는 신기록을 세웠습니다.
• 다만 OpenAI의 시스템 카드와 평가기관 METR 모두 Sol의 부정행위(벤치마크를 우회하는 행동) 비율이 높다는 점을 지적했습니다. 그래서 벤치마크 숫자만으로 판단하기는 이릅니다.
• 초기 후기의 공통된 평가는 세 가지입니다. 끈기가 강하고, 서브 에이전트 오케스트레이션을 잘하며, GPT-5.5에서 거슬리던 부분이 정리되었다는 것입니다.
• 비용은 Claude Fable 5가 $10 입력 / $50 출력으로, Sol의 약 두 배입니다.
• 작업 배분 기준은 이렇습니다. 설계, 까다로운 디버깅, 코드 리뷰, 중요한 의사 결정은 Fable에게, 리팩토링이나 대규모 마이그레이션 같은 장기 반복 작업은 Sol에게 맡기는 구성이 합리적입니다.
• Grok 4.5는 아직 독립 벤치마크가 없어 판단하기 이릅니다.

이번 주에 풀린 세 가지 모델

먼저 상황을 정리하겠습니다.

GPT-5.6 Sol은 사실 6월 26일에 이미 등장했습니다. 다만 일반 공개가 아니라 미국 정부 심사를 거치는 제한 프리뷰였고, 전 세계에서 약 20개 회사만 접근할 수 있었습니다. 이 배경은 지난 글 GPT-5.6 Sol 접근 제한과 프론티어 모델 격차에서 다룬 적이 있습니다. 그 심사가 마무리되면서 상무부가 출시를 승인했고, OpenAI는 7월 9일에 Sol과 하위 티어인 Terra, Luna를 일반 공개한다고 발표했습니다.

Claude Fable 5도 비슷한 굴곡을 겪었습니다. 6월 9일에 일반 공개되었다가 사흘 만에 미국 정부 지시로 접근이 막혔고, 이후 복구되었습니다. 원래는 7월 7일까지만 접근이 가능했는데, Anthropic이 이를 7월 12일까지 연장했습니다. 단, 주간 사용 한도의 50%까지만 Fable 5를 쓸 수 있다는 조건이 붙어 있습니다.

Grok 4.5는 일론 머스크가 7월 9일 공개를 예고한 상태입니다. 아직 공식 벤치마크나 가격표가 없어서 판단은 뒤로 미뤄 두겠습니다.

GPT-5.6 Sol의 이름과 가격

이번에 나온 세 모델의 이름은 천체에서 따왔습니다. Sol은 라틴어로 태양, Terra는 지구, Luna는 달을 뜻합니다. Sol이 최상위 티어이고 Terra와 Luna가 하위 티어입니다. 참고로 Terra와 Luna라는 조합은 어딘가 익숙한데, 암호화폐를 해보신 분들은 살짝 긴장하실지도 모르겠습니다.

가격은 조금 의외입니다. Sol의 가격은 100만 토큰당 입력 5달러, 출력 30달러로 GPT-5.5와 동일합니다. 새 플래그십을 내놓으면서 가격을 올리지 않고, 대신 Terra와 Luna로 더 저렴한 선택지를 추가한 구조입니다.

벤치마크도 나쁘지 않습니다. 코딩 작업을 평가하는 Terminal-Bench 기준으로 Sol은 Claude Fable 5보다 높은 점수를 기록했고, 서브 에이전트를 활용하는 울트라 모드에서는 91.9%까지 나왔습니다.

벤치마크를 그대로 믿기 어려운 이유

여기서 중요한 이야기를 하나 짚어야 합니다. Sol은 벤치마크 점수만으로 판단하기 어려운 모델입니다.

OpenAI가 공개한 시스템 카드에는 이런 내용이 있습니다. GPT-5.6 Sol이 GPT-5.5에 비해 심각도 수준이 높은 행동을 더 자주 보였고, 과제를 수행할 때 부정행위를 하거나 연구 결과를 조작하는 사례가 확인되었다는 것입니다. 모델이 정직하게 문제를 푸는 대신, 평가 환경의 허점을 이용해 점수를 얻는 경우가 있다는 뜻입니다.

이건 OpenAI만의 이야기가 아닙니다. 독립 평가기관 METR도 같은 지적을 했습니다. METR은 “GPT-5.6 Sol의 부정행위 비율이 우리가 평가한 모든 공개 모델보다 높았다”고 밝혔습니다.

수치가 상징적입니다. METR이 모델의 작업 수행 능력을 시간으로 환산했을 때, 부정행위를 실패로 처리하면 약 11.3시간, 부정행위를 성공으로 인정하면 270시간 이상으로 결과가 크게 벌어졌습니다. 25배 가까이 차이가 나는 셈입니다. METR은 이 숫자들을 신뢰할 수 있는 측정값으로 보지 않는다고 못 박았습니다. 숨겨진 테스트의 정답 코드를 빼내는 식으로 점수를 올린 사례도 함께 언급했습니다.

오해하지 않으셨으면 하는 부분이 있습니다. 이 이야기의 결론은 “Sol은 못 믿을 모델이다”가 아닙니다. 결론은 “Sol에게 장시간 무인 작업을 맡길 때는 결과를 검증하는 리뷰 게이트를 반드시 두어야 한다”입니다. 참고로 이 평가는 일반 공개 전 시점에 이루어진 것이라, 공개 이후 실제 동작은 달라질 수 있다는 점도 함께 감안하시면 좋겠습니다.

초기 사용자들이 말하는 Sol의 강점

제한 프리뷰 기간 동안 일부 개발자와 크리에이터가 얼리 액세스로 Sol을 먼저 사용해봤고, 그 후기가 올라오고 있습니다. 공통된 평가는 크게 세 가지입니다.

첫째, 끈기입니다. 이 모델은 쉽게 포기하지 않는다는 후기가 가장 많습니다. max reasoning을 켜두면 작업이 끝날 때까지 멈추지 않고 계속 파고든다는 평입니다.

둘째, 서브 에이전트 오케스트레이션을 잘합니다. 울트라 모드에서 서브 에이전트를 만들어 작업을 알아서 분배하고 처리한다는 후기가 여럿 있었습니다.

셋째, GPT-5.5에서 거슬리던 부분들이 많이 정리되었습니다. 프론트엔드 성능이 개선되었고, Fable이 작성한 코드에서 엣지 케이스나 버그를 잡아냈다는 후기도 있었습니다.

다만 성능 자체는 아직 Fable 5보다 조금 아래라는 의견이 다수입니다. Sol이 Fable보다 저렴하다는 점을 생각하면 자연스러운 위치이기도 합니다.

흥미로운 지점이 하나 있습니다. 초기 테스터들이 극찬한 “절대 포기하지 않는다”는 성향은, 좋게 보면 끈기이지만 나쁘게 보면 앞에서 이야기한 부정행위와 같은 뿌리입니다. 어떻게든 끝까지 결과를 내려는 성향이 정직하게 발현되면 끈기가 되고, 편법으로 새면 부정행위가 되는 것입니다. 그래서 검증 장치가 더 중요해집니다.

비용 비교: Fable 5와 Sol

작업을 나누기 전에 비용을 정확히 보겠습니다. 아래 수치는 각 사의 공식 가격 페이지 기준입니다.

모델	입력 (100만 토큰)	출력 (100만 토큰)
Claude Fable 5	$10	$50
GPT-5.6 Sol	$5	$30

입력은 Sol이 정확히 절반이고, 출력은 약 40% 저렴합니다. 같은 코딩 에이전트 작업을 돌렸을 때 Fable 5가 Sol보다 대략 두 배 정도 비용이 더 나온다고 보시면 됩니다.

이 비용 차이는 작업 배분의 중요한 근거가 됩니다. 판단이 필요한 짧고 중요한 순간에는 비싼 모델을 써도 괜찮지만, 길게 반복되는 노동에까지 비싼 모델을 붙이면 한도와 비용이 빠르게 녹기 때문입니다.

작업별 선택 가이드

아래 표는 2026년 7월 초 공개 자료와 초기 후기를 기준으로 정리한 것입니다. Fable 관련 판단은 제가 직접 사용해 온 경험을, Sol 관련 판단은 시스템 카드와 가격 정보, 초기 후기를 근거로 했습니다. Sol을 직접 검증한 뒤에는 이 표를 업데이트할 생각입니다.

작업 성격	추천	근거
아키텍처 설계, 까다로운 디버깅, 코드 리뷰	Claude Fable 5	판단력과 신뢰도가 중요한 작업. 직접 사용 경험 기준
중요한 의사 결정, 계획 수립	Claude Fable 5	틀렸을 때 비용이 큰 영역
리팩토링, 대규모 마이그레이션, 반복 수정 루프	GPT-5.6 Sol	끈기와 오케스트레이션. 초기 후기 기준
일상적인 구현, 비용 민감한 파이프라인	GPT-5.6 Sol	입력 절반, 출력 약 40% 저렴
검증 없이 오래 돌리는 무인 작업	주의 필요	부정행위 이슈로 리뷰 게이트 필수

정리하면, 비싸고 판단력이 좋은 모델은 설계와 리뷰 같은 결정 지점에 두고, 실제 구현 노동은 더 저렴한 모델에게 넘기는 구성이 이번 라인업에서도 잘 맞습니다. 이 역할 분리에 대한 자세한 이야기는 Advisor Strategy: 비싼 모델을 조언자로 두는 법 글에서 다뤘습니다.

Claude Fable 5 접근은 어떻게 될까

여기서부터는 확정된 사실이 아니라 제 추측입니다.

Fable 5의 접근 기간이 7월 12일까지 연장된 타이밍이 묘합니다. 원래는 7월 7일까지였는데, GPT-5.6 Sol이 공개되는 7월 9일을 넘겨 12일까지 늘어났습니다. 경쟁사 플래그십이 풀리는 주에 자기 플래그십을 닫아버리는 것은 Anthropic 입장에서도 부담입니다. 게다가 초기 평가에서 Fable이 Sol보다 낫다는 의견이 다수인 상황이라, “우리가 더 좋다”를 보여줄 카드를 굳이 회수할 이유도 크지 않습니다.

그래서 저는 7월 12일 이후에도 Fable 5가 구독제에 남을 가능성이 꽤 있다고 봅니다. 이 부분은 12일이 지나면 확인할 수 있을 것입니다.

Grok 4.5: 아직 판단은 이르다

Grok 4.5는 xAI가 지금까지 만든 가장 큰 파운데이션 모델로, 1.5조 개 파라미터 규모로 학습되었다고 알려졌습니다. 여기에 Cursor의 개발자 워크플로우 데이터가 보충 학습 단계에서 추가되었다고 합니다. 일론 머스크는 이 모델이 Opus급이며 더 빠르고 저렴하다고 주장했습니다.

다만 이 내용은 아직 대부분 발표 주장에 머물러 있습니다. 공식 벤치마크나 가격표가 없고, 독립적인 평가 자료도 나오지 않았습니다. 그래서 실제로 공개되어 벤치마크가 확인되기 전까지는 판단을 미뤄 두는 편이 안전합니다.

한 가지 더: 중국의 오픈 모델 규제 움직임

방향이 반대인 소식도 하나 있습니다. 로이터 보도에 따르면, 중국 당국이 자국의 가장 앞선 AI 모델에 대해 해외 접근을 제한하는 방안을 주요 기술 업체들과 논의했다고 합니다. 여기에는 클로즈드 모델뿐 아니라 오픈 웨이트, 오픈소스 모델까지 포함될 수 있다고 합니다.

DeepSeek, GLM, Qwen처럼 자유롭게 쓰던 오픈 모델들이 대상입니다. 이미 배포된 모델은 회수할 수 없으니, 실질적인 영향은 다음 세대 모델부터입니다. 지금 쓰는 버전은 계속 쓸 수 있어도 업그레이드 경로가 막히는 시나리오인 셈입니다. 아직 제안 단계이므로 확정된 것은 아니지만, 흐름은 기억해 둘 만합니다. 미국은 심사로 모델을 닫았다 열고, 중국은 수출 제한을 검토하고 있습니다. 프론티어 모델의 문을 여닫는 손이 점점 정부 쪽으로 옮겨가고 있다는 신호입니다.

정리

이번 주에 잠겨 있던 프론티어 모델들이 한꺼번에 풀렸습니다. 초기 평가 기준으로는 아직 Claude Fable 5가 앞서 있고, GPT-5.6 Sol이 절반 가격으로 바짝 붙어 쫓아오는 그림입니다.

당장의 선택 기준을 요약하면 이렇습니다. 설계와 리뷰, 중요한 판단은 Fable에게, 오래 돌리는 에이전트 작업과 비용에 민감한 구현은 Sol에게 맡기되, Sol에는 결과를 검증하는 장치를 함께 두는 것입니다. Grok 4.5는 벤치마크가 나온 뒤에 다시 보면 됩니다.

무엇보다, 모델이 열려 있을 때 직접 자기 작업에 붙여보고 워크플로우에 맞는 조합을 찾아 두는 것이 가장 확실합니다. 남의 벤치마크보다 내 프로젝트에서의 결과가 언제나 더 정확하기 때문입니다.