- OpenAI가 GPT-6 Sol·Luna를 전작 대비 최대 절반 가격에 공개했다
- Claude Opus 5.5가 인텔리전스 지수 58점으로 비교 모델 중 1위에 올랐다
- 신경망 없이 gzip 압축만으로 셰익스피어풍 문장을 만들어낸 실험이 화제다
“모든 예측 모델은 본질적으로 압축기이고, 모든 압축 알고리즘은 예측 모델이다.” 오늘 GeekNews에서 가장 눈에 밟힌 한 줄입니다. 압축 유틸리티 gzip이 신경망 하나 없이 문장을 지어내는 실험부터, OpenAI가 동시에 던진 반값짜리 모델 두 개, 그리고 인텔리전스 지수 1위에 오른 Claude Opus 5.5까지 — 오늘의 개발자 큐레이션을 정리했습니다.
OpenAI, 반값짜리 GPT-6 두 개를 동시에 던졌다
Sol과 Luna, 가격은 낮추고 성능은 지켰다
OpenAI가 GPT-6 패밀리에 Sol과 Luna를 새로 추가했다. 두 모델 모두 전작 GPT-5.6 대비 가격을 절반 수준으로 낮췄다. Sol은 입력 1M 토큰당 2달러·출력 10달러(기존 4달러·20달러), Luna는 입력 0.10달러·출력 0.50달러(기존 0.20달러·1.20달러)다. 가격만 내린 게 아니다. AutomationBench에서 Sol은 Claude Opus 5의 성능을 뛰어넘으면서도 작업당 비용은 9%에 불과했고, 코딩 벤치마크 DeepSWE v1.1에서는 68.8%를 기록해 Claude Fable 5의 최고 점수와 1.1점 차이밖에 나지 않으면서 비용은 80% 낮았다. 컴퓨터 사용 벤치마크 OSWorld 2.0에서도 Claude Opus 5와 동등한 성능을 80% 저렴하게 냈고, 사실 오류율은 전작 대비 절반 가까이 줄어 “Astra급 신뢰도에 근접했다”는 평가를 받았다. 두 모델은 2026년 9월 즉시 ChatGPT Work·Codex(Plus/Pro/Business/Enterprise/Edu)와 API(`gpt-6-sol`, `gpt-6-luna`)로 순차 제공된다.
Tech Insight — 가격을 절반으로 낮추면서 벤치마크 1위권 성능까지 유지했다는 건, 추론 비용 경쟁이 이제 “성능 대 가격”이 아니라 “동급 성능에서 누가 더 싸게 버티느냐”로 넘어갔다는 신호다. 최대 90% 할인되는 프롬프트 캐싱까지 더하면, 실제 운영 비용 격차는 표에 적힌 숫자보다 훨씬 크게 벌어질 가능성이 높다.
인텔리전스 지수 1위 Claude Opus 5.5, 근데 말이 너무 많다
58점으로 왕좌 탈환, 출력 토큰은 평균의 3배
Artificial Analysis가 집계한 인텔리전스 지수에서 Claude Opus 5.5가 58점을 기록하며 비교 모델 중 1위에 올랐다(중앙값 26점). 가격은 1M 토큰 기준 입력 4달러·출력 20달러이며, 7:2:1 비율로 계산한 블렌디드 단가는 2.94달러, 평균 작업당 비용은 5.98달러다. 컨텍스트 윈도우는 100만 토큰(A4 용지 약 1,500쪽 분량)까지 지원하고, 텍스트·이미지 입력에 텍스트 출력을 지원하는 추론(확장 사고) 모델이다. 다만 평가 과정에서 생성한 출력 토큰이 2억 6천만 개로, 비슷한 가격대 모델 중앙값(8,800만 개)의 3배에 달할 만큼 “말이 많다”는 점이 눈에 띈다.
Tech Insight — 인텔리전스 지수 1위라는 타이틀 뒤에는 “장황함”이라는 숨은 비용이 있다. 출력 토큰이 3배 많다는 건 같은 답을 내는 데 실제 청구되는 토큰 비용도 그만큼 커질 수 있다는 뜻이다. 벤치마크 점수만 보고 도입을 결정하기 전에, 실제 워크로드 기준으로 토큰 소비량을 따로 재보는 편이 안전하다.
신경망 없이 문장을 쓰는 gzip
압축률이 곧 예측 확률이라는 발상
개발자 Nathan Barry는 신경망도 학습된 파라미터도 없이, 압축 유틸리티 gzip만으로 언어 모델을 흉내낼 수 있는지 실험했다. 핵심은 “압축-예측 등가성”이다. 압축기는 예상되는 데이터에는 적은 바이트를, 예상 밖 데이터에는 많은 바이트를 할당하므로 사실상 확률 모델을 내장하고 있다는 논리다. gzip의 DEFLATE 알고리즘이 32KiB 슬라이딩 윈도우 안에서 일치하는 문자열을 찾는 방식을 이용해 문맥과 후보 문장을 합친 뒤 압축했을 때의 길이로 점수를 매기고, 바이트 단위로 그리디하게 고르는 대신 빔 서치로 후보 구간을 확장·채점·선별하는 방식을 취했다. 셰익스피어 텍스트로 프라이밍한 결과 “Though all at once canq / MARCIUS: Pray now, nocamest thou to a morsel” 같은, 완벽하진 않지만 뭔가 “알고 있는” 듯한 문장이 나왔다.
Tech Insight — “모든 예측 모델은 압축기이고, 모든 압축 알고리즘은 예측 모델이다”라는 저자의 결론은 농담이 아니다. 압축률 기반 벤치마크는 이미 언어모델 평가 지표로 연구되어 온 접근이라, 이 실험은 화려한 트릭이라기보다 “지능이란 결국 좋은 압축”이라는 오래된 가설을 다시 눈으로 보여준 사례에 가깝다.
관련 글
- AI에게는 지혜가 없고 당신에게도 없게 될 것이다
- 일반 텍스트 파일이 위기에 처해 있다
- Amazon, Meta의 새 Muse AI 에이전트를 자사 쇼핑에서 차단
- 삼성, 소프트웨어 업데이트 실수로 스마트 냉장고 먹통
- Tunnet — 오픈소스 Tailscale 대안
출처
- GeekNews (news.hada.io)
- OpenAI — Introducing GPT-6 Sol and Luna
- Artificial Analysis — Claude Opus 5.5
- Nathan Barry — Can gzip be a Language Model?
AI Biz Insider · Tech Digest · aibizinsider.com
댓글 남기기