Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

블로그 목록으로 돌아가기

GPT-6.2 Sol 리뷰: 일상용 모델이 플래그십을 거의 따라잡았지만 전면 업그레이드는 아니다

GPT-6.2 SolOpenAI모델 리뷰FrontierCodeLifeVal

OpenAI가 공개한 FrontierCode 2.0 차트에서 Sol은 43.8%, Astra는 44.2%로 차이가 0.4점입니다. 같은 날 Artificial Analysis(AA)의 코딩 에이전트 지수에서 Sol은 이전 세대 GPT-6.1 Sol보다 3점 낮았습니다.

두 문장 모두 사실입니다. GPT-6.2 Sol은 OpenAI가 "일상 업무와 대규모 에이전트"용으로 규정한 모델이며, 많은 과제에서 Astra에 근접하는 동시에 몇몇 구체적인 방향에서는 후퇴했습니다. "저렴한 플래그십"이라고 쓰는 것도 "축소판"이라고 쓰는 것도 정확하지 않습니다.

이 글은 공개 자료를 정리한 것이며 贵数智能이 직접 실측한 결과가 아닙니다. 숫자는 출처와 조건별로 따로 적었고 섞어 쓰지 않습니다.

공식 포지셔닝과 사양

OpenAI 발표 글에 따르면 Sol은 일상 업무와 대규모 에이전트 배포용이며, OpenAI는 내부에서 Sol을 기본 모델로 쓰는 사람이 많다고 밝혔습니다. Sol 모델 문서에 적힌 사양은 다음과 같습니다.

  • API ID: gpt-6.2-sol.
  • 텍스트와 이미지 입력, 텍스트 출력. 오디오와 비디오는 미지원.
  • 컨텍스트 창 1,050,000토큰, 최대 입력 922,000, 최대 출력 128,000.
  • 추론을 지원하며 API는 reasoning effort = none을 거부합니다.
  • Chat Completions, Responses, Batch를 지원합니다. Realtime, Assistants, 파인튜닝, 이미지·비디오 생성은 지원하지 않습니다. 도구 호출은 Responses API로 해야 합니다.
  • 지식 기준일은 2026년 6월 1일로, Astra의 5월 18일보다 늦습니다.

컨텍스트와 모달리티는 Astra와 완전히 같습니다. 차이는 포지셔닝, 기준일, 능력 분포에 있습니다.

이용 가능 여부는 ChatGPT Learn을 따릅니다. ChatGPT Work, Codex, API이며, ChatGPT에서는 먼저 Work를 켜야 합니다. Enterprise와 Edu는 관리자가 켜야 합니다. Ultrafast는 속도 등급의 이름이며, 일부 상위 등급 Pro 구독과 관리자가 켠 기업·교육 워크스페이스에서 쓸 수 있습니다.

Astra에 근접하는 부분

아래 숫자는 OpenAI 발표 자료이며 VentureBeat가 정리한 것입니다. 공식 차트는 최적 표시점을 쓸 수 있어 추론 수준이 서로 다를 수 있습니다.

벤치마크(OpenAI 공식 차트) Sol 대 GPT-6.1 Sol
FrontierCode 2.0 43.8% 대 39.0%
LifeVal 83.8% 대 79.5%
BenchCAD 2.1 Core 73.1% 대 52.6%
Terminal-Bench-Science 68.0% 대 57.0%
AutomationBench(공식 차트) 41.2% 대 36.1%
Harvey LAB-AA 11.1% 대 6.9%
Agents' Last Exam 73.0% 대 72.5%

이 가운데 두 가지는 따로 짚을 만합니다.

  • FrontierCode 2.0. Sol 43.8%, Astra 44.2%. OpenAI는 max 수준에서 Sol이 Astra에 약 0.5점 뒤진다고도 말합니다.
  • LifeVal. Sol의 83.8%는 자신의 이전 세대보다 높을 뿐 아니라 GPT-6 Astra의 79.8%보다도 높습니다.

독립 평가에도 "근접"을 뒷받침하는 근거가 있습니다. AA의 FrontierCode 2.0 표준 조건에서 Handy AI가 정리한 바에 따르면 Sol은 44.4%, Astra는 45.4%, Claude Fable 5.2는 48.8%입니다. AA 지능 지수 v5.0(max 수준)에서 Sol은 57.3으로 GPT-6 Astra의 56.9와 거의 비슷하고, Astra는 62.1입니다. 즉 Sol은 이번 세대의 플래그십이 아니라 이전 세대 플래그십에 해당하는 수준입니다.

Vals 종합 지수(OfficeChai 또는 The Decoder가 Vals를 전한 것이며, 이 글은 Vals 종합 순위를 직접 확인하지 않았습니다)에서 Sol은 66.06%로 9위이고, 7위 Astra(67.66%)와 1.6점 차이입니다.

후퇴한 부분

코딩 에이전트

AA 코딩 에이전트 페이지는 Codex 하네스, max 수준을 씁니다.

  • 코딩 에이전트 지수: Sol 49, GPT-6.1 Sol 52로 3점 하락. Astra는 53.
  • SWE-Atlas-QnA-AA: Sol 46, GPT-6.1 Sol 60. AA의 글은 이 14점 하락을 주된 원인으로 보며, Sol이 핵심 사실을 더 자주 놓친다고 설명합니다.
  • Terminal-Bench 4.1: Sol 58, Astra 64.
  • 과제당 평균 소요 시간: Sol 약 17.5분, Astra 약 25.1분.

여기서 Sol의 FrontierCode-AA 2.0은 42로 Astra와 같습니다. 같은 이름의 벤치마크가 Codex 하네스에서는 42, AA 표준 조건에서는 44.4%, 공식 차트에서는 43.8%입니다. 세 숫자는 세 가지 조건에서 나온 것이어서 서로 바꿔 쓸 수 없습니다.

과학

Vals 과학 지수(11월 16일 업데이트)에서 GPT-6.2 Sol은 57.76%로 7위이며, GPT-6.1 Sol의 59.63%보다 낮습니다. OpenAI 발표 자료는 58.5% 대 59.6%로 적어 Vals 페이지와 약간 다르며, 이 글은 Vals 페이지를 따릅니다. 결론은 같습니다. 소폭 하락입니다.

직무 과제

Surge의 직무 과제 세트(의사, 회계사, 변호사, 시니어 엔지니어가 설계한 11개)는 좋은 점과 나쁜 점이 섞인 결과를 보여 줍니다.

  • 좋아진 점: 코딩, 차트, 에이전트 지시 이행. Chartography에서 Sol은 87.7%로 GPT-6 Astra의 71.0%보다 높고 Astra의 90.7%보다는 조금 낮습니다.
  • 나빠진 점: 의료, PDF, 금융. DAYJOB Healthcare에서 Sol은 17.2%, GPT-6.1 Sol은 25.2%로 8점 하락했고, 그날 Surge가 측정한 가장 큰 후퇴였습니다. 같은 항목에서 Astra는 34.4%입니다.
  • sudo L7에서 Sol은 36.1%, Astra는 38.3%이며 둘 다 Fable의 52.2%보다 낮습니다.

환각과 장애물

AA-Omniscience의 max 수준에서 Sol의 환각률은 55%, Astra는 59%입니다(낮을수록 좋음). 문제가 매우 어려워서 일상의 환각률을 대표하지 않으며, Sol이 더 믿을 만하다는 근거도 되지 못합니다.

시스템 카드는 두 모델이 작업을 보고할 때 알려진 장애물을 더 쉽게 빠뜨린다고 지적합니다. Sol의 경우 AA가 관찰한 SWE-Atlas 하락(핵심 사실을 더 자주 놓침)은 다른 지표이지만, 인도 전에 사람의 확인이 필요하다는 신호로 함께 놓고 볼 수 있습니다.

개인 테스트: Kazike의 코드 리뷰

Kazike(卡兹克)와 AIZ 샤오주는 WeChat 공식 계정 실측 글에서 직접 만든 코드 리뷰 세트로 xhigh 수준에서 세 모델을 비교했습니다. GPT-6.1 Sol은 문제의 65%, GPT-6.2 Sol은 84%, GPT-6.2 Astra는 96%를 찾았습니다. 이것은 필자가 직접 만든 간이 평가 세트이며 문제와 표본 수가 공개되지 않았습니다. 글은 Astra가 Sol보다 약 두 배 느리고 버그를 열 개 남짓 더 찾았다고도 전합니다. 필자는 이에 따라 Sol xhigh를 기본 리뷰 모델로 쓸 계획이라고 합니다. 이는 필자의 사용 결정이며 일반적인 권고가 아닙니다.

AA의 결론과 충돌하지 않습니다. 코드 리뷰는 "코드를 읽고 문제를 짚는" 일이고, 코딩 에이전트 지수는 Codex 안에서 긴 과제를 끝내는 능력을 재는 것으로, 서로 다른 종류의 작업입니다.

"근접"을 풀어 보기: 차이는 어디에 있나

"Sol이 Astra에 근접한다"는 말은 벤치마크마다 의미가 크게 다릅니다. 이 글이 인용한 공식 차트 비교로 보면 차이는 세 구간으로 나뉩니다.

첫 구간, 거의 차이 없음: FrontierCode 2.0(43.8% 대 44.2%)과 LifeVal(83.8% 대 86.1%, 2.3점 차). 비교적 범용적인 과제여서 모델이 강해도 추가 추론 예산의 효과가 제한적입니다.

둘째 구간, 뚜렷한 차이: BenchCAD 2.1 Core에서 Sol 73.1%, Astra 82.5%. Terminal-Bench-Science에서 68.0% 대 77.1%. AutomationBench(공식 차트)에서 41.2% 대 52.4%. Harvey LAB-AA에서 11.1% 대 15.0%. 과학, CAD, 복잡한 자동화 같은 "가장 어려운 프로젝트"에서 Astra의 우위는 9점 안팎이며, 이것이 OpenAI가 두 모델의 역할을 나눈 근거이기도 합니다.

셋째 구간, Sol이 오히려 나아가지 못함: Vals 과학 지수는 이전 세대보다 낮고, AA SWE-Atlas Q&A는 14점 하락, Surge 의료는 8점 후퇴했습니다.

셋을 합친 결론은, Sol의 장점은 "빠르고 충분하다"는 것이지 "모든 방향에서 옛 모델보다 강하다"가 아니라는 것입니다. Vals 과학 지수 페이지에는 "빠르다"를 뒷받침하는 숫자가 있습니다. 이 지수에서 Sol의 평균 소요 시간은 약 19분, Astra는 약 22분 15초이고, Sol의 토큰 사용량은 약 321만, Astra는 약 348만입니다. 이는 Vals의 세 과학 과제 평균이며 모든 과제에 적용되지는 않습니다.

이전 세대와의 비교가 중요한 이유

"GPT-6.1 Sol에서 6.2 Sol로 올릴 가치가 있나요?"라고 묻는 독자가 많습니다. 공식 차트의 답은 긍정적입니다. 공식 비교 일곱 항목 모두에서 Sol이 이전 세대보다 높고, GDPval v2에서도 +5.3점이 있습니다. 독립 평가의 답은 엇갈립니다. AA 지능 지수에서 Sol은 GPT-6 Astra와 비슷하지만, 코딩 에이전트 지수는 떨어졌고, Vals 과학 지수도 소폭 내렸으며, Surge는 여러 방향에서 후퇴를 보였습니다.

두 가지는 동시에 성립할 수 있습니다. 공식 차트가 고르는 벤치마크, 표본으로 삼는 추론 수준, 채점 기준이 모두 독립 기관과 다르기 때문입니다. 업그레이드 여부는 내 워크로드가 어느 쪽에 가까운지에 달려 있습니다. 과제가 FrontierCode, LifeVal, BenchCAD에 가깝다면 업그레이드의 근거가 더 충분합니다. 의료 문서, PDF 추출, 검색형 Q&A에 가깝다면 내 표본으로 신구 두 세대를 먼저 비교한 뒤 결정하세요.

도입 전 최소 검증 체크리스트

  1. 실제 과제 30개 안팎을 골라 신구 Sol을 같은 추론 수준으로 각각 돌립니다.
  2. 과제마다 "핵심 사실을 놓쳤는지" 기록합니다. AA가 이 점에서 Sol이 후퇴했다고 관찰했기 때문입니다.
  3. 의료, 금융, PDF 계열 과제는 일반 과제와 평균 내지 말고 따로 집계합니다.
  4. 인도 시 모델이 만난 장애물을 나열하게 하고 표본으로 확인합니다. 시스템 카드는 두 모델이 더 쉽게 빠뜨린다고 경고합니다.
  5. API를 쓴다면 도구 호출은 Responses 인터페이스로 하고, 문서대로 추론 수준을 지정하며 none은 쓰지 마세요.

Sol을 기본으로 삼기 좋은 경우

위 근거에 따르면 Sol이 맞는 경우는 다음과 같습니다.

  • 일상 질의응답, 문서 정리, 생활·사무 과제(LifeVal의 방향).
  • 코드 리뷰, 차트 생성, 낮은 지연이 필요한 배치형 에이전트.
  • Astra는 어려운 문제에 남겨 두고 나머지는 더 빠른 모델에 맡기려는 팀.

조심해야 할 경우:

  • 의료, 금융, PDF 비중이 큰 워크플로. Surge는 Sol이 이전 세대보다 후퇴했음을 보여 줍니다.
  • 사실을 빠뜨리면 안 되는 검색형 Q&A. AA의 SWE-Atlas 하락은 경고입니다.
  • 과학 벤치마크. Vals 과학 지수에서 Sol은 이전 세대보다 소폭 낮습니다.

오해하기 쉬운 두 가지

첫째, xhigh 수준의 결론을 기본 수준에 그대로 가져가지 마세요. Kazike의 코드 리뷰 비교는 xhigh, AA 코딩 에이전트는 max, 공식 차트는 "최적 표시점"입니다. Work나 Codex에서 쓰는 수준은 이보다 낮을 수 있습니다. 수준이 낮을수록 어려운 문제에서 Sol과 Astra의 차이가 드러나기 쉬운 것이 보통이며, 이는 직접 테스트해야 합니다.

둘째, 리더보드 하나로 모델 전체를 요약하지 마세요. Sol이 FrontierCode에서 Astra를 바짝 따라가도 Surge 의료 과제의 17.2%는 달라지지 않습니다. Vals 과학 지수에서 이전 세대보다 소폭 낮아도 LifeVal에서 GPT-6 Astra를 넘는다는 사실은 달라지지 않습니다. 숫자 하나는 질문 하나에만 답합니다.

첫날 반응 가운데 Sol에 대한 목소리

첫날의 공개 논의는 주로 Astra를 향했습니다. Sol에 대한 직접적인 평가는 적었습니다. Kazike는 일상 리뷰의 후보로 꼽았고, OpenAI는 내부에서 기본으로 쓰는 사람이 많다고 했으며, Surge의 결론은 좋은 점과 나쁜 점이 섞여 있었습니다. 이 발언들은 성격이 다르다는 점을 강조해야 합니다. 공식 발언은 벤더의 입장이고, Kazike는 개인이 직접 만든 세트이며, Surge는 독립 과제 세트입니다. 구체적인 상황을 담은 Sol의 장기 과제 사용 보고는 충분히 보이지 않아서, 이 글은 "Sol이 쓰기 좋은가"에 대한 총평은 내리지 않고, 공개된 근거 중 어디가 강하고 어디가 약한지만 말합니다.

현실적인 역할 분담 방식

팀이 두 모델을 모두 쓸 수 있다면 공개된 근거는 보수적인 분담을 뒷받침합니다. 일상 요청, 배치 리뷰, 차트, 일반 사무 과제는 Sol에 맡기고, 과학 계산, CAD, 복잡한 자동화에 해당하거나 표본 점검에서 Sol이 자주 항목을 빠뜨릴 때 Astra로 올립니다. 이유는 세 가지입니다. 두 모델의 공식 포지셔닝이 원래 그렇게 나뉘어 있다는 것, FrontierCode와 LifeVal에서 둘의 차이가 매우 작다는 것, BenchCAD와 Terminal-Bench-Science에서는 차이가 9점 안팎에 모여 있다는 것입니다.

반대로 Sol이 어느 벤치마크에서 "플래그십을 따라잡았다"는 이유만으로 의료, 금융, 검색형 Q&A까지 기본으로 맡기는 것은 권하지 않습니다. 이 분야가 바로 Surge와 AA가 후퇴를 관찰한 곳이며, 내 표본으로 먼저 검증해야 합니다. 이 분담은 기존 공개 데이터를 읽는 한 가지 방식일 뿐 贵数智能이 검증한 결론이 아닙니다.

한계

공개된 지 하루밖에 지나지 않았습니다. Surge의 일부 과제는 그날도 실행 중이었고 Epoch와 Vals의 순위도 앞으로 갱신됩니다. 여기 있는 것은 모두 제3자 데이터와 개인 테스트이며 贵数智能의 실측이 아닙니다. Sol과 Astra 중 무엇을 고를지는 선택 가이드도 참고하세요.

한 줄 요약

Sol은 OpenAI가 일상 업무와 대규모 에이전트용으로 마련한 효율형 모델입니다. FrontierCode와 LifeVal에서는 이전 세대 플래그십에 근접하거나 넘어서고, 코딩 에이전트, Vals 과학, Surge 의료에서는 후퇴했습니다. "모든 방향에서 업그레이드된 신제품"이 아니라 "대부분의 과제에 충분한 기본 모델"로 보는 것이 맞습니다.

출처