오픈AI가 새로운 시각 언어 모델(VLM)인 GPT-5.6 제품군, 즉 Sol, Terra, Luna를 선보였습니다. 이 모델들은 기존 GPT-5.5보다 전반적으로 향상된 비전 성능을 보여주며, 특히 객체 탐지(Object Detection) 분야에서 큰 발전을 이루었습니다. 이는 에이전트, 화면 이해, 문서 워크플로 등 다양한 시각적 추론 작업에서 오픈AI의 역량을 확장할 것으로 기대됩니다.
GPT-5.6 Sol은 객체 탐지 성능 지표인 mAP@50에서 GPT-5.5의 13.8에서 46.2로 크게 상승하며 가장 강력한 성능을 입증했습니다. Terra와 Luna 역시 각각 44.7과 43.3을 기록하며 개선된 모습을 보였습니다. 객체 계수(Object Counting) 정확도도 Sol 73.0%로 GPT-5.5의 64.9%를 넘어섰습니다. 그러나 광학 문자 인식(OCR)과 데이터 추출(Data Extraction)에서는 GPT-5.5와 비슷하거나 오히려 낮은 점수를 기록하며 여전히 한계를 드러냈습니다. 또한, 약 2,000x2,000 픽셀 이상의 대형 이미지에서는 탐지 안정성이 떨어질 수 있으며, 추론 강도를 높이면 안정성은 개선되지만 토큰 사용량, 지연 시간, 비용이 증가하는 단점이 있습니다. Sol은 이미지당 약 10초의 처리 시간과 2.5센트의 비용이 발생하여, 0.8센트로 더 빠르고 저렴하며 탐지 및 계수 성능도 우수한 구글의 Gemini 3.5 Flash에 비해 대량 처리에는 불리하다는 평가입니다.
이번 GPT-5.6 제품군의 출시는 오픈AI가 시각 이해 능력을 강화하여 AI 에이전트의 활용 범위를 넓히려는 전략의 일환으로 해석됩니다. 특히 객체 탐지 성능의 비약적인 발전은 UI 에이전트나 세밀한 3D 시각화와 같은 복잡한 작업에서 AI의 역할을 확대할 잠재력을 보여줍니다. 하지만 높은 비용과 긴 지연 시간, 그리고 특정 작업에서의 불안정성은 여전히 해결해야 할 과제로 남아 있습니다. 따라서 대규모의 데이터 집약적 작업에서는 여전히 Gemini 3.5 Flash와 같은 경쟁 모델이 더 실용적인 선택지가 될 수 있으며, 오픈AI는 앞으로도 성능과 효율성 사이의 균형을 찾는 데 집중할 것으로 보입니다.