오픈AI, 코딩·에이전트 역량 강화한 'GPT-5.5' 공개

AI에게 코딩을 맡길 때마다 가장 답답했던 점은 조금만 복잡한 작업을 줘도 엉뚱한 방향으로 코드를 수정해 사람이 계속 감시해야 했다는 점입니다.

OpenAI가 복잡한 에이전트 코딩과 리서치, PC 업무 자동화를 겨냥한 차세대 모델 GPT-5.5를 공개했습니다. ChatGPT와 Codex 유료 및 기업 사용자에게 배포를 시작한 데 이어, 4월 24일에는 API 제공까지 개시했습니다. 사용자가 모든 단계를 관리할 필요 없이 애매한 복합 과제를 던져줘도 스스로 도구를 쓰며 끝까지 완료하는 능력을 내세웠습니다.

더 똑똑해졌지만 토큰 소비와 비용은 절감

보통 모델 성능이 올라가면 속도가 느려지고 비용이 치솟기 마련입니다. 하지만 GPT-5.5는 실제 서비스 환경에서 토큰당 지연 시간을 GPT-5.4 수준으로 유지했습니다. 게다가 같은 Codex 과제를 수행할 때 소모하는 토큰 수와 재시도 횟수를 대폭 줄였습니다.

Artificial Analysis의 코딩 지수에 따르면, GPT-5.5는 경쟁 선도 모델 대비 절반 수준의 비용으로 최고 수준의 성능을 구현합니다. 복잡한 명령줄 작업을 테스트하는 Terminal-Bench 2.0에서 82.7%, 실제 깃허브 이슈 해결 능력을 측정하는 SWE-Bench Pro에서 58.6%를 기록하며 단 한 번의 실행으로 과제를 통과하는 비율을 높였습니다.

초기 사용자들의 반응도 뜨겁습니다. Every의 CEO 댄 쉬퍼는 고참 엔지니어가 며칠 동안 디버깅 끝에 내린 시스템 재작성 결정을 GPT-5.5가 그대로 재현해냈다며 높은 개념적 명확성을 갖췄다고 평가했습니다. MagicPath의 피에트로 스키라노 CEO는 수백 건의 변경 사항이 얽힌 브랜치 병합을 단 20분 만에 한 번에 해결했다고 밝혔으며, 엔비디아의 한 엔지니어는 모델 접근 권한을 잃는 것이 사지가 절단되는 기분 같았다고 표현했습니다.

단순 코딩을 넘어 PC 작업과 과학 연구까지

GPT-5.5의 능력은 개발 외 영역으로도 확장되고 있습니다. 실제 PC 환경 제어 능력을 보는 OSWorld-Verified에서 78.7%, 44개 직업군의 지식 노동을 평가하는 GDPval에서 84.9%를 달성했습니다.

OpenAI 내부 임직원의 85% 이상이 매주 Codex를 업무에 쓰고 있으며, 재무팀의 경우 7만 페이지가 넘는 2만 4771건의 세무 양식을 검토해 일정을 2주 단축했습니다. 또한 유전체학 데이터 분석 평가인 GeneBench와 생물정보학 벤치마크 BixBench에서도 기존 한계를 넘어서는 연구 수행 능력을 보였습니다.

왜 중요한가

개발자와 실무자 관점에서 GPT-5.5는 지금 즉시 실제 워크플로에 도입해 볼 가치가 충분합니다. 가장 주목할 점은 벤치마크 점수 자체보다 작업의 효율성입니다. 에이전트 파이프라인에서 가장 큰 문제는 모델이 헛돌면서 API 토큰 비용을 낭비하는 것이었는데, 적은 토큰과 적은 재시도로 단번에 정답에 도달한다는 점은 운영 비용 절감으로 직결됩니다.

업계 차원에서는 Anthropic과의 주도권 싸움이 극에 달했음을 보여줍니다. The Verge가 지적했듯 양사는 연내 기업공개 가능성을 앞두고 기업용 도구 시장을 선점하기 위해 총력을 기울이고 있습니다. 최근 Anthropic이 선보인 Claude Opus 4.7에 맞서 OpenAI가 자율성과 추론 능력을 앞세워 한 걸음 더 치고 나간 모습입니다.

우리는 OpenAI가 모델 덩치를 무작정 키우기보다 경제성과 완결성에 집중한 점을 매우 실용적인 선택으로 봅니다. 다만 OSWorld-Verified 지표가 70%대 후반이라는 사실은 여전히 컴퓨터 조작에서 다섯 번 중 한 번은 오류를 낼 수 있다는 뜻이기도 합니다. 실제 세무나 민감한 프로덕션 배포 같은 고위험 업무를 어디까지 믿고 넘길지에 대한 안전장치 마련은 여전히 과제로 남습니다.