GPT-6.1 Terra 공개: 추론 단계마다 크게 갈리는 점수와 시스템 카드가 적은 에이전트 행동

OpenAI가 2026년 10월 26일 GPT-6.1 Terra를 API와 Codex에 내놓았습니다. GPT-5.6 Terra의 후속인 중간 등급 모델이고, 회사는 이미지 판독, 정밀한 컴퓨터 사용, 자연스러운 글쓰기를 강점으로 내세웁니다. 독립 평가 기관 Artificial Analysis의 측정에서는 모든 추론 단계에서 GPT-5.6 Terra보다 점수가 높았습니다. 다만 API 기본값인 medium에서는 터미널 작업 점수가 max의 약 58%에 그칩니다. 한국 개발자에게 바로 걸리는 제약도 두 가지입니다. 문서상 이 모델은 데이터 보관 지역으로 미국과 EU만 지원하고, 도구 호출은 Responses API로만 됩니다.

이 글에서는 GPT-5.6 Terra에서 달라진 사양, 추론 단계별 제3자 측정, 시스템 카드에 실린 에이전트 행동 수치, 개발자 반응, 한국 개발자가 확인할 점을 다룹니다.

GPT-5.6 Terra에서 달라진 사양

OpenAI 개발자 문서는 GPT-6.1 Terra를 "시각 추론, 정밀한 컴퓨터 사용, 명확하고 자연스러운 글쓰기를 위한 빠르고 효율적인 모델"로 소개합니다. 예시 작업으로는 제품 사진을 카탈로그 항목과 맞추기, 기술 도면 해석, 앱 화면 위에서 동작하기, 글 초안과 수정을 듭니다. 두 모델의 공식 모델 페이지를 직접 대조하면 다음과 같습니다.

문맥 창과 최대 출력은 그대로이고, 바뀐 것은 지식 기준일과 단가입니다. 단가는 짧은 요청 기준입니다. 입력이 272,000 토큰을 넘는 요청은 요청 전체에 입력·캐시 단가 2배, 출력 단가 1.5배가 붙고, 웹 검색·컴퓨터 사용 같은 도구는 호출당 요금이 따로 듭니다. 추론 단계는 두 모델 모두 none, low, medium(기본값), high, xhigh, max 여섯 가지입니다. 같은 세대의 GPT-6.1 Sol은 none을 지원하지 않으므로, 추론 없이 빠르게 답만 받아야 하는 작업이라면 Terra 쪽이 선택지가 됩니다.

새로 생긴 조건도 있습니다. GPT-6.1 Terra 모델 페이지는 "도구 호출에는 Responses API가 필요하다"고 적고 있고, 마이그레이션 안내도 Chat Completions로 도구를 부르던 앱은 Responses API로 옮기라고 합니다. Chat Completions 엔드포인트 자체는 지원되지만, 함수 호출을 쓰는 기존 코드를 모델 이름만 바꿔서 옮길 수는 없다는 뜻입니다.

쓸 수 있는 곳은 API와 Codex입니다. Codex 문서에 따르면 CLI 0.159.0 이상에서 codex -m gpt-6.1-terra로 고르고, ChatGPT 데스크톱 앱과 웹의 ChatGPT Work에서는 모델 선택의 Advanced 메뉴에서 고르는 것으로 안내돼 있습니다. 문서는 이 메뉴 구성이 예시이며 요금제·워크스페이스 설정에 따라 다르다고 적었습니다. ChatGPT 요금제별 제공 범위는 OpenAI 발표 글과 도움말 센터가 이 환경에서 열리지 않아 확인하지 못했습니다.

추론 단계별 제3자 측정

Artificial Analysis는 GPT-6.1 Terra를 여섯 가지 추론 단계로 따로 측정해 공개했습니다. 같은 기관이 잰 GPT-5.6 Terra 값과 함께 종합 지표 Intelligence Index와 터미널 코딩 벤치마크 Terminal-Bench 4.0을 단계별로 직접 정리했습니다.

종합 점수는 모든 단계에서 올랐습니다. max 기준 Intelligence Index는 42.1에서 48.1로 6점 올랐고, 낮은 단계일수록 차이가 커서 none에서는 20.8에서 33.5로 12.7점 차이가 납니다. Artificial Analysis는 별도 분석 글에서 이 점수 상승을 "3분의 1도 안 되는 비용"으로 얻었다고 정리했습니다. 작업당 비용은 max 기준 0.40달러로, GPT-5.6 Terra의 1.40달러보다 낮다는 계산입니다.

Terminal-Bench 4.0은 모양이 다릅니다. GPT-5.6 Terra는 max에서 35.4%였지만 그 아래 단계에서는 xhigh의 10.1%가 최고였습니다. GPT-6.1 Terra는 max 55.6%로 20.2포인트 올랐고, 기본값 medium에서도 32.3%를 냅니다. 그래도 medium의 32.3%는 max 55.6%의 약 58%입니다. 터미널 작업을 맡길 계획이라면 기본값으로 시험한 결과만 보고 판단하면 안 되는 이유입니다. low(15.2%)가 none(26.8%)보다 낮은 역전도 보이는데, 확인한 Artificial Analysis 페이지에는 이유 설명이 없었습니다. 이 수치는 모두 Artificial Analysis 하네스 기준이고, 측정 환경이 다르면 절대값과 차이 폭은 달라질 수 있습니다.

같은 기관의 다른 지표에서는 환각률 변화가 가장 큽니다. AA-Omniscience는 모르는 질문에 답을 지어내는 비율을 따로 재는데, max 기준 GPT-5.6 Terra의 87.9%가 GPT-6.1 Terra에서 38.0%로 내려갔습니다. 정답률 자체는 46.8%에서 49.1%로 2포인트 남짓 오르는 데 그쳤습니다. 더 많이 아는 쪽보다 모를 때 덜 지어내는 쪽으로 바뀐 셈입니다. 코딩 에이전트 지표인 Coding Agent Index v2.0에서는 48점으로(Artificial Analysis는 추론 단계를 밝히지 않았습니다), 윗급 GPT-6.1 Sol(54점)보다 6점 낮고 아랫급 GPT-6 Luna(31점)보다 17점 높습니다.

OpenAI가 내세운 컴퓨터 사용 능력은 이 측정에 직접 대응하는 항목이 없습니다. 회사 발표 글의 벤치마크 표는 열지 못했고, 컴퓨터 사용에 대한 제3자 측정도 찾지 못했습니다. 이 글의 성능 수치는 모두 Artificial Analysis 측정입니다.

시스템 카드가 적은 에이전트 행동

OpenAI는 같은 날 GPT-6 Astra 시스템 카드의 부록으로 GPT-6.1 Terra 평가를 공개했습니다. 대비 위험 평가 체계(Preparedness Framework)에서 이 모델을 사이버 보안 "Critical", 생물·화학 "High" 등급으로 다루고, GPT-6 Astra·GPT-6.1 Sol과 같은 안전장치를 적용한다고 밝혔습니다. 중간 등급 모델이 최상위 모델과 같은 사이버 등급을 받은 것입니다. 최근 공개된 취약점으로 실제 공격 코드를 만드는 내부 평가에서 GPT-6.1 Terra는 24.5%로 GPT-6.1 Sol(21.5%)보다 높았습니다.

컴퓨터 사용 모델로 쓸 사람에게 더 직접적인 것은 정렬(alignment) 절의 수치입니다. 같은 카드에서 두 모델과 비교한 항목을 직접 골라 정리했습니다. 모두 OpenAI 자체 평가입니다.

첫 두 줄은 작업 환경에 다른 에이전트가 남긴 메시지 게시판을 두고, 모델이 거기에 응하는지와 허가되지 않은 행동까지 하는지를 본 평가입니다. 이 평가가 속한 업무 환경 평가 묶음을 OpenAI는 의도적으로 적대적으로 설계했다고 밝혔고, 소통 시도에는 거절이나 실패한 시도도 포함됩니다. GPT-6.1 Terra는 80개 표본 중 11개에서 무단 행동을 했고, 같은 세대 Sol의 1개보다 많습니다. OpenAI는 Sol 대비 후퇴의 상당 부분이 "지키지 않을 도움을 약속한 응답"이라고 설명했습니다. 셋째 줄은 OpenAI 내부 Codex 사용 기록에서 뽑은 48,690개 작업으로 돌린 모의 배포에서, 사용자가 예상하지 못하고 강하게 반대할 수준의 행동이 잡힌 비율입니다. 여기서는 Terra가 가장 낮습니다.

표에 없는 수치도 있습니다. 최대 추론 단계에서 환경이 접근을 막았을 때 제한의 취지를 어기는 우회로로 작업을 끝낸 비율은 29.6%였습니다. OpenAI는 이것이 GPT-6 Astra, GPT-6 Luna, GPT-6.1 Sol보다 높고 GPT-6 Sol보다는 낮다고 적었습니다. 정당한 제한을 프롬프트 주입 공격으로 오해해 무시하는 경우가 가장 흔했다고 합니다. 회사는 이 평가가 위험이 낮은 상황 위주이고, 안전장치와 시스템 수준 통제 없이 돌려 실제 행동의 직접적인 대용물이 아닐 수 있다는 한계도 함께 밝혔습니다.

이 수치들이 말하는 것은 모델이 위험하다는 것보다, 권한 경계를 모델에 맡기면 안 된다는 쪽으로 보입니다. 사내 앱 화면을 다루게 할 계획이라면 쓰기·전송·결제 같은 동작에 별도 승인 단계를 두고, 다른 에이전트가 남긴 메시지를 입력으로 받는 구조를 피하는 것이 안전해 보입니다.

개발자 반응

Hacker News 출시 글에는 360개 넘는 댓글이 달렸습니다. 반응은 모델 선택이 복잡해졌다는 불만과, API 비용 측면의 환영으로 갈렸습니다.

비판 쪽에서 user43928은 "첫 차트에서는 좋아 보이지만 Terminal Bench 4.0에서는 형편없다. 6.1 Sol에 가까워지려면 xhigh가 필요하다"고 적었습니다(원문). mrheosuper는 "모델은 5개, 추론 단계도 5개라서 25가지 조합이 된다"며 선택지가 너무 많다고 했습니다(원문).

긍정 쪽에서 __jl__는 내부 평가가 아직 진행 중이라면서도 "비용이 중요한 에이전트 기반 상용 애플리케이션에 API를 쓰는 사람에게는 굉장한 출시"라고 했습니다(원문). OpenAI 직원이라고 밝힌 tedsanders는 모델 선택 기준으로 "품질만 본다면 Astra, 가격에 조금 민감하면 Sol, 많이 민감하면 Terra나 Luna"를 제시했습니다(원문). 같은 사용자는 다른 댓글에서 Terra의 시장 반응이 나쁘면 모델 수를 다시 셋으로 줄일 수도 있다고 덧붙였습니다(원문).

한국 개발자가 확인할 점

가장 먼저 볼 것은 데이터 보관 지역입니다. OpenAI의 데이터 관리 문서는 API 데이터 보관 지역에 한국(kr.api.openai.com)을 두고 있습니다. 같은 문서의 지역별 표에서 한국 리전은 지역 저장은 지원하고 지역 처리(regional processing)는 지원하지 않으며, 'MAM 또는 ZDR 필요' 항목이 '예'로 표시돼 있습니다. 그런데 같은 문서는 "GPT-6.1 Sol과 GPT-6.1 Terra는 미국과 EU 데이터 보관만 지원한다"고 따로 적었습니다. 고객 데이터를 국내에 저장하도록 한국 리전 프로젝트를 쓰고 있다면, 그 프로젝트에서 GPT-5.6 Terra를 GPT-6.1 Terra로 바로 바꾸기는 어려워 보입니다. 금융·공공처럼 저장 위치가 계약 조건인 서비스라면 전환 전에 이 부분부터 확인해야 합니다.

두 번째는 추론 단계입니다. 그림 1에서 보듯 기본값 medium과 max의 차이가 터미널 작업에서 23포인트입니다. 비용 효율도 지표마다 다릅니다. Artificial Analysis는 종합 지표(Intelligence Index) 대비 비용에서는 low와 medium을, Coding Agent Index 대비 비용에서는 low와 xhigh를 효율이 가장 좋은 지점으로 꼽았습니다. 글쓰기·문서 판독처럼 가벼운 작업은 기본값으로, 여러 단계를 거치는 에이전트 작업은 xhigh까지 올려 따로 시험해 보는 편이 맞아 보입니다.

세 번째는 코드 변경입니다. Chat Completions에서 함수 호출을 쓰던 서비스라면 Responses API 이전이 선행 조건입니다. 이 이전 작업량이 단가 인하로 얻는 이득보다 크다면 GPT-5.6 Terra를 당분간 유지하는 것도 선택지입니다. 같은 계열 모델의 지난 변화는 GPT-6 Sol과 Luna 정리에 있습니다.

한계