Rihpig

Posted on Jul 10 • Originally published at apidog.com

GPT-5.6 솔 대 클로드 페이블 5: 솔직한 비교

OpenAI의 GPT-5.6은 2주간의 비공개 프리뷰를 거쳐 2026년 7월 9일 정식 출시되었습니다. 플래그십 솔(Sol)은 에이전트 역량을 강조하고, Anthropic의 Claude Fable 5는 6월 초부터 “가장 유능한 모델”이라는 평가를 받아왔습니다. 하지만 실제 개발 작업에 적용할 때는 단일 리더보드 순위보다 내 작업이 에이전트 오케스트레이션에 가까운지, 저장소 단위 엔지니어링에 가까운지가 더 중요합니다.

지금 Apidog 사용해 보기

대부분의 비교가 놓치는 점은 간단합니다. 모든 작업에서 이기는 모델은 없습니다. OpenAI의 출시 자료에서도 솔(Sol)은 광범위한 에이전트 벤치마크에서 우세하지만, Claude Fable 5는 SWE-Bench Pro에서 크게 앞섭니다. “전체 승자”를 선언하는 대신, 이 글에서는 벤치마크, 가격, API 기능, 그리고 실제 작업량 테스트 방법을 기준으로 선택하는 방법을 정리합니다.

GPT-5.6 솔(Sol)의 개요는 GPT-5.6 솔(Sol)이 무엇인지에서, OpenAI의 원문 주장은 공식 GPT-5.6 발표에서 확인할 수 있습니다.

사전 결론

수행할 작업	오늘 더 강력한 선택	근거
광범위한 에이전트 작업 실행	GPT-5.6 솔(Sol)	OpenAI 기준 Agents’ Last Exam 약 53점
심층 소프트웨어 엔지니어링	Claude Fable 5	OpenAI 차트 기준 SWE-Bench Pro 80.3% vs 솔(Sol) 64.6%
터미널 기반 에이전트 작업	GPT-5.6 솔(Sol), 근소한 차이	OpenAI 기준 Terminal-Bench 2.1 88.8%, Ultra 사용 시 91.9%
토큰당 최저 정가	GPT-5.6 솔(Sol)	100만 토큰당 $5 / $30 vs Fable 5의 공개 가격 $10 / $50
내장 병렬 멀티 에이전트 실행	GPT-5.6	Ultra는 기본적으로 4개 에이전트를 병렬 실행
모든 작업에서 이기는 단일 모델	없음	현재 공개된 수치만으로는 단일 승자를 정할 수 없음

중요한 주의사항이 있습니다. 이 수치는 모두 공급업체가 출시 시점에 공개한 자료이며, 아직 독립적으로 재현되지 않았습니다. 따라서 확정된 순위가 아니라 검증해야 할 가설로 읽어야 합니다.

최종 선택은 실제 작업량으로 결정해야 합니다. 이 글 후반부에서는 Apidog에서 두 API를 같은 프롬프트로 비교하는 방법을 다룹니다.

OpenAI 발표 기준 벤치마크 분석

이 비교를 정의하는 주요 수치는 OpenAI의 출시 자료에서 나왔습니다. 경쟁 모델의 강점까지 포함한 자료라는 점은 참고할 만하지만, 공급업체 발표 수치라는 한계는 그대로 존재합니다.

벤치마크	GPT-5.6 솔(Sol)	Claude Fable 5	출처
Agents’ Last Exam	약 53점, 보고 범위 52.7~53.6	솔(Sol)보다 약 13점 낮음	OpenAI 출시 자료
SWE-Bench Pro	64.6%	80.3%	OpenAI 출시 자료
Terminal-Bench 2.1	88.8%, Ultra 사용 시 91.9%	OpenAI 차트에 명시되지 않음	OpenAI 출시 자료

Agents’ Last Exam: 넓은 에이전트 작업

OpenAI는 솔(Sol)이 Agents’ Last Exam에서 약 53점을 기록했다고 밝혔습니다. 이는 GPT-5.5의 46.9점보다 높고, Claude Fable 5보다 약 13점 앞선다는 주장입니다.

이 벤치마크는 다음과 같은 역량에 가까운 작업을 평가합니다.

여러 단계를 거친 계획 수립
도구 호출 순서 조정
중간 오류 복구
다양한 하위 작업을 조합한 완료
장기 실행 에이전트 흐름 유지

티켓 분류, 운영 자동화, 리서치 에이전트, 내부 도구 호출 체인처럼 작업 종류가 다양한 경우라면 솔(Sol)의 수치가 더 관련성이 높습니다.

SWE-Bench Pro: 저장소 단위 엔지니어링

SWE-Bench Pro에서는 결과가 반대입니다. OpenAI의 비교 차트는 Claude Fable 5가 80.3%, 솔(Sol)이 64.6%를 기록했다고 제시합니다. 차이는 15.7점입니다.

SWE-Bench Pro는 단순 코드 생성보다 다음과 같은 문제에 가깝습니다.

기존 저장소의 구조 이해
다수 파일에 걸친 수정
재현 가능한 버그 원인 추적
테스트 실패 해결
실제 프로젝트 제약 내에서 패치 작성

따라서 작업이 “새 함수를 생성하는가”보다 “복잡한 저장소 이슈를 끝까지 해결하는가”에 가깝다면, Fable 5의 결과를 우선 검토할 이유가 있습니다.

Terminal-Bench 2.1: 도구 사용과 실행 흐름

OpenAI는 Terminal-Bench 2.1에서 솔(Sol)이 88.8%를 기록했고, Ultra 설정에서는 91.9%까지 상승했다고 보고합니다.

다만 Ultra 결과는 모델이 동일한 답을 더 오래 생각한 결과로만 보면 안 됩니다. 원문 설명에 따르면 Ultra는 기본적으로 4개 에이전트에 작업을 병렬 분산하는 실행 설정입니다. 즉, 성능 향상에는 더 많은 토큰 사용과 병렬 실행 비용이 포함됩니다.

벤치마크 해석 전에는 다음 두 가지를 확인해야 합니다.

이 수치는 공급업체의 출시일 주장입니다. 외부 재현이 아직 없다면 확정값으로 취급하면 안 됩니다.
벤치마크 점수는 실제 제품 작업을 완전히 대표하지 않습니다. 프롬프트 형식, 도구 구성, 평가 방식에 따라 결과가 달라질 수 있습니다.

출시 관련 독립 자료로는 Simon Willison의 GPT-5.6 출시일 보고서를 참고할 수 있습니다. 각 시험이 측정하는 항목은 GPT-5.6 솔(Sol) 벤치마크 분석에서 더 자세히 확인할 수 있습니다.

벤치마크가 실제 선택에 의미하는 것

이 결과는 무작위가 아니라 서로 다른 전문성을 보여줍니다.

솔(Sol): 폭넓은 작업 실행과 오케스트레이션

솔(Sol)의 강점은 다양한 종류의 작업을 계획하고, 도구를 호출하고, 오류에서 복구하며, 여러 하위 작업을 완료하는 흐름에 있습니다.

다음과 같은 경우에 적합성을 검토할 수 있습니다.

고객 티켓을 분류하고 후속 작업을 자동화하는 에이전트
내부 API를 호출해 데이터를 수집하고 보고서를 만드는 워크플로우
터미널 명령, 검색, 코드 수정 등을 조합하는 작업
많은 독립 작업을 병렬로 처리하는 파이프라인

Fable 5: 깊은 단일 작업과 저장소 엔지니어링

Fable 5의 강점은 저장소 수준의 깊은 소프트웨어 엔지니어링 작업으로 보입니다. 특히 SWE-Bench Pro의 우위는 다음과 같은 작업과 관련성이 높습니다.

대규모 리팩터링
여러 모듈에 걸친 버그 수정
실패한 테스트 원인 분석
복잡한 의존성과 제약을 가진 코드베이스 수정
장기적인 단일 프로젝트 작업

올바른 질문은 “어느 모델이 더 좋은가?”가 아닙니다.

내 작업은 폭넓은 에이전트 실행에 가까운가, 아니면 깊은 저장소 엔지니어링에 가까운가?

리더보드 종합 점수만으로 선택하면 실제로 하지 않는 작업에 최적화할 수 있습니다.

가격 비교

OpenAI는 GPT-5.6의 세 티어 가격을 공개했습니다. 아래 Claude Fable 5 가격은 출시 시점에 공개된 수치입니다. Anthropic의 접근 조건과 사용량 크레딧 정책은 변경될 수 있으므로, 예산을 확정하기 전에는 현재 가격 페이지를 다시 확인해야 합니다.

모델	100만 입력 토큰당	100만 출력 토큰당
`gpt-5.6-sol` — 기본 별칭 `gpt-5.6`은 이 모델로 라우팅	$5.00	$30.00
`gpt-5.6-terra`	$2.50	$15.00
`gpt-5.6-luna`	$1.00	$6.00
`claude-fable-5`	$10.00, 공개 가격이며 확인 필요	$50.00, 공개 가격이며 확인 필요

정가만 보면 솔(Sol)은 Fable 5 공개 가격의 절반입니다. 하지만 토큰 단가만으로 작업 비용을 판단하면 안 됩니다.

실제 비용은 다음 요소의 영향을 받습니다.

모델별 토큰화 차이
같은 프롬프트에 대한 출력 길이
추론과 도구 호출에 소모되는 토큰
재시도 횟수
캐시 적중률
작업을 완료하기까지 필요한 대화 턴 수

예를 들어, 토큰당 비용이 낮더라도 모델이 더 긴 출력과 추가 재시도를 필요로 한다면 작업당 비용은 비슷하거나 높아질 수 있습니다.

캐싱도 비용 계산에 영향을 줍니다.

GPT-5.6은 명시적 캐시 중단점을 지원합니다.
캐시 쓰기는 캐시되지 않은 입력 요금의 1.25배입니다.
캐시 읽기는 90% 할인이 유지됩니다.
최소 캐시 수명은 30분입니다.
Fable 5의 프롬프트 캐싱도 캐시 히트에 대해 90% 할인을 제공합니다.

캐싱이 실제 비용에 미치는 영향은 Claude Fable 5 가격 분석에서 확인할 수 있습니다.

핵심 지표는 다음입니다.

작업당 비용 = 입력 토큰 비용 + 출력 토큰 비용 + 캐시 비용 + 재시도 비용

즉, “100만 토큰당 비용”이 아니라 완료된 작업 1건당 비용을 측정해야 합니다.

API 표면의 차이점

두 공급업체 모두 단순 채팅 완성 API 이상의 기능을 제공합니다. 차이는 주로 오케스트레이션을 API에서 얼마나 직접 제어할 수 있는지에 있습니다.

GPT-5.6: 제어와 오케스트레이션 중심

OpenAI 개발자 문서에 따르면 GPT-5.6은 Responses API를 중심으로 제어 기능을 제공합니다.

주요 항목은 다음과 같습니다.

요청별로 조절하는 6단계 추론 노력 수준
품질 우선 작업을 위한 reasoning.mode: "pro" 설정
기본적으로 4개 에이전트를 병렬 실행하는 Ultra 설정
격리된 V8 런타임에서 도구 호출을 조율하는 JavaScript 기반 프로그래밍 방식 도구 호출
턴 간 지속되는 추론
베타 멀티 에이전트 실행
원본 이미지 해상도를 유지하는 시각 세부 설정

이 API 표면은 다음처럼 작업별 정책을 두기 좋습니다.

작업 유형이 운영 자동화 또는 도구 오케스트레이션인가?
  → GPT-5.6 솔(Sol) 사용

작업이 비용에 민감하지만 복잡도가 낮은가?
  → GPT-5.6 Terra 또는 Luna 검토

병렬 처리로 실제 시간 단축이 중요한가?
  → Ultra 사용 비용을 별도로 측정

Ultra는 무료 성능 향상이 아닙니다. 병렬 에이전트 실행에 따른 토큰 사용량 증가를 포함해 작업당 비용으로 비교해야 합니다.

Claude Fable 5: 깊은 모델 실행과 안정성 파이프라인

Claude Fable 5는 Anthropic 발표에서 Claude Mythos 5와 함께 소개된 Claude 5 제품군의 상위 모델입니다.

공개된 API 기능에는 다음이 포함됩니다.

기본 100만 토큰 컨텍스트 창
요청당 최대 128K 출력 토큰
안전상 거부된 요청을 동일한 API 호출에서 Claude Opus 4.8로 재라우팅할 수 있는 서버 측 fallbacks 매개변수
Claude Code 및 하위 에이전트 워크플로우 중심의 에이전트 스택

Claude Fable 5의 전체 사양은 Claude Fable 5 설명서에서 확인할 수 있습니다.

두 모델의 컨텍스트 창은 초기 문서 기준으로 거의 비슷합니다. Fable 5의 100만 토큰 컨텍스트는 확인되었으며, GPT-5.6도 초기 문서에서 100만 토큰으로 언급됩니다. 단, GPT-5.6의 정확한 최신 사양은 OpenAI 사양 페이지를 기준으로 확인해야 합니다.

구조적 차이는 다음과 같이 요약할 수 있습니다.

관점	GPT-5.6	Claude Fable 5
API 설계 방향	병렬 처리, 도구 호출, 노력 수준 제어	깊은 단일 모델 실행과 안정성 파이프라인
강점으로 제시된 영역	폭넓은 에이전트 작업	장기적이고 복잡한 엔지니어링 작업
운영 시 고려점	병렬 실행 토큰 비용	fallback 및 캐싱 동작

실용적인 의사 결정 가이드

다음 조건에 해당하면 GPT-5.6 솔(Sol)을 기본 후보로 두는 것이 합리적입니다.

작업량이 에이전트 집단, 도구 오케스트레이션, 무인 자동화처럼 다양한 작업으로 구성되어 있다.
병렬 처리와 요청별 노력 수준 제어를 API 기능으로 활용하고 싶다.
토큰 예산 제약이 크고, 솔(Sol)의 $5 / $30 가격 또는 Terra·Luna 티어가 단위 경제에 맞는다.
터미널 작업과 다단계 도구 호출이 핵심이다.

다음 조건에 해당하면 Claude Fable 5를 기본 후보로 두는 것이 합리적입니다.

실제 저장소에서 복잡한 소프트웨어 엔지니어링 작업을 수행한다.
리팩터링, 디버깅, 테스트 수정처럼 단일 작업의 깊이가 중요하다.
처리량보다 작업당 최고 품질을 우선한다.
이미 Claude 도구 체인, fallback, 캐싱 흐름에 투자하고 있다.

가능하다면 한 모델만 고르지 않아도 됩니다. 두 모델 모두 HTTP API로 사용할 수 있으므로, 작업 유형에 따라 라우팅하는 구조를 만들 수 있습니다.

요청 분류
├─ 도구 호출, 운영 자동화, 다단계 오케스트레이션
│  └─ GPT-5.6 솔(Sol)
│
└─ 저장소 분석, 복잡한 버그 수정, 리팩터링
   └─ Claude Fable 5

자신의 작업량으로 두 모델 테스트하기

공급업체 벤치마크는 후보를 좁히는 데 도움이 됩니다. 최종 결정은 실제 프롬프트와 실제 비용으로 내려야 합니다.

GPT-5.6은 OpenAI Responses API로, Fable 5는 Anthropic Messages API로 접근할 수 있습니다. Apidog에서 두 API를 별도 환경으로 구성하면 같은 요청 세트를 반복 실행하고 결과를 비교하기 편합니다.

1. 환경을 두 개로 분리

다음처럼 공급업체별 환경 변수를 만듭니다.

OpenAI 환경
OPENAI_BASE_URL=<OpenAI API 기본 URL>
OPENAI_API_KEY=<API 키>
OPENAI_MODEL=gpt-5.6-sol

Anthropic 환경
ANTHROPIC_BASE_URL=<Anthropic API 기본 URL>
ANTHROPIC_API_KEY=<API 키>
ANTHROPIC_MODEL=claude-fable-5

API 키는 요청 본문에 직접 작성하지 말고 환경 변수와 인증 헤더로 관리합니다.

2. 실제 업무 프롬프트 10~20개를 수집

데모용 질문보다 최근 업무에서 가져온 실제 작업이 유용합니다.

다음 범주를 섞어 구성하세요.

실제 버그 티켓
코드 diff 리뷰 요청
장애 분석 요약
내부 API를 사용하는 도구 호출 흐름
리팩터링 계획
테스트 실패 해결
운영 문서 또는 배포 절차 작성

프롬프트마다 성공 기준도 함께 기록합니다.

작업: 결제 API의 재시도 로직 오류 수정
성공 기준:
- 원인 가설을 명확히 제시
- 변경 파일 목록 제시
- 테스트 케이스 제안
- 기존 동작을 깨지 않는 수정안 제공

3. 같은 조건으로 실행

두 모델에 가능한 한 같은 입력을 제공해야 합니다.

동일한 시스템 지침
동일한 저장소 컨텍스트
동일한 도구 응답
동일한 최대 반복 횟수
동일한 성공 판정 기준

에이전트가 내부 도구를 호출한다면, 먼저 도구 엔드포인트를 모의(mock)해 두 모델이 같은 응답을 받도록 구성하세요. 외부 데이터가 매번 달라지면 모델 성능이 아니라 데이터 변동을 비교하게 됩니다.

4. 품질과 비용을 함께 기록

프롬프트별로 다음 항목을 기록합니다.

항목	확인 방법
작업 성공 여부	담당 개발자 또는 도메인 담당자의 평가
수정 정확도	테스트 통과, diff 리뷰, 요구사항 충족 여부
재시도 횟수	같은 작업을 완료하기 위한 호출 수
입력 토큰	응답 usage 필드
출력 토큰	응답 usage 필드
총비용	모델별 입력·출력 단가 적용
지연 시간	요청 시작부터 최종 응답까지의 시간

비용 계산은 다음 방식으로 통일할 수 있습니다.

총비용 =
  (입력 토큰 / 1,000,000 × 입력 단가)
  + (출력 토큰 / 1,000,000 × 출력 단가)
  + 캐시 쓰기·읽기 비용
  + 재시도 호출 비용

한 시간의 실제 나란히 비교가 출시 자료의 어떤 단일 차트보다 의사 결정에 유용할 수 있습니다.

자주 묻는 질문

GPT-5.6 솔(Sol)이 Claude Fable 5보다 더 나은가요?

모든 작업에서 그렇지는 않습니다. OpenAI의 출시 수치에 따르면 솔(Sol)은 Agents’ Last Exam에서 약 13점 앞서지만, Fable 5는 SWE-Bench Pro에서 15.7점 앞섭니다.

광범위한 에이전트 실행에는 솔(Sol)이, 깊은 소프트웨어 엔지니어링에는 Fable 5가 더 적합할 가능성이 있습니다. 실제 업무 프롬프트로 검증해야 합니다.

어떤 모델이 더 저렴한가요?

공개 가격표 기준으로 솔(Sol)은 Fable 5의 절반 수준입니다. 입력·출력 100만 토큰당 각각 $5 / $30 대 $10 / $50입니다.

하지만 실제 비용은 출력 길이, 토큰화, 캐싱, 재시도에 따라 달라집니다. 따라서 토큰 단가가 아니라 완료된 작업당 비용을 측정해야 합니다.

하나의 제품에서 두 모델을 모두 사용할 수 있나요?

네. 두 모델 모두 표준 HTTP API이므로 단일 애플리케이션에서 작업 유형별 라우팅이 가능합니다.

예를 들어, 도구 오케스트레이션 작업은 솔(Sol)로 보내고 저장소 단위 엔지니어링 작업은 Fable 5로 보낼 수 있습니다. Anthropic 요청 형식과 인증 방법은 Claude Fable 5 API 사용 방법에서 확인할 수 있습니다.

벤치마크 수치는 독립적으로 검증되었나요?

아닙니다. 이 글에서 인용한 수치는 Claude Fable 5가 우세한 SWE-Bench Pro 결과를 포함해 OpenAI의 7월 9일 출시 자료에 기반합니다.

독립 재현이 나오기 전까지는 이 수치를 확정된 순위가 아니라 공급업체 주장으로 취급하고, 자체 작업량 테스트에 더 높은 가중치를 두는 것이 안전합니다.

중요한 비교는 당신의 작업량입니다

분할된 결과는 애매한 결론이 아니라 실용적인 결론입니다. OpenAI의 출시 차트는 솔(Sol)이 에이전트 작업의 폭넓은 활용성에서 강점을 가진다고 주장하며, 동시에 Claude Fable 5가 소프트웨어 엔지니어링 벤치마크에서 우위라고 보여줍니다.

따라서 리더보드 하나로 선택하지 마세요.

지난주 작업에서 실제 프롬프트 15개를 가져와 Apidog를 다운로드하고, 두 API를 별도 환경으로 설정한 뒤 다음 두 항목을 비교하세요.

작업을 실제로 완료하는 품질
완료된 작업 1건당 비용

독립 벤치마크 재현을 기다리는 동안에도, 자신의 데이터로 충분히 방어 가능한 선택을 할 수 있습니다.

DEV Community