한 줄 요약

오픈AI가 GPT-5.6의 비용과 지연을 낮추는 가운데, 프런티어 모델은 암호 알고리즘의 약점을 찾으면서도 실제 침해 대응 과제에서는 한계를 보였고, 메모리가 핵심 설계 축으로 부상했다.

LLM & SOTA Models

OpenAI GPT-5.6: 가격 인하와 Fast 모드로 속도 향상

오픈AI가 일상적 작업을 더 싸게 처리하고, 응답 시간이 중요한 경우 더 빠르게 처리할 수 있게 했다. GPT‑5.6 루나는 가격을 80% 인하하고 테라는 20% 인하했으며, API의 Fast 모드는 솔에서 표준 대비 최대 2.5배 빠른 속도를 두 배 가격으로 제공하고 지능 수준은 동일하다. 기존 Priority 태그는 자동으로 Fast 모드로 동작한다. ¹

GPT‑5.6은 루나(저비용 대량 처리), 테라(일상 작업 균형), 솔(플래그십) 3단으로 정리되어 미국 정부 검토 이후 공개 출시됐다. 토큰 백만 개 기준 가격은 솔 입력 $5·출력 $30, 테라 입력 $2.50·출력 $15, 루나 입력 $1·출력 $6이며, 솔은 105만 토큰 컨텍스트와 최대 12만8천 토큰 출력을 지원한다. ²

내부적으로는 모델 개선, 더 나은 라우팅, 토큰 생성 최적화, 컨텍스트 관리 고도화가 효율을 만든다. 사람 주도 프로세스 안에서 솔이 프로덕션 커널을 자율적으로 재작성·최적화해 전체 서빙 비용을 20% 줄였고, 토큰 생성 효율을 15% 이상 높였다. 오픈AI는 더 유능한 모델이 다시 효율 향상을 빠르게 찾는 선순환을 강조한다. ¹

과제별 성능은 엇갈린다. GCN은 솔이 Agents’ Last Exam에서 53.6점으로 Claude Fable 5를 13.1점 앞서지만, SWE‑Bench Pro에서는 64.6%로 Fable 5의 80%에 못 미친다고 전한다. 별도의 공개 벤치마크 FrontierFinance에서는 Claude Fable 5가 49.2%, GPT‑5.6 솔이 46.8%이며, Samaya의 독자 시스템은 50.8–56%로 보고돼, 한 가지 “최고” 모델보다 단계별 “맞춤” 라우팅의 중요성을 시사한다. ²³

Research Papers

Claude: 암호 알고리즘 약점 발견

Anthropic은 Claude Mythos Preview가 암호 알고리즘의 수학적 약점을 찾는 데 도움이 됨을 보였다. 포스트‑양자 전자서명 후보 HAWK의 유효 키 크기를 절반 수준으로 약화시키고, 축약 라운드 AES 변종 공격 속도를 200–800배 높였다. 현재 상용 시스템에는 영향이 없고, 연구 결과로서 책임 있는 공개 절차를 따랐다고 밝혔다. ⁴

과정은 자율 에이전트와 최소한의 인간 개입을 섞었다. HAWK 결과는 약 60시간이 걸렸고, 각 결과에 약 10만 달러의 응용프로그램 인터페이스(API) 비용이 들었다. Anthropic은 학계와 함께 대형 언어 모델(LLM)의 암호 분석 능력을 표준화해 측정하는 CryptanalysisBench도 공개해, 배포 전후 암호를 AI로 스트레스 테스트하는 흐름을 예고했다. ⁴

LLM 메모리: 통합 분류 체계 제안

이 서베이는 대형 언어 모델(LLM)에서 “메모리”가 단순한 긴 컨텍스트를 넘어섰음을 설명하고, 표현(암묵적 대 명시적)·갱신 방식(오프라인 대 온라인)·지속성(단기 대 장기) 세 축으로 연구를 정리한다. 연산에 결합된 메모리와 독립적으로 주소 지정 가능한 저장소의 경계를 명확히 한다. ⁵

하이브리드 메모리 구조, 시스템 효율 트레이드오프, 다차원 평가 방법을 비판적으로 검토해, 확장 가능하고 적응적인 모델·에이전트 설계를 위한 공통 언어를 제공한다. ⁵

SecRespond: 침해 후 대응 에이전트 벤치마크

SecRespond는 침해 이후(post‑compromise) 상황에서의 대응을 평가하는 벤치마크다. 포렌식 디스크 스냅샷과 보안 제품의 경보·취약점 스캔·기준 검사를 바탕으로, 침투 보고서와 기준·취약 리스크, 그리고 시정 계획을 작성하도록 요구한다. 10개 사이버 레인지, 4가지 진입 유형, 21개 MITRE ATT&CK 기법, 5개 운영체제(OS)로 과제를 구성했다. ⁶

OpenCode 에이전트 하니스에서 23개 프런티어 대형 언어 모델(LLM)을 평가한 결과, 현재 에이전트는 경보로 드러난 문제 설명은 잘하지만, 디스크를 주도적으로 탐색해 은밀한 침입을 찾거나 검증된 종합 시정책을 내는 데는 어려움을 보였다. 어떤 모델도 단일 레인지에서 완전 탐지·시정을 달성하지 못했다. ⁶

커뮤니티 반응

Hacker News (229↑) — LLM이 실제 암호 약점을 찾을 수 있느냐는 호기심과 함께, 프롬프트에 전제를 심어 넣지 않는 등 실험 엄정성을 요구하는 반응이 교차한다. ⁷

"Anthropic의 목적은 반드시 문제를 해결하는 게 아니라 모델의 내재적 능력을 보여주고 측정하는 것임을 명심하세요. 연구자들이 프롬프트에 핵심 전제나 아이디어를 몰래 넣는다면 LLM이 달성한 많은 결과는 훨씬 덜 흥미롭고 인상적일 겁니다." — Hacker News ⁷

Hacker News (6↑) — 제안된 메커니즘이 캐시와 무엇이 다른지에 대한 의문과, 파인튜닝 없이 효율을 내는 별개 메모리라는 옹호가 맞선다. ⁸

"그게 캐시와 어떻게 다른 건가요? 설명만 보면 캐시의 설명과 정확히 일치하는데요?" — Hacker News ⁸

"이 논문은 Galahad라는 새로운 도구를 소개합니다. 보통 AI는 매번 생각하고 답을 추측해야 해서 시간과 비용이 듭니다. 여기에선 지식이 모델 자체가 아니라 모델 옆에 쌓이고, 아니요 이건 캐시와 같지 않습니다. 파인튜닝도 필요 없고 매번 정확한 답을 동일하게 주며 추가 토큰 비용이 들지 않고 에너지도 많이 절약됩니다." — Hacker News ⁸

왜 중요한가

더 저렴한 계층과 속도 선택지는 한 가지 비싼 “만능” 모델 대신, 워크플로 단계마다 비용·지연·품질을 조정해 운영하도록 만든다. 모델 자체가 서빙 스택 효율을 높이는 데 기여한다는 점도 눈에 띈다. ¹

다만 보안·금융처럼 위험이 큰 분야에서는 증거가 핵심이다. 최근 벤치마크는 과제별 강·약점이 뚜렷함을 보여줬다. 결론은 실무적이다. 평가하고, 맞춤 라우팅하며, 검증하라. 상위 점수가 곧바로 내 업무에 이전된다고 가정하지 말라. ⁶

이번 주 시도해볼 것

1. 가격–속도 라우팅 연습: 동일 작업을 솔(표준 대 Fast)과 루나로 각각 실행해 지연·품질·비용 차이를 비교해 본다 (오픈AI 업데이트: https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/).
2. SecRespond 초록과 과제 구성을 훑고, 현재 침해 대응 체크리스트와 매핑해 자동화 공백을 점검한다 (https://arxiv.org/abs/2607.26791).