한 줄 요약

OpenAI가 중간급 모델 가격을 절반으로 낮추자 Anthropic이 Opus 5.5로 맞불을 놓았고, Snorkel AI는 3억 5,000만 달러를 유치하며 데이터 투자가 AI 경제의 핵심 변수로 떠오른다.

Big Tech

OpenAI GPT-6 Sol·Luna: API 가격 50% 인하

OpenAI가 일상 업무에 맞춘 GPT-6 모델 두 종(솔, 루나)을 출시했다. Sol은 백만 토큰당 입력 2달러, 출력 10달러, Luna는 0.10달러/0.50달러로 책정돼 GPT-5.6 동급 대비 약 50% 저렴하며, ChatGPT Work와 Codex의 유료 요금제에서 사용할 수 있고 데스크톱 앱에서는 Free와 Go 사용자도 Luna를 쓸 수 있다(API 이름: gpt-6-sol, gpt-6-luna). ¹

OpenAI는 추론 및 캐싱 개선으로 가격을 내렸다고 설명하며, 캐시된 입력 토큰 읽기에 90% 할인을 제공하고, 프롬프트 캐싱 대시보드와 진단 도구로 캐시 적중률을 높일 수 있게 했다. 사실성(팩추얼리티)도 개선돼 내부 평가에서 GPT-6 Sol은 GPT-5.6 Sol 대비 오류가 절반 수준으로 줄었다고 밝혔다. ¹

업무 단위 비용 기준의 내부 평가에서도 Sol의 단가 이점이 강조된다. AutomationBench 1.0.6에서 Sol(xhigh)은 33.2%를 기록하며 태스크당 0.27달러였고, Claude Opus 5(max)는 26.9%이면서 비용은 11.1배 높았다. Claude Fable 5.1+Opus 5 폴백은 31.4%이면서 Sol 대비 8.9배 이상 비쌌고, Agents’ Last Exam에서는 Sol(max)이 56.4%로 비용이 60% 낮았으며, DeepSWE 1.1에서는 Sol(max) 68.8%로 Fable 5(xhigh) 69.9%에 1.1포인트 차이면서 태스크 비용은 약 80% 낮았다. ¹

다만 같은 날 Anthropic이 Opus 5.5를 공개해 비교 구도는 변했다. VentureBeat는 Opus 5.5의 토큰 가격이 입력 백만 토큰당 4달러, 출력 20달러라고 전하면서, 현재로서는 Sol과 Opus 5.5 중 어떤 쪽이 동일 조건에서 태스크당 비용 우위를 보이는지 공개 비교 결과가 없다고 짚었다. ²

Anthropic Claude Opus 5.5: 성능·가격 효율 개선

Claude로 알려진 Anthropic은 Claude Opus 5.5를 공개했다. 입력 백만 토큰당 4달러, 출력 20달러로 Opus 5 대비 20% 낮추었고, 전형적 워크로드에서 실행 비용이 약 40% 절감되며, 속도·가독성 개선과 함께 내부 안전성 테스트 성능 향상, 경계 우회 시도 가능성이 Opus 5 또는 Mythos 5.1 대비 85% 낮아졌다고 밝혔다. ³

Opus 5.5는 AWS·Google Cloud·Microsoft Azure 등 Anthropic 플랫폼 전반에서 제공되며 API 이름은 claude-opus-5-5, 캐시 읽기는 백만 토큰당 0.20달러다. 외부 평가 기관 참여와 더불어 Pro·Max·Team 구독의 5시간 사용 한도 상향도 발표됐다. ⁴

Industry & Biz

Snorkel AI: 35억 달러 가치, 3억 5,000만 달러 조달

기업의 복잡한 학습 데이터와 시뮬레이션 환경 구축을 돕는 Snorkel AI가 3억 5,000만 달러를 조달해 기업가치 35억 달러를 인정받았다. CEO 알렉스 래트너는 연환산 매출이 약 3억 5,000만 달러라고 밝히며, 올해 흑자 전환을 기대한다고 말했다(리드 투자자 Insight Partners, S32). ⁵

Reuters는 최전선 연구소의 복잡한 데이터 수요가 빠르게 늘고 있다고 전하며, 이제 예산의 무게중심이 컴퓨트뿐 아니라 데이터 품질과 규모로 이동하고 있음을 시사한다. ⁵

New Tools

OpenAI 프롬프트 캐싱: GPT-6용 대시보드·90% 할인

OpenAI는 GPT-6용 프롬프트 캐싱을 개선해 캐시 입력 읽기에 90% 할인을 적용하고, 프롬프트 캐싱 대시보드와 진단 도구를 제공한다. 또한 추론 노력도와 도구 사용 여부를 바꾸더라도 캐시를 유지하고, 캐시 가능한 프리픽스의 단절 지점을 명시적으로 지정할 수 있게 했다. ¹

OpenAI는 이러한 변경으로 GitHub가 수개월에 걸친 수십억 건의 Copilot 요청에서 신규 처리해야 하는 토큰 비중을 50% 이상 줄였다고 보고했으며, 이는 응답 속도와 장시간 에이전트 워크로드의 실효 비용 절감에 기여한다고 밝혔다. ¹

커뮤니티 반응

Hacker News (931↑) — 급격한 비용 인하에 대한 기대와 함께, 검열·품질 하락 사례 및 공급사별 토큰 계산 방식 차이에 대한 우려가 교차한다. ⁶

"와, 루나가 더 싸지고 있다니 믿을 수가 없다. 내 생각에는 이 모델이 세상을 바꿀 것이다. 모두가 토큰이 너무 비싸다고 했지만 이건 거의 무료에 가깝고 여전히 환상적인 성능을 유지하고 있다." — Hacker News ⁶

"검열 문제는 예외다. 우리는 대규모 데이터 처리에 쓰는데 대략 5-8%(날마다 다름)은 검열되어 응답이 오지 않는다. 우리는 상대적으로 나은 Mimo 2.6으로 전환했다. 검열되는 사례에는 Sonnet과 OpenAI Nano 모델을 사용한다." — Hacker News ⁶

Hacker News (982↑) — 효율 향상이 능력 최전선을 밀어붙이는지에 대한 논쟁과, 민감한 안전 분류기로 인해 정당한 작업까지 차단되는 실용 문제에 대한 불만이 맞선다. ⁷

"그래, 만약 어떤 방식으로 모델의 에너지 사용량을 50% 줄일 수 있다면, 그다음에 바로 일어날 일은 주어진 예산에서 학습 규모와 테스트 시점 계산량이 두 배로 늘어나는 거야. 그게 최전선을 밀어붙이는 게 아니라고는 못 보겠어. 스케일링이 AGI에 점점 더 가깝게 만든 유일한 요소라면, 스케일링 법칙이 갑자기 2배로 늘어나는 것은 결코 개발 속도를 늦추는 게 아니지. 네가 모순을 보는 것 같지만 나는 그렇지 않아." — Hacker News ⁷

"[사이버] 분류기가 Opus 5.5에서는 엄청나게 민감해요. 임베디드/드라이버/시스템 수준 작업을 전혀 완료할 수가 없습니다. 오늘은 문자 그대로 단 하나의 작업도 [사이버]로 플래그되지 않고는 완료되지 않았고, 더 짜증나는 건 사이버보안 전문가가 받아야 할 예외를 받지 못하게 하는 그들의 좁은 정의입니다.." — Hacker News ⁷

나에게 주는 의미

• 예산 효율이 즉시 개선된다: Sol(입력 2달러/출력 10달러)과 Luna(0.10달러/0.50달러)는 반복적 업무의 비용을 크게 낮추고, GPT-6의 캐시 입력 90% 할인은 긴 지시문과 반복 컨텍스트를 자주 쓰는 문서·에이전트 작업에 특히 유리하다. ¹

• 토큰가보다 ‘완료된 태스크당 비용’을 보라: Anthropic의 Opus 5.5 발표로 교차 비교가 달라졌다고 VentureBeat는 짚는다. 실제 절감 폭은 캐시 적중률, 추론 노력도 설정, 재시도 여부에 좌우되므로, 고정된 태스크 세트로 파일럿을 돌려 결과를 직접 측정하라. ²

• 일부 공급사는 안전 필터가 더 엄격해질 수 있다: Anthropic은 안전 장치를 강조한다. 보안·저수준 작업 등에서 필터가 합법적 업무를 막을 수 있으니, 대체 경로와 폴백 모델을 마련하고 도메인용 실사용 검증을 먼저 하라. ⁴

• 데이터 품질이 새 레버다: Snorkel의 3억 5,000만 달러 조달과 3억 5,000만 달러 매출 런레이트는 학습·시뮬레이션 데이터가 전략 지출로 부상했음을 보여준다. 비개발 직군도 라벨링 가이드·엣지 케이스·완료 정의를 정리해 데이터셋 품질을 높이는 데 기여할 수 있다. ⁵

지금 할 일

1. GPT-6 Luna로 대량 요약 시도: ChatGPT 데스크톱 앱에서 GPT-6 Luna로 전환해 문서 요약·정보 추출을 2~3개 실제 과제로 시험하고 속도·가독성을 현재 모델과 비교하세요.
2. Sol vs. 현재 모델 단일 워크플로 비교: ChatGPT Work 또는 Codex에서 동일한 코딩·분석 프롬프트를 GPT-6 Sol과 현재 기본 모델로 각각 실행해, 해당 과제의 팀 기본 모델을 정하세요.
3. Claude Opus 5.5로 민감 태스크 점검: Claude에서 기존에 안전 필터에 걸렸던 실제 업무 1건을 Opus 5.5로 시도해 톤·결과·차단 여부를 확인한 뒤 확대 적용 여부를 판단하세요.
4. 간단한 모델 라우팅 가이드 작성: 팀용 1페이지 문서를 만들어 루나는 대량·정형 작업, 솔은 반복되는 복잡 업무, 아스트라는 최고 난도일 때만 사용하고, 차단 시 폴백 조건을 명시하세요.