ChatGPT 대규모 업데이트: 크로스 플랫폼 작업, 원클릭 웹사이트 제작, 더 저렴해졌다

7월 9일, OpenAI는 GPT-5.6 시리즈 모델을 발표함과 동시에 ChatGPT 데스크톱 애플리케이션과 Codex의 공식 통합을 발표했습니다. 이번 업데이트에서 가장 주목할 점은 단순한 파라미터 향상이 아니라, 두 가지 차원의 경계 재편입니다. 첫째, 모델 가격 측면에서 Terra는 GPT-5.5의 절반 가격으로 비슷한 성능을 제공하고, Luna는 API 비용을 극도로 낮췄습니다. 둘째, 도구 형태 측면에서 통합된 애플리케이션은 Work 모드를 도입해 Slack, Google Drive 등 플랫폼을 넘나드는 복잡한 프로젝트 실행과 예약 작업 기능을 지원합니다. 이는 AI 도구가 '사람이 트리거-기계가 응답'하는 동기적 대화에서 '기계가 리스닝-기계가 실행'하는 비동기적 워크플로우로 도약하고 있음을 의미합니다.

ChatGPT Work는 크로스 플랫폼 실행 및 멀티 디바이스 동기화를 지원합니다. 이미지 출처: OpenAI 공식 블로그

GPT-5.6의 과감한 가격 정책과 실행 비용 재편

OpenAI는 GPT-5.6 시리즈에서 '실행 비용에 따른 시장 세분화'라는 공격적인 전략을 시행했습니다. 신규 시리즈에는 플래그십 Sol, 가성비를 앞세운 Terra, 경량급 Luna까지 세 가지 모델이 포함되어 있으며, 각각 다른 실행 시나리오와 비용 수용도를 겨냥하고 있습니다.

API 가격을 살펴보면, Sol은 입력 100만 토큰당 5달러, 출력 100만 토큰당 30달러로 이전 세대 플래그십인 GPT-5.5와 동일합니다. Luna는 입력 100만 토큰당 1달러, 출력 100만 토큰당 6달러로 경량 모델로 포지셔닝되었습니다. 개발자들의 비용 계산법을 진정으로 바꿔놓는 것은 Terra입니다. 입력 가격은 100만 토큰당 2.5달러, 출력은 15달러로, 성능은 이전 플래그십 GPT-5.5에 근접하면서도 가격은 절반으로 낮췄습니다.

기업 구매 결정권자와 중급 개발자에게 Terra는 명확한 비용 절감 경로를 제시합니다. 대규모 텍스트 분석, 코드 리팩토링 등 극단적인 추론 집약형이 아닌 작업에서 Terra로 GPT-5.5를 대체하면 API 비용을 절반으로 줄일 수 있습니다. 한 팀이 매달 100만 토큰 입력과 50만 토큰 출력을 사용한다고 가정하면, GPT-5.5에서 Terra로 마이그레이션할 경우 월 API 비용이 약 20달러에서 약 10달러로 줄어듭니다. 이런 가격 전략은 OpenAI가 더 이상 벤치마크 점수만으로 모델을 차별화하는 것이 아니라, 명확한 가성비 기울기를 통해 기업이 업무의 실제 ROI에 따라 연산 능력을 선택하도록 한다는 것을 보여줍니다.

이와 동시에 Luna의 극단적으로 낮은 가격은 단순히 저가 시장을 공략하기 위한 것이 아니라, 비동기 워크플로우에 경제적 실행 가능성을 부여합니다. 데이터 정리, 로그 분석, 정기 점검처럼 높은 빈도의 호출과 낮은 지연 시간이 요구되는 백그라운드 작업에서 모델의 단일 호출 비용은 대규모 배포의 성패를 좌우하는 핵심 요소가 됩니다. Luna의 입출력 가격은 Sol의 5분의 1에 불과하므로, 개발자는 비용 폭발을 걱정하지 않고 AI를 백그라운드에서 지속적으로 가동할 수 있습니다. 이러한 '저비용 인력' 포지셔닝은 이후 Work 모드의 예약 작업 기능과 자연스럽게 조화를 이룹니다. 즉, Luna로 백그라운드 정기 요약을 처리하고, Sol로 프론트엔드의 복잡한 추론을 처리하는 방식입니다.

Sol은 새로 추가된 max 및 ultra 추론 단계를 통해 성능 상한을 높였습니다. max 단계는 심층 추론 수요를 겨냥하고, ultra 단계는 멀티 에이전트 병렬 처리를 지원하여 고차원적이며 엔터프라이즈급 워크플로우를 설계했습니다. 복잡한 코드 베이스 리팩토링이나 여러 시스템의 데이터를 통합해야 하는 시나리오에서 ultra 단계는 여러 하위 에이전트를 동시에 투입해 각기 다른 하위 작업을 처리한 후 결과를 통합할 수 있습니다. 이런 계층화는 저사양부터 고사양까지 모든 수요를 커버할 뿐만 아니라, 모델의 능력을 구체적인 실행 시나리오에 깊이 연동시켜 후속 도구 통합을 위한 연산 기반을 마련했습니다.

동기적 대화에서 비동기적 크로스 플랫폼 실행으로

모델 계층화가 다양한 비용의 실행 엔진을 제공했다면, ChatGPT 데스크톱 앱과 Codex의 통합은 이러한 엔진을 구동할 물리적 캐리어를 제공합니다. 통합된 앱은 Chat, Work, Codex 세 가지 작업 모드를 제공하여 일상적인 질의응답부터 크로스 플랫폼 프로젝트 실행, 샌드박스 수준의 코드 엔지니어링까지 아우르는 완전한 생산성 스펙트럼을 구축했습니다.

Chat 모드는 여전히 일상적인 동기적 대화를 담당하며, 가벼운 창작과 빠른 질문 답변에 활용됩니다. 상호작용 방식은 이전 버전의 ChatGPT 데스크톱과 거의 동일합니다. Codex 모드는 고강도 코드 엔지니어링에 초점을 맞춰 파일 편집, Pull Request 검토, Ultra 모드를 새롭게 도입하여 개발자에게 샌드박스 수준의 프로그래밍 환경을 제공합니다. Codex 모드의 브라우저 측은 CDP(Chrome DevTools Protocol) 지원을 업그레이드하여 AI가 네트워크 트래픽을 검사하고, 멀티 탭 분석 및 로그인 세션 조작을 수행할 수 있게 하여 코드 디버깅과 웹 애플리케이션 테스트의 경계를 더욱 확장했습니다.

기존 AI 도구의 한계를 진정으로 무너뜨린 것은 Work 모드입니다. ChatGPT Work는 Google Drive, Slack 등 플랫폼을 넘나들며 복잡한 프로젝트를 실행하고, 예약 작업 기능까지 갖추고 있습니다. 이는 AI가 더 이상 수동적으로 응답하는 대화 창에 머무르지 않고, 능동적으로 리스닝하고 스케줄링하며 실행하는 자동화 터미널로 진화했음을 의미합니다.

구체적으로 Work 모드는 Plugins 메커니즘을 통해 외부 플랫폼과 연결됩니다. 사용자는 자연어로 작업 목표를 설명하면, AI가 이를 자동으로 여러 단계로 분해하여 Slack에서 토론 기록을 가져오고, Google Drive에서 프로젝트 문서를 읽은 후 이를 종합하여 분석 보고서를 생성합니다. 더욱 중요한 것은 예약 작업 기능입니다. 사용자는 "매주 월요일 오전 9시에 Slack 채널의 주요 논의 사항을 요약하고, Google Drive의 프로젝트 문서와 결합하여 진행 상황 보고서를 생성해 줘"와 같은 Cron 방식의 백그라운드 비동기 실행 계획을 설정할 수 있습니다. 지정된 시간이 되면 AI는 사람의 개입 없이 전체 프로세스를 자동으로 실행합니다.

이러한 능력은 AI 도구가 전통적인 RPA(로봇 프로세스 자동화) 및 자동화 워크플로우 플랫폼의 핵심 영역으로 진입하고 있음을 보여줍니다. 복잡한 규칙 스크립트를 작성해야 하는 기존 RPA와 달리, Work 모드는 자연어 이해 능력을 통해 자동화 워크플로우 구축의 진입 장벽을 크게 낮췄습니다. AI 도구의 생산성 지평은 '사람이 트리거-기계가 응답'이라는 동기적 상호작용에서, '기계가 리스닝-기계가 실행-사람이 승인'하는 비동기적 워크플로우로 확장되었습니다. ChatGPT는 AI 두뇌를 가진 Zapier와 자동화 터미널의 결합체로 변모하고 있습니다.

원클릭 사이트 제작과 코드 마이그레이션 뒤에 숨은 생태계 선점 전략

워크플로우를 재편하는 동시에, OpenAI는 기능적 폐쇄 루프와 전환 비용 절감을 통해 생태계 종속성을 가속화하고 있습니다.

Sites 기능은 사용자가 시각화된 콘텐츠를 원클릭으로 웹사이트로 퍼블리싱할 수 있게 해주며, 업그레이드된 브라우저 측에서는 로그인 세션 조작과 멀티 탭을 지원합니다. 이는 Work나 Codex 모드에서 생성된 분석 결과나 코드 애플리케이션을 로그인 세션이 있는 웹 앱으로 직접 배포할 수 있음을 의미합니다. 사용자가 Work 모드에서 데이터 분석을 완료한 후, Sites를 통해 인터랙티브 대시보드를 접속 가능한 웹페이지로 퍼블리싱하면, 팀원들은 'Sign in with ChatGPT'를 통해 로그인하여 확인할 수 있습니다. 기업 내부적으로 보면, Sites 기능은 경량 애플리케이션의 유통 채널을 장악하는 효과를 냅니다. 과거에는 개발자가 AI로 생성된 코드를 팀원들이 사용할 수 있도록 하려면 서버를 찾고 배포 환경을 구성해야 했습니다. 이제 이 과정이 원클릭 작업으로 압축되어, 아이디어에서 애플리케이션까지의 전달 주기를 획기적으로 단축시킵니다.

개발자 도구 시장에서는 OpenAI가 보다 직접적인 경쟁 전략을 펼쳤습니다. Codex에는 Claude Code에서 마이그레이션하는 기능이 새롭게 추가되었습니다. 공식 GitHub 저장소에서는 Claude Code의 설정 디렉터리를 정밀하게 스캔하여 그 안의 agents, MCP 서버, hooks 등의 설정을 Codex 형식으로 원클릭 변환하는 전용 마이그레이션 스크립트를 제공합니다.

AI 프로그래밍 도우미 분야의 강력한 경쟁자인 Claude Code의 설정 체계는 사용자의 사용 습관과 프로젝트 축적물을 대표합니다. 개발자가 Claude Code에서 정의한 agents와 MCP 연결은 종종 구체적인 프로젝트 워크플로우 및 외부 도구 체인과 연관되어 있습니다. OpenAI가 공식 마이그레이션 도구를 제공하는 것은 AI 프로그래밍 도우미라는 레드오션 시장에서 경쟁사 사용자의 전환 비용을 낮추어 빼앗아 오기 위한 강력한 수단입니다. 이는 기초 모델의 능력 차이가 점차 좁혀지는 단계에서, 경쟁의 초점이 단순한 모델 성능에서 생태계 종속성과 사용자 마이그레이션 비용으로 이동하고 있음을 의미합니다. 경쟁사 사용자의 기존 자산을 누가 더 매끄럽게 인계할 수 있는지가 개발자 시장에서 더 큰 점유율을 차지하는 비결입니다.

통합이 가져오는 비대함과 권한 리스크

GPT-5.6의 계층화된 가격 정책과 도구 통합이 생산성의 경계를 재편하려는 야망을 보여주지만, 이 전략은 무시할 수 없는 한계와 리스크를 동반합니다.

가장 먼저 지적되는 것은 애플리케이션의 비대함과 인지적 부담 문제입니다. Codex와 같은 고강도 코드 샌드박스를 ChatGPT의 일상적인 업무용 터미널과 하나의 데스크톱 앱에 통합하는 것은 일부 개발자들의 의문을 불러일으키고 있습니다. 서로 다른 모드 간의 전환이 매끄러운지, 기능이 지나치게 쌓여 소프트웨어가 너무 무거워지지 않는지 등이 실제 사용에서 직면하게 될 문제들입니다. 간단한 코드 자동 완성만 필요한 개발자에게 Work, Codex 등 여러 복잡한 모드가 담긴 슈퍼 앱은 불필요한 인지적 부담을 가중시킬 수 있습니다. 서로 다른 모드 간의 전환을 방해받지 않으면서도 매끄럽게 하는 것은 OpenAI의 제품 설계 능력을 시험하는 과제입니다.

기업 데이터 프라이버시 및 권한 제어의 과제도 뒤따른다. Work 모드는 기업의 Slack, Google Drive 등 핵심 데이터 소스에 깊숙이 연결되며, Sites는 원클릭으로 공개 웹 애플리케이션을 배포할 수 있게 해준다. 따라서 기업 구매 의사결정자는 자동화의 편리함을 누리는 동시에 엄격한 권한 관리 체계를 수립해야 한다. OpenAI는 기업 수준의 데이터를 훈련에 사용하지 않는 기본 설정과 접근 제어를 강조했지만, 실제 운영 환경에서 AI가 크로스 플랫폼 실행 중 의도치 않게 민감 정보를 유출하는 것을 어떻게 방지할지는 기업 컴플라이언스 부서가 중점적으로 평가해야 할 리스크다. 특히 AI가 플랫폼을 넘나들며 데이터를 주고받고 누구나 접근할 수 있는 Sites를 생성해야 할 때는 데이터 흐름 감사가 극도로 복잡해진다.

더욱 중요한 것은 브라우저 하위 권한 개방의 위험입니다. Codex가 브라우저 측으로 업그레이드된 후 CDP(Chrome DevTools Protocol) 권한을 도입하여 AI가 네트워크 트래픽을 검사하고, 다중 탭 분석 및 로그인 상태 작업을 수행할 수 있도록 했습니다. 이러한 심층적인 브라우저 제어 권한은 AI의 실행 능력을 크게 확장했지만 잠재적인 보안 취약점을 열어 놓았습니다. AI의 프롬프트가 악의적으로 주입될 경우, CDP 권한을 가진 AI가 사용자의 로그인 자격 증명을 훔치거나 민감한 네트워크 트래픽을 가로채도록 유도될 수 있습니다. 공식적으로 사용자의 명시적 승인을 요구하고 관리자가 전역적으로 이 권한을 비활성화할 수 있지만, '읽기 전용'에서 '하위 수준 제어'로의 권한 도약은 엔드포인트 보안에 더 높은 요구 사항을 제시합니다.

OpenAI는 GPT-5.6 시리즈와 도구 통합을 통해 대화에서 실행으로의 생산성 재구축 경로를 선명하게 그려내고 있습니다. 그러나 모델 계층화로 인한 비용 이점과 도구 통합으로 인한 실행 경계 확장 이면에는, 기능의 풍부함과 소프트웨어 경량화 사이의 균형을 맞추는 방법, 그리고 권한을 개방하면서도 보안 하한선을 지키는 방법이 이 전략이 얼마나 멀리 갈 수 있을지를 결정할 것입니다.