"GPT-6.2 Sol의 재작업 청구서"라는 제목 카드에는 Artificial Analysis Coding Agent Index에서 GPT-6.2 Sol이 작업당 $1.22로 48.6을, Claude Opus 5.5가 작업당 $12.61로 58.2를 기록한 내용과 두 모델이 서로 다른 하네스에서 측정되었다는 주석이 표시되어 있습니다. 오른쪽 아래에는 OrcaRouter 로고가 있습니다.
Guides & Insights

GPT-6.2 Sol의 재작업 비용: 토큰당 저렴하지만 수정당 비싸다

작성자

Gideon Frost

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

11월 20일 아침, 중국어 AI 해설가 宝玉(@dotey)는 다음과 같은 평을 올렸다: GPT-6.2 Sol에 대해, 이 모델과 일주일을 보낸 사람이라면 누구나 알아볼 판단이다. 간단한 작업은 괜찮다. 복잡한 코딩 작업은 Claude Opus 5.5보다 조금 나쁜 정도가 아니다 — Sol이 끝낸 작업은 여전히 Opus가 뒤처리를 해야 하므로, 처음부터 Opus에 일을 맡겼다면 더 나았을 것이다. 이 게시물은 그 이상도 이하도 아닌 사용 보고서다: 하네스도, 작업 목록도, diff도 없고, 작성 시점 기준 좋아요 124개에 댓글 스레드에서 논쟁이 벌어지고 있다. 또한 대부분의 출시 주간 인상과 달리 검증 가능하다. 왜냐하면 그것이 묘사하는 대상에는 형태가 있기 때문이다. 쉬운 작업에는 괜찮지만 어려운 작업에서 무너지는 모델은 평가에서 특정 패턴을 보여야 한다 — 실행력에는 강하고 이해력에는 약한 모습 — 그리고 공개된 수치가 그 패턴을 갖고 있든 없든 그렇다.

대체로 그렇다. OpenAI는 2026년 11월 17일 GPT-6.2 Sol을 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 10달러에 출시했다. Artificial Analysis의 독립적인 Coding Agent Index에서 이 모델은 아래에 자리한다 — 자신이 대체하는 모델보다 낮은 순위다. 그리고 순위를 끌어내리는 구성 요소는 바로 모델이 코드베이스를 읽고 그것에 관해 참인 무언가를 말해야 하는 항목이다. 이것이 "쓴 뒤에 정리해 줘야 한다"는 말의 메커니즘을 숫자로 표현한 것이다. 이 트윗이 하지 않는 것, 그리고 이 글이 하려는 것은 그 정리 비용을 계산하는 일이다 — 왜냐하면 실제로 산수를 해 보면 재작업 가설은 돈보다 실제 소요 시간에서 훨씬 더 강력하게 성립하고, 이 둘은 서로 다른 결정으로 이어지기 때문이다.

게시물이 실제로 주장하는 내용

오늘 GPT-6.2 Sol을 스트레스 테스트해봤다. 단순한 작업은 다 괜찮다. 조금만 더 복잡한 코딩 작업에서는 Opus 5.5보다 조금 못한 정도가 아니라 — 끝낸 작업을 여전히 Opus 5.5가 뒷수습해야 하니, 처음부터 Opus 5.5에게 맡기는 게 낫다.

그 안에는 세 가지 분리 가능한 주장이 있습니다. 첫째, 품질에 관한 주장입니다: Sol은 복잡한 코딩에서 Opus 5.5보다 실질적으로 더 나쁩니다. 둘째, 워크플로에 관한 주장입니다: 그 격차는 명백한 실패가 아니라 재작업으로 나타납니다 — 결과물은 나오고, 다 된 것처럼 보이지만, 더 강력한 모델이 그것을 고쳐야 합니다. 셋째, 경제성에 관한 주장입니다: 재작업은 토큰 가격으로 절약한 것을 모두 상쇄합니다.

처음 두 가지는 공개된 평가에 비추어 검증할 수 있다. 세 번째는 산술이며, 아무도 공개하지 않은 숫자, 즉 비싼 모델로 작업을 한 번 수행하는 것에 비해 수리 패스에 드는 비용이 얼마인지에 달려 있다. 아래의 모든 내용은 이 세 주장을 분리해 유지하는데, 세 주장이 모두 똑같이 살아남지는 않기 때문이다.

깔끔한 비교는 하나의 하네스 안에서 실행됩니다.

숫자를 보기 전에 한 가지 경고를 드립니다. 이 비교가 부정직하게 이루어지는 가장 흔한 방식이기 때문입니다. Artificial Analysis는 코딩 에이전트를 모델과 하네스의 조합으로 측정합니다: O​penAI 모델에는 Codex, A​nthropic 모델에는 Claude Code. 작업당 비용, 토큰 사용량, 실제 소요 시간은 모두 모델만큼이나 하네스에 따라 달라지므로, "Sol은 $1.22, Opus는 $12.61"이라는 단순 비교는 서로 다른 두 기계를 측정하는 것입니다.

그 반론에서 살아남는 것은 오직 하네스내의 비교뿐이다. Codex 내부에서는 GPT-6.2 Sol을 GPT-6.1 Sol 및 GPT-6.2 Astra와 동일한 작업에서, 동일한 도구와 동일한 채점 방식으로 직접 맞세울 수 있다 — 그리고 바로 그곳에 회귀가 있다. 하네스 간 쌍은 여전히 인쇄할 가치가 있으며, 분명히 라벨을 붙여야 한다. 왜냐하면 그것은 독자가 O​penAI 구독과 A​nthropic 구독 중 하나를 선택할 때 실제로 하고 있는 비교이기 때문이다.

• Codex, GPT-6.2 Sol (max) — 코딩 에이전트 지수 48.6, 작업당 $1.22, 4.25M 토큰

• Codex, GPT-6.1 Sol (max) — 지수 52.2, 작업당 $1.51, 433만 토큰

• Codex, GPT-6.2 Astra (max) — 지수 53.5, 태스크당 $5.12, 467만 토큰

• Claude Code, Claude Opus 5.5 (max) — 지수 58.2, 작업당 $12.61, 15.89M 토큰

처음 두 줄을 함께 읽어 보세요. 새 모델은 3.6점낮은 점수로, 교체되는 모델과 동일한 하네스에서, 토큰 사용량은 그 모델의 2% 이내입니다. 가격도 바뀌지 않았습니다 — Sol은 9월 29일부터 $2와 $10을 유지해 왔고, GPT-6.2 Sol은 요금표를 정확히 그대로 지켰습니다. 따라서 이것은 가격을 위해 품질을 맞바꾼 더 저렴한 모델이 아닙니다. 같은 가격, 같은 하네스, 그리고 지수가 측정하는 항목에서 더 낮은 성능입니다. @dotey의 비교는 다른 공급업체의 모델에 대한 것이지만, 그가 느끼는 성능 회귀는 O​penAI 자체 제품군을 벗어나지 않고도 보입니다.

A two-column scoreboard comparing GPT-6.2 Sol and Claude Opus 5.5 across Intelligence Index, cost per index task, time per index task, Coding Agent Index, SWE-Atlas-QnA and output tokens, with a footer noting that index and cost figures are Artificial Analysis's and that the two coding-agent scores come from different harnesses. The OrcaRouter logo sits in the bottom-right corner.

복잡한 작업 격차가 실제로 존재하는 곳

Coding Agent Index는 동일한 가중치로 세 가지 평가를 합성한 지표입니다. FrontierCode-AA 2.0(Cognition이 작성하고 Artificial Analysis가 구현한 132개의 소프트웨어 엔지니어링 작업), Terminal-Bench 4.1(Laude Institute에서 제공한 66개의 에이전트형 터미널 작업), SWE-Atlas-QnA-AA(Scale AI에서 제공하고 Artificial Analysis가 채점을 조정한, 코드베이스에 대한 124개의 기술 Q&A 작업)로 구성됩니다. 각 점수는 작업당 세 번의 시도에 대한 평균입니다.

Sol을 구성 요소별로 전작과 대조해 나누면, @dotey가 묘사한 형태가 곧바로 나타난다:

• SWE-Atlas-QnA-AA — GPT-6.2 Sol 46.2% vs GPT-6.1 Sol 59.9%, 단일 하네스 내에서 13.7포인트 하락

• FrontierCode-AA 2.0 — 41.5% 대 42.5%, 사실상 변동 없음

• Terminal-Bench 4.1 — 58.1% 대 54.0%, 4.1포인트 상승

그래서 모델은 수행하는 일반면 아는 일은 더 못하게 되었다. 터미널 작업은 실행하고 관찰하는 일이다. 명령을 실행하고, 출력을 읽고, 조정한다. 코드베이스 Q&A는 검색하고 보고하는 일이다. 관련 코드를 찾고, 그것이 왜 그렇게 되어 있는지 이해하고, 정확하게 설명한다. 첫 번째 작업에서 향상되고 두 번째 작업에서 13.7포인트 퇴행하는 모델은 스모크 테스트를 통과하고, 맞아 보이지만 코드가 그렇게 작성된 이유를 놓치는 수정을 만들어낼 것이다. 이것이 바로 오류 메시지 대신 재작업을 낳는 실패 모드이며, 불만이 "작동하지 않는다"가 아니라 "정리가 필요하다"로 들어오는 이유다.

동일 평가에서 Opus 5.5와의 절대 격차는 더욱 큽니다 — 46.2% 대 65.9% — 하지만 그것은 하네스를 넘나드는 비교이므로 방향성 지표로만 봐야 합니다. Codex 내부의 13.7포인트 하락은 방향성 지표가 아닙니다. 동일한 하네스, 동일한 124개 과제, 동일한 채점자이며, 이 모델은 단순히 자신이 대체한 모델보다 코드베이스에 관한 질문에 덜 정확하게 답합니다.

Artificial Analysis's model page for GPT-6.2 Sol, listing it as released November 2026, ranked 13th of 95 on intelligence and 40th of 94 on performance, scoring 57 on the Intelligence Index, using 60.9M tokens, priced at $2.00 per million input tokens and $10.00 per million output tokens, costing $1.01 per task and 9.6 minutes per task, at roughly 70 tokens per second.

Sol이 정말로 괜찮은 곳

트윗의 첫 번째 절은 두 번째 절과 동일하게 다뤄져야 한다. “간단한 작업은 괜찮다”는 것은 양보가 아니다. 모든 모델을 벤더 하네스가 아니라 하나의 동일한 스위트로 실행하는 종합 Intelligence Index에서, 최대 노력의 GPT-6.2 Sol은 최대 노력의 Claude Opus 5.5를 여러 구성 요소에서 완전히 앞선다:

• Terminal-Bench-Science 0.1 — 67.6% 대 59.0%, Sol이 8.6포인트 앞섰습니다

• AutomationBench-AA — 71.3% 대 69.5%

• Terminal-Bench 4.0 — 60.1% 대 59.6%

• GDP.pdf 전체 통과 — 30.0% 대 26.2%

그리고 사실을 기억해 두었다가 보고해야 하는 항목에서는 뒤처집니다:

• HLE-Diamond — 64.0% 대 67.9%

• AnalystAgent — 53.8% 대 56.3%

• AA-Omniscience — 정확도 61.6%일 때 40.4 vs 정확도 65.5%일 때 48.1

• FrontierCode-AA 2.0 (인덱스 버전) — 44.4% vs 46.4%

Omniscience 행은 곱씹어 볼 만한 항목이다. 이는 모델이 자신이 모르는 것을 아는지 측정하는 평가다. Sol은 61.6%의 확률로 정답을 내고 환각률은 55.4%인 반면, Opus 5.5는 65.5%와 50.3%다. 정답률이 거의 4포인트 낮고 무언가를 지어내는 비율이 5포인트 더 높은 모델은 사람이 결과물을 검수해야 하는 모델이다 — 이는 재작업 주장이 두 번째 방향에서 제기된 셈이다.

결론적으로, Sol은 종합 점수에서 59.1 대비 57.3점을 기록하며, 작업당 25.7분이 아닌 9.6분, $10.04가 아닌 $1.01로 수행하고, 전체 제품군에서 6,090만 개의 출력 토큰을 방출하는 반면 Opus는 2억 1,800만 개를 방출합니다. 다른 무엇이 사실이든, 저렴한 모델은 느리지도 않고 장황하지도 않습니다.

노력 다이얼은 이미 스윕되었습니다.

OpenAI 추론 모델을 써 본 사람이라면 누구나 떠올릴 명백한 반론은 이것이 잘못된 설정이라는 점이다. effort를 낮추면 모델은 과잉 사고를 멈추고, 높이면 대충 넘기는 일을 멈춘다. Artificial Analysis는 이미 Codex 내 Coding Agent Index에서 전체 스윕을 실행했지만, 상황을 구제하지는 못한다:

• 낮음 — 37.2

• 보통 — 45.4

• 높음 — 47.5

• xhigh — 49.8

• 최대 — 48.6

정점은 xhigh에 있으며, 최대 설정이 아닙니다. 최대한의 노력까지 밀어붙이면 오히려 1.2점이 깎이는데, 이는 모델이 스스로를 의심하기 시작할 때 나타나는 비단조적 결과의 전형입니다. 하지만 최고 설정인 49.8조차 GPT-6.1 Sol이 최대에서 기록한 점수보다 2.4점 낮고, Claude Opus 5.5보다는 8.4점 낮습니다. GPT-6.2 Sol이 더 강력한 코딩 에이전트가 되는 다이얼 위치는 존재하지 않습니다. 다만 49.8을 위해 얼마를 지불할지에 대한 선택만 있을 뿐입니다.

그 선택의 비용은 상대적으로 따져보면 크기 때문에 알아둘 가치가 있습니다. Intelligence Index에서 Sol은 low effort일 때 작업당 $0.18, medium일 때 $0.41, high일 때 $0.56, xhigh일 때 $0.65, max일 때 $1.01입니다. medium에서 xhigh로 옮기면 작업당 품질이 대략 두 배가 되며—해당 지수에서 52.7에서 55.7—비용은 58% 더 듭니다. 기본값은 medium이며, 이 설정이 45.4 코딩 점수를 내는 설정입니다. Sol을 Opus와 비교한다면 xhigh나 max에서 하세요. 그렇지 않으면 잘못된 구성을 비교하는 것입니다.

재작업을 예측하는 단 하나의 숫자

같은 실행에는 "정리가 필요하다"는 경험을 직접 말해 주는 두 번째 데이터 시리즈가 있으며, 그것은 품질 점수가 아닙니다. Artificial Analysis는 평가별로 안전 거부를 기록하고, 하네스가 복구한 거부와 시도를 종료시킨 거부를 구분합니다. SWE-Atlas-QnA-AA에서 372회가 넘는 시도에 걸쳐:

• GPT-6.2 Sol (max) — 25건의 거부, 모두 완전 중단이었으며, 전체 시도의 6.7%

• GPT-6.2 Sol (xhigh) — 거부 22회, 5.9%

• GPT-6.2 Sol (medium) — 거부 13건, 3.5%

• GPT-6.1 Sol (max) — 거부 15건, 4.0%

• GPT-6.2 Astra (max) — 거부 8회, 2.2%

• Claude Opus 5.5 — 52건의 거부, 그중 강제 중단은 없음, 14.0%

Opus 라인은 흥미로운 쪽이며 안이한 해석에 어긋난다. Opus 5.5는 더 자주 이 표의 어떤 모델보다 거부한다 — 그리고 하네스가 52건 모두를 복구했으므로 그중 어느 것도 실행을 망치지 않았다. Sol은 덜 자주 거부했고 하네스는 25건 중 단 한 건도 복구하지 못했다. 에이전트의 턴을 끝내는 거부는 이제 사람이 이어받아야 하는 작업이고, 복구되는 거부는 재시도다. "이 저장소에 관한 질문에 답하기"와 가장 유사한 평가에서, 트윗이 불만을 제기하는 모델은 잘못된 작업이 아니라 미완성 작업을 만들어내는 방식으로 실패한다.

13.7점의 이해력 하락과 함께 보면, 이는 두 개의 무관한 숫자가 아니라 일관된 이야기입니다: Sol은 코딩에서 검색하고 보고하는 부분에서 덜 신뢰할 수 있으며, 거절할 때는 작업을 열린 상태로 남기는 방식으로 거절합니다.

정리 패스 가격 책정

이제 세 번째 주장, 즉 경제적 주장인데, 바로 이 부분에서 직관이 산술을 앞서는 경우가 가장 잦습니다. Intelligence Index의 작업당 비용을 사용하세요. 이 스위트는 그 위의 모든 모델에 동일한 하네스를 적용하므로 숫자를 직접 비교할 수 있습니다. GPT-6.2 Sol $1.01, Claude Opus 5.5 $10.04.

OpenAI's developer documentation page for GPT-6.2 Sol, describing it as the go-to model for everyday work from coding to powering agents at scale, accepting text and image input and producing text, with a 1,050,000-token context window, 922,000 max input tokens, 128,000 max output tokens and a June 1, 2026 knowledge cutoff. The pricing table lists $2.00 per million input tokens, $0.10 cached input, $2.50 cache writes and $10.00 output; it also notes that above 272,000 input tokens the input and cache rates double and output costs 15 times the short-context rate, and that batch costs 50% of standard rates.

Sol이 완료한 작업을 Opus가 그다음 수리하는 경우를 생각해 보자. p는 수리가 필요한 작업의 비율이라 하고, r은 전체 Opus 패스에서 수리 비용이 차지하는 비율이라 하자. Sol-후-수리 비용은 $1.01 + p × r × $10.04이다. Opus만 사용하면 $10.04이다. Sol-후-수리는 p × r이 0.899 미만일 때 더 저렴하다.

그건 넘기엔 높은 기준이다. 수리 비용이 전체 패스의 절반이라면, 수리할 수 있는 것은 모든 단일 작업이며, 그래도 Opus로 바로 가는 것보다 78% 더 저렴하다. 수리 비용이 거의 모든 작업에서 전체 재작업 비용에 가까워질 때만 청구액이 역전된다: p = 1이고 r = 1일 때, Opus라면 $10.04에 했을 일에 $11.05를 지불한다. 작업 1,000개라면 $11,050 대 $10,040 — 10%의 페널티일 뿐, 트윗이 암시하는 대패는 아니다.

따라서 비용만 놓고 보면, 재작업이 거의 전면적이지 않은 한 재작업 불만은 가격 타당성을 뒤집지 못한다. 하지만 대부분의 팀이 부딪히는 제약은 돈이 아니다. 시간이다:

• Intelligence Index 작업당 소요 시간 — GPT-6.2 Sol 9.6분 vs Claude Opus 5.5 25.7분

• 작업에 전체 Opus 재작업이 필요한 경우의 시간 — 9.6 + 25.7 = 35.3분, 25.7분 대비

• 동일한 스위트에서의 토큰 사용량 — 출력 토큰 60.9M 대 218M

여기서는 재작업 명제가 아무런 단서 없이 성립한다. Sol이 시도했다가 되돌려주는 모든 작업은 처음부터 Opus에게 맡겼더라면 걸렸을 시간보다 37% 더 오래 걸린 작업이며, 그 시간을 더 저렴한 토큰으로 되살 수는 없다. 당신의 제약이 예산이 아니라 마감기한이라면 — 이 불만을 올릴 때 거의 모든 개발자가 실제로 처한 상황이 바로 그렇다 — @dotey 말이 맞고, 논쟁은 가격이 아니라 처리량에 관한 것이다.

무엇이 판결을 바꿀까요?

두 가지가 있는데, 둘 다 아직 이용할 수 없습니다. 첫 번째는 공개된 재작업률입니다. 즉 고정된 작업 세트에서 측정했을 때 Sol의 복잡한 작업 diff 가운데 더 강력한 모델이 실제로 수정해야 하는 비율이 얼마인지입니다. 아무도 이 수치를 공개하지 않는데, 같은 티켓에 두 모델을 돌려 결과를 diff해야 하기 때문이며, 이 논쟁을 끝낼 수 있는 단 하나의 숫자입니다. 두 번째는 Anthropic 하네스 코딩 실행에서의 GPT-6.2 Sol 수치, 또는 Codex에서의 Opus 5.5 수치로, 이는 위의 교차 하네스 비교를 실제 맞대결로 바꿔줄 것입니다.

그와 대조적으로, 이미 확정된 점을 주목하라. 회귀는 실재하며 그것은 하나의 하네스 안에 있다. 에포트 스윕으로는 해결되지 않는다. 재작업을 예측하는 그 평가인 이해력 평가는 13.7포인트나 잘못된 방향으로 움직였다. 복잡한 코딩을 Opus 5.5에 계속 맡기고 싶은 독자에게는, 출시 주간에 대한 누군가의 인상에 의존하지 않는 이유가 하나 있는 셈이다.

자신의 작업에 대해 테스트 실행하기

재작업률은 한나절이면 자신의 백로그에서 측정할 수 있으며, 이 숫자에서 당신에게 중요한 유일한 버전입니다. 지난달 팀이 실제로 출시한 작업 20개를 가져와 각각을 동일한 노력 설정에서 두 모델에 모두 실행한 뒤, 그 결과 패치를 사람이 최종적으로 병합한 것과 비교해 보십시오. 실질적인 재작업이 필요했던 비율이 당신의 p이고, 수리 패스의 토큰 비용은 당신의 r.

OrcaRouter는 그것을 조달 결정이 아니라 라우팅 결정으로 만듭니다: anthropic/claude-opus-5.5와 openai/gpt-6.1-sol은 둘 다 단일 키 하나로 묶여 있고, 0% 마크업이 그대로 전달되는 벤더 자체 정가로 제공됩니다, 따라서 위의 숫자는 곧 청구될 숫자입니다. 이 점은 여기서 평소보다 더 중요합니다. 트윗이 방어하려는 대상인 모델 — GPT-6.2 Sol — 은 아직 우리 카탈로그에 없고, 우리는 이를 제공하지 않으며, 아무리 라우팅을 해도 그 사실은 바뀌지 않기 때문입니다. 우리가 제공하는 것은 Sol이 대체한 모델이며, 이는 실험에 적합한 대조군입니다: 접근할 수 있는 곳 어디서든 6.2 Sol을 실행하고, 우리를 통해 동일한 작업에 GPT-6.1 Sol을 실행하라. 그러면 13.7포인트의 이해력 하락은 합성 스위트가 아니라 여러분 자신의 코드에서 확인하거나 반박할 수 있는 것이 됩니다.

데이터가 시사하는 배포 형태라면, 라우팅 DSL이 솔직한 답입니다. 계획 수립과 코드베이스 이해 단계는 Opus 5.5로 보내고, 실행과 터미널 루프는 더 저렴한 모델로 보내며, 제공자가 실행 중 멈추는 경우는 자동 페일오버가 처리하게 하십시오. 그것은 아키텍처가 아니라 구성이며 — "Sol 뒤처리를 Opus로 하라"를 불평이 아니라 파이프라인으로 적었을 때 나타나는 모습입니다.

어떤 모델을 고르든 이 트윗에서 가져갈 만한 단 한 가지는 이것이다. 코딩 작업의 청구서는 토큰 수가 아니다. 그것은 토큰 + 사람이 쓴 분 + "완료"와 "실제로 완료" 사이에 흐른 실제 시간이다. Sol은 그 장부의 첫 줄에서 압도적으로 이기고, Opus 5.5는 작업이 다시 돌아올 때마다 두 번째와 세 번째 줄에서 이기며, 어떤 벤더도 작업이 다시 돌아오는 비율을 공개하지 않는다. 누군가 공개하기 전까지 신뢰할 수 있는 유일한 숫자는 자신의 diff에서 직접 측정한 숫자다.

이 글에서 비교한 모델1

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트