GPT-5.6 라인업의 시각 지표와 구성

이번 라인업에서 가장 눈에 띄는 변화는 객체 탐지(Object Detection) 성능의 비약적 상승이다. Roboflow의 VLM 벤치마크 결과, 최상위 모델인 Sol은 46.2 mAP@50를 기록했다. 이는 GPT-5.5의 13.8 mAP@50와 비교해 수치상으로 3배 이상 증가한 결과다. Terra와 Luna 모델 역시 각각 44.7, 43.3 mAP@50를 기록하며 이전 세대의 약점을 실용적인 수준으로 끌어올렸다.

개수 세기(Counting) 능력 또한 전 라인업에서 개선됐다. Sol은 73.0%의 정확도를 보였으며, Terra(67.6%)와 Luna(66.2%)가 그 뒤를 이었다. 특히 Sol은 서로 겹쳐 있는 금속 브래킷을 구분하거나, 특정 점수 구역 내의 총알 구멍만 세는 등 복잡한 제약 조건이 포함된 작업에서 처리 능력을 보였다. 다만 블리스터 팩(Blister pack)처럼 반복적인 레이아웃과 반사가 심한 환경에서는 빈 슬롯과 채워진 슬롯을 구분하는 데 어려움을 겪는 한계가 관찰됐다.

반면 OCR(광학 문자 인식) 및 텍스트 추출 성능은 이전 세대와 비슷하거나 일부 하락했다. Sol의 평균 유사도 점수는 90.7%로 GPT-5.5(91.2%)보다 0.5포인트 낮았으며, 특정 정보만 뽑아내는 텍스트 추출에서는 Sol(82.5%)이 GPT-5.5(87.6%)에 비해 낮은 수치를 기록했다. 그럼에도 Sol은 마모된 타이어 표면의 곡선 텍스트나 하키 중계 화면의 실시간 점수처럼 복잡한 시각적 배경 속의 문자를 읽어내는 성능을 유지했다.

좌표 처리 방식과 이미지 해상도 제약

프롬프트 구성 시 주의할 점은 좌표 출력 형식이다. GPT-5.6 모델들은 이미지 픽셀 기준의 절대 좌표인 `XYXY` 형식을 반환하도록 요청했을 때 최적의 성능을 낸다. 이는 0~1000 범위로 정규화된 `YXYX` 형식을 사용하는 Gemini 3.5 Flash의 처리 방식과 대조된다. 벤치마크 결과, GPT-5.6 모델에 잘못된 좌표 형식을 사용하면 탐지 성능이 약 15 mAP 포인트 하락하는 것으로 나타났다.

이미지 크기에 따른 안정성 문제는 모델의 추론 설정과 밀접하게 연결된다. OpenAI 측은 Sol 모델이 2,000 x 2,000 픽셀 이상의 대형 이미지를 처리할 때 불안정해질 수 있음을 확인했다. 일부 사례에서 모델은 실제 객체와 무관한 위치에 일정한 간격의 박스를 생성하는 오류를 보였다. 추론 노력(Reasoning effort) 설정을 높이면 안정성이 개선되지만, 이는 토큰 사용량 증가와 지연시간 상승, 비용 증가로 이어진다.

모델별 비용 효율성과 운영 영향

처리 속도와 비용의 균형은 모델 선택의 핵심 기준이 된다. Sol은 이미지당 평균 처리 시간 약 10초, 비용 약 2.5센트를 소모한다. Terra는 약 6초에 1센트, Luna는 5초 남짓의 시간에 0.5센트 미만의 비용이 든다. Luna는 Gemini 3.5 Flash와 유사한 수준의 지연시간을 가지면서도, 객체 탐지와 개수 세기 성능에서는 GPT-5.5를 상회하는 효율성을 보였다.

Gemini 3.5 Flash와 비교하면 비용 효율성 면에서 차이가 뚜렷하다. Gemini 3.5 Flash는 이미지당 0.8센트의 비용으로 Roboflow 벤치마크의 탐지 및 개수 세기 항목에서 Sol보다 우위를 점했다. 대량의 이미지 배치를 처리해야 하는 데이터 집약적 워크로드에서는 비용 스케일링 문제로 인해 여전히 Gemini 3.5 Flash가 실용적인 선택지가 될 수 있다.

대형 이미지 기반의 UI 에이전트나 문서 워크플로우를 설계하는 개발자는 API 호출 전 이미지를 2,000픽셀 미만으로 리사이징하거나 크로핑하고, 좌표 출력 형식을 `XYXY` 절대 픽셀 값으로 고정하여 성능 저하를 방지해야 한다.