2027년까지 연구자 10만 명 대상 무료 지원 및 2억 5천만 달러 투입
OpenAI가 2027년까지 2억 5천만 달러 이상을 투입해 학술 연구자 10만 명에게 최신 모델과 연구 도구를 무료로 제공하는 'ChatGPT for Academic Researchers' 프로그램을 운영한다. 이 프로그램은 올여름 1만 명의 연구자를 시작으로 적용되며, 현재 고등연구소(IAS)와 파리 고등사범학교(ENS) 등의 기관에서 이미 접근 권한을 확보했다. 선정된 연구자는 프론티어 모델에 무료로 접근하고 소속 기관 내에서 최대 4명의 협업자를 초대해 공동 연구를 수행할 수 있다. 전체 투자 규모에는 연구 기관을 직접 지원하는 5천만 달러 규모의 NextGenAI 이니셔티브와 미국 에너지부(DOE)의 제네시스 미션(Genesis Mission) 협력이 포함된다. 워크스페이스는 비즈니스 등급의 개인정보 보호 및 보안 표준을 적용하며, 기본 설정으로 입력된 데이터를 모델 학습에 사용하지 않아 연구 데이터의 보안성을 확보했다.
GPT-5.6 모델 제품군 분화와 FrontierMath 83% 달성
GPT-5.6 모델 제품군은 연구자의 작업 성격에 따라 Sol, Terra, Luna 세 가지 모델로 분화되어 제공된다. GPT-5.6 Sol은 가장 어려운 과학 및 수학 문제를 해결하는 데 특화되었으며, 연구 수준의 수학 추론을 측정하는 FrontierMath Tier 4 벤치마크에서 83%의 정답률을 기록했다. 이는 이전 버전인 GPT-5.5가 기록한 72.5%보다 향상된 수치다. GPT-5.6 Terra는 일상적인 연구를 위해 성능과 효율의 균형을 맞춘 모델이며, GPT-5.6 Luna는 가벼운 작업에서 빠른 응답을 제공하는 데 최적화되었다. GPT-5.6 Sol Pro는 복잡한 생물학 데이터 분석과 과학적 추론을 평가하는 GeneBench Pro 벤치마크에서 31.5%의 과제 해결률을 달성했다. 연구자들은 확장된 컨텍스트 윈도우와 상향된 사용 한도, 강화된 딥 리서치 기능을 통해 대규모 데이터셋을 분석하고 심층적인 자료 조사를 수행한다.
75종 생명과학 기술과 Codex 기반의 연구 워크플로우 통합
연구자들은 75종 이상의 생명과학 특화 기술과 외부 데이터 커넥터를 활용해 유전학, 게놈 분석, 단백질 모델링 등의 연구 워크플로우를 구축한다. 커넥터는 과학 문헌, 공공 게놈 및 임상 데이터베이스, 위성 이미지, 계산 노트북, 레퍼런스 매니저와 연동되어 데이터 수집과 분석 과정을 통합한다. Codex는 코드 작성, 디버깅, 데이터셋 분석 및 재현 가능한 워크플로우 구축을 담당하며 연구 실행과 정식 분석 단계를 지원한다. ChatGPT Work는 연구비 신청서 작성, 문헌 검토, 논문 초안 작성 및 결과 커뮤니케이션 자료 생성과 같은 행정 및 기록 작업을 수행한다. 물리학자 로제리오 조르지(Rogerio Jorge) 팀은 AI를 통해 산업계와 국립 연구소가 사용하는 오픈소스 핵융합 연구 소프트웨어를 개발했다. 이론 컴퓨터 과학의 바르나 사하(Barna Saha), 인잔 쉬(Yinzhan Xu), 크리스토퍼 예(Christopher Ye) 연구진은 GPT-5.5 Pro를 사용해 고차원 기하학 문제의 컴퓨터 해결 효율성에 대한 새로운 한계를 설정하는 증명을 개발하고 이를 직접 검증했다.
AI 활용 강도에 따른 연구 성과 차이와 신청 자격 확인
매주 약 130만 명의 연구자가 고급 과학 및 수학 연구를 위해 ChatGPT를 사용하며, 이들은 주당 약 840만 개의 메시지를 생성한다. AI 활용 강도가 높은 상위 20% 연구자는 4시간 이상의 작업이 필요한 고난도 과업을 AI에 요청하는 비율이 7%로, 일반 연구자의 3.5%보다 약 2배 높다. 수학 분야에서는 최근 6개월 사이 AI가 고립된 문제 해결 도구에서 정기적인 연구 파트너로 전환되었으며, 많은 논문에서 ChatGPT의 기여도를 명시적으로 인정하고 있다. 한국을 포함한 전 세계 연구자가 이 프로그램에 참여하려면 학위를 수여하는 기관 소속 여부와 연구 활동 수준을 기반으로 한 자격 요건을 확인해야 한다. 공식 신청 및 상세 자격 확인은 apply here 페이지에서 가능하다. 연구 목적에 따라 수학 추론은 Sol, 일상적 연구 효율은 Terra, 가벼운 작업은 Luna 모델을 선택해 적용하는 것이 가장 효율적이다.
