한 달 사이 새 AI 모델 셋, 무엇이 달라졌나

지난 한 달 사이에 새 모델이 세 개 나왔습니다. 이름만 보면 뭐가 뭔지 헷갈립니다.

그런데 셋을 나란히 놓고 보면 공통된 이야기가 하나 나옵니다. 새 모델이 나왔다고 다 갈아타는 게 아닙니다. 저희가 지난번 클로드 오퍼스 5.5 글에서도 같은 말씀을 드렸는데, 이번 세 모델에서도 그대로 확인됩니다. 만든 회사가 직접 「그 일에는 이전 모델을 쓰라」고 안내한 경우도 있고, 성능표보다 먼저 봐야 할 조건이 붙은 경우도 있습니다.

업무에 쓰는 사람 기준으로 무엇이 달라졌는지만 정리했습니다.

GPT-6 Sol · Luna — 틀리는 횟수를 줄였습니다

OpenAI가 9월 22일에 공개했습니다. 기존 GPT-6 Astra 아래에 놓이는 두 모델입니다.

• Sol — 주고받는 작업과 코딩을 함께 맡는 균형형
• Luna — 짧고 빠른 일을 맡는 가벼운 쪽

이번 발표에서 눈여겨볼 것은 속도나 크기가 아니라 정확도입니다. OpenAI는 자체 사실성 평가에서 Sol이 이전 모델보다 오류를 약 절반으로 줄였다고 밝혔습니다. 상위 모델인 Astra 수준의 신뢰도를 아래 등급에서 낸다는 것이 이번 발표의 요지입니다.

다만 이 숫자를 읽는 방법이 있습니다. OpenAI는 이 평가가 「사용자가 이전 모델의 오류를 신고한 대화」를 모아 만든 것이고, 그런 대화는 일반적인 사용을 대표하지 않는다고 스스로 단서를 달았습니다. 즉 틀리기 쉬운 상황만 모아 놓고 잰 값입니다. 실제 업무에서 체감하는 개선폭은 이보다 작을 수 있습니다.

업무 관점: 「오류 절반」을 그대로 믿기보다, 여러분 회사의 실제 문서로 한 번 돌려 보고 판단하시는 편이 낫습니다. 벤치마크 점수와 우리 회사 양식에서의 정확도는 다른 이야기입니다. 특히 보고서 초안처럼 틀리면 바로 드러나는 일부터 시험해 보시면 판단이 빠릅니다.

Gemini 3.8 Flash — 성능은 올랐는데, 구글이 갈아타지 말라고 합니다

구글이 9월 2일에 공개했습니다. 6주 사이 세 번째 Flash입니다. 보안을 조인 3.8 Flash Cyber가 같이 나왔습니다.

• 컨텍스트 100만 토큰, 출력 6만 4천 토큰
• 텍스트·이미지·음성·영상·PDF를 모두 받습니다
• 오래 걸리는 코딩과 스스로 일을 이어가는 에이전트에 맞춰 조정했습니다
• 구글이 공개한 모든 지표에서 이전 3.7 Flash를 앞섭니다

여기까지만 보면 당연히 갈아타야 할 것 같은데, 구글이 직접 반대 안내를 해 두었습니다.

3.8은 새로 만든 기반 모델이 아니라 3.7 위에 올린 것이고, 일부러 생각하는 토큰을 더 씁니다. 점수는 오르지만 같은 일에 계산을 더 쓴다는 뜻입니다. 그래서 구글은 「계산 효율이 중요한 작업이라면 3.7 Flash를 계속 쓰라」고 안내합니다.

업무 관점: 이게 이번 정리에서 가장 실용적인 대목입니다. 성능이 올랐다고 무조건 최신으로 옮기는 게 아닙니다. 어려운 판단이 필요한 일에는 3.8이, 단순 반복 처리에는 3.7이 맞습니다. 만든 회사가 그렇게 말하고 있습니다.

사내에서 「최신 모델로 다 바꿉시다」 하는 이야기가 나올 때, 이 사례를 들면 설명이 쉬워집니다.

Muse Spark 1.3 — 성능표보다 먼저 봐야 할 조건이 있습니다

메타가 9월 2일에 공개했습니다. 멀티모달 추론 모델이고 컨텍스트는 100만 토큰입니다. 도구를 쓰고 컴퓨터를 조작하는 에이전트 작업에 초점이 있습니다.

성능보다 먼저 봐야 할 것이 있습니다. 요금제가 둘로 나뉘는데, 성능이 아니라 조건이 다릅니다.

메타 개발자 공식 문서에 이렇게 적혀 있습니다.

• Contributor — 값을 깎아 주는 대신 입력한 프롬프트와 결과물을 메타 모델 학습에 쓰도록 허용하는 요금제입니다.
• Standard — 프롬프트와 결과물을 메타 모델 학습에 쓰지 않습니다.

업무 관점: 회사 자료로 쓰실 거라면 Contributor는 선택지가 아닙니다. 개인 실험이나 공개 자료라면 모를까, 사내 문서·고객 정보·계약 내용이 들어가는 자리에는 넣을 수 없습니다. 조건을 안 보고 도입 품의를 올리면 보안 검토에서 막힙니다.

새 모델을 볼 때 성능표보다 이 조건을 먼저 확인하는 습관이 필요합니다. 모델 소개 글에는 잘 안 적히고, 개발자 문서 안쪽에 적혀 있습니다.

정리하면

모델	무엇이 달라졌나	업무에서
GPT-6 Sol · Luna	틀리는 횟수를 줄였다고 발표	자체 평가이므로 내 문서로 확인
Gemini 3.8 Flash	지표는 다 올랐지만 계산을 더 씀	구글이 「효율 우선이면 3.7 유지」 권고
Muse Spark 1.3	멀티모달·에이전트 작업	요금제에 따라 데이터가 학습에 쓰임

세 가지를 관통하는 이야기는 하나입니다. 새로 나왔다는 것과 우리 일에 맞다는 것은 다릅니다.

그리고 실무에서 더 중요한 것은 따로 있습니다. 어떤 모델을 쓰느냐보다, 회사에서 무엇을 해도 되는지가 먼저입니다. 설치가 되는지, 외부에 자료를 올려도 되는지, 누가 쓰는지에 따라 쓸 수 있는 방식이 달라집니다. 모델이 아무리 좋아져도 그 조건이 정리되지 않으면 아무것도 시작되지 않습니다.

이런 판단을 담당자 혼자 매번 새로 하기는 어렵습니다. 구성원들과 함께 기준을 세우는 자리가 에이전엘 교육 구간이고, 지금 하고 계신 업무에 어떤 도구가 맞는지는 도구 찾기에서 업무·쓸 수 있는 범위·사용 인원 세 단계로 확인하실 수 있습니다.

출처

• GPT-6 Sol · Luna (2026-09-22 공개, 확인일 2026-09-24)
• OpenAI 공식 발표문 — Sol·Luna 공개와 모델 구성의 근거
• TechCrunch 보도 — “오류를 약 절반으로 줄였다”는 발표 원문 인용의 근거
• Gemini 3.8 Flash (2026-09-02 공개, 확인일 2026-09-24)
• 구글 공식 발표 — 사양, 3.7 유지 권고 문구의 근거
• Muse Spark 1.3 (2026-09-02 공개, 확인일 2026-09-24)
• 메타 공식 발표문 — 공개일과 에이전트 작업 초점 서술의 근거
• 메타 개발자 문서 — 요금제·요율 한도 — Contributor·Standard 데이터 사용 조건의 근거

우리 업무에는 어떤 도구가 맞을까요?

사용 환경과 반복 업무를 확인하고, 결과를 바탕으로 상담·견적 요청까지 이어가세요.

업무에 맞는 도구 찾기 →
견적·제안하기 →