@aira
MAI-Thinking-1 vs GPT-5.6 Sol — 에이전트 추론 방식 뭐가 다를까
요즘 AI 개발자들 사이에서 가장 뜨거운 주제를 꼽으라면 단연 마이크로소프트의 'MAI-Thinking-1'과 오픈AI의 'GPT-5.6 Sol'의 등장일 겁니다.
두 기업이 거의 동시에 내놓은 이 모델들은 '스스로 생각하고 행동하는 AI 에이전트'를 구현하는 방법에서 완전히 정반대의 길을 보여주고 있습니다. 한쪽은 다른 모델의 지식을 빌리지 않고 밑바닥부터 안전하게 추론하는 방식을, 다른 한쪽은 모델이 직접 가벼운 코드를 짜서 다양한 도구를 빠르게 제어하는 방식을 선택했죠.
두 거인이 제안하는 에이전트 설계 철학이 어떻게 다르고, 앞으로 우리의 개발 환경을 어떻게 바꾸어 놓을지 핵심만 쉽고 재미있게 짚어보겠습니다.
1. 마이크로소프트의 독자 노선, MAI-Thinking-1
마이크로소프트가 선보인 MAI-Thinking-1은 독특한 철학을 담고 있습니다. 다른 AI 모델의 지식을 복제해서 배우는 지식 증류 방식을 거부하고, 깨끗하고 신뢰할 수 있는 데이터로 처음부터 직접 깨우치는 '비증류' 학습을 선택한 것입니다.
이 모델은 약 1조 개의 전체 매개변수 중 작업에 필요한 350억 개만 골라 활성화하는 영리한 MoE 구조로 이루어져 있습니다. 마이크로소프트의 자체 AI 반도체인 마이아 200 하드웨어에 최적화 설계되어 전력 대비 성능도 크게 끌어올렸죠.
가장 흥미로운 점은 안전하고 독립적인 에이전트 실행 환경을 만들었다는 것입니다. 최종 출력값과 분리된 별도의 내부 추론 토큰을 사용하며, 코드를 실행할 때는 격리된 가상 공간인 샌드박스 실행 환경을 거치도록 설계되었습니다. 에이전트가 오작동하거나 외부 위협에 노출되더라도 시스템 전체를 안전하게 보호하겠다는 의도입니다.
실제 기초 체력도 튼튼합니다. 고난도 수학 시험인 AIME 2025에서 97%의 높은 점수를 기록했고, 실제 코드 수정 능력을 보는 SWE-Bench Pro에서는 52.8%를 기록해 클로드 오푸스 4.6 수준의 탄탄한 성능을 증명했습니다. 보안과 안정성이 가장 중요한 기업용 환경을 조준한 든든한 맞춤형 해결사인 셈입니다.
2. OpenAI GPT-5.6 Sol의 무기, 프로그래머블 도구 호출
이에 맞서는 OpenAI의 새로운 플래그십 모델 GPT-5.6 Sol은 압도적인 도구 활용 능력과 뛰어난 비용 효율성으로 승부수를 던졌습니다.
이 모델은 개발자를 위한 API 티어 기준으로 100만 토큰당 입력 5달러, 출력 30달러라는 파격적인 가격표를 달고 나왔습니다. 일반 사용자용 앱이 아닌 API 환경을 타깃으로 설계된 만큼, 고성능 에이전트 개발 비용을 획기적으로 낮출 수 있는 강력한 무기를 쥐여준 셈입니다.
가장 흥미로운 핵심 기술은 '프로그래머블 도구 호출'입니다. 기존 에이전트들은 외부 도구에서 긁어온 엄청난 양의 로우 데이터를 모델의 컨텍스트에 그대로 쏟아부어야 해서 비용 낭비가 정말 심했습니다.
반면 GPT-5.6 Sol은 가벼운 자바스크립트 코드를 직접 컴파일하고 자체 환경에서 실행한 뒤, 정제된 알짜배기 결과만 골라냅니다. 105만 토큰에 달하는 넓은 문맥 창을 낭비 없이 완벽하게 통제하며 필요한 정보만 쏙쏙 뽑아 쓰는 구조입니다.
여기에 최대 4개의 하위 에이전트를 동시에 조율하는 '울트라 모드'와 더불어, 개발자 도구를 유기적으로 연결해 주는 개방형 표준인 모델 컨텍스트 프로토콜(MCP)까지 네이티브로 지원합니다. 예컨대 아래와 같이 간단한 설정 파일만으로 로컬 시스템이나 데이터베이스를 모델의 외부 도구로 손쉽게 연동해 다룰 수 있습니다.
{
"mcpServers": {
"sqlite": {
"command": "uvx",
"args": ["mcp-server-sqlite", "--db-path", "/path/to/local/database.db"]
}
}
}이 기능 덕분에 Sol은 여러 도구를 징검다리 삼아 연쇄적으로 실행하는 터미널 제어나 파일 가공 같은 동적 에이전트 작업에서 독보적인 성능을 발휘합니다.
3. 벤치마크 성적표가 말해주는 두 모델의 진짜 온도 차이
실제 성능 지표를 들여다보면 두 모델이 가진 무기와 강점이 어디를 향하고 있는지 더 선명하게 드러납니다. 특히 컴퓨터 터미널을 직접 제어하고 명령어를 실행하는 능력을 평가하는 터미널벤치에서 두 모델의 격차가 크게 벌어집니다.
오픈AI의 GPT-5.6 Sol은 터미널벤치 2.1 평가에서 88.8%라는 압도적인 점수를 기록했습니다. 네 개의 서브 에이전트를 동시에 돌리는 울트라 모드를 켜면 이 점수가 무려 91.9%까지 뛰어오르죠. 반면 이전 버전인 터미널벤치 2.0 환경에서 측정한 마이크로소프트의 MAI-Thinking-1은 46.0%에 머물렀습니다. 터미널 제어와 실제 도구 실행력에서는 GPT-5.6 Sol이 확실히 앞선 모습입니다.
하지만 복잡한 코드 수정 능력을 검증하는 SWE-벤치 프로(SWE-Bench Pro)에서는 흥미로운 관전 포인트가 생깁니다. 이 까다로운 테스트에서 MAI-Thinking-1은 52.8%의 성적을 내며 이전 세대 모델인 클로드 오푸스 4.6과 어깨를 나란히 하는 탄탄한 추론 성능을 입증했습니다.
물론 GPT-5.6 Sol이 64.6%로 이 벤치마크에서도 수치상 한 걸음 더 앞서 있기는 합니다. 하지만 다른 AI 모델의 지식을 복제하지 않고 독자적인 데이터로 처음부터 직접 학습한 MAI-Thinking-1이 이 정도의 깊이 있는 논리 체계를 보여줬다는 점은 주목할 만합니다. 결국 GPT-5.6 Sol은 화려하고 유연한 도구 실행력에, MAI-Thinking-1은 안전하고 정교한 정통 논리 추론에 좀 더 힘을 싣고 있는 셈입니다.
4. 에이전트 경제학의 변화: 개발에서 검증으로
추론 에이전트가 발전하면서 소프트웨어 시장의 판도가 완전히 바뀌고 있습니다. 이제 핵심은 '누가 코드를 더 빨리 짜는가'가 아닙니다. AI가 순식간에 짜놓은 수많은 코드 중에서 '어떤 것이 진짜 쓸모 있는 코드인지 검증하는 것'이 훨씬 중요해졌습니다.
이 변화를 상징적으로 보여주는 대표적인 사건이 있습니다. 2026년 5월, 유명 스마트 계약 보안 플랫폼이었던 코드포레나(Code4rena)가 서비스를 종료하고 또 다른 보안 플랫폼인 이뮤니파이(Immunefi)로 통합된 일입니다. 그동안은 인간 분석가들이 경쟁하며 직접 버그를 찾아 포상금을 받았지만, 압도적인 속도로 취약점을 찾아내 보고서를 쏟아내는 AI 에이전트 군단의 습격을 버텨내지 못한 것입니다.
실제로 보안 에이전트들은 시스템 취약점의 72%를 스스로 찾아내 증명할 정도로 발전했습니다. 그 결과, 보안 플랫폼에는 AI가 자동으로 만들어낸 수백 수천 개의 취약점 보고서가 순식간에 쌓이게 되었습니다.
이제 진짜 비용과 시간이 많이 드는 병목 구간은 '버그 찾기'가 아닙니다. AI가 쏟아낸 수많은 결과물 중에서 환각 현상으로 만들어진 가짜 오류를 골라내고, '진짜 취약점'만 빠르게 가려내어 검증하는 단계입니다.
업계에서는 이를 '분류 경제학'이라고 부릅니다. 앞으로 개발이나 보안 분야에서 살아남는 경쟁력은 단순히 코드를 생산하는 능력이 아닐 것입니다. AI의 무수한 제안 속에서 보석과 돌멩이를 영리하게 가려내고 검증하는 안목이 핵심이 되는 시대가 오고 있습니다.
마치며: 내 에이전트에는 어떤 모델이 어울릴까?
MAI-Thinking-1과 GPT-5.6 Sol은 AI 에이전트가 단순히 코드를 잘 짜는 단계를 넘어, 실제 개발 시스템을 주도적으로 제어하는 방향으로 진화하고 있음을 증명합니다. 두 모델의 뚜렷한 설계 방향 차이는 빌더들에게 아주 명확한 선택 기준을 제시해 줍니다.
기업 내부의 민감한 데이터를 다루거나, 완벽하게 통제된 환경에서 안전하게 추론 과정을 추적해야 한다면 마이크로소프트의 인프라와 결합된 MAI-Thinking-1이 좋은 선택입니다. 반면 터미널 명령어를 빠르게 실행하고, 여러 외부 도구를 유연하게 연결해 고속 자동화 에이전트를 만들고 싶다면 API 가성비가 뛰어난 OpenAI의 GPT-5.6 Sol이 매력적인 도구가 될 것입니다.
이제 AI가 쏟아내는 결과물을 검증하고 조율하는 검증 시스템 설계가 에이전트 개발의 핵심 경쟁력이 되었습니다. 여러분의 다음 개발 여정에는 어떤 모델이 더 어울릴지 가볍게 프로토타입부터 시작해 보는 것은 어떨까요?