오픈AI, GPT-5.5 발표 '새로운 인공지능 클래스' 주장하며 API 가격 두 배로 상승

GPT-5.5는 OpenAI가 공개한 에이전틱(agentic) 모델로, 단일 응답 생성을 넘어 여러 도구를 자율적으로 전환하며 복잡한 작업을 단계별로 수행하도록 설계됐다. 기존 GPT 계열이 주로 대화형 질의응답과 단발성 코드 생성에 최적화되어 있었다면, 5.5는 내부적으로 ReAct 유사 루프(추론→도구 호출→관찰→재추론)를 모델 가중치 수준에서 학습시켜 외부 스캐폴딩(LangChain, AutoGPT 등) 없이도 장기 태스크를 이어갈 수 있게 만든 것이 핵심이다. OpenAI가 "new class of intelligence"라고 표현한 배경에는 브라우저 조작, 코드 실행, 파일 시스템 접근 같은 툴셋을 한 컨텍스트 안에서 동적으로 오케스트레이션하는 능력이 포함된 것으로 보이며, 이는 최근 Anthropic의 Computer Use나 Google의 Gemini 2 에이전트 기능과 직접 경쟁하는 포지셔닝이다.

개발자 입장에서 가장 체감되는 변화는 "에이전트 루프를 직접 구현할 필요가 줄어든다"는 점이다. 지금까지는 복잡한 워크플로우(예: 이슈 트리아지 → 코드 수정 → PR 생성)를 만들려면 프롬프트 체인, 상태 관리, 재시도 로직을 애플리케이션 레이어에서 짜야 했는데, GPT-5.5는 이걸 모델 내부에서 처리하므로 클라이언트 코드가 얇아진다. 다만 API 가격이 두 배로 오른 점은 실무에 큰 영향을 미친다. 대량의 배치 요약, RAG 파이프라인, CI 봇처럼 호출량이 많은 워크로드에서는 단순히 최신 모델로 갈아타는 게 아니라 GPT-5 / GPT-4o / Haiku 4.5 같은 저가 모델과의 라우팅 전략(복잡도 기반 모델 선택)이 필수가 될 것이다.

한국의 엔지니어라면 당장 두 가지를 점검해야 한다. 첫째, 프롬프트 캐싱과 컨텍스트 압축 설정이다. 에이전틱 모델은 도구 호출 히스토리가 길게 쌓이기 때문에 캐시 히트율이 비용을 좌우한다. Anthropic SDK든 OpenAI SDK든 cache_control 또는 prompt caching을 반드시 켜고, 시스템 프롬프트/툴 정의는 캐시 가능한 앞쪽에 배치해야 한다. 둘째, 기존 자체 에이전트 프레임워크(LangGraph, CrewAI 등)와의 역할 재정의다. 모델이 스스로 루프를 도는 만큼, 외부 오케스트레이터는 "가드레일·감사 로그·휴먼 인 더 루프 체크포인트"에 집중하도록 축소하고, 모델에는 도구 스펙과 종료 조건만 명확히 넘기는 구조가 권장된다.

마지막으로 도입 전 반드시 A/B 벤치마크를 돌려보길 권한다. 2배 가격이 정당화되려면 태스크 완료율·평균 토큰 소비·재시도 횟수에서 최소 2배 이상의 개선이 있어야 손익분기를 맞출 수 있다. 특히 한국어 도메인 특화 태스크(법률, 금융 리포트 요약, 사내 위키 QA)에서는 GPT-5.5의 에이전틱 능력이 영어권만큼 나오지 않을 가능성도 있으므로, 프로덕션 투입 전 사내 평가셋으로 정량 비교 후 모델 라우팅 정책에 반영하는 것이 안전하다.