GPT-5

안녕하세요, MoonLight입니다.

​

오늘 OpenAI가 GPT-5를 공개했습니다.

​

아래 Link는 Sam Altman이 GPT-5를 소개하는 영상입니다.

https://www.youtube.com/live/0Uu_VJeVVfo?si=llpuPfc7TV0PsCiS

 

 

 

저는 최근까지 GPT-4보다는 Gemini가 더 괜찮은 거 같아서 Gemini를 쭉 써오고 있었는데, GPT-5가 얼마나 더 좋아졌고, 어떤 점이 개선 & 추가가 되었는지 한 번 알아보도록 하겠습니다.

​

​

 

주요 기술적 변화 요약

항목	GPT-5	GPT-4 (이전 버전)
모델 방식	복수의 내부 모델을 자동으로 선택	단일 모델 또는 시리즈별 분리된 체계
추론 전략	요청에 따라 자동 모델 라우팅 (fast vs thinking 등)	사용자가 모델을 선택해야 함
추론 깊이	상황에 따라 높은 수준의 Chain of Thought	제한적인 추론 능력
Context 윈도우	수십만~백만 토큰 (모델에 따라 다름)	몇만 토큰 수준
멀티모달 지원	텍스트, 이미지, 오디오, 영상	제한적 또는 텍스트 중심
감성/안전성	환각 감소, 심리적 해악 완화, 감정 인식	개선 여지 있음

​

​

​

 

 

1. 더 똑똑해지고, 더 유연하게

OpenAI는 GPT-5를 공식 공개했습니다.

​

GPT-5는 기존 GPT-4 기반 모델들을 하나로 통합한 “통합 지능 시스템(unified system)”으로, 빠른 응답이 필요할 때는 빠르게, 복잡한 추론이 필요할 때는 깊게 “생각”하는 능력을 갖췄습니다.

​

​

​

​

​

​

​

 

2. 자동 모델 라우팅: '생각할 것인지'가 선택적

 

GPT-5는 단일 모델로 구성된 것이 아니고, 내부에 gpt-5-main, gpt-5-thinking, mini, nano 등 다양한 모델을 갖추고 있으며, 실시간 라우터(routing system)가 입력된 요청의 성격에 맞춰 자동으로 판단해 가장 적절한 모델을 선택하는 방식으로 구성되어 있습니다.

​

이 때문에 사용자 입장에선 "어떻게 요청했는지"에 대한 고민 없이도, 스스로 판단해서 정확하고 효율적인 응답을 생성해 줍니다.

​

예컨대, 간단한 대화라면 빠르게 반응하는 메인 모델이 선택되고, 복잡한 논리나 코딩을 요청하면 깊은 추론력의 모델(Thinking)이 투입돼 사용자 의도에 맞춘 답변을 만들어줍니다.

​

기존 GPT-4,-4o,-4.1,-4.5는 물론 o-시리즈까지 하나로 통합된 이 시스템은 단순한 모델 업그레이드가 아니라, 모델 라우팅 시스템이 내장된 지능형 플랫폼으로서의 진화를 이룬다고 할 수 있습니다.

​

​

​

2.1. 내부 구조: 모델 라우팅과 버전 구성

​

GPT-5는 내부적으로 다음과 같은 버전으로 구성됩니다.

• • gpt-5-main 및 그 소형 버전인 gpt-5-main-mini
  • 더 깊은 사고와 분석에 특화된 gpt-5-thinking, thinking-mini, 그리고 초경량 thinking-nano
  • ChatGPT Pro 유저에게는 병렬 연산을 통한 gpt-5-thinking-pro도 제공

​

이들 모델은 입력된 쿼리의 복잡성과 요구 수준에 따라 자동으로 선택되는 “라우터”에 의해 구동됩니다

​

​

​

2.2. 추론력과 도구 연계: 전문가 같은 사고 구조

​

GPT-5는 Chain-f-Thought 방식이 내재되어 있으며, 복잡한 문제에 대해서는 심층 추론을, 단순 요청에는 빠른 응답을 선택적으로 수행합니다.

​

특히 도구 호출(tool-calling) 구조가 크게 개선되어, 다수의 도구를 순차 및 병렬로 안정적으로 연계함으로써 실세계 작업의 종단 간(end-to-end) 자동화를 지원합니다.

​

또한 API에서는 verbosity 파라미터(응답 길이 제어)와 reasoning_effort 파라미터(추론 깊이 조정)가 도입되어, 개발자가 응답의 스타일과 속도를 보다 정밀하게 조절할 수 있다고 합니다.

​

​

​

​

​

 

3. 멀티모달 & 초대형 컨텍스트 윈도우

GPT-5는 텍스트뿐 아니라 이미지, 영상, 오디오까지 이해하고 생성할 수 있는 멀티모달 능력이 강화되었습니다.

​

이는 이전 GPT-4o의 확장으로 볼 수 있지만, Context Window가 이제 편당 수십만에서 최대 256,000 토큰(일부 보도에서는 백만 토큰까지 언급됨)에 달한다는 점은 꽤 놀랍습니다.

​

덕분에 긴 문서, 복잡한 코드베이스, 대규모 멀티미디어 데이터를 다룰 때 훨씬 자연스럽고 일관된 흐름을 유지할 수 있죠.

​

특히 MMMU (Massive Multitask Multimodal Understanding) 벤치마크에서 84.2-% 정확도를 달성하며 o3와 GPT-4o 대비 큰 폭 향상되었습니다.

​

내부적으로는 Transformer 기반의 통합 인코딩 구조를 사용했을 가능성이 높습니다.

예컨대 Perceiver와 유사한 구조처럼, 서로 다른 모달리티 데이터(예: 이미지 픽셀, 오디오 파형, 텍스트 토큰)를 공통의 latent bottleneck으로 압축하고, 교차주의(cross-attention)를 통해 상호 모달 간 정보를 공유합니다.

​

이 방식은 각기 다른 처리 파이프라인 없이 토큰 수준에서 모달리티 간 이해력을 강화할 수 있는 장점이 있습니다.

앞서 말씀드렸듯이, 컨텍스트 윈도우가 최대 256,000 토큰-일부 보도에서는 백만 토큰까지도 가능하다는 언급이 있으며, 이 긴 시퀀스까지 유지할 수 있는 메모리 구조를 갖추고 있어, 영상 프레임이나 오디오 스트림을 포함한 장기 문맥도 손쉽게 처리할 수 있습니다.

​

​

​

​

 

4. 향상된 추론, 코딩, 안전성

GPT-5의 Chain-of-Thought에 의해서, 복잡한 수학적·과학적 질문에도 전문가 수준의 답변을 제공합니다.

​

실제로 프론트/백엔드 웹사이트, 앱 생성, 정교한 디버깅까지 가능한 청정(clean) 코드 생성이 가능해졌습니다.

​

GPT-5는 프론트엔드 UI 생성 및 대규모 코드베이스 디버깅에서 획기적인 역량을 보여줍니다.

예시로 단일 프롬프트만으로 “Jumping Ball Runner”라는 미니 게임을 HTML 단일 파일로 작성해주고, UI의 공간 배치, 타이포그래피 감각, 디자인 선택까지 직관적으로 수행할 수 있습니다.

​

또한 SWE-Bench, HealthBench 등 여러 벤치마크에서 GPT-5는 GPT-4 계열을 상회하는 성능을 기록했으며, 특히 HealthBench Hard에서의 향상된 정확도는 의료 분야에서의 신뢰도를 크게 높였습니다.

​

​

​

​

​

 

5. 환각(hallucination) 감소

이것 때문에 LLM쓰기가 조금 짜증났었죠.

진짜인지 의심스러운 경우가 많고, 나중에 알고보니 거짓된 정보였다는 것을 알았을때 정말 짜증났습니다.

​

사실에 기반한 응답과 더 낮은 오류율을 목표로 모델이 재설계되었으며, 이로 인해 GPT-5는 hallucination(환각) 발생률이 이전 모델들보다 최대 26% 감소했으며, o3 기준으로는 65% 감소 수준까지 개선되었습니다..

​

여기에 Safe-Completion 훈련 방식이 도입되어, 단순 거부가 아닌 안전하면서도 유용한 응답을 제공하도록 조율되었습니다.

​

이 접근법은 o3 대비 보다 신중하고 유익한 응답 수준을 만들어냅니다.

​

​

​

​

 

6. 안전성 강화

“심리적 해악(psychological harms)”완화라는 기능을 포함, 감정 인지와 상담 수준의 상호작용까지 고려되어 있습니다.

​

GPT-5에서 적용된 Safe-Completion은 기존 모델의 단순 "거절(Refusal)" 방식과는 결이 다릅니다.

대신 "안전하지만 유용한 응답"을 생성하는 nuanced 대응 전략을 채택했지요.

​

특히 유해하거나 잠재적으로 위험한 프롬프트에 대해서도, 단순히 차단하지 않고 문맥에 맞추어 가장 도움이 되면서도 안전한 방식으로 답을 구성합니다.

​

이 기술은 5,000시간 이상의 레드 팀 테스트(red-teaming)을 거쳐 훈련되었으며, 환각(hallucination) 및 기만적 응답의 위험을 최대한 줄이도록 설계되었습니다.

​

​

​

​

​

​

7. 무료 접근성과 다양해진 요금 구조

GPT-5는 8월 7일 출시되어, 무료 사용자도 사용 가능하지만, 사용량에는 제한이 걸립니다.

더 높은 용량과 무제한 접근은 Pro 구독(월 $200)을 통해 제공됩니다.

또한, standard / mini / nano 등 용도·속도·비용에 맞춘 다양한 버전이 제공됩니다.

​

​

요금 모델과 배치 전략

GPT-5는 API 유저에게 다음과 같은 요금 구조를 제공합니다.

​

모델	입력 비용 ($/1M 토큰)	출력 비용 ($/1M 토큰)
Standard	$1.25	$10.00
Mini	$0.25	$2.00
Nano	$0.05	$0.40

​

이처럼 속도, 비용, 품질을 고려한 세 가지 버전이 제공되며, ChatGPT 인터페이스 및 Pro 구독을 통해 Pro 전용 모델(gpt-5-thinking, gpt-5-pro 등)도 이용할 수 있습니다.

​

​

​

​

​

​

​

8. 벤치마크 수치 비교

앞서 GPT-5의 뛰어난 점을 글로만 설명했는데, 수치로 확인해 보도록 하겠습니다.

GPT-5의 퍼포먼스는 여러 공개 및 내부 벤치마크에서 압도적인 결과를 보여주고 있습니다.

​

벤치마크	GPT-5 (with reasoning)	이전 모델 비교
AIME 2025 (수학 경시)	94.6-% 정확도	-
SWE-bench Verified (코딩 리얼-월드 이슈)	74.9 % (GPT-4: 52 %; o3: 69.1 %)	GPT-5는 o3 대비 토큰 22 % ↓, 도구 호출 45 % ↓ 효율성 개선
Aider Polyglot (다중 언어 코드 편집)	88 %	o3 대비 오류율 33 % 감소
MMMU (멀티모달 이해)	84.2 %	o3: 74.4 %, GPT-4o: 72.2 %
HealthBench Hard (의료 복합 대화)	46.2 %	o3: 25.5 %, GPT-4o: 31.6 %
GPQA Diamond (PhD 수준 과학적 추론)	88.4 %	-

​

종합적으로, GPT-5는 거의 모든 벤치마크에서 이전 모델을 20-60 % 수준으로 확실히 앞서고 있으며, 효율성과 정확성을 동시에 향상시켰습니다.

​

​

​

 

 

9. 마무리하며…

GPT-5는 확실히 여러가지 문제점이나 능력을 많이 향상시켰네요.

​

저도 이제는 다시 GPT-5로 돌아와야 할 것 같습니다.

​

도움이 되셨다면 좋겠네요.

​

감사합니다.