GPT-5.6 코딩 모델 선택법: Sol·Terra·Luna vs Claude·Gemini

결론

GPT-5.6은 Sol·Terra·Luna 계층이다. 어려운 Agent는 Sol, 일상 개발은 Terra, 대량 작업은 Luna를 쓴다.
Terminal-Bench 2.1: Sol 88.8%, Mythos 5 88.0%, Gemini 3.1 Pro 70.7%.
실제 PR 수정과 Claude Code Hooks·Skills·MCP에서는 Mythos 5가 여전히 강하다.
Gemini는 대형 저장소 읽기에 적합하며 무인 장시간 터미널 Agent의 기본값은 아니다.
작업과 Host로 라우팅하고 장기 실행은 격리된 클라우드 Mac에 둔다。

Developer workstation for choosing an AI coding model — Choose a workflow, not a winner in a popularity contest.

결론

누가 가장 똑똑한지가 아니라 어디서 시작하고 얼마나 실행하며 무엇을 만지는지 물어야 합니다. Sol은 공개 터미널 Agent 비교에서 앞서고, Claude는 Claude Code 긴 세션에서 강하며, Gemini는 큰 저장소를 저렴하게 읽습니다. 전면 교체가 아니라 역할 분담입니다.

누가 가장 똑똑한지가 아니라 어디서 시작하고 얼마나 실행하며 무엇을 만지는지 물어야 합니다. Sol은 공개 터미널 Agent 비교에서 앞서고, Claude는 Claude Code 긴 세션에서 강하며, Gemini는 큰 저장소를 저렴하게 읽습니다. 전면 교체가 아니라 역할 분담입니다.

선택이 어려운 이유

성능이 계층화되고 IDE·CLI·API에서 같은 모델도 도구와 권한이 달라지며 benchmark마다 승자가 다르기 때문입니다. 모든 일을 Sol에 맡기면 불필요한 추론 비용을 내고, 하나의 모델만 표준화하면 기존 도구의 장점을 잃습니다.

Read the OpenAI GPT-5.6 announcement and the latest-model guide as versioned product references. Model availability, price, and tool policy change; an engineering decision must retain its date and test conditions.

모델 분류

Sol은 어려운 다중 도구 Agent와 high~max reasoning용, Terra는 리뷰·테스트·중간 리팩터링의 실용적 기본값, Luna는 저지연 배치로 input/output 백만 token당 약 $1/$6입니다. Mythos 5는 Terminal-Bench에서 Sol에 가깝고 Claude Code Skills·Hooks·MCP 운영에 특히 유용합니다. Gemini 3.1 Pro는 큰 컨텍스트 읽기에 좋지만 70.7%의 terminal-agent 참고 수치 때문에 두 시간 자율 수정의 기본값으로는 적합하지 않습니다.

In an IDE, the host determines repository access, terminal execution, approval prompts, and the context passed to a model. Cursor model documentation is therefore operationally relevant: changing a model without preserving the host and permission boundary is not a clean A/B test.

5차원 비교

진입점, 도구 실행, 컨텍스트, 비용, 권한 경계, 사용자를 같은 기준으로 봅니다. 공개 점수는 시점의 참고치일 뿐 저장소 결과를 보장하지 않습니다.

Model	Entry	Execution	Context	Cost	Permissions	Best fit
GPT-5.6 Sol	Cursor / API	Terminal agent; 88.8%	Long reasoning	Highest tier	Host-defined	Hard agent work
GPT-5.6 Terra	Cursor / API	Reviews, tests; 87.4%	Medium repository	About half Sol	Host-defined	Daily PRs
GPT-5.6 Luna	API / batch	Simple scripts; 84.7%	Short tasks	~$1/$6 MTok	Restricted calls	High volume
Claude Mythos 5	Claude Code / Cursor	PR repair; 88.0%	200K + MCP	Premium	Hooks / tools	Claude workflows
Gemini 3.1 Pro	API / IDE plugins	Read-heavy; 70.7%	Million-scale	Lower tier	Google Cloud	Repository analysis

Benchmark figures are the published comparison values referenced by the GPT-5.6 release material. Validate them against a fixed commit, tool policy, and time budget before treating them as procurement evidence.

Sol은 명령줄 Agent 지표에서 더 빠르고 token 효율도 좋습니다(Artificial Analysis Coding Agent Index 80, 출력 token은 Fable 5의 약 절반). Mythos 5는 실제 PR 수정에서 여전히 강합니다. Claude와 Gemini를 일괄 대체할 이유가 없는 이유입니다.

결정 매트릭스

두 시간 shell Agent는 Sol high/max부터 시작하고 Mythos 5와 비교합니다. Cursor UI 작업은 Terra 또는 Sol, 검증된 Claude Code Hooks는 성급히 교체하지 않습니다. 500K token 이상 읽기는 Gemini, CI 태깅과 changelog는 Luna, iOS 빌드는 실제 macOS 노드에서 실행합니다.

Scenario	First choice	Alternative	Avoid
2h+ terminal agent	Sol high/max	Mythos 5	Gemini alone
Cursor UI iteration	Terra or Sol	Fable 5	Luna for complex UI
Claude Code + Skills	Mythos 5	Sol after retest	Unvalidated replacement
500K+ token repository	Gemini 3.1 Pro	Sol + RAG	Luna
CI lint/changelog	Luna	Terra	Sol Ultra
iOS/Xcode validation	Cloud Mac + Terra/Mythos	Sol for logs	API without macOS

권장 스택

개인은 Cursor Terra, 난제 Sol, 읽기 전용 아키텍처 질문 Gemini, 격리 worktree가 있는 클라우드 Mac M4를 조합합니다. Claude 중심 팀은 Mythos 5 + Skills를 유지하고 어려운 diff만 Sol로 비교하며 반복 CI는 Luna로 보냅니다. 비용 민감 팀은 Terra를 IDE 기본으로 하고 Sol 월간 예산을 둡니다.

Stack A — individual
Cursor: GPT-5.6 Terra
Escalation: GPT-5.6 Sol (reasoning: high)
Repository reading: Gemini 3.1 Pro
Execution: Cloud Mac M4, isolated worktree

Stack B — Claude-native
Default: Claude Mythos 5 + Skills
Hard diff: GPT-5.6 Sol comparison
CI batch: Luna tagging + Terra PR repair

Keep the model runner and the execution node separate when useful: Cloud Mac Claude Code and Everything Claude Code (ECC) explain that operating boundary. For dual-agent isolation see dual-agent architecture.

실수

하나의 터미널 benchmark 1위만 보고 Sol을 기본으로 설정.
Hooks·Skills·권한 프롬프트 재시험 없이 Claude Code 교체.
Gemini의 큰 컨텍스트를 장시간 자율 수정 능력으로 오해.
절전·네트워크 변경이 있는 노트북에서 장기 Agent 실행.
reasoning.effort의 품질과 비용이 선형이 아님을 무시.

7단계

Cursor·Claude Code·직접 API 진입점을 조사.
UI·리팩터링·터미널 Agent 대표 작업 선택.
같은 클라우드 Mac 격리 worktree에서 실행.
Terra/Fable 5와 Sol/Mythos 5 비교.
통과율·token·경과 시간·사람 개입 기록.
기본·승격·금지 모델 정책 문서화.
분기마다 벤더 changelog로 검토.

FAQ

어떤 GPT-5.6을 쓰나?

가장 어려운 긴 Agent는 Sol, 일상 페어 코딩은 Terra, 단순 대량 작업은 Luna입니다.

Mythos 5를 버리나?

아닙니다. 차이는 0.8점이고 Claude Code 운영 자산이 더 중요할 수 있습니다.

Gemini가 대체하나?

대형 컨텍스트·추출 보완재이지 어려운 Agent 주력은 아닙니다.

Cursor 모델을 고정하나?

작업별로 바꿉니다: Sol 난제, Terra 일상, Claude 터미널, Gemini 탐색.

지금 5.5에서 올리나?

안정된 실행 환경에서 1주 A/B 후 기본값을 바꾸세요.

요약

누가 가장 똑똑한지가 아니라 어디서 시작하고 얼마나 실행하며 무엇을 만지는지 물어야 합니다. Sol은 공개 터미널 Agent 비교에서 앞서고, Claude는 Claude Code 긴 세션에서 강하며, Gemini는 큰 저장소를 저렴하게 읽습니다. 전면 교체가 아니라 역할 분담입니다. 개인은 Cursor Terra, 난제 Sol, 읽기 전용 아키텍처 질문 Gemini, 격리 worktree가 있는 클라우드 Mac M4를 조합합니다. Claude 중심 팀은 Mythos 5 + Skills를 유지하고 어려운 diff만 Sol로 비교하며 반복 CI는 Luna로 보냅니다. 비용 민감 팀은 Terra를 IDE 기본으로 하고 Sol 월간 예산을 둡니다.

A stable rented Cloud Mac makes results reproducible: it keeps macOS tools, Xcode builds, sessions, and isolated worktrees available while the local computer is offline. Model choice then becomes an observable engineering parameter rather than a brand argument.

결론

결론