GPT-5.5 Spud는 전모달 모델일까? 공식 근거와 소문을 가르는 기준

팩트체크 결론: 멀티모달 방향은 확인, Spud 모델은 미확인

전모달을 ‘하나의 공식 모델이 텍스트, 이미지, 오디오·음성, 동영상을 원생적으로 처리한다’는 뜻으로 본다면, GPT-5.5 Spud는 현재 출시 또는 확정 모델로 쓰기 어렵습니다. 더 정확한 표현은 OpenAI가 여러 omni·멀티모달 기능을 공개했지만, 그 근거가 GPT-4o, 4o 이미지 생성, Realtime API, Sora에 각각 걸려 있다는 것입니다.

왜 Spud 소문은 그럴듯해 보이나

Spud 이야기가 쉽게 퍼지는 이유는 완전히 허공에서 나온 것처럼 보이지 않기 때문입니다. OpenAI는 이미 GPT-4o를 omni model이라고 설명했고, 4o 이미지 생성은 원생적 멀티모달 모델과 연결돼 있습니다. Realtime API 역시 음성, 이미지 입력, 낮은 지연시간의 상호작용을 공식 제품 흐름 안에 넣었습니다.

동영상도 마찬가지입니다. Sora 공식 페이지는 Sora 2를 아이디어를 움직임과 소리가 있는 영상으로 바꾸는 제품으로 소개하고, OpenAI API 문서는 Sora를 통한 동영상 생성을 안내합니다. Sora sample app은 텍스트 프롬프트와 참고 이미지를 사용해 짧은 영상을 생성하고 리믹스할 수 있다고 설명합니다.

따라서 OpenAI가 여러 모달리티를 더 강하게 통합할 것이라는 전망 자체는 합리적인 추정일 수 있습니다. 다만 GPT-4o, Realtime API, Sora의 기능을 모두 아직 공식 확인되지 않은 Spud라는 이름에 몰아주는 것은 증거의 다리를 건너뛰는 일입니다.

공식 자료가 실제로 보여주는 것

GPT-4o: 전모달 논의에 가장 가까운 공식 근거

현재 전모달 논의에서 가장 강한 공식 근거 중 하나는 GPT-4o입니다. OpenAI의 GPT-4o System Card는 GPT-4o를 autoregressive omni model이라고 부르고, 텍스트·오디오·이미지·동영상의 조합을 입력으로 받을 수 있다고 설명합니다. 이는 OpenAI가 omni 방향의 모델 능력을 공개했다는 점을 뒷받침하지만, GPT-5.5 Spud라는 모델의 존재나 출시를 증명하지는 않습니다.

4o 이미지 생성: 이미지 능력은 공식 제품 설명이 있다

OpenAI는 4o image generation 소개에서 이미지 생성이 언어 모델의 주요 능력이 되어야 한다고 설명하고, 이를 natively multimodal model과 연결했습니다. 즉 이미지 생성 능력은 공식적으로 확인된 영역입니다. 그러나 이 근거는 4o 이미지 생성에 관한 것이지 Spud 발표 자료가 아닙니다.

Realtime API: 음성 에이전트와 실시간 멀티모달은 제품화됐다

OpenAI의 Realtime API 자료는 개발자가 저지연 멀티모달 경험을 만들 수 있다고 설명합니다. 이후 gpt-realtime 업데이트는 더 발전한 speech-to-speech 모델, image input, 프로덕션용 음성 에이전트 기능을 언급했습니다. 따라서 음성·실시간 상호작용은 공개 제품 능력의 일부입니다. 하지만 현재 이 능력을 Spud의 내장 기능이라고 쓸 공식 근거는 없습니다.

Sora: 동영상 생성은 아직 별도 공식 라인이 분명하다

OpenAI에 동영상 생성 능력이 있느냐는 질문에는 ‘있다’고 답할 수 있습니다. 공식 문서와 제품 페이지가 Sora, Sora API, Sora sample app을 분명히 가리키기 때문입니다. 하지만 질문을 ‘동영상 생성이 GPT-5.5 Spud로 넘어갔는가’로 바꾸면, 현재 공개 근거만으로는 그렇다고 답하기 어렵습니다.

GPT-4.1의 동영상 이해 평가는 Spud 발표가 아니다

OpenAI의 GPT-4.1 API 소개는 Video-MME 같은 멀티모달 장문 맥락 이해 벤치마크를 언급하며, long, no subtitles 부문 72.0%와 GPT-4o 대비 6.7%포인트 개선을 제시했습니다. 이는 동영상 이해가 OpenAI 모델 평가에서 중요한 축이라는 점을 보여줍니다. 그러나 벤치마크 성적은 특정 미공개 모델, 특히 Spud의 출시나 기능을 확인하는 자료가 아닙니다.

지금은 확인됐다고 쓰면 안 되는 말들

• GPT-5.5 Spud가 확정 출시됐다: 현재 확인 가능한 단서는 주로 소셜 게시물이나 사용자 생성 콘텐츠에 가깝고, OpenAI 공식 발표가 아니다.
• Spud가 fully multimodal 또는 omnimodal 모델이다: X 등 비공식 출처에서 이런 표현이 보이지만, 여전히 미확인 주장이다.
• Spud가 Sora를 통합하거나 대체한다: OpenAI의 공식 동영상 생성 자료는 현재 Sora, Sora API, Sora sample app을 중심으로 제시된다.
• OpenAI가 Spud로 텍스트·이미지·음성·동영상을 통합한다고 확인했다: 공식 근거가 뒷받침하는 것은 GPT-4o, 4o 이미지 생성, Realtime API, Sora의 기존 능력이지 Spud라는 모델이 아니다.

개발자와 제품팀이 가져갈 실무적 판단

제품 로드맵이나 기술 검토를 한다면 GPT-5.5 Spud를 이미 쓸 수 있는 전제로 두는 것은 위험합니다. 지금은 공개된 공식 라인업을 기준으로 요구사항을 나누는 편이 안전합니다. 텍스트와 이미지는 GPT-4o 및 4o 이미지 생성, 음성 에이전트나 실시간 음성 상호작용은 Realtime API와 gpt-realtime, 동영상 생성이나 리믹스는 Sora와 Sora API를 먼저 검토하는 방식입니다.

앞으로 Spud가 실제 공식 모델이 된다면 확인 신호도 비교적 분명할 것입니다. OpenAI의 공식 발표 페이지, system card 또는 model card, API 문서의 정식 모델 식별자, 능력과 안전성에 대한 설명이 나와야 합니다. GPT-4o, Realtime API, Sora를 지금 검증할 수 있는 이유도 이런 공식 페이지와 시스템 카드, 개발 문서가 있기 때문입니다.

결론은 간단합니다. OpenAI의 멀티모달·전모달 방향에는 공식 근거가 있습니다. 그러나 GPT-5.5 Spud의 전모달 출시에 대한 공식 근거는 아직 없습니다. OpenAI가 정식 공지나 문서를 내기 전까지 Spud는 제품 결정을 뒷받침할 확정 모델이 아니라, 소문으로 다루는 것이 맞습니다.