Claude Opus 5.5 vs GPT-6.1 Terra 비교: 같은 점수면 Opus 비용 3.6배

OpenAI는 2026년 10월 26일 GPT-6.1 Terra(gpt-6.1-terra)를 공개하면서, 최고 추론 강도에서 작업당 비용이 Claude Opus 5.5의 약 9분의 1이라고 밝혔습니다. 이 숫자는 두 모델을 모두 max로 돌렸을 때만 맞습니다. Artificial Analysis(AA)의 Intelligence Index v5.0(2026년 10월 28일 기준)에서 max끼리 비교하면 작업당 비용은 10.5배 차이지만, 점수도 58 대 51로 7점 벌어집니다. 점수가 거의 같은 Opus high(52점)와 Terra max(51점)를 맞대면 Opus가 작업당 3.6배 비싸고, 대신 작업당 시간은 464초 대 657초로 Opus가 더 짧습니다.

그래서 전부 갈아타기보다 작업별로 나누는 편이 맞습니다. 테스트로 합격 여부를 가릴 수 있는 단일 턴 코딩·계산 작업은 gpt-6.1-terra를 high로 먼저 시험하고, 부족하면 max로 올리세요. 단, 2026년 10월 28일 LaoZhang API 게이트웨이를 거친 호출에서는 Terra의 max가 Responses API에서만 받아들여졌고 Chat Completions는 xhigh까지였습니다. OpenAI API를 직접 호출하는 경우는 시험하지 않았습니다. 2026년 10월 28일 같은 7문제를 두 모델에 high로 보낸 실측에서는 두 모델 모두 모든 호출이 통과했고, 공식 정가로 계산한 비용은 Opus가 4.5배였습니다. AA 점수 52점을 넘는 수준이 필요한 어려운 작업과 재무·법률·전략 같은 지식 업무는 claude-opus-5-5를 high 이상으로 남겨 두는 편이 안전합니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

배율이 달라지는 조건도 있습니다. 같은 한국어 글을 Opus는 Terra보다 1.87배 많은 토큰으로 세기 때문에 입력 청구 차이는 약 7.5배까지 벌어집니다. 반대로 한 요청의 입력이 272K 토큰을 넘으면 Terra에 장문맥 요금이 붙어 단가 차이가 2~2.7배로 줄어듭니다. ChatGPT에서 Terra는 Work와 Codex에만 있고 일반 채팅에서는 고를 수 없습니다.

"작업당 비용 9분의 1"은 max 대 max에서만 맞습니다

OpenAI의 9분의 1은 두 모델의 최고 설정끼리 비교한 값이고, 같은 품질의 결과를 얻는 비용을 비교한 값은 아닙니다. OpenAI의 GPT-6.1 Terra 발표문은 max에서 Terra의 토큰 효율이 Opus 5.5의 3배를 넘고 토큰당 가격이 4분의 1이라 작업당 비용이 약 9분의 1이 된다고 설명합니다. 계산 자체는 독립 측정과도 맞습니다. AA의 max 측정에서 작업당 출력 토큰은 Terra 6만 개, Opus 17만 3천 개로 2.9배였고, 작업당 비용은 $10.04 대 $0.96으로 10.5배였습니다.

문제는 그 지점의 점수가 다르다는 것입니다. Opus max는 58점, Terra max는 51점이어서, 9분의 1은 "Terra의 최고치"와 "Opus의 최고치"의 가격 차이에 가깝습니다. Opus max로 얻던 결과를 Terra로 그대로 얻을 수 있다는 뜻은 아닙니다. 같은 발표문도 가장 복잡한 코딩 작업에는 GPT-6.1 Sol과 GPT-6 Astra가 여전히 더 낫다고 적고 있습니다.

발표문의 Terminal-Bench-Science 0.1 비교, 즉 max에서 Terra가 Opus 5.5보다 5점 미만 뒤지면서 추정 비용은 5분의 1 미만이라는 설명도 OpenAI가 자체 평가 환경에서 잰 값입니다. 갈아탈지 판단하려면 "같은 점수를 내는 설정끼리 얼마가 드는가"를 봐야 하고, 그 비교가 다음 표입니다.

추론 강도별 비교: 점수가 같으면 Opus high가 3.6배

갈아탈지를 판단할 때는 추론 강도(reasoning effort) 이름이 아니라 AA 점수가 같은 지점끼리 비교해야 합니다. AA Intelligence Index v5.0(2026년 10월 28일 기준)에서 Opus high는 52점, Terra max는 51점이고, 작업당 비용은 $3.46 대 $0.96으로 Opus가 3.6배입니다. 52점을 넘는 설정은 Opus에만 있습니다.

출처: Artificial Analysis의 Claude Opus 5.5 vs GPT-6.1 Terra 추론 강도별 비교, Intelligence Index v5.0, 2026년 10월 28일 기준. 작업당 비용은 AA 평가 작업에서 각 설정이 쓴 입력·캐시·추론·답변 토큰을 각 사 정가로 계산한 값이고, 작업당 시간도 AA 환경에서 잰 값입니다.

표를 점수 순으로 읽으면 비용을 아끼려고 Opus의 추론 강도를 낮추는 방법이 왜 손해인지 보입니다. Opus medium(48점)은 Terra max(51점)보다 점수가 낮은데 작업당 비용은 2.6배이고, Opus low(35점)는 Terra max와 비용이 거의 같지만($0.98 대 $0.96) 점수가 16점 낮습니다. 비용을 줄이는 것이 목적이라면 Opus를 낮추기보다 Terra로 옮기는 쪽이 같은 돈으로 더 높은 점수를 얻습니다.

반대 방향의 한계도 분명합니다. Terra를 xhigh(45점, $0.40)로 낮추면 Opus medium(48점)보다 6.1배 싸지만 3점이 빠지고, Terra는 max가 51점에서 끝납니다. Opus xhigh(57점)나 max(58점) 수준이 필요한 작업은 Terra로 대체할 설정이 없습니다. 같은 점수대에서 Opus high가 작업당 464초로 Terra max의 657초보다 빠르다는 점도, 응답을 기다리는 대화형 작업이라면 비용 3.6배와 함께 따져 볼 만합니다.

AA 지수는 2026년 10월 27일과 28일 사이에 v4.3.2에서 v5.0으로 바뀌었습니다. 평가 구성이 10개에서 9개로 달라졌고, 이전 지수에서 Terra max는 48점, 작업당 시간 384초였습니다. "58 대 48"처럼 Terra가 48점으로 나오는 비교는 이전 지수 기준이므로 위 표와 섞어 읽으면 안 됩니다. 또 AA 지수는 9개 평가를 묶은 종합 점수이지 코딩 점수가 아닙니다.

Opus 5.5가 앞서는 일, GPT-6.1 Terra가 앞서는 일

점수가 비슷한 Opus high와 Terra max를 세부 평가로 나눠 보면, Terra는 코드 생성과 과학 계산 평가에서, Opus는 지식 질의와 사무·업무 문서 평가에서 앞섭니다. 터미널 작업과 업무 자동화는 1~3점 차이로 거의 비슷합니다. 아래는 같은 AA v5.0 측정(2026년 10월 28일 기준)의 세부 결과이고, 참고로 Opus max도 함께 적었습니다.

CritPt에서는 Terra max가 Opus max보다도 높고, Terminal-Bench-Science에서는 Opus max와 1.4점 차이입니다. 반면 HLE-Diamond와 AA-Briefcase에서는 Opus high만으로도 차이가 크고, AA의 업종별 지수에서도 Opus high가 재무·회계 53 대 49, 전략·운영 58 대 50, 법률 52 대 46, 엔지니어링 58 대 54, 경제 57 대 49로 모두 앞섭니다. GDP.pdf는 28.8% 대 28.6%로 사실상 같습니다.

이 결과는 설정마다 AA가 한 번씩 돌린 값이라, 몇 점 차이보다는 방향을 보는 편이 맞습니다. 정리하면 명세가 분명한 코드·계산 문제는 Terra 쪽으로, 많은 자료를 읽고 판단해야 하는 문서·지식 업무는 Opus 쪽으로 기웁니다. 가장 복잡한 코딩을 OpenAI 안에서 처리하고 싶다면 Terra보다 Sol이 후보이고, 두 모델의 차이는 GPT-6.1 Terra vs GPT-6.1 Sol 비교: 가격 절반, Codex 실측 2배 빠름에서 Codex CLI 실측으로 확인할 수 있습니다.

같은 프롬프트 7문제 실측: 모두 통과, 비용은 Opus 4.5배

2026년 10월 28일 같은 7문제를 두 모델에 high로 보낸 결과, Opus 5.5는 11번 호출 모두, GPT-6.1 Terra는 15번 호출 모두 숨겨 둔 테스트를 통과했습니다. 문제로는 두 모델이 갈리지 않았고, 차이는 비용에서만 났습니다. 같은 7문제를 한 번씩 푼 평균 비용은 공식 정가 기준 Opus $0.2812, Terra $0.0632로 4.5배입니다.

호출은 모두 LaoZhang API(laozhang.ai) 키 하나로 보냈습니다. Opus는 Anthropic Messages 형식으로 thinking: {"type":"adaptive"}와 output_config.effort: "high"를, Terra는 Chat Completions 형식으로 reasoning_effort: "high"를 지정했고, 모든 호출을 스트리밍으로 받았으며 시스템 프롬프트와 도구 없이 사용자 메시지 하나만 넣었습니다. 테스트 코드는 모델 답을 보기 전에 작성했습니다. 비용은 각 응답이 돌려준 토큰 사용량에 OpenAI와 Anthropic의 공식 정가를 곱한 값이며, 어느 호출에서도 캐시 토큰은 잡히지 않았습니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

문제별 배율이 3.6~8.4배로 벌어진 이유는 답의 길이에 있습니다. semver와 cron처럼 긴 코드를 쓰는 문제에서는 출력 토큰이 3,066 대 3,294, 3,391 대 3,763으로 비슷해서 비용 차이가 단가 차이인 4배 언저리에 머물렀고, 짧게 답하는 문제에서는 Opus가 Terra의 약 2배 분량을 출력해 배율이 커졌습니다. 호출당 걸린 시간은 비슷해서 cron 문제는 32.2초 대 27.5초, 긴 문서 문제는 5.1초 대 4.5초였습니다. 아시아에 있는 Mac 한 대에서 게이트웨이를 거쳐 잰 시간이라 지연 시간 벤치마크로 보기는 어렵습니다.

이 실측으로 알 수 있는 것은, 조건이 분명한 단일 턴 코딩·추론 문제라면 Terra high도 Opus high와 같은 테스트를 통과한다는 점입니다. 도구 호출, 여러 단계의 에이전트 작업, 이미지 입력, 1만 5천 토큰을 넘는 긴 문맥 검색, max 설정은 시험하지 않았고, 문제당 표본도 1~3회뿐입니다. 그래서 Opus가 어디서 앞서는지는 이 실측이 아니라 앞의 AA 세부 평가로 판단해야 합니다. 26번 호출 전체의 비용은 정가 기준 $0.6358이었습니다.

내 청구는 몇 배? 단가 4배에 한국어 토큰 1.87배가 곱해집니다

272K 토큰 이하 요청에서 두 모델의 단가는 모든 항목에서 정확히 4배 차이지만, 실제 청구 배율은 여기에 토큰 수 차이가 곱해집니다. 2026년 10월 28일 같은 한국어 글을 두 API에 보냈을 때 Opus는 414토큰, Terra는 221토큰으로 세어 1.87배였고, 6개 언어 중 차이가 가장 컸습니다. 그래서 같은 한국어 입력이면 Opus의 입력 청구는 약 7.5배가 됩니다.

단가는 OpenAI API 요금 페이지와 Anthropic Claude API 요금 문서의 Standard 정가입니다. 100만 토큰 단위로 U를 캐시 없는 입력, W를 캐시 쓰기, R을 캐시 읽기, O를 추론 토큰을 포함한 출력이라고 하면 청구액은 다음과 같습니다. 캐시 쓰기는 Opus가 5분 캐시, Terra가 기본 30분 캐시 기준입니다.

Opus 5.5 (100만 토큰까지 동일)  = 4U + 5W + 0.2R + 20O
GPT-6.1 Terra (입력 272K 이하)  = 1U + 1.25W + 0.05R + 5O
GPT-6.1 Terra (입력 272K 초과)  = 2U + 2.5W + 0.1R + 7.5O

같은 토큰 수라면 272K 이하에서는 모든 항목이 정확히 4배입니다. 그런데 토큰 수 자체가 같지 않습니다. 언어별로 짧은 글 하나씩을 두 API에 보내 돌아온 입력 토큰 수를 비교한 결과(2026년 10월 28일)는 다음과 같고, 마지막 열은 여기에 단가 4배를 곱한 입력 청구 배율입니다.

약 6,700단어의 긴 영어 문서에서도 15,495 대 10,198토큰으로 1.52배였으니, 글이 길어져도 배율은 크게 바뀌지 않습니다. 이 배율은 GPT-6 Astra와 Claude Fable 5.1 사이에서 잰 값과 거의 같은데, 그 측정은 GPT-6 Astra와 Claude Fable 5.1 비교: 같은 단가, 한국어 토큰은 1.9배에 있습니다. 두 쌍이 같은 토크나이저를 공유하기 때문으로 보이지만, 이는 수치가 일치한다는 데서 나온 추론이고 공급사가 밝힌 내용은 아닙니다.

다음은 출력 토큰은 양쪽이 같고 Opus 입력만 언어별 배율(영어 1.45배, 한국어 1.87배)만큼 늘어난다고 가정해 2026년 10월 28일 정가로 계산한 예입니다.

첫 줄을 한국어로 풀면 Terra는 입력 200만 토큰 × $1 + 출력 100만 토큰 × $5 = $7.00이고, Opus는 입력 200만 × 1.87 = 374만 토큰 × $4 = $14.96에 출력 100만 토큰 × $20 = $20을 더해 $34.96입니다. 에이전트 작업 줄은 여러 요청의 합계이고 각 요청은 272K 이하라고 가정했습니다.

실제 배율은 이 표보다 클 가능성이 높습니다. 표는 출력 토큰이 같다고 가정했지만, AA의 max 측정에서 Opus는 작업당 Terra의 2.9배 출력 토큰을 썼고, 2026년 10월 28일 실측에서도 짧은 답에서는 Opus가 약 2배를 출력했습니다. 추론 강도를 높일수록 추론 토큰이 출력으로 청구되므로, 내 작업의 실제 배율은 뒤에 나오는 동일 조건 테스트 순서대로 직접 재 보는 것이 정확합니다.

프롬프트가 272K 토큰을 넘으면 차이는 2~2.7배로 줄어듭니다

한 요청의 입력이 272K 토큰을 넘으면 GPT-6.1 Terra는 그 요청 전체에 장문맥 요금을 매기고, Opus 5.5는 100만 토큰까지 같은 단가를 유지합니다. 그래서 아주 긴 프롬프트에서는 단가 차이가 입력 2배, 출력 2.67배로 줄어듭니다. Anthropic 요금 문서는 Claude 4.6 이후 모델(Haiku 5.5 제외)이 100만 토큰 컨텍스트 전체를 표준 단가로 제공한다고 적고 있습니다.

Terra의 272K 초과 단가는 입력 $2, 캐시 읽기 $0.10, 출력 $7.50으로, 기준은 그 요청 하나의 입력 길이입니다. 위 표의 400K 요청이 이 경우인데, Terra 쪽이 $0.95로 올라가면서 Opus와의 차이가 영어 입력 2.9배, 한국어 입력 3.6배로 좁혀졌습니다. 한국어 문서 400K 토큰(Terra 기준)은 Opus에서 약 748K 토큰이 되므로 여전히 Opus의 100만 토큰 창 안에 들어갑니다. 긴 계약서나 코드베이스 전체를 한 번에 넣는 작업이 많다면, 짧은 요청 위주의 작업보다 Terra로 옮겨서 아끼는 몫이 작다는 점을 감안하세요.

어떤 작업을 GPT-6.1 Terra로 옮기고, 무엇을 Opus 5.5에 남길까

기준은 하나입니다. Terra max(51점) 이하 설정으로 내 테스트를 통과하는 작업은 Terra로 옮기고, 52점을 넘는 수준이 필요하거나 지식·문서 업무처럼 Opus가 앞서는 작업은 Opus에 남깁니다. 2026년 10월 28일 LaoZhang API 게이트웨이에서는 Terra max가 Responses API(/v1/responses)로만 호출됐으므로, 표에서 Terra max가 들어간 칸은 Responses API 기준입니다. 코드가 Chat Completions에 묶여 있다면 이 경로에서 Terra의 상한은 xhigh(AA 45점, 작업당 $0.40)이고, OpenAI API를 직접 호출하는 경우는 시험하지 않았습니다. 아래 표는 앞의 AA 측정과 2026년 10월 28일 실측을 작업 종류로 묶은 출발점이고, 최종 판단은 다음 절의 방법으로 내 작업에서 확인하세요.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

Opus를 쓰면서 비용만 줄이고 싶다면 medium이나 low로 내리기보다 위 기준으로 일부 작업을 Terra로 옮기는 편이 낫다는 점은 앞의 표에서 본 그대로입니다. Terra와 Opus 사이에도 선택지가 있습니다. 단가가 Opus의 절반인 GPT-6.1 Sol은 Claude Opus 5.5 vs GPT-6 Sol·6.1 Sol 비용에서, Claude 안에서 더 싼 쪽을 찾는다면 Sonnet 5.5 vs Opus 5.5 차이: 작업당 비용과 선택 기준에서 비교할 수 있습니다.

바꾸기 전에 내 프롬프트로 동일 조건 테스트하는 순서

벤치마크와 남의 실측은 출발점일 뿐이라, 자주 반복하는 작업 몇 개로 직접 비교해 보고 정하는 것이 가장 확실합니다. 핵심은 합격 기준을 먼저 정하고, 점수가 맞는 설정끼리, 같은 입력으로, 합격한 결과 1건당 비용을 재는 것입니다. 2026년 10월 28일 실측에 쓴 순서를 그대로 옮기면 다음과 같습니다.

1. 최근 실제 요청 중 자주 반복되는 작업 5~10개를 고르고, 모델 답을 보기 전에 합격 기준을 적어 둡니다. 코드는 테스트, 계산은 정답, 문서는 반드시 들어가야 할 사실과 수치 목록이면 됩니다.
2. 비교할 설정을 AA 점수로 맞춥니다. 기본 비교는 Responses API로 부른 Terra max 대 Opus high이고, 비용을 더 줄일 여지를 보려면 Terra high나 xhigh를 함께 돌립니다. Opus medium은 Terra max보다 점수가 낮아 비교 기준으로 쓰지 않습니다.
3. 요청 형식을 맞춥니다. Opus는 Messages API에서 thinking: {"type":"adaptive"}와 output_config.effort를 명시하고, Terra는 Responses API(POST /v1/responses)에서 reasoning: {"effort": "max"}처럼 강도를 지정합니다. 2026년 10월 28일 LaoZhang API 게이트웨이에서 Chat Completions의 reasoning_effort는 xhigh까지만 받았고(OpenAI 직접 API는 미시험), Terra로 도구를 호출할 때도 Responses API가 필요하므로 비교는 처음부터 Responses API로 하는 편이 간단합니다.
4. 같은 입력을 양쪽에 2~3번씩 보내고, 호출마다 응답의 입력·출력 토큰 수, 걸린 시간, 합격 여부를 기록합니다. 한국어 프롬프트라면 입력 토큰 수가 언어 배율만큼 다르게 찍히는지도 함께 봅니다.
5. 기록한 토큰 수를 앞 절의 요금 공식에 넣어, 호출 1건이 아니라 재시도까지 포함한 합격 결과 1건당 비용으로 비교합니다. Terra의 합격률이 같으면 그 작업은 옮기고, 떨어지면 Opus에 남깁니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

요청 파라미터에서 걸리기 쉬운 부분이 있습니다. 2026년 10월 28일 LaoZhang API에서 gpt-6.1-terra를 스트리밍 없는 Chat Completions로 부르며 max_tokens를 넣자 HTTP 400과 함께 Unsupported parameter: 'max_tokens' is not supported with this model. Use 'max_completion_tokens' instead.가 돌아왔고, max_completion_tokens로 바꾸자 정상 처리됐습니다. 스트리밍 요청에서는 max_tokens가 있어도 200이 돌아왔지만 그 값이 실제로 적용됐는지는 알 수 없으므로, Terra에는 처음부터 max_completion_tokens를 쓰는 편이 안전합니다. 추론 강도도 엔드포인트에 따라 다릅니다. 같은 날 Chat Completions에 reasoning_effort: "max"를 넣자 HTTP 400과 함께 Unsupported value: 'reasoning_effort' does not support 'max' with this model. Supported values are: 'none', 'low', 'medium', 'high', and 'xhigh'.가 돌아왔고, /v1/responses에 reasoning: {"effort": "max"}를 넣은 요청은 정상 처리되어 응답에도 "effort": "max"가 그대로 찍혔습니다. claude-opus-5-5는 /v1/messages에서 thinking과 output_config.effort를 함께 넣은 요청이 정상 동작했습니다. OpenAI와 Anthropic의 API를 직접 호출하는 경로는 따로 시험하지 않았습니다.

같은 날 LaoZhang의 /v1/models 목록에는 gpt-6.1-terra와 claude-opus-5-5가 모두 올라 있었고, 요금표의 단가는 두 모델 모두 위 공식과 같았습니다. 다만 LaoZhang을 거치는 Claude 모델은 한 번에 출력할 수 있는 토큰이 32,768개로 제한되고, max_tokens를 더 크게 넣어도 이 값으로 처리됩니다. Anthropic 직접 API의 최대 출력은 128K이므로, 긴 문서나 큰 파일을 한 번에 생성하는 작업을 비교할 때는 이 차이를 감안하세요.

ChatGPT·Codex·Claude 앱에서는 어디서 쓸 수 있나

ChatGPT에서 GPT-6.1 Terra는 Work와 Codex에서만 고를 수 있고 일반 채팅(Chat)에는 없습니다. Claude Opus 5.5는 Claude 앱의 유료 요금제, Claude Code, Claude API에서 모두 쓸 수 있습니다. 그래서 ChatGPT 일반 대화창에서 Opus 대신 Terra를 쓰는 식의 전환은 2026년 10월 28일 기준으로는 불가능합니다.

OpenAI 발표문 기준으로 ChatGPT의 Terra는 Plus, Pro, Enterprise, Edu에서 제공되고, Codex 문서에는 Business도 포함돼 있습니다. API 모델 ID는 gpt-6.1-terra이며 컨텍스트 창은 105만 토큰, 최대 출력은 128K 토큰입니다. Opus 5.5(claude-opus-5-5)는 Pro·Max·Team·Enterprise 요금제의 Claude 앱과 Claude Code, Claude API, 그리고 AWS·Google Cloud·Azure에서 제공되고, 컨텍스트 창은 100만 토큰, 최대 출력은 128K 토큰입니다.

구독 사용량은 API 단가로 환산되지 않습니다. Codex에서 Terra는 Plus 기준 5시간당 로컬 메시지 35~285개로 안내되지만 고정 한도는 아니고, Claude 요금제의 Opus 5.5 메시지 수는 공개되지 않았으니 요금제 한도는 Claude Opus 5.5 가격과 사용량 초기화권: 토큰 비용 계산부터 사용 시점까지에서 확인하세요.