GPT-5.6 Sol·Terra·Luna 비교: 가격과 업무별 선택 기준

일상적인 혼합 업무는 GPT-5.6 Terra로 시작하고, 범위가 명확한 대량 작업은 GPT-5.6 Luna를 그림자 트래픽에서 먼저 검증하며, 난도가 높거나 실패 비용이 큰 업무만 GPT-5.6 Sol로 올리는 것이 안전합니다. 가장 강한 이름이나 가장 싼 토큰을 고르는 문제가 아닙니다. 재시도와 사람의 검수까지 포함한 합격 결과당 비용이 가장 낮은 경로를 찾아야 합니다.

2026년 7월 11일 표준 API 요금으로 동일한 입력 20만 토큰, 출력 4만 토큰을 처리하면 Sol은 2.20달러, Terra는 1.10달러, Luna는 0.44달러입니다. 이 숫자는 토큰 청구액만 보여 줄 뿐 운영 승자를 정하지 않습니다. 전체 재시도 한 번이면 모델 비용이 두 배가 되고, 담당자의 수십 분 수정 시간은 호출료보다 비쌀 수 있습니다.

“

운영 중지 규칙: 동일 업무 테스트에서 합격 결과당 비용이 낮아지고, 허용할 수 없는 경계 실패가 늘지 않으며, 즉시 이전 경로로 돌아갈 수 있음을 확인하기 전에는 기본 모델을 바꾸지 않습니다.

Sol·Terra·Luna의 핵심 차이

OpenAI는 GPT-5.6 발표에서 세 모델을 일시적인 미리보기가 아니라 지속적인 능력 등급으로 설명합니다. 실무에서는 ‘플래그십·균형·경량’이라는 라벨보다 각 업무에 얼마만큼의 능력 여유가 필요하고 그 비용이 실제 합격률을 높이는지가 중요합니다.

짧은 gpt-5.6 별칭은 현재 Sol을 선택합니다. 비용 통제와 재현성이 중요하면 세 개의 완전한 ID를 사용해야 합니다. 별칭을 자동 균형 선택기로 생각하면 팀이 의도하지 않은 최고가 경로를 계속 사용하고, 나중에 어떤 등급이 결과를 만들었는지 추적하기 어렵습니다.

Pro는 네 번째 모델 ID가 아니라 요청 모드입니다. 세 등급 모두 none, low, medium, high, xhigh, max 추론 강도를 지원합니다. 비교에서는 추론 강도를 동일하게 고정해야 합니다. Luna를 low, Sol을 max로 실행하면 등급과 설정이 동시에 바뀌어 원인을 분리할 수 없습니다.

업무 형태로 첫 경로를 고르는 방법

혼합 큐는 Terra를 기준 경로로 둡니다

실제 큐에는 코드 수정, 문서 분석, 도구 호출, 데이터 정리, 일반 질문이 함께 들어옵니다. Terra는 Sol의 절반 가격이고 OpenAI가 공개한 여러 에이전트·지식 평가에서 Sol과 차이가 비교적 작기 때문에 첫 통제 경로로 합리적입니다.

이는 Terra가 영구적인 승자라는 뜻이 아닙니다. Terra로 먼저 업무 분포를 확인하는 것이 목적입니다. 첫 시도에 통과하는 업무, 재시도가 필요한 업무, 같은 비즈니스 제약을 계속 놓치는 업무를 구분합니다. 문제가 특정 업무군에만 반복되면 그 업무군만 Sol로 올리고 전체 트래픽을 비싸게 만들지 않습니다.

코드 수정은 테스트, 타입 검사, lint, 브라우저 확인, 리뷰 승인을 동일한 합격 기준으로 둘 수 있습니다. 추출 업무는 schema 유효성과 필드 정확도, 조사 업무는 링크 유효성과 필수 사실을 사용합니다. Terra와 Sol이 모두 같은 기준을 통과하면 문장의 화려함이 아니라 합격까지 걸린 시간과 전체 비용으로 결정합니다.

Luna는 그림자 트래픽에서 시작합니다

Luna의 입력·출력 가격은 Sol의 5분의 1입니다. 분류, 고정 schema 추출, 짧은 형식 변환, 라우팅, 제약이 명확한 재작성처럼 범위를 좁게 정의할 수 있는 반복 작업에서는 강력한 절감 후보입니다.

그러나 첫 단계부터 운영 답변을 Luna로 100% 바꾸면 안 됩니다. 실제 요청 일부를 복제해 Luna에도 보내되 사용자는 기존 경로의 답변을 받게 합니다. Luna 출력은 별도로 구조 유효성, 필드 정확도, 빠진 제약, 도구 성공률, 지연, 재시도, 검수 시간을 평가합니다. 이것이 그림자 트래픽입니다.

다음 중 하나라도 발생하면 Luna 경로를 중지합니다.

• 매우 긴 입력 전체에서 정확한 기억이 필요한데 품질이 떨어짐
• 도구 또는 구조화 출력 실패로 재시도가 연속 발생
• 검수자가 빠진 업무 제약을 다시 구성해야 함
• 고정된 기준을 통과한 결과가 하나도 없음
• 프롬프트를 조금만 바꿔도 결과가 불안정해짐

긴 컨텍스트 경계는 특히 중요합니다. OpenAI가 공개한 MRCR 256K–512K 행에서 Sol은 91.5%, Terra는 89.6%, Luna는 **41.3%**였습니다. 공급자의 특정 방법론으로 측정한 값이지 모든 긴 문서 업무의 보편적 점수는 아닙니다. 그래도 자체 테스트 없이 Luna를 긴 컨텍스트 기본값으로 지정하면 안 된다는 충분한 경고입니다.

어려운 업무와 비싼 실패는 Sol로 상향합니다

Sol은 복잡한 에이전트 흐름, 어려운 추론, 긴 문맥 종합, 깨지기 쉬운 마이그레이션, 운영·보안·규정상 실패 비용이 큰 업무에 먼저 사용할 수 있습니다. 여기서 구매하는 것은 이름의 위상이 아니라 능력 여유와 심각한 실패를 줄일 가능성입니다.

Sol도 프리미엄을 증명해야 합니다. Terra가 같은 테스트를 같은 검수 부담으로 통과한다면 2배의 토큰 가격은 추가 합격 결과를 만들지 못합니다. 구체적으로 Terra가 같은 중요한 기준을 두 번 연속 놓친 업무군만 Sol로 올릴 수 있습니다. 사전에 고위험으로 분류한 업무는 Sol에서 시작해도 되지만, 선택 이유와 즉시 복귀 절차를 기록합니다.

제품 접근, API, 캐시, 구독을 분리합니다

2026년 7월 11일 공식 안내에 따르면 Free와 Go 사용자는 ChatGPT Work와 Codex에서 Terra를 이용하고, Plus 이상은 지원되는 화면에서 세 등급을 선택할 수 있습니다. 구독 이용 권한은 무료 API 할당량이 아니며, API 가격은 ChatGPT 월 구독 청구서와 다릅니다.

캐시는 입력 비용 구성을 바꾸지만 출력 가격 비율을 바꾸지 않습니다. 적중률이 높은 업무는 출력과 검수 비용이 더 중요해질 수 있고, 쓰기가 잦은 업무는 입력 비용이 늘 수 있습니다. 모든 입력에 대표 할인율을 일괄 적용하지 말고 실제 적중률을 측정해야 합니다.

가격, 플랜 권한, 별칭, 캐시, 추론 모드는 바뀔 수 있습니다. 향후 운영 전에는 공식 가격, 최신 모델 가이드, API 변경 기록을 다시 확인합니다.

토큰 단가가 아니라 합격 결과당 비용을 계산합니다

입력 20만, 출력 4만 토큰의 단순 계산은 Sol $2.20, Terra $1.10, Luna $0.44입니다. 이제 청구서 한 줄에 보이지 않는 비용을 더합니다.

text
합격_결과당_비용 =
  (첫_API_비용 + 재시도_비용 + 검수_분 × 시간당_인건비 / 60)
  / 합격_결과_수

각 등급에 20개 업무, 검수 인건비를 시간당 60달러로 가정한 설명용 예시입니다.

이 수치는 모델 실측 결과가 아니라 계산법을 보여 주는 가상 데이터입니다. 예시에서는 Terra가 근소하게 가장 저렴하고, Sol은 한 건 더 합격하며, Luna의 낮은 호출료는 긴 검수 시간에 사라집니다. 업무 구성, 인건비, 합격 수를 바꾸면 결과도 바뀝니다. 그래서 자체 업무의 분모가 필요합니다.

합격 결과가 0이면 0으로 나누거나 싼 토큰을 효율이라고 부르지 않습니다. 그 경로는 실패한 것입니다. 자동 재시도를 멈추고, 실패 유형을 분류한 뒤 업무 범위를 좁히거나 상위 등급으로 이동할지 결정합니다.

공식 벤치마크는 첫 후보만 정합니다

공급자 표는 무엇을 먼저 시험할지 알려 주지만 자체 프롬프트, 데이터, 도구, 권한, 지연 예산, 합격 기준을 대신하지 않습니다. 터미널 작업, 브라우징, 긴 문맥 기억, 지식 시험은 실패 영향이 서로 다릅니다. 관련 없는 행을 평균해 임의의 종합 점수를 만들면 운영 결정을 잃습니다.

현재 표에서는 세 가지 가설만 가져오는 것이 안전합니다. Sol과 Terra가 가까운 여러 업무에서는 Terra를 기준으로 먼저 시험합니다. 실패가 비싼 업무에서는 작은 Sol 우위도 수시간의 복구를 줄일 수 있습니다. Luna의 긴 컨텍스트 하락은 별도 테스트와 중지 규칙을 요구합니다. “이 업무에서 이 경로를 먼저 시험한다”가 올바른 결론이고 “모든 업무에서 최고”는 아닙니다.

실제 20개 업무로 통제 테스트를 합니다

실제로 라우팅할 큐에서 대표 업무 20개를 고릅니다. 세 등급에 동일한 업무, 프롬프트, 컨텍스트 순서, 도구와 권한, 추론 강도, Pro 모드, 시간 제한, 최대 턴, 재시도 정책, 합격 기준을 적용합니다. 특정 등급에만 짧은 입력이나 더 높은 추론을 주면 별도 경로로 기록합니다.

“좋아 보인다”는 합격 기준이 아닙니다. 코드는 테스트, 타입, lint, 브라우저, 리뷰가 필요합니다. 추출은 schema와 필드 정확도, 조사는 출처와 필수 사실이 필요합니다. 사실 조작, 파괴적 도구 실행, 필수 필드 누락, 보안 경계 위반은 사전에 하드 실패로 정의하고 유창한 문장으로 상쇄하지 않습니다.

각 실행에 요청·실제 모델 ID, 입력·캐시·출력 토큰, 지연, 합격까지 시간, 재시도와 이유, 검수 분, 합격 여부, 실패 유형을 기록합니다. 가능하면 등급 이름을 숨기고 출력 순서를 섞어 플래그십 라벨에 대한 편향을 줄입니다.

테스트 전에 기준을 정합니다. 예를 들어 합격 결과당 비용이 최소 10% 감소하고, 새로운 하드 실패가 없고, 지연 예산을 지켜야 승격할 수 있습니다. 처음에는 기존 경로 90%, 그림자 또는 카나리 10%로 시작합니다. 발표일 벤치마크나 한 번의 멋진 출력으로 전체 트래픽을 옮기지 않습니다.

다른 공급자와 코딩 도구까지 비교하려면 GPT-5.6 Sol과 Claude Fable 5 비교를 참고하세요. 그 문제에서는 모델, Codex/Claude Code 실행 환경, 과금, 실제 적용 모델을 분리해야 하므로 OpenAI 한 제품군의 등급 비교와 다릅니다.

선택을 관측 가능하고 되돌릴 수 있는 정책으로 만듭니다

테스트가 끝났다고 “이제 Terra가 기본”이라는 대화만 남기면 안 됩니다. 라우팅 규칙을 버전 관리하고 매 호출에 규칙 버전, 업무군, 위험 등급, 요청 모델, 실제 모델, 캐시 여부, 재시도 이유, 최종 합격, 복귀 여부를 기록합니다. 가격이나 별칭이 바뀌었을 때 같은 자료로 과거 결정을 다시 계산할 수 있어야 합니다.

보수적인 첫 규칙은 단순하게 유지할 수 있습니다. 고위험 또는 아직 검증되지 않은 긴 컨텍스트는 Sol, Luna 그림자 테스트를 통과한 업무군만 Luna, 나머지 혼합 업무는 Terra로 보냅니다. 일반 실패 한 번으로 즉시 상향하지 않고, 미리 정한 중요한 합격 기준을 위반했을 때만 Sol로 올립니다. 경계 실패나 합격 0건이 반복되면 자동 재시도를 멈추고 사람이 실패 유형을 확인합니다.

관측 화면에는 등급별 요청 수와 토큰 비용뿐 아니라 첫 시도 합격률, 재시도 후 합격률, 검수 분, 하드 실패, 복귀 횟수를 함께 보여 줍니다. HTTP 성공률만 보면 업무상 불합격이 숨고, 평균 지연만 보면 느린 꼬리가 사라지며, 토큰 비용만 보면 사람의 수정 시간이 보이지 않습니다. 업무군으로 다시 나누면 Luna가 필드 추출에는 이득이지만 긴 문서 종합에는 부담이라는 차이를 확인할 수 있습니다.

카나리는 10%, 25%, 50%처럼 단계를 나누고 각 단계에 종료 조건을 둡니다. 비용 개선이 기준 아래로 내려가거나 같은 하드 실패가 반복되거나 지연 예산을 넘으면 확대를 동결하고 기존 경로로 돌아갑니다. 복귀는 평가 실패가 아니라 실제 트래픽에서 안전하게 학습하기 위한 장치입니다.

업무 분포와 캐시 적중률은 계속 변하므로 기본 경로도 정기적으로 재검증합니다. 매주 이상을 보고, 매월 대표 샘플을 다시 실행하며, 공식 가격·모델 ID·별칭·추론 모드가 바뀌면 즉시 새 테스트를 합니다. 운영 라우터는 발표일 순위표가 아니라 지속적으로 보정하는 정책이어야 합니다.

또한 시간 초과, 속도 제한, 서비스 오류 같은 가용성 사건과 사실 오류, 권한 이탈, schema 위반 같은 품질 사건을 분리해 기록합니다. 가용성 사건은 검증된 대체 경로로 복구할 수 있지만 품질 사건을 무한 재시도로 숨기면 안 됩니다. 두 유형에 다른 경보와 상향 규칙을 적용해야 일시적인 장애가 장기 모델 정책을 왜곡하지 않습니다.

증거 묶음은 다른 엔지니어가 재현할 수 있어야 합니다. 민감 정보를 제거한 대표 업무, 합격 스크립트 버전, 검수 기준표, 가격 확인 시각, 계산식을 함께 보존합니다. “Luna가 빠르다”거나 “Sol이 더 똑똑하다”는 단독 인상은 운영 규칙을 바꿀 근거가 아닙니다.

여러 팀이 같은 경로를 쓴다면 업무군별 예산과 품질 책임자를 따로 둡니다. 짧은 추출 업무의 성공이 긴 문서 업무의 위험을 평균값으로 가리지 않게 해야 합니다.

자주 묻는 질문

Terra가 가장 좋은 기본 모델인가요?

Terra는 혼합 업무의 좋은 첫 검증 기준이지 영구적인 승자가 아닙니다. Sol 절반 가격이라는 장점이 재시도, 검수, 합격률, 실패 영향까지 포함해 남는지 확인해야 합니다.

가장 저렴한 등급은 무엇인가요?

Luna는 입력 100만 토큰 1달러, 출력 6달러로 표준 단가가 가장 낮습니다. 토큰이 가장 쌀 뿐 합격 결과가 가장 싸다는 보장은 없습니다.

긴 컨텍스트에는 무엇을 쓰나요?

고위험이거나 검증되지 않은 긴 컨텍스트는 Sol에서 시작하고 Terra를 저비용 도전자로 시험합니다. Luna는 공식 256K–512K MRCR 행의 큰 하락 때문에 자체 증거 없이 승격하지 않습니다.

gpt-5.6은 무엇을 선택하나요?

현재 Sol을 선택합니다. 비용과 재현성을 관리하려면 완전한 ID를 사용하고 향후 배포 전 변경 기록을 다시 확인하세요.

Free와 Go에서 세 모델을 선택할 수 있나요?

현재 공식 조건은 Free와 Go가 ChatGPT Work와 Codex에서 Terra를 이용하는 것입니다. Plus 이상은 지원 화면에서 세 등급을 선택할 수 있습니다. 구독은 무료 API를 뜻하지 않습니다.

운영 기본 경로는 언제 바꾸나요?

대표적인 동일 테스트가 사전 기준을 넘고, 새로운 하드 실패가 없고, 지연 예산을 지키며, 검증된 복귀 경로가 있을 때만 바꿉니다. 항상 단계적으로 확대합니다.

결론

Terra를 혼합 업무의 통제 경로, Luna를 경계가 명확한 대량 처리의 그림자 경로, Sol을 어려운 업무와 비싼 실패의 상향 경로로 두세요. 20개 실제 업무에서 변수를 고정하고 재시도, 검수, 합격률을 측정합니다. 증거가 승격 기준을 넘기 전에는 현재 기본 경로를 유지해야 합니다.