GPT-6.1 Sol 가격과 사용법: 모델 ID만 바꾸면 안 되는 이유

OpenAI는 2026년 9월 29일 DevDay에서 GPT-6.1 Sol(gpt-6.1-sol)을 공개했습니다. 일주일 전인 9월 22일에 나온 GPT-6 Sol의 업그레이드판이고, API 표준 단가는 100만 토큰당 입력 $2, 출력 $10으로 그대로입니다. 가격표에서 바뀐 것은 캐시 입력 하나로, 272K 이하 요청 기준 $0.20에서 $0.10으로 내려갔습니다.

대신 요청 규칙이 달라졌습니다. GPT-6.1 Sol은 추론 강도 none을 받지 않고, 도구 호출은 Responses API에서만 됩니다. gpt-6-sol에서 Chat Completions로 함수 호출을 하던 코드, temperature를 넘기던 코드는 모델 ID만 바꿔서는 제대로 동작하지 않습니다. ChatGPT에서는 Plus·Pro·Business·Enterprise·Edu 요금제의 ChatGPT Work와 Codex에서 쓸 수 있고, 일반 채팅(Chat)에서는 아직 고를 수 없습니다. 아래 가격과 조건은 모두 2026년 9월 30일 기준 OpenAI 공식 문서의 내용입니다.

GPT-6.1 Sol은 Sol 자리를 이어받은 새 버전입니다

OpenAI의 GPT-6 가이드는 GPT-6 계열을 세 가지로 나눕니다. GPT-6 Astra는 가장 높은 지능, GPT-6.1 Sol은 속도·비용·지능의 균형, GPT-6 Luna는 가장 빠르고 저렴한 모델입니다. GPT-6.1 Sol은 새 라인이 아니라 Sol 자리를 이어받은 버전이며, gpt-6-sol 모델 페이지에도 더 새로운 Sol 모델은 GPT-6.1 Sol이라는 안내가 붙었습니다. 6.1 이전 라인업의 모델 ID와 요금은 GPT-6 Sol·Luna·Astra와 Terra 비교: 모델 ID, API 요금, 선택 기준에서 볼 수 있습니다.

모델 페이지의 기본 규격은 다음과 같습니다.

• 컨텍스트 윈도 1,050,000토큰, 최대 출력 128,000토큰 (GPT-6 Sol과 같음)
• 지식 기준일 2026년 4월 30일 (GPT-6 Sol은 4월 20일)
• 입력은 텍스트와 이미지, 출력은 텍스트. 오디오·비디오는 지원하지 않음
• 스트리밍, 함수 호출, Structured Outputs 지원. 파인튜닝은 지원하지 않음
• 스냅샷 목록에는 gpt-6.1-sol 하나만 있어, 날짜가 붙은 버전으로 고정할 수 없음

뉴스 제목에 자주 나오는 "아스트라급 성능"은 OpenAI가 쓴 "near-Astra", 즉 Astra에 근접한 성능이라는 표현에서 왔습니다. OpenAI 스스로도 GPT-6 Astra가 여전히 가장 성능이 높은 모델이라고 밝히고 있습니다. 발표 글에 실린 수치는 모두 OpenAI가 연구 환경이나 API에서 직접 돌린 자체 평가입니다.

• DeepSWE v1.1: GPT-6 Astra와 비슷한 수준을 약 5분의 1 비용으로 냈고, GPT-6 Sol의 최고 점수보다 6.4포인트 높았습니다(더 낮은 추론 강도 기준).
• OSWorld 2.0(최고 추론 강도): GPT-6 Sol보다 7포인트 높고, Astra와의 차이는 2.1포인트 이내이며 작업당 비용은 약 7분의 1입니다.
• Terminal-Bench Science 0.1(최고 추론 강도): 작업당 평균 비용이 $5.47로 Astra의 $23.80보다 낮지만, 점수 1위는 68.1%의 Astra입니다.
• 사실 오류율(xhigh): 4.1%로 GPT-6 Sol 4.5%, Astra 4.0% 사이입니다. 일부러 고른 어려운 대화 세트 기준이라 일상 사용과는 다릅니다.

OpenAI는 실제 ChatGPT에서는 시스템 프롬프트, 사용할 수 있는 도구, 추론 강도가 달라 결과가 조금 다를 수 있다고 덧붙였습니다. 벤치마크를 고른 쪽도 OpenAI이므로, 전환 여부는 마지막 절처럼 자기 작업 몇 개로 비교해 정하는 편이 확실합니다. 세 모델의 벤치마크와 작업당 비용 비교는 GPT-6.1 Sol·Astra·GPT-6 Sol 비교와 전환 기준에 정리했습니다.

gpt-6-sol에서 바꿀 때 달라지는 요청 설정

OpenAI 가이드의 마이그레이션 항목을 gpt-6-sol 기준으로 정리하면 다음과 같습니다.

대부분의 변경은 none이 없어진 데서 나옵니다. OpenAI는 추론 강도가 none이 아니면 temperature, top_p, top_logprobs를 빼라고 안내합니다. GPT-6.1 Sol의 추론 강도는 가장 낮아도 low이므로, 이 파라미터들은 GPT-6.1 Sol 요청에서 항상 빼야 합니다. Chat Completions 함수 호출도 GPT-6 Sol에서는 none일 때만 허용됐기 때문에, GPT-6.1 Sol에서는 그 경로 자체가 없어졌습니다. 추론 강도는 Responses API에서는 reasoning.effort, Chat Completions에서는 reasoning_effort로 지정합니다. 지원 값은 low, medium(기본값), high, xhigh, max입니다.

도구를 쓰는 요청: Responses API

함수 호출이나 웹 검색 같은 도구가 필요하면 Responses API로 보냅니다. 다음 요청은 none 대신 low를 쓰고, temperature는 넣지 않았습니다.

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-sol",
    "reasoning": { "effort": "low" },
    "tools": [
      {
        "type": "function",
        "name": "get_order_status",
        "description": "주문 번호로 배송 상태를 조회합니다",
        "parameters": {
          "type": "object",
          "properties": { "order_id": { "type": "string" } },
          "required": ["order_id"],
          "additionalProperties": false
        }
      }
    ],
    "input": "주문 A-1024는 지금 어디쯤 왔나요?"
  }'

모델이 함수를 호출하기로 하면 응답의 output에 function_call 항목과 call_id가 들어옵니다. 함수를 실행한 뒤에는 previous_response_id로 이전 응답을 잇고, 입력에 function_call_output 항목과 같은 call_id를 넣어 결과를 돌려주면 됩니다. Responses API에서는 웹 검색, 파일 검색, 이미지 생성, 코드 인터프리터, 호스티드 셸, apply patch, 스킬, 컴퓨터 사용, MCP, 도구 검색을 쓸 수 있고, 하위 에이전트에 일을 나눠 맡기는 멀티 에이전트 기능도 베타로 지원합니다.

도구가 없는 요청: Chat Completions

도구 없이 텍스트만 주고받는 요청이라면 Chat Completions를 그대로 써도 됩니다.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-sol",
    "reasoning_effort": "low",
    "messages": [
      { "role": "user", "content": "다음 변경 내역을 세 줄로 요약해 주세요: ..." }
    ]
  }'

같은 요청에 tools를 붙이려면 Chat Completions가 아니라 앞의 Responses API 형태로 옮겨야 합니다.

그 밖에 확인할 설정

• 대화 도중 추론 강도를 바꾸고 싶다면 요청 수준의 reasoning.effort는 그대로 두고 configuration_update 입력 항목을 씁니다. 요청 수준 값을 바꾸면 프롬프트 앞부분이 달라져 캐시를 다시 쓰지 못하기 때문입니다. 형식은 GPT-6 가이드에 있습니다.
• GPT-5.5 이전 모델에서 바로 옮겨 온다면 prompt_cache_retention을 prompt_cache_options.ttl의 "30m"으로 바꿉니다.
• Codex로 관리하는 저장소라면 Codex에 $openai-docs migrate this project to the GPT-6 model family를 입력해 위 변경을 맡길 수 있습니다. 결과 diff는 표의 항목과 대조해 확인하는 편이 안전합니다.

API 접근 조건

GPT-6.1 Sol은 API Free 티어에서 쓸 수 없습니다. 유료 티어의 한도는 다음과 같고, 티어는 누적 사용 금액에 따라 자동으로 올라갑니다.

한국은 OpenAI API 지원 국가 목록에 들어 있습니다(2026년 9월 25일 기준). 프로젝트에서 새 모델이 보이는지 확인하고 첫 요청을 보내는 절차는 GPT-6 Astra API 사용 방법: 프로젝트 권한 확인부터 첫 응답까지와 같은 방식으로 진행하면 됩니다. Microsoft Foundry, Amazon Bedrock, OpenRouter의 모델 목록에도 GPT-6.1 Sol이 올라와 있지만, 그쪽 가격·지역·한도는 각 플랫폼이 따로 정합니다.

청구 금액은 캐시 비중과 272K에서 갈립니다

OpenAI 가격 페이지의 GPT-6.1 Sol Standard 단가는 다음과 같습니다(100만 토큰당 미화 달러).

캐시 입력은 일반 입력 단가의 5%, 캐시 쓰기는 1.25배입니다. 추론 토큰은 출력 토큰으로 청구됩니다. 입력이 272K를 넘으면 초과분만이 아니라 요청 전체가 입력·캐시 2배, 출력 1.5배 단가로 계산됩니다.

GPT-6 Sol과 비교하면 입력, 캐시 쓰기, 출력 단가는 같고 캐시 입력만 절반입니다. 그래서 전환으로 청구 금액이 얼마나 달라지는지는 캐시에서 읽는 토큰의 비중이 정합니다. 계산식은 다음과 같습니다.

요청 비용 = (일반 입력 토큰 × 입력 단가
          + 캐시 입력 토큰 × 캐시 입력 단가
          + 캐시 쓰기 토큰 × 캐시 쓰기 단가
          + 출력 토큰(추론 포함) × 출력 단가) ÷ 1,000,000

예시 1: 캐시를 많이 읽는 에이전트 요청

한 번의 요청에 입력 150,000토큰(캐시 입력 140,000 + 일반 입력 10,000), 출력 3,000토큰(추론 포함)이 든다고 가정합니다. 캐시 쓰기 단가는 두 모델 모두 $2.50이므로 차이 계산에서는 뺐습니다.

• gpt-6-sol: 10,000 × $2 ÷ 1M = $0.020, 140,000 × $0.20 ÷ 1M = $0.028, 3,000 × $10 ÷ 1M = $0.030 → 합계 $0.078
• gpt-6.1-sol: 10,000 × $2 ÷ 1M = $0.020, 140,000 × $0.10 ÷ 1M = $0.014, 3,000 × $10 ÷ 1M = $0.030 → 합계 $0.064

요청당 $0.014, 약 18% 낮습니다. 이런 요청을 50번 돌리면 $3.90과 $3.20입니다. 단, 두 모델이 같은 토큰을 쓴다는 가정이라 실제로는 추론 길이나 재시도 횟수에 따라 차이가 커지거나 줄어듭니다.

예시 2: 272K를 넘는 순간

GPT-6.1 Sol에서 출력 3,000토큰, 일반 입력 10,000토큰은 그대로 두고 캐시 입력만 늘려 봅니다.

• 요청 A, 입력 260,000토큰(캐시 250,000): 10,000 × $2 ÷ 1M = $0.020, 250,000 × $0.10 ÷ 1M = $0.025, 3,000 × $10 ÷ 1M = $0.030 → 합계 $0.075
• 요청 B, 입력 300,000토큰(캐시 290,000): 요청 전체가 긴 문맥 단가 → 10,000 × $4 ÷ 1M = $0.040, 290,000 × $0.20 ÷ 1M = $0.058, 3,000 × $15 ÷ 1M = $0.045 → 합계 $0.143

입력은 15%쯤 늘었는데 비용은 약 1.9배가 됩니다. 같은 요청 B를 gpt-6-sol로 보내면 캐시 입력 단가가 $0.40이라 캐시 항목이 $0.116이 되고 합계는 $0.201입니다. 이 예에서 모델 전환으로 줄어드는 금액은 $0.058이고, 입력을 260,000토큰으로 줄여 272K 아래에 두면 $0.068이 줄어듭니다. 대화 기록이나 저장소 문맥이 쌓여 272K 근처를 오가는 에이전트라면 문맥 길이 관리가 모델 선택만큼 비용을 좌우합니다.

캐시를 거의 안 쓰는 경우

캐시 입력이 0이면 두 모델의 단가는 완전히 같습니다. 이때 청구 금액 차이는 같은 작업에 드는 토큰 수, 특히 추론 토큰 차이에서만 생깁니다. gpt-6-sol에서 none으로 추론 없이 쓰던 요청은 GPT-6.1 Sol에서 low가 최소값이므로 추론 토큰이 붙어 요청당 출력이 늘 수 있습니다. 짧고 단순한 요청이 대부분이라면 전환 후 비용이 오히려 오를 수 있으니 직접 측정해 보는 것이 좋습니다.

처리 방식과 추가 요금

• Fast mode: Standard의 2배입니다. 272K 이하 기준 입력 $4, 캐시 입력 $0.20, 캐시 쓰기 $5, 출력 $20입니다. EU 데이터 레지던시와는 함께 쓸 수 없습니다.
• Batch와 Flex: Standard보다 50% 낮습니다. 272K 이하 기준 입력 $1, 캐시 입력 $0.05, 캐시 쓰기 $1.25, 출력 $5입니다.
• 지역 처리(데이터 레지던시)는 10% 할증이 붙습니다. 2026년 3월 5일 이후 출시된 모델에 적용되는 규칙이라 GPT-6.1 Sol도 해당합니다.
• 웹 검색 같은 도구 호출은 토큰 요금과 별도로 호출당 요금이 붙을 수 있습니다.

GPT-6 Astra와 비교하면 입력·출력 단가는 5배, 캐시 입력은 10배 차이입니다. Astra의 272K 구간 계산과 서비스 티어별 금액은 GPT-6 Astra API 가격: 272K 기준과 캐시·서비스 티어 계산법에 정리되어 있습니다. Claude Opus 5.5 vs GPT-6 Sol: 작업당 비용 비교는 GPT-6 Sol의 캐시 입력 $0.20을 기준으로 계산했기 때문에, GPT-6.1 Sol로 바꿔 생각할 때는 캐시 읽기 항목을 $0.10으로 다시 계산해야 합니다.

ChatGPT Work와 Codex에서 쓰는 조건

ChatGPT Learn 모델 문서 기준 요금제별 제공 범위는 다음과 같습니다.

어느 요금제든 일반 채팅(Chat)에서는 GPT-6.1 Sol, GPT-6 Sol, GPT-6 Luna를 고를 수 없습니다. 쓸 수 있는 곳은 데스크톱 앱의 Work와 Codex, 웹과 모바일의 ChatGPT Work, Codex CLI, Codex IDE 확장입니다. 출시는 순차 배포라서 계정, 로그인 방식, 클라이언트에 따라 늦게 보일 수 있고, 모델을 선택한다고 워크스페이스 권한이 생기지는 않습니다. 요금제별로 GPT-6.1 Sol을 몇 번 쓸 수 있는지는 공개 문서에 숫자가 나와 있지 않습니다.

데스크톱 앱과 웹의 ChatGPT Work에서는 기본값인 Power 설정으로 시작하고, 더 깊이 생각하게 하려면 Smarter, 빠르고 저렴하게 쓰려면 Faster로 옮깁니다. 모델, 추론 강도, 속도를 직접 고르려면 Advanced를 엽니다. 추론 강도 표시는 Light(CLI에서는 Low), Medium, High, Extra High이고, Max와 Ultra는 설정에 따라 나타납니다. Max는 한 작업에 시간을 더 쓰고, Ultra는 하위 에이전트를 병렬로 돌립니다. OpenAI는 대부분의 작업에 Max나 Ultra가 필요 없다고 안내합니다.

Codex CLI에서는 실행할 때 모델을 지정하거나, 세션 안에서 /model로 바꿉니다. Max와 Ultra는 /model에서 모델을 고른 뒤 More reasoning… 메뉴에서 볼 수 있습니다.

codex --model gpt-6.1-sol
codex exec -m gpt-6.1-sol "Review the current changes"

기본 모델을 고정하려면 config.toml에 한 줄을 넣습니다. ChatGPT 데스크톱 앱, Codex CLI, IDE 확장이 같은 설정 파일을 씁니다.

model = "gpt-6.1-sol"

Codex를 ChatGPT 계정이 아니라 API 키로 쓴다면 앞 절의 API 조건(Free 티어 불가, 티어별 한도)을 따릅니다. Codex에서 Chat Completions API 지원은 지원 중단(deprecated) 상태이며 향후 버전에서 제거됩니다.

GPT-5.5는 2026년 10월 14일 ChatGPT, ChatGPT Work, Codex에서 모든 요금제에 걸쳐 종료됩니다(API에는 해당하지 않음). 같은 Learn 문서의 종료 안내는 대체 모델로 gpt-6-sol을 들지만, 권장 모델 항목은 복잡한 코딩과 에이전트 작업에 GPT-6.1 Sol을 쓰라고 합니다. GPT-5.5에서 옮기는 사람은 GPT-6.1 Sol로 바로 가도 됩니다. GPT-5.6 Sol, Terra, Luna는 GPT-6 배포 기간 동안 계속 제공됩니다.

Ultrafast는 2026년 9월 30일 기준 아직 쓸 수 없습니다

GPT-6.1 Sol Ultrafast에 대해서는 OpenAI 문서끼리 설명이 엇갈립니다.

실제로 쓸 수 있는지를 알려 주는 변경 기록과 가격표에 항목이 없으므로, 2026년 9월 30일 기준으로는 GPT-6.1 Sol에 service_tier: "ultrafast"를 기대하고 설계하지 않는 편이 맞습니다. 발표 글은 GPT-6.1 Sol Ultrafast가 이전 GPT-6 Astra와 비슷한 API 비용으로 최대 8배 속도를 낸다고 설명했지만, 공식 단가는 아직 없습니다. 참고로 GPT-6 Astra Ultrafast는 272K 이하 기준 입력 $60, 출력 $300이고, US 데이터 레지던시와 글로벌 처리에서만 쓸 수 있습니다. 새로 생긴 월 $500 Pro 요금제는 가장 높은 사용 한도와 Astra Ultrafast를 제공합니다.

GPT-6 Sol은 계속 쓸 수 있을까

2026년 9월 30일 기준 gpt-6-sol은 OpenAI 지원 중단 페이지에 올라 있지 않고 종료일도 발표되지 않았습니다. 모델 페이지도 그대로 있어 기존 요청은 계속 호출할 수 있는 상태로 보입니다. 다만 가격 페이지의 주요 모델 표에서는 빠지고 GPT-6.1 Sol이 그 자리에 들어갔으므로, 새로 만드는 기능은 gpt-6.1-sol로 시작하고 기존 코드는 표의 항목을 고친 뒤 옮기는 순서가 자연스럽습니다.

당분간 gpt-6-sol에 머무를 이유가 있는 경우는 두 가지입니다.

• 지연 시간이나 비용 때문에 추론 강도 none에 의존하는 요청이 많을 때
• Chat Completions 함수 호출을 쓰는 코드를 아직 Responses API로 옮기지 못했을 때

GPT-5.6 계열을 API로 쓰고 있다면 가격 페이지 각주에 GPT-5.6 Sol 프로모션 가격이 최소 2026년 11월 21일까지 유지된다고 적혀 있습니다. 그 기간 안에서 전환 시점을 정할 수 있습니다.

자기 작업으로 전환 전후를 비교하는 방법

OpenAI도 모델 페이지에서 자기 작업으로 Astra와 비교해 보라고 권합니다. GPT-6 Sol과의 비교도 같은 방식으로 할 수 있습니다.

1. 최근 실제 요청 중 5~10개를 고릅니다. 도구 호출이 있는 요청, 긴 문맥 요청, 캐시를 많이 읽는 반복 요청을 섞습니다.
2. 같은 입력을 두 모델에 보냅니다. gpt-6-sol에서 none이었다면 GPT-6.1 Sol은 low로, 나머지는 같은 값으로 시작합니다. OpenAI는 추론 강도가 세대 간에 정확히 대응하지 않는다고 하므로, 결과를 보고 한 단계씩 조정합니다.
3. Responses API 응답의 usage에서 input_tokens, input_tokens_details.cached_tokens, output_tokens, output_tokens_details.reasoning_tokens를 기록해 앞의 계산식에 넣습니다.
4. 테스트 통과, 리뷰 승인처럼 미리 정한 기준으로 성공 여부를 가립니다.
5. 모델별 총비용을 성공한 작업 수로 나눠 성공 작업당 비용을 비교하고, 입력이 272K를 넘은 요청이 있었는지 따로 표시합니다.

캐시 비중이 높고 결과 품질이 같거나 나으면 GPT-6.1 Sol로 바꿀 이유가 분명해집니다. 캐시를 거의 안 쓰는 짧은 요청에서 추론 토큰 때문에 비용이 올랐다면, none이 필요한 요청만 당분간 GPT-6 Sol이나 GPT-6 Luna에 남겨 두는 방법도 있습니다.