GPT-6.1 Terra vs GPT-6 Luna 비교: 단가 10배, 실측 작업당 2.7~6.3배

GPT-6.1 Terra(gpt-6.1-terra)는 GPT-6 Luna(gpt-6-luna)보다 입력·출력 토큰 단가가 10배 비쌉니다. 하지만 10배는 토큰 1개당 가격의 비율이지 작업 1건의 비용이 아닙니다. 2026년 10월 28일 같은 API 게이트웨이를 통해 두 모델에 같은 12개 작업을 맡겨 보니, 통과한 작업 1건당 비용은 Terra가 Luna의 2.7~6.3배였고 호출 1회에 걸린 시간은 Terra가 2~3배 짧았습니다. Luna가 답하기 전에 추론 토큰을 훨씬 많이 쓰기 때문입니다.

그래서 지금 Luna로 돌리는 긴 문서 요약, 정해진 형식의 추출, 짧은 코드·계산 작업이 결과 검사를 통과하고 있다면 gpt-6-luna를 medium 그대로 두는 편이 낫습니다. 실측에서 Luna medium은 이런 작업을 모두 통과했습니다. 반대로 이미지 속 번호를 한 글자도 틀리지 않고 옮겨야 하는 작업, 숨은 조건이 많은 명세 구현, Luna를 xhigh나 max까지 올려야 겨우 되는 작업은 gpt-6.1-terra를 low로 놓고 비교해 보세요. Artificial Analysis(AA)의 Intelligence Index v5.0에서도 Terra low(29점)가 Luna max(28점)보다 점수가 높고 작업당 비용은 절반 수준입니다.

옮기기 전에 걸리는 조건도 세 가지 있습니다. Terra의 도구 호출은 Responses API에서만 되고, Terra의 데이터 레지던시는 미국과 EU만 지원하며, ChatGPT의 일반 채팅에서는 어떤 요금제로도 Terra를 고를 수 없습니다. Terra는 Work와 Codex에서만 쓸 수 있습니다.

Terra와 Luna API 요금: 토큰 단가 10배, 캐시 입력 5배

2026년 10월 28일 기준 OpenAI API 가격 페이지에서 GPT-6.1 Terra는 입력·캐시 쓰기·출력 단가가 모두 GPT-6 Luna의 10배이고, 캐시 입력만 5배입니다. Terra는 캐시 입력을 일반 입력의 5%로, Luna는 10%로 받기 때문에 같은 프롬프트 앞부분을 반복해 보내는 작업일수록 토큰 단가 차이가 10배보다 조금 줄어듭니다. 아래는 Standard 처리, 입력 272K 토큰 이하 요청의 100만 토큰당 단가입니다.

입력이 272K 토큰을 넘으면 그 요청 전체의 입력·캐시 단가가 2배, 출력 단가가 1.5배가 되어 Terra는 입력 $2.00과 출력 $7.50, Luna는 입력 $0.20과 출력 $0.75로 오르며 배율은 그대로 10배입니다. Batch와 Flex는 Standard의 50%, Fast 모드는 2배, 지역 처리는 10%가 더 붙으며, Ultrafast 처리는 두 모델 모두 제공되지 않습니다. 추론 토큰은 출력으로 과금되므로, 실제 비용 차이는 단가표가 아니라 각 모델이 작업 하나에 쓰는 토큰 수에서 갈립니다.

나머지 사양은 사실상 같습니다. GPT-6.1 Terra 모델 페이지와 GPT-6 Luna 모델 페이지를 보면 두 모델 모두 컨텍스트 1,050,000토큰, 최대 출력 128,000토큰, 텍스트·이미지 입력과 텍스트 출력, 추론 강도(reasoning.effort) none·low·medium(기본)·high·xhigh·max를 지원합니다. 지식 기준일은 Luna 2026년 5월 18일, Terra 2026년 6월 1일입니다. 그러니 긴 문서를 넣을 수 있느냐는 선택 기준이 되지 않습니다.

AA 지수 v5.0: Terra low가 Luna max보다 1점 높고 비용은 절반

2026년 10월 28일 기준 AA의 GPT-6.1 Terra vs GPT-6 Luna 비교 페이지의 Intelligence Index v5.0에서 Terra low는 29점, 작업당 $0.07, 48초였고 Luna max는 28점, 작업당 $0.15, 597초였습니다. Luna를 가장 높은 추론 강도로 돌리는 것보다 Terra를 가장 낮은 강도로 돌리는 편이 점수는 1점 높고, 비용은 약 절반이며, 시간은 12분의 1 수준이라는 뜻입니다.

작업당 비용은 AA 지수 과제 하나에 들어간 입력·추론·답변 토큰을 정가로 계산한 값이라 독자의 청구액과는 다릅니다. 그래도 방향은 분명합니다. Terra medium(38점, $0.17)은 Luna의 어떤 설정보다도 점수가 높고, Luna가 더 싼 구간은 Luna medium(18점, $0.04)과 low(10점, $0.01)처럼 점수가 낮은 곳뿐입니다. Luna를 low에서 max로 올리면 비용이 15배($0.01에서 $0.15) 늘고 18점이 오르지만, Terra를 low에서 medium으로 올리면 2.4배($0.07에서 $0.17)로 9점이 오릅니다. Terra의 none은 low보다 비싸고 느리므로 쓸 이유가 거의 없습니다.

"Terra가 Luna보다 10점 높다"는 설명은 출시 당일 AA가 쓰던 이전 버전 Index v4.3.2의 max 기준 수치입니다. AA는 2026년 10월 27일과 28일 사이에 지수를 v5.0으로 바꿨고, v5.0의 max끼리는 51점 대 28점으로 23점 차이입니다. 수치를 인용할 때는 지수 버전과 날짜를 함께 적어야 합니다.

세부 평가에서는 차이가 고르지 않습니다. 터미널 작업을 보는 Terminal-Bench 4.0은 max 기준 Terra 55.6%, Luna 12.6%로 차이가 크고, 모르는 것을 지어내는지까지 감점하는 AA-Omniscience v1.1은 Terra 23~30점(추론 사용 시), Luna는 모든 설정에서 −8~−26점이었습니다. 반면 업무 자동화 평가 AutomationBench-AA는 max 기준 60.2% 대 53.2%로 차이가 작습니다. 사실 지식을 답에 그대로 쓰는 작업이라면 Luna의 지어내기 경향을 따로 검사해야 한다는 뜻입니다.

같은 12개 작업 실측: Luna 12/16, Terra low 15/16 통과

2026년 10월 28일(UTC 오전 5시 40분~6시 30분경) 같은 API 게이트웨이를 통해 두 모델에 같은 12개 작업을 보냈습니다. 경로는 OpenAI 호환 게이트웨이인 LaoZhang(laozhang.ai)의 Chat Completions로, 두 모델 모두 같은 키로 호출했습니다. 요청은 사용자 메시지 1개, 도구 없음, 스트리밍, max_completion_tokens 32,000이었고 Luna는 medium·high·xhigh, Terra는 low·medium으로 돌렸습니다. 과제는 문장제 계산, 숨은 테스트가 있는 코드 함수 3개, 6,723단어 글의 다섯 줄 요약, 수식 파서와 CSV 파서, 자릿수 합 세기, npm 방식 semver satisfies() 구현(숨은 테스트 36개), 메모가 숨어 있는 긴 문서 계산, 존재하지 않는 표준 라이브러리 함수 질문, 청구서·차트 이미지를 JSON으로 옮기기였고, 통과 기준은 실행 전에 정해 두었습니다.

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

이 결과는 하루, 한 경로에서 12문제를 설정마다 1~2회씩 돌린 작은 표본입니다. 단일 턴 요청만 썼고 도구 호출과 컴퓨터 사용, OpenAI 직접 API, Responses API로 실제 작업을 돌리는 경우, Codex·Work, Batch·Flex는 시험하지 않았습니다. 비용은 응답에 돌아온 사용량에 OpenAI 정가를 곱한 값으로, 게이트웨이의 청구액이 아닙니다. 전체 정가 기준 비용은 $0.197이었습니다. 첫 실행에서는 Luna 호출 48건 중 12건(Terra는 0건)이 HTTP 200으로 끝났지만 finish_reason과 사용량이 없었는데, 11건은 빈 응답, 1건은 답 중간에 끊긴 경우였고 한 번 재실행한 뒤 모두 정상 완료돼 표에는 재실행 결과를 썼습니다. 비교 테스트를 직접 돌린다면 응답마다 finish_reason을 확인해 이런 호출을 실패와 구분하세요.

통과 1건당 비용은 16회 정가 비용을 통과 수로 나눈 값입니다. 예를 들어 Terra low는 $0.0625 ÷ 15, Luna xhigh는 $0.0188 ÷ 12입니다. Luna는 medium에서 xhigh로 올려도 출력 토큰만 약 2배(15,553개에서 31,684개)로 늘었을 뿐 통과 수는 12/16 그대로였습니다.

10배가 아니라 2.7~6.3배인 이유: Luna의 추론 토큰

같은 16회 호출에서 Luna xhigh는 출력 토큰 31,684개(그중 추론 25,833개)를 썼고 Terra low는 7,227개(그중 추론 2,310개)를 썼습니다. 출력 비용만 계산하면 Luna xhigh는 31,684 × $0.50 ÷ 100만 = 약 $0.016, Terra low는 7,227 × $5 ÷ 100만 = 약 $0.036으로 2.3배 차이입니다. 단가는 10배인데 Luna가 토큰을 4배 넘게 쓰니 실제 차이가 그만큼 줄어든 것입니다. 시간도 같은 이유로 뒤집힙니다. AA 측정에서 출력 속도는 Luna(초당 116~124토큰)가 Terra(초당 91토큰)보다 빠르지만, Luna는 답하기 전에 더 오래 생각하기 때문에 이번 실측의 호출 시간 중앙값은 Terra가 1.9~3.3배 짧았습니다.

어떤 설정끼리 맞붙이느냐에 따라 배율은 아래처럼 달라집니다. 같은 이름의 추론 강도끼리(medium 대 medium) 비교하면 6.3배로 가장 크고, 지금 Luna를 xhigh로 쓰는 팀이 Terra low로 옮기는 경우가 2.7배로 가장 작습니다.

과제마다 쓰는 토큰이 달라 배율도 달라지므로, 10배는 두 모델이 같은 수의 토큰을 쓸 때만 맞는 상한으로 보면 됩니다.

Luna가 틀린 곳: 청구서 번호의 O를 0으로, semver 명세 6회 중 2회 통과

Luna가 놓친 4건은 성격이 분명합니다. 가장 큰 차이는 청구서·차트 이미지를 JSON으로 옮기는 과제였습니다. Luna의 답 6개는 모두 숫자 40개를 정확히 읽고, 막대 12개 높이를 ±2 안에서 맞히고, 일부러 틀리게 넣은 줄 합계까지 찾아냈지만, 청구서 번호 INV-2026-10-0O81의 영문 O를 매번 숫자 0으로 읽었습니다. Terra의 답 4개는 모두 정확했고, 답 하나에 8~17초가 걸려 Luna(24~54초)보다 빨랐습니다. 답 하나의 비용은 Terra $0.0045~0.0139, Luna $0.0011~0.0025였습니다. 혼동하기 쉬운 문자 하나가 결과를 가른 합성 이미지 과제이지만, 일련번호나 주문 번호를 사람 확인 없이 다음 시스템으로 넘기는 작업이라면 실제로 문제가 되는 실수입니다.

semver 범위 구현에서는 Luna가 6회 중 2회만 통과했습니다. 실패 4회 가운데 3회는 ^1.0.0 ||처럼 끝에 ||가 남은 범위를 잘못된 입력으로 거부하지 않아 숨은 테스트 하나를 놓쳤고, 1회는 캐럿 범위 처리 자체가 깨져 36개 중 14개 테스트를 통과하지 못했습니다. Terra는 4회 모두 통과했고 시도 1회에 9~18초가 걸려 Luna(36~70초)보다 3~4배 빨랐습니다. 이 밖에 Luna high가 자릿수 합 세기에서 한 번 67,252(정답 55,252)라고 답했고, 다섯 줄 요약에서는 Luna xhigh와 Terra low가 각각 한 번씩 25단어 제한을 넘긴 26단어 글머리를 썼습니다. Terra low의 유일한 실패가 이 한 단어 초과입니다.

나머지 과제, 즉 문장제 계산, 코드 함수 3개, 수식·CSV 파서, 정정 메모가 섞인 긴 문서의 금액 계산($76.80), 존재하지 않는 표준 라이브러리 함수를 지어내는지 보는 질문은 모든 설정에서 통과했습니다. "Luna도 되는 것 아닌가"라는 질문에 대한 이번 실측의 답은, 텍스트로 정답을 확인할 수 있는 대부분의 작업에서는 된다는 것입니다.

Luna도 되지 않나? 요약·추출은 Luna, 이미지 판독은 Terra

작업을 나누는 기준은 Luna가 지금 통과하고 있느냐, 그리고 Luna를 통과시키려고 추론 강도를 얼마나 올리고 있느냐입니다. Luna medium으로 통과하는 작업을 Terra로 옮기면 통과 1건당 비용이 4.6~6.3배로 늘기만 합니다. 반대로 Luna를 xhigh나 max로 돌려야 하는 작업은 Terra low로 바꿔도 비용이 2.7배 정도에 그치고, AA 지수 기준으로는 오히려 싸질 수 있습니다.

응답 속도도 판단에 들어갑니다. 사용자가 화면 앞에서 기다리는 기능이라면 이번 실측처럼 Terra가 호출 1회에 2~3배 빨리 끝나는 차이가 비용 차이보다 클 수 있습니다. 반대로 밤새 돌리는 배치 작업이라면 시간보다 통과 1건당 비용이 중요하므로 Luna를 유지할 이유가 커집니다.

데이터 레지던시가 걸린 프로젝트는 먼저 확인해야 합니다. 2026년 10월 28일 기준 OpenAI의 데이터 처리·레지던시 문서는 GPT-6.1 Terra가 미국과 EU 데이터 레지던시만 지원한다고 적고 있고, GPT-6 Luna는 더 많은 지역에 올라 있습니다. 한국(kr.api.openai.com) 등 미국·EU가 아닌 지역의 데이터 레지던시로 Luna를 쓰고 있다면 Terra로 옮길 수 없으니, 그 지역의 지원 모델 표를 문서에서 직접 확인하세요.

Terra로 바꿔 시험하는 순서: max와 도구 호출은 Responses API

지금 Luna 코드에서 모델 ID만 gpt-6.1-terra로 바꾸면 대부분의 텍스트 요청은 그대로 동작하지만, max 추론 강도와 도구 호출은 엔드포인트에 따라 막힙니다. 2026년 10월 28일 같은 게이트웨이에서 확인한 동작과 OpenAI 모델 페이지의 조건을 기준으로, 자기 작업을 비교하는 순서는 다음과 같습니다.

1. 지금 Luna로 보내는 실제 요청 가운데 결과를 기계적으로 판정할 수 있는 것(테스트, 정답 값, JSON 필드)을 골라, 통과 기준을 먼저 적어 둡니다.
2. 비교할 짝을 정합니다. Luna를 high·xhigh로 쓰고 있다면 Terra low와 비교하고, Luna medium으로 쓰고 있다면 Terra low와 medium을 함께 돌립니다. 같은 이름의 추론 강도끼리 맞붙이면 점수 대응이 어긋납니다.
3. Chat Completions에서는 reasoning_effort: "max"를 쓰지 않습니다. 스트리밍하지 않는 요청에서 두 모델 모두 HTTP 400("does not support 'max' with this model")을 돌려줬고, 스트리밍에서는 Terra만 받아들이는 등 결과가 일정하지 않았습니다. max가 필요하면 Responses API의 reasoning.effort: "max"를 쓰며, 이쪽은 두 모델 모두 200으로 응답했습니다.
4. 도구 호출을 쓰는 코드라면 먼저 Responses API로 옮깁니다. Terra는 도구 호출에 Responses API가 필요하고, Luna도 Chat Completions에서는 추론 강도 none일 때만 함수 호출이 됩니다. Chat Completions에서 Luna none으로 함수를 호출하던 코드는 모델 ID만 바꾸면 Terra에서 동작하지 않습니다.
5. 출력 길이 제한은 max_tokens 대신 max_completion_tokens로 보냅니다. 스트리밍하지 않는 요청에서 max_tokens는 400("Use 'max_completion_tokens' instead")으로 거부됐습니다.
6. 응답의 usage에서 입력·출력·추론 토큰을 기록하고, 위 단가표로 비용을 계산한 뒤 통과 수로 나눕니다. 다시 시도한 호출의 비용도 그 작업의 비용에 넣습니다.

엔드포인트에 따라 추론 강도를 넣는 위치가 다릅니다. Chat Completions는 최상위 reasoning_effort를 씁니다.

{
  "model": "gpt-6.1-terra",
  "reasoning_effort": "low",
  "max_completion_tokens": 32000,
  "messages": [{ "role": "user", "content": "..." }]
}

Responses API는 reasoning 객체 안의 effort를 씁니다. max와 도구 호출은 이쪽으로 보내야 합니다.

{
  "model": "gpt-6.1-terra",
  "reasoning": { "effort": "max" },
  "input": "..."
}

OpenAI 직접 API로는 이 동작을 따로 확인하지 않았지만, 400 응답의 오류 문구는 OpenAI 형식 그대로였습니다.

ChatGPT와 Codex에서는? 일반 채팅엔 Terra가 없습니다

GPT-6.1 Terra는 ChatGPT의 일반 채팅(Chat)에서는 어떤 요금제로도 고를 수 없습니다. ChatGPT 요금·사용량 문서 기준으로 Terra는 Plus, Pro, Business, Enterprise, Edu 요금제의 Work와 Codex에서만 쓸 수 있습니다. 2026년 10월 8일 기준 일반 채팅의 GPT-6는 Free·Go 요금제에서 GPT-6 Luna, 유료 요금제에서 GPT-6 Sol로 동작하며, 무료로 Luna를 쓰는 조건은 GPT-6 무료 사용: 무료 플랜은 GPT-6 Luna, Sol·Astra는 유료 요금제에서 확인할 수 있습니다.

Codex에서 Terra를 고르면 같은 사용량으로 보낼 수 있는 메시지가 약 10분의 1로 줄어듭니다. 2026년 10월 28일 기준 같은 문서는 Plus와 Business 표준 좌석의 5시간당 로컬 메시지를 Luna 350~3,000개, Terra 35~285개로 추정하며, 작업 크기·컨텍스트·추론 강도에 따라 달라지는 고정되지 않은 범위라고 설명합니다. Pro에는 5시간 한도가 없지만 주간 한도가 적용될 수 있습니다. ChatGPT 크레딧으로 쓰면 100만 토큰당 Luna는 입력 2.5, 캐시 입력 0.25, 출력 12.5크레딧, Terra는 25, 1.25, 125크레딧으로 API 단가와 같은 비율입니다.

Codex CLI에서 Terra를 쓰려면 0.159.0 이상에서 codex -m gpt-6.1-terra로 지정합니다. 2026년 10월 27일 기준 Codex 모델 문서는 Luna를 Codex IDE 확장에서 쓸 수 있는 모델로 올려 두었지만 Terra의 목록에는 IDE 확장이 없습니다.

GPT-6.1 Luna와 GPT-5.6 Terra, Sol·Claude 관련 질문

GPT-6.1 Luna는 나왔나요?

2026년 10월 28일 기준 GPT-6.1 Luna는 나오지 않았습니다. 같은 날 OpenAI 가격 페이지의 대표 모델 표에는 GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna 네 개만 있고, 가장 최신 Luna는 2026년 9월 22일 GPT-6 Sol과 함께 나온 gpt-6-luna(스냅샷 gpt-6-luna-2026-09-22)입니다.

GPT-6 Terra나 GPT-5.6 Terra와는 무엇이 다른가요?

gpt-6-terra라는 모델 ID는 없고, 2026년 10월 26일 나온 GPT-6.1 Terra가 GPT-6 계열의 첫 Terra입니다. 이전 세대 GPT-5.6 Terra는 2026년 10월 27일 기준 여전히 가격표에 있으며 100만 토큰당 입력 $2, 출력 $12로, GPT-6.1 Terra가 입력은 절반, 출력은 12분의 5 가격입니다.

Terra 대신 GPT-6.1 Sol이나 Claude로 가야 할 때는?

OpenAI는 GPT-6.1 Terra 출시 글에서 가장 복잡한 코딩 작업에는 GPT-6.1 Sol과 GPT-6 Astra가 여전히 낫다고 적었으며, Terra에서 한 단계 올릴 때의 비용과 속도는 GPT-6.1 Terra vs GPT-6.1 Sol 비교: 가격 절반, Codex 실측 2배 빠름에서 다룹니다. Claude와 견준다면 Terra는 Claude Opus 5.5 vs GPT-6.1 Terra 비교: 같은 점수면 Opus 비용 3.6배에서, Luna는 Claude Sonnet 5.5 vs GPT-6 Luna 비교: 단가 20배, 같은 점수면 5~8배에서 확인하고, 네 모델 전체의 모델 ID와 요금은 GPT-6 Sol·Luna·Astra와 Terra 비교: 6.1 Terra 모델 ID·API 요금·선택 기준에 있습니다.