GPT-6 모델을 고르는 중이라면 Sol부터 시험할 작업과 Luna부터 시험할 작업을 나누세요. 복잡한 코딩·도구를 쓰는 작업에는 gpt-6-sol, 범위가 명확하고 반복되는 분류·추출에는 gpt-6-luna가 첫 후보입니다. 어려운 다단계 작업에서 두 모델이 미리 정한 합격 기준에 못 미치면 gpt-6-astra를 비교하세요. gpt-5.6-terra는 여전히 비교할 수 있지만 GPT-6 Terra라는 모델은 아닙니다. 이 분류는 OpenAI의 GPT-6 안내와 Terra 모델 페이지에 따른 출발점이지, 한국어 업무에서 어느 모델이 더 빠르거나 정확하다는 실측 순위는 아닙니다.
API 비용도 순서를 바꿀 수 있습니다. 2026년 9월 23일 OpenAI 직접 API 가격표의 Standard 단문맥 기준으로 Sol과 Terra의 일반 입력은 모두 100만 토큰당 $2, 출력은 각각 $10와 $12입니다. 같은 입력·출력 토큰 수와 처리 조건이라면 Sol의 토큰 요금이 낮지만, 모델마다 실제 출력 길이·재시도·합격률이 달라질 수 있어 완료한 작업의 비용 우위는 아직 알 수 없습니다.
네 이름 중 어느 것이 GPT-6인가?
OpenAI가 명시한 GPT-6 계열은 Astra, Sol, Luna 세 가지입니다. Sol과 Luna는 2026년 9월 22일 API 변경 기록에 추가됐습니다. Terra의 정확한 API ID는 gpt-5.6-terra입니다. 제품 화면에 보이는 짧은 이름이나 예전 비교표를 API 모델 ID로 추측해 바꾸지 마세요.
| 공식 모델 ID | 세대 | 먼저 시험할 작업 | 선택을 바꿀 조건 |
|---|---|---|---|
gpt-6-luna | GPT-6 | 범위가 좁고 반복 가능한 추출·요약·간단한 코드 수정 | 오류 수정이나 재시도가 잦아지면 Sol과 비교 |
gpt-6-sol | GPT-6 | 복잡한 코딩과 일반적인 에이전트 작업 | 합격률이 부족하면 Astra, 반복 작업이 안정적이면 Luna와 비교 |
gpt-6-astra | GPT-6 | 어려운 다단계 판단과 도구를 넘나드는 작업 | Sol도 같은 기준을 통과하면 비용·지연을 비교 |
gpt-5.6-terra | GPT-5.6 | 기존 Terra 워크플로를 유지하거나 마이그레이션을 검증할 때 | 새 작업은 Sol과 실제 결과·사용량을 함께 비교 |
용도 설명은 GPT-6 공식 모델 안내, 모델 선택 가이드, Terra 모델 페이지를 바탕으로 한 시험 순서입니다. Luna가 모든 추출에서 합격하거나 Astra가 모든 코딩에서 이긴다는 뜻은 아닙니다. GPT-5.6 세 모델끼리의 기존 비교가 필요한 경우 GPT-5.6 Sol·Terra·Luna 비교를 참고하세요.
작업 유형별 첫 후보를 고르는 흐름이며, 실제 성능 순위를 나타내지 않습니다.
API 요금은 어떻게 비교해야 하나?
아래 표는 OpenAI 직접 API, Standard 처리, 입력 272,000토큰 이하인 요청, 미국 달러(USD)/100만 토큰이라는 동일한 조건의 2026년 9월 23일 요금입니다. 입력은 일반 입력, 캐시 입력은 캐시 적중분, 캐시 쓰기는 새로 기록하는 입력, 출력은 생성한 토큰입니다. 단위와 처리 조건이 다른 Codex·ChatGPT 구독 가격과 바로 비교할 수 없습니다. 출처는 OpenAI API 가격표와 Terra 모델 페이지입니다.
| 모델 | 일반 입력 | 캐시 입력 | 캐시 쓰기 | 출력 |
|---|---|---|---|---|
gpt-6-luna | $0.10 | $0.01 | $0.125 | $0.50 |
gpt-6-sol | $2.00 | $0.20 | $2.50 | $10.00 |
gpt-5.6-terra | $2.00 | $0.20 | $2.50 | $12.00 |
gpt-6-astra | $10.00 | $1.00 | $12.50 | $50.00 |
Sol과 Terra를 볼 때는 입력 가격이 같고 Sol의 출력 가격이 낮다는 점이 직접적인 차이입니다. 예를 들어 캐시·도구 호출 없이 일반 입력 10만 토큰과 출력 1만 토큰을 각 모델이 똑같이 사용한다고 가정하면 단순 토큰 요금은 Sol $0.30, Terra $0.32입니다. 계산은 입력 토큰 ÷ 1,000,000 × 입력 단가 + 출력 토큰 ÷ 1,000,000 × 출력 단가입니다. 이 숫자는 예시일 뿐 실제 청구액이나 두 모델의 품질·응답 길이를 측정한 결과가 아닙니다. 가격표의 요금에 위 가정을 대입했습니다.
표시한 단가는 OpenAI 직접 API의 Standard 단문맥 요금이며, 오른쪽은 실제 업무에서 따로 측정할 항목입니다.
입력이 272K를 넘으면 초과분만 비싸지나?
아닙니다. 입력이 272,000토큰을 초과하면 요청 전체에 장문맥 요금이 적용됩니다. Standard에서 일반 입력/출력은 100만 토큰당 Luna $0.20/$0.75, Sol $4/$15, Terra $4/$18, Astra $20/$75입니다. OpenAI 가격표와 Terra 모델 페이지의 경계 규칙을 확인하세요. 긴 문서를 여러 호출로 나누면 중복 입력과 호출 횟수가 늘 수 있으므로, 경계 전후의 전체 요청 비용을 계산해야 합니다. 더 상세한 Astra 계산은 GPT-6 Astra API 요금 안내에 정리돼 있습니다.
Batch·Flex·Fast 처리, 캐시 사용, 지역 처리, 도구 호출에도 별도 요율이나 비용이 적용될 수 있습니다. 특히 추론 토큰은 출력 사용량에 포함될 수 있고, 재시도는 토큰을 다시 소모합니다. 따라서 표의 단가만으로 월 청구액이나 '합격한 작업 한 건'의 비용을 확정할 수 없습니다. 공식 API 가격표에서 실제 선택한 처리 방식과 도구 비용을 확인하세요.
실제 작업에서는 어떤 순서로 고를까?
처음부터 네 모델에 동일한 역할을 맡기기보다 작업의 합격 조건을 먼저 적으면 비교가 쉬워집니다. 예를 들어 고객 문의 분류라면 분류표·누락 허용치·사람 검토 조건이 필요합니다. 코드 수정이라면 재현 테스트 통과, 의도하지 않은 파일 변경 여부, 사람이 다시 고치는 시간까지 봐야 합니다. 이는 OpenAI 모델 선택 가이드의 작업별 평가 접근을 현재 네 모델에 적용한 방법입니다.
- 작업을 분리합니다. 반복 추출·분류는 Luna, 여러 파일의 코드 수정과 도구를 쓰는 흐름은 Sol, 난도가 높은 다단계 작업은 Astra를 시작점으로 둡니다. 이미 Terra로 운영 중이면 같은 작업 묶음을 유지한 채 Sol과 비교합니다.
- 동일한 사례와 합격 기준을 정합니다. 실제 한국어 입력과 어려운 예외를 포함하고, 출력 형식·허용 오류·사람의 최종 판단 기준을 미리 고정합니다. 테스트 입력을 바꾸면서 모델별 승률을 비교하지 않습니다.
- 각 후보의 결과와 사용량을 기록합니다. 합격 건수, 입력·출력·캐시 토큰, 추론 설정, 재시도, 도구 비용, 처리 시간과 사람의 수정 시간을 함께 남깁니다. API 요청의
model을 명시하고 사용한 처리 방식을 같게 맞춥니다. - 합격 결과당 비용으로 결정합니다.
모든 시도와 도구의 총비용 ÷ 합격한 결과 수를 계산하세요. 합격 기준을 넘는 후보 중 비용과 지연이 업무 허용 범위에 드는 모델을 고릅니다. 합격 건수가 0이면 이 식으로 결론을 내리지 말고 작업 설계나 모델을 바꿉니다.
이 글에서는 네 모델을 같은 요청으로 호출하거나 성능을 실측하지 않았습니다. 공식 용도 설명과 단가를 바탕으로 어디서 시험을 시작할지만 제안합니다. 특히 Sol이 Terra보다 단가상 유리한 조건과 실제 합격 결과당 비용이 낮은 조건은 구별해야 합니다.
API와 Codex·Work에서 같은 가격과 접근 권한이 적용되나?
아닙니다. 위 달러 표는 OpenAI 직접 API의 토큰 요금입니다. Codex나 ChatGPT Work에서 모델을 고르는 것은 해당 클라이언트의 계정·플랜·워크스페이스 설정과 사용 조건에 따릅니다. ChatGPT Work/Codex 모델 안내에 따르면 GPT-6 Sol과 Luna는 제공되는 환경에서 Work 및 Codex에서 선택할 수 있고, 일반 Chat에는 제공되지 않습니다. 이전 GPT-5.6 Sol·Terra·Luna도 전환 기간에 남아 있습니다. 모델이 목록에 없으면 해당 계정에서 사용 가능하다고 단정하지 말고, 현재 로그인 방식과 클라이언트·워크스페이스 설정을 확인하세요. 한국어로 사용한다는 사실만으로 특정 지역의 서비스 자격이나 데이터 보관 지역이 결정되지는 않습니다.
API 통합에서도 기능 조건을 확인해야 합니다. Sol과 Luna는 reasoning.effort의 none부터 max까지 지원하지만, 내장 도구와 함수 호출에는 Responses API를 쓰도록 안내합니다. Chat Completions에서 함수 호출은 reasoning_effort: "none"일 때만 지원됩니다. Astra는 none을 지원하지 않습니다. 기존 코드를 모델 ID만 바꿔 배포하기 전에 엔드포인트, 추론 설정, 필요한 도구가 작동하는지 작은 대표 요청으로 확인하세요.
결국 이 비교의 실무 결론은 간단합니다. 반복 작업은 Luna, 복잡한 일반 작업은 Sol, 특히 어려운 작업은 Astra를 첫 후보로 삼고, 기존 Terra는 같은 사례로 전환 이득을 검증하세요. 선택을 확정하는 증거는 모델명이나 가격표 한 줄이 아니라, 자신의 작업에서 충족한 합격 기준과 그 결과를 얻는 데 실제로 든 비용입니다.
