GPT-5.6 Sol Terra Luna 차이, 가격은 페이블5 절반인데 성능도 절반일까

오픈AI는 페이블5 수출 통제 이후 미국 정부 요청에 따라 6월 26일 GPT-5.6을 제한 공개했고, 약 2주 뒤인 7월 9일 전체 공개했다.

GPT-5.6 Sol Terra Luna 차이를 찾아보면 가장 먼저 페이블5의 절반 수준이라는 가격이 눈에 들어온다. 실제 입력 가격은 절반 수준이고, 종합 평가 점수 차이도 1점에 불과하다. 하지만 기존 프로그램의 버그를 수정하는 작업에서는 격차가 크게 벌어진다.

가격만 보고 모델을 바꾸면 작업에 따라 오히려 효율이 떨어질 수 있다. 기존 코드베이스의 버그를 찾아 수정하는 작업에서는 페이블5가 앞서지만, 터미널 도구로 여러 단계를 수행하는 작업에서는 Sol이 더 높은 점수를 기록했다. 같은 코딩 작업이라도 어떤 능력을 평가하느냐에 따라 결과가 달라진다.

Sol, Terra, Luna는 무엇이 다른가

5.6은 세대, Sol과 Terra와 Luna는 등급

오픈AI는 GPT-5.6 공식 발표에서 숫자가 세대를 의미하고 Sol과 Terra와 Luna는 각자 따로 발전하는 등급이라고 설명했다.

예전에는 GPT-5를 내면 GPT-5-mini와 GPT-5-nano가 같이 나왔다. 5.1로 올라가면 셋 다 5.1이 됐다. 이제는 Luna만 먼저 업데이트하고 Sol은 기존 버전을 유지할 수 있다.

mini나 nano 같은 크기 표시를 떼고, 등급 이름은 유지하되 각 모델의 버전을 독립적으로 업데이트하겠다는 뜻이다.

여기서 오해하기 쉬운 게 하나 있다. 세 모델을 상위 모델의 성능만 단순히 낮춘 저가형으로 보기는 어렵다. 값도 다르고 성능도 다르지만, 오픈AI가 권하는 용도까지 다르다.

GPT-5.6 Sol Terra Luna 차이는 상위 모델을 단순히 축소한 형태라기보다 용도별로 역할을 나눈 구성에 가깝다.

셋은 각각 어떤 일에 맞나

Sol은 세 모델 중 가장 높은 성능을 목표로 한 등급이다. 복잡한 추론이 필요한 문제에 적합하다. 복잡한 코드를 작성하거나 보안 취약점을 분석하고, 깊이 있는 자료 분석이 필요할 때 쓴다.

Terra는 중간이다. 오픈AI는 GPT-5.5 수준의 성능을 더 낮은 가격에 제공한다고 소개했다. 정해진 형식에 맞춰 문서나 자료를 작성하는 작업에 적합하다.

Luna는 가장 싸고 빠르다. 문장 수백 개를 분류하거나 제품 설명을 정해진 형식에 맞춰 바꾸는 등 복잡한 추론은 적지만 처리량이 많은 작업에 적합하다. 오픈AI는 코딩 점수에서 Luna가 클로드 오푸스 4.8도 앞선다고 밝혔다. 가장 저렴한 등급도 높은 코딩 성능을 기록했다.

max와 ultra는 모델이 아니라 실행 옵션이다

max는 생각할 시간을 늘리는 설정이다. 같은 모델이 더 많은 추론 자원을 사용해 여러 접근법을 검토하고 답을 다시 확인한다. 모델은 하나 그대로다.

ultra는 여러 에이전트를 병렬로 실행하는 방식이다. 기본적으로 네 개의 에이전트가 작업을 나눠 처리한 뒤 결과를 통합한다. 성능은 확실히 오르는데 비용도 같이 오른다.

가격은 정말 페이블5의 절반인가

100만 토큰당 가격

Sol은 입력 5달러에 출력 30달러를 받는다. Terra는 2.5달러와 15달러, Luna는 1달러와 6달러다.

페이블5 API 가격은 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러다. Sol의 입력 가격은 페이블5의 절반이고, 출력 가격은 60% 수준이다. 입력은 정확히 절반이고 출력도 약 40% 저렴하다.

GPT-5.6 모델끼리 비교하면 Terra는 Sol의 절반 가격이고, Luna는 Terra보다 다시 60% 저렴하다. Sol의 출력 단가는 Luna의 다섯 배다.

정가보다 중요한 건 작업 하나에 드는 돈

표시된 가격은 100만 토큰당 단가일 뿐이다. 실제로 지불하는 비용은 같은 문제를 해결하는 데 사용한 토큰 수에 따라 달라진다.

독립 평가기관 Artificial Analysis가 GPT-5.6 평가 결과를 내놨는데, 여기서 차이가 확인된다.

해당 지능 평가에서는 Sol을 max로 실행했을 때 문제당 평균 비용이 1.04달러로 집계됐다. 페이블5의 3분의 1 수준이다.

토큰 단가뿐 아니라 사용량까지 반영하면 해당 평가에서는 비용이 약 3분의 1 수준으로 낮아졌다. 같은 문제를 해결하는 데 사용하는 토큰 수가 더 적기 때문이다.

물론 이 숫자는 특정 평가 문제들을 기준으로 계산한 값이다. 무슨 일을 시켜도 3분의 1이 된다는 뜻은 아니다. 출력 토큰의 비중이 커질수록 비용 차이는 줄어들 수 있다.

캐시 쓰기 요금이 새로 생겼다

비용을 계산할 때 새로 확인해야 할 항목도 생겼다. GPT-5.6은 프롬프트 캐시를 생성할 때도 별도 요금이 부과된다. 오픈AI 모델 중에서는 처음이다.

프롬프트 캐시는 반복해서 사용하는 입력 내용을 저장해 재사용하는 기능이다. 읽을 때 90% 깎아주는 건 그대로인데, 저장할 때 입력 단가의 1.25배를 받는다.

저장한 내용은 최소 30분 유지된다. 같은 프롬프트를 반복해서 사용한다면 비용 절감 효과가 크지만, 재사용하지 않을 내용을 계속 캐시에 저장한다면 이점이 크지 않을 수 있다.

그러면 성능도 절반인가

종합 점수는 1점 차이

Artificial Analysis의 지능 지수에서 Sol max는 59점, 페이블5는 60점을 기록했다.

이 점수만 보면 결론은 단순하다. 종합 점수와 해당 평가 비용만 보면 Sol이 훨씬 유리해 보인다. 하지만 종합 점수만으로 실제 작업 성능까지 판단하기는 어렵다.

남의 코드를 고치는 일은 페이블5가 크게 앞선다

코딩 점수를 보면 이야기가 달라진다.

SWE-bench Pro는 실제 소프트웨어 프로젝트의 버그 수정 과제를 해결하는 능력을 평가하는 벤치마크다. 이 평가에서는 페이블5가 80%, Sol이 64.6%를 기록했다. 15점 넘게 벌어진다.

여기서 중요한 건 이 수치의 출처다. 오픈AI가 자기 공식 발표의 코딩 성적표에 직접 실었다. 자사 모델이 뒤진 결과도 함께 공개했다는 점은 참고할 만하다.

터미널 작업에서는 Sol이 앞선다

그런데 다른 코딩 벤치마크에서는 결과가 반대로 나온다.

Terminal-Bench 2.1은 터미널에 명령어를 넣어가며 긴 작업을 끝까지 해내는지 본다. 여기서는 Sol이 88.8%, 페이블5가 83.1%다. ultra를 켜면 91.9%까지 올라간다.

여러 단계로 이어지는 개발 작업을 평가하는 DeepSWE에서도 Sol이 72.7%로 페이블5의 69.7%를 앞선다.

두 벤치마크가 재는 능력이 다르기 때문이다. SWE-bench Pro는 남이 짜놓은 큰 코드를 읽고 고칠 곳을 정확히 찾아내는 능력을 본다.

Terminal-Bench는 도구를 써가며 여러 단계를 끊기지 않고 수행하는 능력을 본다. 기존 코드를 정확히 이해하고 수정하는 능력과 여러 단계의 작업을 끝까지 수행하는 능력은 다르다.

코딩 점수에서는 왜 Sol이 1위인가

종합 지수만 보면 코딩에서도 Sol이 앞서는 것처럼 보인다. 어떤 벤치마크를 포함했는지 보면 이야기가 달라진다.

Artificial Analysis 코딩 에이전트 지수에서 Sol이 80점으로 1위, 페이블5가 77.2점이다. 이 지수만 보면 Sol의 코딩 성능이 더 높다는 결론을 내리기 쉽다.

그런데 이 지수를 이루는 평가는 DeepSWE와 Terminal-Bench v2, SWE-Atlas-QnA 셋이다. 페이블5가 크게 이기는 SWE-bench Pro가 빠져 있다. 이 지수가 잘못됐다는 뜻은 아니다. 어떤 벤치마크를 넣느냐에 따라 순위가 바뀐다는 뜻이다.

점수 하나 보고 모델을 정하면 안 되는 이유다. 실제 작업이 어떤 벤치마크의 평가 방식과 가까운지부터 확인해야 한다.

그래서 어떤 모델을 써야 하나

Terra를 먼저 고를 이유는 없다

Terra는 이름만 보면 균형형 모델처럼 보인다. 하지만 실제 벤치마크에서는 위치가 다소 애매하다.

Artificial Analysis는 지능 지수와 비용을 기준으로 볼 때 Terra의 어떤 실행 설정을 선택해도 더 높은 성능을 내거나 비슷한 성능을 더 저렴하게 제공하는 Sol 또는 Luna 설정이 있다고 평가했다.

문제 하나 푸는 데 Sol이 1.04달러, Terra가 0.55달러, Luna가 0.21달러를 쓴다. Terra는 성능과 비용이 모두 중간에 있지만, 일부 설정에서는 Sol이나 Luna보다 효율이 떨어진다. 신규 도입이라면 Sol과 Luna를 먼저 비교한 뒤 Terra를 검토해도 된다.

어려운 일은 Sol, 많은 일은 Luna

모든 작업을 Sol로 통일하면 불필요한 비용이 발생할 수 있다. Sol과 Luna는 문제 하나당 비용이 다섯 배 차이 난다.

복잡한 추론이 필요한 작업만 Sol에 맡기고, 분류나 형식 변환처럼 반복되는 일은 Luna로 돌리면 전체 비용이 크게 줄어든다. 오픈AI가 등급을 나눈 이유도 그래서다. 가장 높은 등급 하나로 통일하기보다 작업 난이도와 처리량에 맞춰 나눠 쓰는 방식이다.

ultra는 토큰 사용량이 크게 늘어날 수 있다

ultra를 켜면 점수가 오른다. Terminal-Bench 2.1에서 88.8%가 91.9%가 됐다.

문제는 돈이다. 오픈AI는 공식 발표 각주에서 에이전트를 여러 개 돌릴 때는 모든 에이전트의 토큰을 합쳐서 청구하며 ultra는 네 개로 돌아간다고 밝혔다.

네 에이전트가 사용한 토큰이 모두 합산되므로 단일 에이전트보다 비용이 크게 늘어날 수 있다.

성능 향상 폭과 추가 비용을 비교해 ultra 사용 여부를 결정해야 한다.

코드 수정 작업은 페이블5를 남겨둘 만하다

SWE-bench Pro의 15점 차이는 크다. 기존 코드베이스에서 버그를 수정하는 일이 주력이라면 페이블5를 바로 제외할 이유는 없다.

터미널에서 명령어를 이어가며 작업을 끝내는 쪽이라면 Sol이 더 맞는다. 코딩이라고 다 같은 코딩이 아니다.

GPT-5.6 Sol Terra Luna 차이, 가격보다 작업별 성능이 중요하다

GPT-5.6 Sol Terra Luna 차이를 가격표로만 정리하면 답이 쉽게 나온다. 입력 가격은 페이블5의 절반이고 출력 가격은 60% 수준이다.

특정 지능 평가에서는 문제당 비용이 약 3분의 1 수준으로 집계됐고, 종합 점수 차이는 1점에 불과했다.

코딩으로 들어가면 답이 갈린다. 이미 돌아가는 코드를 고치는 일은 페이블5가 15점 넘게 앞서고, 터미널 작업은 Sol이 앞선다. 어떤 벤치마크를 기준으로 보느냐에 따라 결론이 달라진다.

가격은 출발점일 뿐 결정 기준이 아니다. 무슨 일을 시킬지부터 정하고 모델을 골라야 한다. 신규 도입이라면 Sol과 Luna를 우선 비교하고 Terra는 필요에 따라 검토하면 된다.

FAQs