GPT-5.6은 하나의 모델명이 아니라 Sol·Terra·Luna 세 가지 티어로 나뉜 제품군이다. Sol은 복잡한 추론과 장시간 작업을 위한 플래그십, Terra는 일상 업무의 성능·속도·비용 균형형, Luna는 가장 빠르고 저렴한 대량 처리용이다. 중요한 점은 이름만 보고 최고급 모델을 고르는 것이 아니라, 실패 비용과 반복량, 사용하는 제품이 ChatGPT인지 API인지까지 함께 판단하는 것이다. 이 글은 공식 발표와 도움말을 바탕으로 세 모델의 차이와 선택 순서를 정리한다.
GPT-5.6 Sol·Terra·Luna, 무엇이 다른가
OpenAI는 Sol을 코딩·지식 업무·연구·컴퓨터 사용처럼 난도가 높은 작업용으로, Terra를 일상 업무에 맞춘 균형형으로, Luna를 가장 빠르고 경제적인 모델로 소개한다. 세 모델은 같은 5.6 세대이지만, 요청 하나의 정확도보다 처리량과 총비용이 더 중요한 상황에서는 Luna나 Terra가 더 나은 선택일 수 있다. OpenAI 공식 출시 발표는 Sol뿐 아니라 Terra와 Luna도 이전 세대 대비 효율을 겨냥한 티어라고 설명한다.
| 모델 | 권장 작업 | API 가격(100만 토큰) | 판단 포인트 |
|---|---|---|---|
| Sol | 복잡한 코딩, 조사, 설계, 고위험 산출물 | 입력 $5 / 출력 $30 | 검토·재작업 비용이 큰 일 |
| Terra | 일상 자동화, 분석 초안, 팀 업무 | 입력 $2.50 / 출력 $15 | 품질과 예산을 함께 관리 |
| Luna | 분류, 요약, 대량 변환, 빠른 응답 | 입력 $1 / 출력 $6 | 반복량과 응답 속도가 우선 |
가격은 100만 입력·출력 토큰 기준의 API 정가다. 출력 토큰은 세 모델 모두 입력보다 비싸므로, 긴 답변을 무조건 생성하게 하는 프롬프트는 티어 선택만큼 비용에 영향을 준다. 캐시 재사용이 많은 시스템이라면 프롬프트 캐싱 안내도 함께 확인하자.
ChatGPT와 API의 선택 가능 범위는 다르다
가장 자주 생기는 혼동은 “GPT-5.6을 쓴다”는 말이 같은 화면과 같은 모델 선택권을 뜻한다고 생각하는 것이다. 일반 ChatGPT 대화에서는 Terra와 Luna를 직접 고를 수 없다. 유료 대상 플랜에서 Medium·High는 Sol, Extra High와 Pro는 플랜에 따라 Sol 또는 Sol Pro에 해당한다. 반면 ChatGPT Work는 Plus·Pro·Business·Enterprise에서 세 모델을 고를 수 있고, Codex는 Free·Go에서 Terra, 상위 플랜에서 세 모델을 제공한다. API 개발자는 세 티어 모두 호출할 수 있다. 계정별 점진 배포와 워크스페이스 관리자 설정도 실제 노출 여부에 영향을 준다.
따라서 개인이 표준 ChatGPT 채팅으로 보고서 하나를 다듬는다면 Sol의 추론 강도를 조절하는 접근이 현실적이다. 반대로 고객 문의 분류나 상품 속성 정리처럼 수만 건을 처리하는 팀은 API 또는 Work·Codex에서 Terra와 Luna를 실험해야 한다. 업무 자동화의 기본 설계는 ChatGPT Work 활용법에서 먼저 점검할 수 있고, 저비용 에이전트 시장의 흐름은 저비용 에이전트 모델 경쟁과 비교해 볼 만하다.
비용 계산 예시: 월 1,000건의 분석 작업
가령 한 건당 입력 20만 토큰, 출력 5만 토큰을 사용하고 월 1,000건을 처리한다고 가정하자. 총 입력은 2억 토큰, 총 출력은 5,000만 토큰이다. 캐시 할인, 배치 할인, 도구 호출 비용, 세금은 빼고 모델 사용료만 계산한다.
- Sol: 입력 $1,000 + 출력 $1,500 = 월 $2,500
- Terra: 입력 $500 + 출력 $750 = 월 $1,250
- Luna: 입력 $200 + 출력 $300 = 월 $500
여기서 Luna가 Sol보다 월 $2,000 저렴하다고 해서 즉시 Luna로 통일할 이유는 없다. 오류 1건의 검수 시간이 30분이고 담당자 비용이 높다면, 더 비싼 모델이 재작업을 줄여 총비용을 낮출 수 있다. 반대로 결과를 사람이 빠르게 확인하는 짧은 분류 업무라면 Sol의 추가 비용을 회수하기 어렵다. 인프라 비용까지 포함해 보려면 AI GPU·클라우드 추론 수익성도 함께 읽어보자.
현장 적용을 위한 3단계 라우팅
첫째, 오류가 법무·보안·배포 장애로 번질 수 있거나 여러 문서를 교차 검증해야 하면 Sol부터 시작한다. 둘째, 정해진 형식의 요약·분석·문서 초안처럼 사람이 최종 승인하는 업무는 Terra를 기준선으로 삼는다. 셋째, 태깅·추출·짧은 응답·대량 변환은 Luna를 먼저 시험한다. 모든 요청을 한 모델에 몰지 말고, Luna로 1차 처리한 뒤 신뢰도 낮은 항목만 Terra 또는 Sol로 재처리하는 계단식 구조가 비용을 통제하기 쉽다.
벤치마크 점수는 구매 결정의 출발점일 뿐
공식 표에서 Sol은 BrowseComp, OSWorld, Terminal-Bench 등 여러 평가에서 높은 수치를 보이고, Terra와 Luna도 적지 않은 작업에서 경쟁력을 보인다. 그러나 벤치마크를 실사용 성공률로 그대로 번역하면 안 된다. 평가 데이터의 난도, 도구 환경, 프롬프트, 추론 설정, 출력 길이, 지연 시간은 실제 서비스와 다르다. OpenAI도 추정 비용과 지연 시간이 생산 환경의 동작을 바탕으로 한 시뮬레이션이며 현실 결과는 크게 달라질 수 있다고 밝힌다. Agents’ Last Exam 같은 공개 평가를 참고하되, 자사 데이터 50~200건으로 정확도·재시도율·평균 지연·사람 검수 시간을 함께 A/B 테스트하자.
도입 전 체크리스트
선택을 확정하기 전에는 같은 10~20개의 실제 업무를 세 티어에 넣어 보자. 정답 여부만 기록하지 말고, 출력 형식 준수, 근거 누락, 도구 호출 실패, 사람이 고친 문장 수, 평균 응답 시간도 함께 적는다. 특히 긴 문맥을 넣는 업무는 입력 토큰이 비용의 큰 부분을 차지하므로, 프롬프트를 공통 지시문·가변 데이터·출력 형식으로 분리하고 캐시 가능성까지 확인하는 편이 좋다. 이 기록이 쌓이면 “최고 점수 모델”이 아니라 조직에 가장 싼 성공 모델을 고를 수 있다.
GPT-5.6 선택 FAQ
Q. 일반 ChatGPT에서 Luna를 선택할 수 있나요?
아니다. 공식 도움말 기준으로 Terra와 Luna는 표준 ChatGPT 대화에서 선택할 수 없다. 다만 조건에 맞는 Work·Codex와 API에서는 사용할 수 있다. 세부 플랜별 범위는 GPT-5.6 공식 도움말이 가장 정확하다.
Q. Sol이 항상 더 좋은 결과를 내나요?
복잡한 추론과 고난도 작업에서는 Sol이 우선 후보지만, 짧고 규칙적인 작업의 품질·속도·비용 조합까지 항상 최적이라는 뜻은 아니다. 실제 입력과 성공 기준으로 Terra·Luna를 비교해야 한다.
Q. 첫 도입 모델을 하나만 골라야 한다면?
API 자동화의 첫 기준선은 Terra가 무난하다. 실패 비용이 높은 업무만 Sol로 올리고, 검증된 반복 작업은 Luna로 내리는 방식이 성능과 예산을 함께 지키는 출발점이다.
댓글 남기기