GPT 6.1 terra - 6.1 sol과 luna 뭐가 다를까?, 업데이트 비교 정리

GPT 6.1 terra - 6.1 sol과 luna 뭐가 다를까?, 업데이트 비교 정리

핵심 요약: GPT-6.1 Sol은 복잡한 코딩과 여러 단계를 거치는 작업에, GPT-6.1 Terra는 화면을 보고 조작하거나 문서를 처리하는 작업에 잘 맞습니다. GPT-6 Luna는 단순한 작업을 빠르고 저렴하게 대량 처리할 때 유용합니다.

OpenAI 모델을 고를 때마다 비슷한 고민이 생깁니다. 가장 성능이 좋은 모델을 쓰자니 비용이 신경 쓰이고, 저렴한 모델을 쓰자니 결과가 충분히 정확할지 걱정되죠.

이번에 살펴볼 GPT-6.1 Terra는 그 사이에 놓인 모델입니다. 복잡한 작업에 강한 GPT-6.1 Sol보다 API 가격이 낮고, 대량 처리에 초점을 맞춘 GPT-6 Luna보다 더 까다로운 화면 이해와 컴퓨터 사용을 맡기기 좋은 선택지로 소개됐습니다.

세 모델은 어떤 점이 다르고, 내 작업에는 무엇을 골라야 할까요? 가격부터 실제 활용법까지 정리해 봤습니다.

가격과 제품 안내는 2026년 10월 27일 확인 기준입니다.

GPT-6.1 Sol, Terra, Luna 한눈에 비교

표의 금액은 일반적인 표준 API 요금입니다. Batch, Fast 등 처리 방식과 긴 입력 여부에 따라 실제 단가는 달라질 수 있습니다.

참고로 GPT-6 계열에 이 세 모델만 있는 것은 아닙니다. OpenAI는 더 높은 수준의 분석과 어려운 작업을 위한 GPT-6 Astra도 별도로 안내합니다. 이 글에서는 Terra를 중심으로 Sol, Luna와 비교해 볼게요.

GPT-6.1 Terra: 화면을 이해하고 일을 처리하는 중간 모델

Terra의 핵심은 시각 추론과 컴퓨터 사용입니다.

예를 들어 청구서를 읽고 필요한 정보를 회계 프로그램에 입력하거나, 화면에 표시된 내용을 확인해 정해진 양식을 채우는 업무를 생각하면 됩니다. 문서와 이미지를 함께 살펴보고, 그 결과를 바탕으로 다음 작업을 이어가는 데 초점이 맞춰져 있습니다.

글쓰기와 코딩에서도 쓸 수 있습니다. 특히 제공한 자료를 바탕으로 간결하게 정리하거나, 수정 범위가 명확한 코드를 고칠 때 고려할 만합니다. OpenAI 역시 Terra의 활용 사례로 화면 기반 작업, 짧은 글쓰기, 범위가 정해진 코드 수정을 꼽습니다.

가격도 눈에 띕니다. 표준 API 기준 Terra의 입력과 출력 단가는 모두 Sol의 절반입니다. 평소 Sol로 처리하던 작업 중 비교적 범위가 명확한 일을 Terra에 맡겨 보고, 결과가 충분하다면 비용을 줄일 수 있습니다.

다만 화면을 조작하는 자동화라면 모델이 “완료했다”고 말한 것만으로 끝내지 않는 편이 좋습니다. 실제로 저장된 내용이 맞는지, 다른 정보를 건드리지는 않았는지 결과를 다시 확인해야 합니다.

GPT-6.1 Sol: 복잡한 코딩과 에이전트 작업에 강점

Sol은 세 모델 중 복잡한 문제를 처리할 때 먼저 고려할 만한 모델입니다.

기존 코드베이스의 구조를 파악하고 여러 파일을 수정해야 하는 작업, 오류 원인을 추적해야 하는 디버깅, 여러 도구를 순서대로 호출하는 에이전트 업무가 여기에 해당합니다.

예를 들면 이런 작업입니다.

• 기존 서비스의 인증 방식을 바꾸면서 관련 코드를 함께 수정하기
• 여러 파일에 걸친 버그를 추적하고 테스트하기
• MCP 도구를 사용해 자료를 조회하고, 결과에 따라 다음 작업을 수행하기
• 복잡한 요구사항을 계획으로 나눈 뒤 구현과 검증까지 이어가기

OpenAI는 GPT-6.1 Sol을 복잡한 작업에서 성능과 비용의 균형을 고려하는 모델로 안내합니다. 이전 GPT-6 Sol과 비교해 코딩, 디버깅, 다단계 업무 등에서 개선됐다고 설명합니다.

Sol이 더 비싸더라도 결과가 더 안정적이어서 수정이나 재시도가 줄어든다면, 실제 업무에서는 오히려 효율적일 수 있습니다. 특히 제품의 핵심 기능처럼 잘못 수정했을 때 확인해야 할 부분이 많은 작업이라면 단가만 보고 모델을 고르기는 어렵습니다.

GPT-6 Luna: 빠르고 저렴한 반복 작업용

Luna는 세 모델 가운데 토큰 단가가 가장 낮습니다. 입력은 100만 토큰당 $0.10, 출력은 $0.50입니다. 일반 입력과 출력 단가만 비교하면 Sol의 20분의 1 수준입니다.

그래서 한 번의 작업은 단순하지만, 그 작업을 수천 번 반복해야 하는 상황에 잘 맞습니다.

예를 들면 다음과 같습니다.

• 고객 문의를 주제별로 분류하기
• 로그에서 정해진 항목을 추출하기
• 문서에 태그를 붙이거나 형식을 변환하기
• 긴 문서의 청크별 요약을 만들기
• 들어온 요청을 적절한 처리 경로로 보내기

Luna의 공식 API 문서에는 컨텍스트 윈도 105만 토큰, 최대 출력 12만 8,000토큰이 명시돼 있습니다. 다만 많은 내용을 한 번에 넣을 수 있다는 것과 모든 복잡한 작업에서 원하는 정확도를 얻는 것은 별개의 문제입니다. 실제 데이터로 품질을 먼저 확인하는 게 좋습니다.

가격은 얼마나 차이 날까?

세 모델에 입력 100만 토큰과 출력 100만 토큰을 사용한다고 가정하면, 표준 API 단가 기준 비용은 다음과 같습니다.

위 금액은 단가를 비교하기 위한 예시입니다. 캐시 할인이나 쓰기 비용, 별도 도구 요금, 긴 입력 요금, Batch 할인 등은 반영하지 않았습니다. 또한 모델마다 같은 작업에 사용하는 출력량이 다를 수 있어 실제 업무 비용도 같은 비율로 차이 난다고 단정할 수는 없습니다.

특히 Luna는 입력이 272K 토큰을 넘는 요청에서 전체 요청에 대해 입력과 캐시 요율은 2배, 출력 요율은 1.5배가 적용됩니다. 긴 문서를 자주 처리한다면 사용하려는 모델과 처리 방식의 요금 조건을 미리 확인하세요.

어떤 작업에 어떤 모델을 고르면 좋을까?

이 표는 시작점으로 보면 됩니다. 같은 “코드 수정”이라도 버튼 문구를 바꾸는 일과 인증 구조를 고치는 일의 난이도는 크게 다르니까요.

OpenAI도 같은 입력과 추론 설정으로 모델을 비교하고, 결과의 정확도와 작업 완료 시간, 검토·수정에 드는 시간까지 함께 살펴보라고 권합니다.

개발자라면 이렇게 나눠 써볼 수 있어요

독립 개발이나 MCP 기반 자동화를 하고 있다면, 하나의 모델로 모든 일을 처리하기보다 작업에 따라 나누는 방법을 고려할 만합니다.

Codex와 복잡한 개발 작업에는 Sol을 기본 후보로 두세요. 여러 파일을 수정하거나 문제를 추적해야 할 때 활용하기 좋습니다.

화면 자동화와 문서 처리에는 Terra를 시험해 볼 수 있습니다. 예를 들어 관리 페이지에서 정보를 입력하거나, 이미지가 포함된 자료를 읽고 정리하는 작업입니다. 다만 실제 저장 결과를 확인하는 단계를 워크플로에 넣어야 합니다.

대량 분류와 추출에는 Luna가 어울립니다. 문서 청크에 태그를 붙이거나 로그를 정해진 형식으로 바꾸는 작업처럼, 결과를 자동으로 검증하기 쉬운 일부터 적용해 볼 수 있습니다.

세 모델을 이어 쓰는 방법도 있습니다. Luna가 먼저 요청을 분류하고, 규칙으로 처리하기 어렵거나 검토가 필요한 건만 Terra나 Sol에 넘기는 방식입니다. 이때 모델이 내놓은 자신감 표현만 믿기보다는, 누락된 필드나 검증 실패처럼 다시 처리할 기준을 명확히 정해 두는 것이 좋습니다.

ChatGPT 구독과 API 요금은 다를까?

이 글에서 비교한 달러 금액은 API 사용 요금입니다. ChatGPT나 Codex 구독 화면에서 사용하는 것과 별도로 생각해야 합니다.

또한 모델을 실제로 선택할 수 있는지, 어떤 도구와 추론 설정을 쓸 수 있는지, 사용 한도가 어떻게 적용되는지는 제품과 모델 버전에 따라 다를 수 있습니다. 사용 중인 환경의 모델 선택 화면과 안내를 확인하는 게 가장 정확합니다.

결국 선택 기준은 간단합니다. 복잡한 문제는 Sol, 화면과 문서 중심의 명확한 작업은 Terra, 단순한 반복 업무는 Luna부터 시도해 보세요. 그다음 실제 작업 몇 가지를 같은 조건으로 비교하면, 내 업무에 필요한 성능과 비용의 균형을 찾기 한결 쉬워집니다.

• 출처: OpenAI 모델 선택 가이드
• OpenAI API 요금표 · GPT-6 Luna 모델 문서