GPT-6 Sol·Luna 출시, 반값 API 업무별 선택법

GPT-6 Sol·Luna 출시, 무엇이 바뀌었나

2026년 9월 22일 이후 API 요금표를 다시 봐야 하는 이유

개발 업무에 AI API를 붙여 쓰고 있다면, 매달 청구서를 볼 때마다 비슷한 고민을 하게 됩니다. 지금 쓰는 모델이 이 작업에 맞는 성능인지, 아니면 그냥 관성적으로 비싼 모델을 계속 호출하고 있는 건 아닌지 하는 질문입니다. 코드 리뷰 하나에 최상위 모델을 쓰고, 짧은 데이터 추출 작업에도 똑같은 모델을 붙이다 보면 토큰 비용은 눈덩이처럼 불어나는데, 정작 그 작업의 난이도에 그만한 연산력이 필요했는지는 아무도 따져보지 않는 경우가 많습니다.

2026년 9월 22일, OpenAI가 이 고민에 답이 될 만한 발표를 내놨습니다. 이미 나와 있던 최상위 모델 GPT-6 Astra 아래 등급으로 GPT-6 Sol과 GPT-6 Luna를 출시한 것입니다. 단순히 새 모델이 나온 게 아니라, API 요금이 이전 세대 대비 절반 수준으로 재조정됐다는 점이 실무자 입장에서는 더 중요한 소식입니다. 문제는 값이 싸졌다고 무조건 좋은 건 아니라는 점입니다. 성능은 그대로인지, 어떤 업무에는 오히려 손해인지 따져봐야 할 지점들이 있습니다.

이 글에서는 GPT-6 Sol과 Luna가 각각 어떤 업무에 맞는지, GPT-5.6 대비 요금이 얼마나 달라졌는지, 그리고 성능 지표가 실제로 어떻게 바뀌었는지를 OpenAI 자체 발표와 외부 평가 기관 자료를 나란히 놓고 정리합니다.

GPT-6 등급 구조가 3단계로 재편됐다

GPT-6 세대는 Astra·Sol·Luna 3등급 체계로 확정됐고, GPT-5.6 세대에 있던 Terra 등급은 GPT-6로는 나오지 않았습니다. 이는 단순한 라인업 축소가 아니라 등급별 역할 분담이 재정리됐다는 의미로 봐야 합니다. 이미 출시된 GPT-6 Astra는 가장 복잡한 다단계 프로젝트와 과학 문제 해결에 초점이 맞춰진 최상위 등급이고, 이번에 나온 Sol과 Luna는 그 아래에서 실무 업무의 대부분을 처리하는 역할을 맡습니다.

전환 기간 동안에는 기존 GPT-5.6 Sol·Terra·Luna가 계속 제공되기 때문에, 당장 API 연동 코드를 바꾸지 않아도 서비스가 끊기지는 않습니다. 다만 신규 프로젝트를 설계하는 입장이라면 Terra 등급이 GPT-6 세대에서 사라졌다는 점을 감안해 업무를 Sol과 Luna 두 축으로 재배치할 필요가 있습니다.

ChatGPT 제공 범위도 등급마다 다르게 설계돼 있다는 점이 실무에 영향을 줍니다. Sol은 Plus·Pro·Business·Enterprise·Edu 요금제에서 쓸 수 있지만 Free와 Go 요금제에서는 제공되지 않습니다. 반면 Luna는 유료 요금제 사용자뿐 아니라 Free·Go 사용자도 데스크톱 앱에서 쓸 수 있게 열려 있습니다. 두 모델 모두 ChatGPT Work와 Codex에는 포함됐지만, 출시 시점 기준으로 일반 Chat 모드에는 아직 반영되지 않았다는 점도 확인해 둘 부분입니다.

이 구조가 왜 중요하냐면, 무료 사용자에게도 Luna급 처리 능력을 열어준 첫 사례이기 때문입니다. 대량의 짧은 질의응답이나 정보 추출 같은 업무를 무료 티어에서도 체험할 수 있게 된 셈이고, 이는 API로 유료 서비스를 붙이기 전에 먼저 Luna의 응답 품질을 데스크톱 앱에서 가늠해볼 수 있다는 뜻이기도 합니다.

요금이 절반 수준으로 재조정됐다

GPT-6 Sol과 Luna의 API 표준 요금은 이전 세대인 GPT-5.6 대비 대체로 절반 수준으로 낮아졌습니다. 이는 프로모션 할인이 아니라 정식 요금이라는 점을 OpenAI가 명시했습니다.

구체적으로 살펴보면, GPT-6 Sol의 입력 요금은 1M토큰당 2달러로, GPT-5.6 Sol의 4달러 대비 절반입니다. 출력 요금은 1M토큰당 10달러로, 이전 20달러의 절반입니다. 캐시 입력 요금은 0.20달러입니다.

GPT-6 Luna는 입력 0.10달러, 출력 0.50달러로, GPT-5.6 Luna의 입력 0.20달러·출력 1.20달러와 비교하면 입력은 절반, 출력은 그보다 더 큰 폭으로 낮아졌습니다. 캐시 입력 요금은 0.01달러로 사실상 데이터 몇 건 단위로는 거의 체감되지 않는 수준까지 내려갔습니다.

두 모델 모두 컨텍스트 창은 1,050,000토큰(최대 입력 922,000토큰), 최대 출력은 128,000토큰으로 동일합니다. 지식 기준일은 Sol이 2026년 4월 20일, Luna가 2026년 5월 18일입니다. API 모델 식별자는 각각 `gpt-6-sol`, `gpt-6-luna`이며, Responses API와 Chat Completions 양쪽에서 텍스트·이미지 입력과 텍스트 출력을 지원합니다.

여기서 실무자가 놓치기 쉬운 부분이 하나 있습니다. 입력이 272K토큰을 넘어가면 요청 전체의 입력·캐시 요금이 2배, 출력 요금이 1.5배로 뛴다는 조건입니다. 즉 요금표에 적힌 숫자는 표준 구간에 한정된 것이고, 장문 처리가 많은 업무라면 실제 청구액은 표면 요금보다 높게 나올 수 있습니다. 이 부분은 뒤쪽 비용 팁에서 다시 다룹니다.

어떤 업무에 Sol을, 어떤 업무에 Luna를 붙일지가 핵심이다

Sol은 복잡한 코딩과 에이전트 업무, Luna는 목표가 분명한 대량 처리 업무에 맞춰 설계됐다는 것이 이번 출시의 핵심 메시지입니다. 두 모델은 성능 등급이 다른 게 아니라 애초에 처리하려는 업무 성격 자체가 다르게 설계된 두 축입니다.

Sol이 맞는 업무는 다음과 같은 성격을 가집니다.
① 신규 기능 개발 과정에서 여러 파일에 걸친 코드 작성
② 기존 코드베이스에 대한 코드 리뷰와 잠재적 버그 탐지
③ 프로덕션 환경에서 발생한 에러를 추적해 원인을 특정하는 디버깅
④ 대량 데이터셋을 다루는 데이터 분석 및 통계 처리

이런 업무는 문맥을 길게 유지하면서 여러 단계를 거쳐 정확한 결론에 도달해야 하기 때문에, 상대적으로 높은 추론 성능이 요구됩니다.

Luna가 맞는 업무는 성격이 다릅니다.
① 긴 계약서나 보고서를 짧게 요약하는 작업
② 대량의 텍스트에서 특정 정보만 뽑아내는 정보 추출
③ 고객 문의에 대한 짧고 정형화된 질의응답
④ 반복적이고 목표가 명확한 대량 처리 업무

이런 업무는 개별 작업의 난이도보다 처리량과 단가가 더 중요한 변수입니다. 예를 들어 하루 수천 건의 고객 문의를 자동 분류하거나, 수백 건의 계약서에서 특정 조항만 추출하는 작업이라면 Sol급 추론력이 굳이 필요하지 않을 가능성이 높습니다. 이런 경우 Luna로 전환하면 캐시 입력 요금이 1M토큰당 0.01달러 수준까지 내려가기 때문에, 반복 호출이 많은 파이프라인일수록 비용 차이가 누적됩니다.

실무에서 흔히 하는 실수는 이 구분 없이 하나의 모델을 모든 업무에 붙이는 것입니다. 코드 리뷰용 파이프라인과 고객 응대용 파이프라인을 같은 모델로 묶어 두면, 둘 중 하나는 반드시 비효율이 생깁니다. 업무 성격에 따라 API 호출을 분리하는 설계가 이번 요금 개편의 실질적인 활용 포인트입니다.

값은 절반인데 성능은 그대로일까

OpenAI 자체 발표와 외부 평가 기관의 결과가 서로 다른 그림을 보여준다는 점이 이번 출시에서 가장 신중하게 봐야 할 대목입니다. 값이 내려간 것은 확실하지만, 성능이 이전과 완전히 동일한지는 어떤 지표를 보느냐에 따라 결론이 갈립니다.

먼저 OpenAI 자체 발표 기준으로는 긍정적인 수치가 여럿 제시됐습니다. 비식별 처리된 실제 대화 기반 사실성 평가에서 GPT-6 Sol의 오류는 GPT-5.6 Sol 대비 약 절반으로 줄었다고 밝혔습니다. 벤치마크 수치로는 소프트웨어 엔지니어링 성능을 보는 DeepSWE 1.1에서 Sol(max 설정) 68.8%, 컴퓨터 사용 환경 성능을 보는 OSWorld 2.0에서 Sol(xhigh 설정) 60.5%를 기록했다고 발표했습니다. Luna(max 설정)는 GPT-5.6 Sol(medium 설정)을 10분의 1 비용으로 넘어섰다고도 밝혔는데, 이 수치들은 모두 OpenAI 자체 발표 기준이며 외부에서 독립적으로 검증된 수치는 아닙니다.

반면 독립 평가 기관 Artificial Analysis가 max 설정으로 이전 세대와 비교한 결과는 결이 다릅니다. 종합 지능 지수는 Sol이 47점에서 48점으로 사실상 제자리, Luna는 37점을 유지해 GPT-5.6 수준에서 크게 벗어나지 않았습니다. 대신 과업당 비용은 절반 수준으로 낮아졌다는 점이 이 평가의 핵심 결론입니다.

더 주목할 부분은 44개 직군의 실무 과제를 평가하는 GDPval-AA v2.1 결과입니다. 이 평가에서는 Sol이 약 100 Elo, Luna가 약 75 Elo 하락한 것으로 나타났습니다. 분석에 따르면 이는 결과물 표현 품질 저하와 채점 항목 누락이 주된 원인으로 지목됐습니다. 반면 자동화 작업을 보는 AutomationBench-AA에서는 Sol이 60%에서 62%, Luna가 50%에서 53%로 소폭 상승했고, Terminal-Bench 4.0도 소폭 올랐으며 Sol의 코딩 에이전트 지수는 2점 상승했습니다.

즉 자동화·터미널 작업 같은 정형화된 업무는 개선됐지만, 문서형 지식 업무처럼 결과물의 표현과 완결성이 중요한 업무는 오히려 낮아졌다는 상반된 신호가 동시에 관찰됩니다. 보고서 작성, 제안서 초안, 문서 요약처럼 결과물의 품질과 완성도가 핵심인 업무를 GPT-6 Sol·Luna로 옮기려 한다면, 요금이 내려갔다는 이유만으로 전환하지 말고 기존 GPT-5.6 결과물과 직접 나란히 비교해보는 과정을 거치는 편이 안전합니다.

등급 축소는 비용 효율 경쟁의 연장선이다

Terra 등급이 GPT-6 세대에서 사라지고 3등급 체계로 재편된 것은 모델 라인업을 단순화해 비용 효율을 극대화하려는 흐름의 연장선으로 볼 수 있습니다. GPT-5.6 세대까지는 Sol·Terra·Luna 세 등급이 촘촘하게 나뉘어 있었지만, GPT-6에서는 Astra·Sol·Luna로 재편되면서 중간 등급의 역할이 Sol과 Luna 양쪽으로 흡수된 구조가 됐습니다.

이런 재편은 개발자 입장에서 선택지가 줄어드는 것처럼 보일 수 있지만, 실제로는 의사결정 비용을 낮추는 효과가 있습니다. 등급이 세분화될수록 어떤 업무에 어떤 등급을 붙일지 판단하는 데 드는 시간이 늘어나는데, 3등급 체계에서는 "가장 복잡한 문제는 Astra, 코딩·에이전트는 Sol, 대량 정형 업무는 Luna"라는 단순한 기준으로 배치할 수 있습니다.

Artificial Analysis가 지적한 과업당 비용 절반 절감이라는 결론도 이 맥락에서 이해할 필요가 있습니다. 절대적인 지능 지수는 크게 오르지 않았지만, 동일한 성능을 더 낮은 비용으로 뽑아낼 수 있게 됐다는 점에서 이번 출시의 방향성은 "더 똑똑한 모델"보다 "같은 수준을 더 싸게 쓸 수 있는 모델"에 가깝습니다. 대량의 API 호출이 발생하는 서비스를 운영 중이라면, 이런 비용 효율 개선이 성능 개선보다 실질적인 체감 효과로 이어질 가능성이 높습니다.

GPT-5.6과 GPT-6, 무엇을 기준으로 전환을 판단할까

GPT-5.6 Sol·Luna에서 GPT-6 Sol·Luna로 전환할지는 업무 유형별로 나눠서 판단해야 하며, 일괄 전환은 권장되지 않습니다. 앞서 살펴본 대로 자동화·터미널 성격의 업무와 문서형 지식 업무는 서로 다른 방향의 결과가 나왔기 때문입니다.

이 표에서 알 수 있듯, 전환 여부는 "요금이 싸졌으니 무조건 바꾼다"가 아니라 "이 업무가 어느 평가 지표에 더 가까운가"를 먼저 판단하는 것에서 출발해야 합니다. 코드 자동화나 반복적인 데이터 처리 파이프라인이라면 전환 이점이 뚜렷하게 나타날 가능성이 높은 반면, 대외 제출용 보고서나 고객 응대용 문서처럼 완결성이 중요한 결과물은 전환 전 병행 테스트를 거치는 것이 안전합니다.

실제 적용 전 반드시 확인해야 할 지점들

GPT-6 Sol·Luna를 실제 서비스에 붙이기 전, 결과물 품질을 직접 비교하는 과정 없이 요금표만 보고 전환하는 것은 흔히 발생하는 실수입니다. 앞서 살펴본 GDPval-AA v2.1 결과처럼 문서형 지식 업무에서는 채점 항목 누락이나 표현 품질 저하가 관찰된 만큼, 특히 대외 제출용 문서나 고객 응대 결과물을 다루는 파이프라인은 신중하게 접근해야 합니다.

실무 적용 시 점검해야 할 지점은 다음과 같습니다.

첫째, 현재 GPT-5.6으로 처리 중인 업무를 GPT-6 Sol·Luna로 동일하게 실행해 결과물을 나란히 비교하는 단계를 거쳐야 합니다. 요금이 절반이 됐다는 이유만으로 성능이 동등하다고 단정할 근거는 없습니다.

둘째, 272K토큰을 넘는 장문 처리가 잦은 업무라면 표준 요금이 아니라 장문 할증 요금(입력·캐시 2배, 출력 1.5배)을 기준으로 비용을 다시 계산해야 합니다. 표면 요금만 보고 예산을 산정하면 실제 청구액과 차이가 날 수 있습니다.

셋째, 캐싱이 자동 적용되는 조건(1,024토큰 이상, 프리픽스 일치)을 이해하고 프롬프트 구조를 설계해야 실질적인 비용 절감 효과를 볼 수 있습니다. 프롬프트 뒷부분만 매번 바뀌는 구조라면 캐싱 효과가 거의 없습니다.

넷째, 자동화·터미널 업무와 문서형 업무를 하나의 파이프라인으로 묶어 처리하고 있다면, 이번 등급 재편을 계기로 업무 성격별로 API 호출을 분리하는 구조 개편을 검토할 필요가 있습니다.

전환 전 체크리스트

GPT-6 Sol·Luna로 전환을 검토하고 있다면, 아래 순서를 그대로 따라가는 것을 권장합니다. 요금표만 보고 즉시 전환하기보다는 단계적으로 검증하는 편이 안전합니다.

Step 1. 업무 분류
현재 API로 처리 중인 업무를 코딩·에이전트 성격(Sol 후보)과 대량 정형 처리 성격(Luna 후보)으로 나눕니다.

Step 2. 소규모 병행 테스트
전체 트래픽을 옮기지 않고, 일부 요청만 GPT-6 Sol·Luna로 라우팅해 GPT-5.6 결과물과 나란히 비교합니다.

Step 3. 문서형 업무 별도 검증
보고서·제안서처럼 표현 품질이 중요한 업무는 GDPval-AA v2.1에서 관찰된 하락 경향을 감안해 더 꼼꼼히 검증합니다.

Step 4. 캐싱 구조 재설계
고정된 시스템 프롬프트나 지시문을 요청 앞부분에 배치해 1,024토큰 이상 캐싱이 적용되도록 프롬프트 구조를 정리합니다.

Step 5. 장문 처리 비용 재계산
272K토큰을 넘는 요청이 있는지 확인하고, 할증 요금을 반영해 실제 예산을 다시 산정합니다.

Step 6. 단계적 전환
검증이 끝난 업무부터 순차적으로 전환하고, 문서형 업무는 병행 운영 기간을 충분히 둡니다.

기대할 수 있는 부분과 전제 조건

GPT-6 Sol·Luna 도입으로 기대할 수 있는 가장 실질적인 변화는 동일한 업무를 더 낮은 API 비용으로 처리할 가능성이 열렸다는 점입니다. 다만 이는 어디까지나 업무 성격이 자동화·정형 처리에 가까울 때 성립하는 이야기이며, 모든 업무에 동일하게 적용되는 보장은 아닙니다.

Artificial Analysis의 평가처럼 지능 지수 자체는 이전 세대와 크게 다르지 않으면서 비용만 낮아진 구조이기 때문에, 대량 호출이 발생하는 반복 업무일수록 효과가 체감될 가능성이 높고, 결과물의 완성도가 최우선인 업무일수록 사전 검증이 필요합니다. OpenAI가 자체 발표한 오류 감소·벤치마크 수치 역시 회사 자체 평가 기준이라는 점을 감안하고, 실제 도입 여부는 자체 업무 데이터로 병행 테스트를 거쳐 판단하는 것이 바람직합니다.

자주 묻는 질문

Q1. GPT-6 Sol과 Luna는 ChatGPT Free 요금제에서도 쓸 수 있나요?
Luna는 Free·Go 사용자도 데스크톱 앱에서 사용할 수 있습니다. 다만 Sol은 Plus·Pro·Business·Enterprise·Edu 요금제에서만 제공되며 Free·Go에서는 쓸 수 없습니다.

Q2. GPT-6 Sol과 GPT-5.6 Sol 중 무엇을 API 기본값으로 써야 하나요?
업무 성격에 따라 다릅니다. 자동화·터미널 작업이라면 GPT-6 Sol의 비용 효율이 유리하지만, 문서형 결과물이 중요한 업무는 GDPval-AA v2.1에서 하락이 관찰된 만큼 병행 비교 후 결정하는 것이 안전합니다.

Q3. 캐시 입력 요금이 왜 이렇게 낮은가요?
캐시 입력 읽기는 90% 할인이 적용되기 때문입니다. 다만 캐시를 새로 쓰는 경우에는 비캐시 입력 요금의 1.25배가 붙으며, 1,024토큰 이상이고 앞쪽 프리픽스가 변하지 않고 일치할 때 자동으로 재사용됩니다.

Q4. 272K토큰이 넘는 요청은 왜 요금이 더 비싼가요?
두 모델 모두 입력이 272K토큰을 초과하면 요청 전체의 입력·캐시 요금이 2배, 출력 요금이 1.5배로 적용되는 장문 할증 구조가 있기 때문입니다. 장문 처리가 잦다면 이를 감안해 예산을 산정해야 합니다.

Q5. GPT-6 Terra는 나중에라도 출시되나요?
현재까지 공식 발표 기준으로 GPT-6 세대는 Astra·Sol·Luna 3등급 체계이며, Terra는 GPT-6로 나오지 않았습니다. 전환 기간 동안 GPT-5.6 Terra는 계속 제공됩니다.

---

GPT-6 Sol과 Luna의 출시는 단순한 신모델 공개가 아니라, 업무 성격에 맞춰 API 호출을 어떻게 분리하고 비용을 재설계할 것인가라는 질문을 실무자에게 던진 발표에 가깝습니다. 요금표의 숫자만 보고 성급하게 전환하기보다, 자신의 서비스가 처리하는 업무가 어느 평가 지표에 더 가까운지 먼저 살펴보는 과정이 필요합니다.