GPT-6 Sol·Luna가 나왔다: API 가격이 반값이 됐고, 옮기기 전에 확인할 게 몇 가지 있다

AI
2026년 09월 23일
15분 읽기
목차 7

OpenAI가 2026년 9월 22일(미국 태평양시 기준) GPT-6 Sol과 GPT-6 Luna를 공개했다. 9월 3일에 나온 플래그십 GPT-6 Astra 바로 아래 두 단계가 새 세대로 바뀐 셈이다.

솔직히 발표를 보면서 벤치마크보다 가격표부터 봤다. 두 모델 다 API 단가가 GPT-5.6 세대의 절반 이하로 내려갔다. 서비스에 LLM API를 붙여 쓰는 입장에서는 "얼마나 똑똑해졌나"보다 "지금 호출을 옮기면 비용과 품질이 어떻게 되나"가 더 궁금하니까, 그 기준으로 정리해 봤다.

GPT-6 라인업은 이렇게 됐다

이제 GPT-6는 세 모델이다. 맨 위가 Astra, 그 아래 Sol은 코딩이나 에이전트처럼 추론이 많이 필요한 작업을 겨냥한 중간 티어다. GitHub는 Sol을 대화형·에이전트형 코딩에 균형 잡힌 선택지로 소개했다. Luna는 요약, 정보 추출, 짧은 질의응답 같은 대량 처리용 경량 모델이고, GPT-6 제품군에서 가장 싸다.

OpenAI 설명으로는 Sol과 Luna도 Astra와 비슷한 방식으로 학습돼서 전문 업무, 사실성, 코딩, 컴퓨터 사용, 정렬(alignment) 쪽이 좋아졌다고 한다. Astra에서 처음 나온, 전문 용어를 줄인 간결한 응답 스타일도 그대로 이어받았다. API 모델 ID는 gpt-6-sol, gpt-6-luna다.

쓸 수 있는 곳도 꽤 넓다. OpenAI API에서는 바로 쓸 수 있고, ChatGPT Work와 Codex는 Plus, Pro, Business, Enterprise, Edu 사용자에게 순차 배포 중이다. MacRumors에 따르면 출시 시점엔 일반 Chat 모드에는 아직 안 들어갔다. Free·Go 사용자도 데스크톱 앱에서 Luna는 쓸 수 있다. GitHub Copilot에서는 VS Code, JetBrains, Xcode, Copilot CLI 등의 모델 선택기에 순차적으로 올라오고, Sol은 Pro+, Max, Business, Enterprise, Luna는 Pro 이상 요금제에서 쓸 수 있다.

GPT-5.6이 당장 없어지진 않았지만 더 이상 전면에 내세우는 모델은 아니라는 보도가 있었다. 공식 종료 일정은 아직 확인된 게 없다.

가격이 제일 컸다

공식 모델 문서와 여러 매체 보도를 맞춰 본 100만 토큰당 표준 가격은 이렇다.

모델입력캐시 읽기출력이전 세대(입력/출력)
GPT-6 Astra$10$1$50-
GPT-6 Sol$2$0.20$10GPT-5.6 Sol: $4 / $20
GPT-6 Luna$0.10$0.01$0.50GPT-5.6 Luna: $0.20 / $1.20

Sol은 입력·출력 모두 딱 50% 내려갔다. Luna는 입력 50%, 출력은 약 58% 인하라서 출력 토큰이 많은 워크로드일수록 이득이 더 크다. 캐시 읽기는 입력 단가의 10%(90% 할인)이고, 캐시 쓰기는 입력 단가의 1.25배(Sol $2.50, Luna $0.125)로 따로 과금된다.

이게 출시 기념 프로모션인가 싶었는데, VentureBeat 등 여러 매체에 따르면 OpenAI는 정식 가격이라고 밝혔다. 인하 배경으로는 캐싱과 추론 효율 개선을 들었다.

다만 가격표만 보고 넘어가면 안 되는 조건이 있다. 공식 모델 문서상 입력이 272K 토큰을 넘는 요청은 요청 전체에 입력·캐시 2배, 출력 1.5배 단가가 붙는다. 지역 처리(regional processing)를 쓰면 10%가 더 붙는다. 긴 문서를 통째로 넣는 RAG나 큰 코드베이스 분석을 돌린다면 이 구간은 꼭 계산에 넣어야 한다.

사양, 그리고 API에서 걸리는 부분

공식 문서 기준으로 Sol과 Luna의 스펙은 거의 같다.

  • 컨텍스트 윈도우: 1,050,000 토큰 (최대 입력 922K, 최대 출력 128K)
  • 지식 컷오프: Sol 2026년 4월 20일, Luna 2026년 5월 18일
  • 지원 엔드포인트: Chat Completions, Responses, Batch (Realtime, Assistants, 파인튜닝은 미지원)
  • 기능: 스트리밍, Structured Outputs, 함수 호출, 파일 검색, 이미지 입력, 웹 검색, 프롬프트 캐싱
  • reasoning.effort: none, low, medium(기본값), high, xhigh, max의 6단계

여기서 하나 걸리는 게 있었다. Chat Completions에서는 reasoning_effort가 none일 때만 함수 호출이 동작한다. 추론을 켠 채로 함수 호출이나 내장 도구를 쓰려면 Responses API로 가야 한다. 아직 Chat Completions로 에이전트를 돌리고 있다면 모델 ID만 바꿔서는 생각한 대로 안 돌 수 있다.

벤치마크는 좀 걸러서 봤다

OpenAI가 발표하고 여러 매체가 인용한 수치는 이 정도다.

  • DeepSWE v1.1: Sol(max effort) 68.8%, Luna(max effort) 66.6%
  • OSWorld 2.0: Sol(xhigh) 60.5%
  • AutomationBench 1.0.6: Sol(xhigh) 33.2%
  • Agents' Last Exam: Sol(max effort) 56.4%

사실성은 내부 평가에서 Sol이 GPT-5.6 Sol보다 "about half as many mistakes"라고 했다. 실수가 절반쯤이라는 얘기다. Luna는 높은 effort에서 GPT-5.6 Sol과 비슷한 사실성을 약 1/100 비용으로 낸다고 한다. 여러 벤치마크에서 경쟁 모델 대비 비용 효율이 좋다는 점도 강조했다. TechCrunch 보도로는 이번 발표가 Anthropic의 Claude Opus 5.5 공개 약 90분 뒤에 나왔다고 하니, 상위권 경쟁이 꽤 치열하긴 한 것 같다.

그래도 이 숫자들은 대부분 OpenAI 자체 발표이고, 독립 검증은 아직 충분하지 않다. 좀 걸러 들을 필요가 있다. ComputingForGeeks는 DeepSWE나 OSWorld 2.0 같은 일부 항목에서 Sol의 최고 점수가 GPT-5.6 Sol보다 낮다고 짚으면서, 이번 세대 교체의 이득은 절대 성능보다 비용 대비 성능에 있다고 봤다.

점수가 effort 설정(xhigh, max)마다 따로 보고된다는 것도 눈여겨볼 부분이다. max effort 점수를 기대하고 기본값 medium으로 호출하면 체감이 다를 수 있다. 개인적으로는 "확 똑똑해진 모델"보다 "비슷하거나 조금 나은 품질을 훨씬 싸게 쓰는 모델"로 보는 게 맞다고 본다.

캐싱 개편이 은근히 더 중요해 보인다

실제 청구액에는 가격표만큼이나 캐싱 변화가 크게 작용할 것 같다. OpenAI는 GPT-6와 함께 캐싱을 꽤 크게 손봤다.

가장 반가운 건 명시적 캐시 브레이크포인트다. 어디까지를 캐시 prefix로 쓸지 직접 정할 수 있고, 공식 가이드에 따르면 prompt_cache_options.mode를 explicit로 두고 콘텐츠 블록에 prompt_cache_breakpoint를 다는 식이다. 캐시가 왜 빗나갔는지(도구 변경, 설정 변경 등)를 구조화된 사유로 알려주는 진단 기능도 생겼다. 시스템 지시문, 도구 정의, 참고 자료를 사용자 요청 전에 미리 처리해 두는 프리워밍(prewarming)으로 첫 응답 지연도 줄일 수 있다.

실무에서 자주 부딪히던 부분도 챙겼다. 대화 중간에 effort를 바꾸고 싶을 때 요청 레벨의 reasoning.effort를 직접 바꾸면 캐시가 깨질 수 있으니, 입력 아이템으로 configuration_update를 넣으라는 게 가이드의 요지다. 그러면 캐시된 prefix가 유지된다. 도구도 마찬가지로, 정의 목록은 그대로 두고 allowed_tools로 호출 가능한 것만 제한하면 도구 on/off 때문에 캐시가 날아가는 걸 막을 수 있다. 캐시된 prefix는 마지막 사용 후 최소 30분 동안 재사용 대상이다.

GitHub는 이런 캐싱 인프라 개선으로 OpenAI 모델 요청에서 새로 처리해야 하는 프롬프트 토큰 비중이 50% 넘게 줄었다고 했다. 에이전트 루프처럼 같은 시스템 프롬프트와 도구 정의가 계속 반복되는 구조라면, 단가 인하에 캐시 적중률까지 겹쳐서 실제 비용은 표보다 더 내려갈 수도 있겠다.

옮긴다면 이렇게 할 것 같다

우리 팀이 GPT-5.6 Sol/Luna를 쓰고 있다면, 모델 ID만 바꾸기 전에 이 정도는 확인할 것 같다.

  • 비용 재계산: 단순 계산으로도 절반 이하지만, 입력 272K 초과 요청 할증과 캐시 쓰기(1.25배) 비용은 따로 넣어서 본다.
  • API 방식: Chat Completions + 함수 호출 + 추론 조합이면 Responses API 전환은 사실상 필수다. Realtime, Assistants, 파인튜닝이 필요한 워크로드는 아직 못 옮긴다.
  • effort 재튜닝: 이전 설정을 그대로 가져오지 말고 작업별로 none~max를 다시 재 본다. Luna + 높은 effort가 Sol + 낮은 effort보다 싸고 충분한 경우도 있을 수 있다.
  • 캐시 친화적인 프롬프트 구조: 고정된 시스템 프롬프트와 도구 정의는 앞에, 가변 입력은 뒤에. 도구 on/off는 allowed_tools, effort 변경은 configuration_update로 처리하고, 진단 기능으로 캐시 미스 원인을 주기적으로 본다.
  • 자체 평가셋 회귀 테스트: 일부 항목에서 이전 세대보다 낮다는 분석도 있으니 기존 프롬프트와 정답셋으로 먼저 비교한다. 응답이 더 간결해졌다고 하니 출력 포맷에 기대는 파서도 같이 확인한다.
  • 모델 라우팅: 어려운 코딩·에이전트 작업은 Sol(또는 Astra), 분류·추출·요약 같은 대량 작업은 Luna로 나누는 게 비용 면에서 유리해 보인다.

이번 출시는 성능이 확 뛰었다기보다 같은 일을 훨씬 싸게 하는 쪽에 가깝다고 느꼈다. 단가가 반 이하로 내려가고 캐싱 제어까지 좋아졌으니, 에이전트나 대량 처리 워크로드의 운영 비용은 꽤 달라질 수 있다.

대신 Chat Completions 함수 호출 제약, 272K 초과 할증, 일부 벤치마크 역전 같은 디테일은 그냥 지나치기 쉽다. 독립적인 벤치마크가 더 나오면 Sol이 정말 GPT-5.6 Sol을 대체할 만한지, 그리고 GPT-5.6 종료 일정이 언제 나올지 계속 지켜볼 생각이다.

참고한 글

#AI#OpenAI#GPT#LLM#API#PromptCaching#Trend

연관 글