GPT 5.6 모델 종류와 요금, Sol·Terra·Luna 차이 정리

GPT 5.6은 Sol, Terra, Luna로 나뉩니다. 복잡한 추론과 코딩은 Sol, 일반 업무 자동화는 Terra, 대량 처리와 비용 절감은 Luna를 먼저 보면 됩니다. 용도에 따라 모델을 나누는 게 핵심입니다.

모델 3종 표로 빠르게 보기

모델	성격	우선 고려할 작업
GPT 5.6 Sol	플래그십 모델	복잡한 코딩, 긴 문서 분석, 전문 업무, 고난도 추론
GPT 5.6 Terra	성능과 비용의 균형형	일반 업무 자동화, 고객지원 초안, 보고서 정리, 사내 도구
GPT 5.6 Luna	빠르고 저렴한 모델	대량 분류, 짧은 요약, 반복 응답, 비용 민감한 서비스

API 요금과 모델 ID

OpenAI API 문서 기준으로 Sol의 모델 ID는 gpt-5.6-sol이고, 별칭으로 gpt-5.6을 사용할 수 있습니다. Terra는 gpt-5.6-terra, Luna는 gpt-5.6-luna로 구분됩니다.

모델	입력 요금	출력 요금
Sol	100만 토큰당 5달러	100만 토큰당 30달러
Terra	100만 토큰당 2달러	100만 토큰당 12달러
Luna	100만 토큰당 0.20달러	100만 토큰당 1.20달러

위 금액은 공식 문서의 기본 토큰 단가를 기준으로 본 값입니다. 긴 컨텍스트, 캐시 입력, 배치 처리처럼 과금 방식이 나뉘는 항목은 실제 청구액이 달라질 수 있습니다. 긴 답변을 자주 생성하는 서비스라면 출력 길이 제한과 캐시 전략을 함께 설계해야 합니다.

Sol을 써야 하는 경우

Sol은 비용보다 결과 품질과 안정성이 중요한 작업에 맞습니다. 예를 들어 복잡한 코드베이스 점검, 다단계 데이터 분석, 전문 보고서 초안, 여러 자료를 한 번에 비교해야 하는 문서 작업처럼 실패 비용이 큰 업무에 적합합니다.

특히 코딩이나 과학·보안 관련 분석처럼 한 번의 답변 품질 차이가 작업 시간 전체를 바꿀 수 있는 경우에는 Sol을 먼저 검토하는 게 좋습니다. 다만 단순 분류나 짧은 안내문 생성까지 모두 Sol로 처리하면 비용이 빠르게 커질 수 있습니다.

Terra를 써야 하는 경우

Terra는 업무용 서비스의 기본값으로 검토하기 좋은 모델입니다. 고객 문의를 분류하고 답변 초안을 만들거나, 회의록을 정리하고, 내부 문서를 요약하고, 반복적인 사무 작업을 자동화할 때 Sol보다 비용 부담이 낮습니다.

처음 제품을 만들 때는 Terra로 기본 품질을 확인한 뒤, 품질이 부족한 일부 작업만 Sol로 올리는 방식이 현실적입니다. 이렇게 하면 전체 비용을 낮추면서도 중요한 구간의 품질을 지킬 수 있습니다.

Luna를 써야 하는 경우

Luna는 응답량이 많고 단가가 중요한 서비스에 맞습니다. 예를 들어 문장 분류, 짧은 상품 설명 정리, 대량 댓글 필터링, 간단한 요약, 내부 태깅 작업처럼 빠르게 많이 처리해야 하는 경우에 적합합니다.

다만 결과가 복잡한 판단을 요구하거나, 긴 문맥을 정확히 따라가야 하거나, 법률·의료·금융처럼 오답 비용이 큰 작업에서는 Luna만으로 끝내기보다 검수 단계나 상위 모델 재확인 단계를 두는 것이 안전합니다.

서비스에 붙일 때 체크할 점

프로토타입은 Terra로 시작하고, 실패가 잦은 작업만 Sol로 분리합니다.
짧고 반복적인 작업은 Luna로 돌려 비용을 먼저 낮춥니다.
출력 토큰이 비용을 크게 좌우하므로 답변 길이 제한을 정합니다.
민감한 업무에는 사람이 확인하는 단계를 남깁니다.
공식 문서의 모델 ID와 요금은 배포 전 다시 확인해 둡니다.

모델을 고를 때

AI 모델은 이름보다 맡길 작업으로 나눠 보는 편이 좋습니다. 짧은 요약, 긴 문서 검토, 코드 수정, 보고서 검토처럼 작업의 실패 비용이 다르기 때문입니다.

가벼운 초안은 빠른 모델로 충분할 수 있고, 사실 확인이나 코드 변경처럼 실수가 비싼 작업은 더 강한 모델을 쓰는 편이 낫습니다. 비용은 한 번의 호출 가격보다 다시 시도하는 횟수까지 넣어 봐야 합니다.

자동화에 붙일 때는 모델 하나로 모든 단계를 처리하지 않아도 됩니다. 초안, 근거 확인, 표현 다듬기, 서비스 적용 전 확인을 나누면 품질과 비용을 함께 조절할 수 있습니다.

작업을 초안, 검토, 최종 판단으로 나눕니다.
출력 길이 제한을 정해 불필요한 비용을 줄입니다.
실패했을 때 재시도할 기준을 미리 정합니다.
공식 모델 ID와 요금은 배포 전 다시 맞춰둡니다.

비용을 실제 사용량으로 바꾸면

요금표만 보면 작은 금액처럼 보여도, 매일 자동화가 돌면 월 비용이 빠르게 커질 수 있습니다. 하루 호출 횟수, 평균 입력 길이, 평균 출력 길이, 실패 재시도 횟수를 함께 계산해야 실제 예산에 가까워집니다.

사용자가 직접 보는 답변과 내부 검수용 답변도 구분하는 것이 좋습니다. 내부 검수는 짧고 날카롭게, 공개 글 작성은 충분한 맥락을 넣는 식으로 역할을 나누면 낭비가 줄어듭니다.

새 모델이 나오면 기존 자동화도 바로 바꾸기보다 작은 샘플로 비교합니다. 답변 품질, 속도, 비용, 오류율을 같은 입력으로 비교해야 이름에 끌려가지 않습니다.

월 호출량을 먼저 잡고 모델을 고릅니다.
초안용과 검수용 모델을 분리해 볼 수 있습니다.
긴 출력이 꼭 필요한 단계만 따로 둡니다.
모델 교체 전에는 같은 샘플로 결과를 비교합니다.

짧게 다시 답하면

모델 이름부터 고르면 되나요?

아니요. 글쓰기, 코딩, 요약, 검수처럼 작업을 먼저 정해야 합니다. 같은 모델도 작업에 따라 체감 성능과 비용이 다릅니다.

요금은 어떻게 잡나요?

한 번의 답변 가격보다 월 사용량을 봅니다. 입력 길이, 출력 길이, 재시도, 자동화 실행 횟수를 함께 넣어야 합니다.

새 모델은 바로 바꿔도 되나요?

작은 테스트를 먼저 하는 편이 좋습니다. 기능과 요금, 속도, 도구 지원이 바뀔 수 있어 공식 문서와 콘솔 표시를 다시 맞춰야 합니다.

마지막 체크

AI 도구는 새 이름보다 실제 작업 흐름에 맞는지가 중요합니다. 초안, 검토, 자동화, 비용 계산을 나눠서 작은 테스트를 해보면 선택이 쉬워집니다.

출시 직후 정보는 빨리 바뀔 수 있으니 공식 문서와 콘솔 표시를 마지막 기준으로 삼으면 됩니다. 특히 요금과 지원 기능은 적용 전에 다시 보는 편이 안전합니다.

모델 비교는 작은 샘플로 직접 돌려보면 빠릅니다. 같은 질문을 넣었을 때 답변 품질, 속도, 비용, 수정 횟수가 어떻게 달라지는지 보면 이름보다 판단이 쉬워집니다.

자동화에 넣을 계획이라면 운영 중단 상황도 생각해야 합니다. 예산 한도, 실패 알림, 대체 모델을 미리 정해두면 갑자기 비용이 커지는 일을 줄일 수 있습니다.

비슷한 조건을 비교할 때는 하나의 숫자만 남기지 말고 계산한 날짜와 입력값을 같이 남겨두세요. 며칠 뒤 요금이나 기능이 바뀌어도 어떤 이유로 결과가 달라졌는지 다시 따라갈 수 있습니다.

실무에 붙일 때는 모델 성능보다 전체 흐름이 더 중요할 수 있습니다. 초안이 좋아도 검수와 로그 확인이 없으면 운영 중 오류를 찾기 어렵기 때문에, 처음부터 확인 단계를 작게라도 남겨두는 편이 좋습니다.