GPT-5.6 Sol vs Terra vs Luna: 어떤 모델을 사용해야 할까?

OpenAI는 2026년 7월 9일 GPT-5.6을 정식 출시했습니다. 업그레이드 여부보다 먼저 결정할 일은 모델 계층 선택입니다. GPT-5.6은 gpt-5.6-sol, gpt-5.6-terra, gpt-5.6-luna로 제공되며, 각각 비용과 성능의 다른 지점을 목표로 합니다. Terra로 충분한 작업에 Sol을 사용하면 비용이 불필요하게 증가하고, Luna에 복잡한 에이전트 작업을 맡기면 파이프라인이 멈출 수 있습니다.

지금 Apidog를 사용해 보세요

이름은 계층 구조를 따릅니다. 숫자는 세대, Sol·Terra·Luna는 독립적으로 발전하는 내구성 있는 계층을 뜻합니다. GPT-5.6 명명법 설명에서 구조를 확인할 수 있습니다. 이 글에서는 각 계층의 적합한 작업, 비용 함정, 그리고 실제 프롬프트로 모델을 선택하는 방법에 집중합니다.

30초 답변

모델	100만 토큰당 가격	선택 기준
gpt-5.6-sol	입력 $5 / 출력 $30	에이전트 코딩, 다단계 도구 오케스트레이션, 심층 연구처럼 작업 실패 비용이 큰 경우
gpt-5.6-terra	입력 $2.50 / 출력 $15	대부분의 프로덕션 작업. 기본 선택지
gpt-5.6-luna	입력 $1 / 출력 $6	분류, 추출, 라우팅, 초안 생성처럼 처리량과 지연 시간이 중요한 경우

기본값은 Terra가 합리적입니다. OpenAI는 Terra를 GPT-5.5와 경쟁하는 성능이면서 약 절반 가격이라고 설명합니다. Sol은 난도가 높아 측정 가능한 품질 차이가 발생할 때만 프리미엄을 정당화합니다. Luna는 요청 수가 많고 출력이 짧을수록 비용 효율이 커집니다.

직감 대신 데이터를 사용하십시오. 세 모델은 동일한 Responses API 호출 형식을 공유하므로, Apidog에서 같은 프롬프트를 각 모델에 실행해 출력 품질과 토큰 사용량을 비교할 수 있습니다.

각 계층은 무엇을 위해 구축되었는가

세 모델은 모든 API 계정에서 사용할 수 있으며, 접근은 셀프 서비스 방식입니다. 모델 ID는 OpenAI 개발자 문서에서 확인할 수 있습니다. 초기 문서에는 100만 토큰 컨텍스트 윈도우, 최대 128K 출력, 2026년 2월 16일 지식 마감일이 보고되어 있습니다. 실제 사용 전에는 OpenAI 모델 페이지에서 계정별 지원 범위를 확인하십시오.

Sol: 어려운 문제 해결을 위한 플래그십

Sol은 심층 추론과 장기 에이전트 작업을 위한 계층입니다. OpenAI에 따르면 Sol은 Agents’ Last Exam에서 GPT-5.5의 46.9점 대비 약 53점, Terminal-Bench 2.1에서 88.8%, OSWorld 2.0에서 47.5점에서 62.6점으로 향상된 결과를 보였습니다.

이 수치는 출시 시점의 주장으로 검증이 필요합니다. 다만 개선 패턴은 분명합니다. 일반 텍스트 생성보다 계획 수립, 도구 사용, 오류 복구에서 개선 폭이 더 큽니다.

모든 벤치마크에서 Sol이 앞서는 것은 아닙니다. SWE-Bench Pro에서는 Claude Fable 5가 80.3%, Sol이 64.6%로 보고되었습니다. 즉, 플래그십은 모든 작업에서 최고라는 의미가 아닙니다. 수치별 강점과 약점은 GPT-5.6 Sol 벤치마크 분석에서 확인할 수 있습니다.

Sol을 선택할 조건

• 여러 단계의 도구 호출 결과가 다음 단계의 입력에 영향을 주는 경우
• 오류 복구와 재계획이 필요한 에이전트 워크플로우
• 한 번의 실패가 많은 후속 실행 비용을 발생시키는 경우
• 평가 결과에서 Terra 대비 유의미한 품질 차이가 확인된 경우

Terra: 프로덕션 작업의 기본값

Terra의 핵심 장점은 비용 대비 성능입니다. OpenAI는 Terra를 GPT-5.5와 경쟁하면서도 약 2배 저렴하다고 설명합니다. GPT-5.5 기반 제품이 이미 안정적으로 동작했다면, Terra는 먼저 검증할 모델입니다.

다음 작업은 Terra에서 시작하십시오.

• 프로덕션 챗봇
• 문서 요약
• 콘텐츠 생성 파이프라인
• 일반적인 RAG 질의응답
• 고객 지원 자동화
• 중간 난도의 구조화된 출력 생성

기본 전략은 간단합니다. Terra를 먼저 적용하고, 평가에서 실패한 작업만 Sol로 승격하십시오.

Luna: 단위 경제성과 속도

Luna는 깊은 추론보다 빠른 처리와 낮은 단가가 중요한 작업을 위한 계층입니다. 입력 $1 / 출력 $6으로 Sol의 약 5분의 1 비용이며, 세 모델 중 가장 빠른 계층으로 소개됩니다.

Luna에 적합한 작업은 다음과 같습니다.

• 티켓 분류
• 개체명·필드 추출
• 요청 라우팅
• 태그 생성
• 사람이 수정할 1차 초안 생성
• 짧은 구조화된 JSON 출력

“가장 저렴한 모델”을 “가장 나쁜 모델”로 해석하지 마십시오. 한 단어 분류 결과나 몇 개 필드 추출에 Terra 비용을 지불할 이유는 없습니다.

기본값의 함정

gpt-5.6 별칭만 사용하면 요청이 Sol로 라우팅됩니다. 즉, 모델명을 명시하지 않으면 의도와 무관하게 가장 비싼 계층을 사용하게 됩니다.

모든 요청에서 모델 계층을 명시하십시오.

{
  "model": "gpt-5.6-terra",
  "input": "Classify this support ticket by urgency and product area.",
  "reasoning": {
    "effort": "medium"
  }
}

비용 차이는 빠르게 누적됩니다.

월간 사용량	Luna	Terra	Sol
입력 5천만 토큰 / 출력 1천만 토큰	약 $110	약 $275	약 $550

동일한 트래픽이라도 모델 문자열 하나로 최대 5배 차이가 발생할 수 있습니다. 캐싱 할인을 포함한 세부 요금은 GPT-5.6 가격 분석에서 확인할 수 있습니다. 독립 개발자 관점의 초기 평가는 Simon Willison의 출시 리뷰도 참고할 만합니다.

워크로드에 맞는 모델 선택

1. 에이전트 코딩 파이프라인: Sol

에이전트 코딩에는 Sol을 우선 검토하십시오. 벤치마크 이점이 집중된 영역이며, OpenAI가 소개한 기능도 이 작업에 맞춰져 있습니다.

• 프로그래밍 방식의 도구 호출
• 도구 호출을 조정하는 JavaScript 생성
• 네트워크 접근이 없는 격리된 V8 런타임 실행
• 턴 간 컨텍스트를 유지하는 지속적 추론

예를 들어 실행이 40단계이고 12단계의 잘못된 판단이 이후 28단계를 낭비하게 한다면, 높은 모델 비용보다 실패한 파이프라인 비용이 더 클 수 있습니다. 자세한 기능은 전체 Sol 프로필에서 확인할 수 있습니다.

2. 프로덕션 챗 어시스턴트: Terra

일반적인 챗 어시스턴트는 Terra에서 시작하십시오. 사용자는 벤치마크 점수보다 응답 지연 시간과 실제 유용성을 체감합니다. 일상적인 질문에서는 Sol과 Terra의 차이가 명확하지 않을 수 있습니다.

권장 구현 방식은 다음과 같습니다.

1. 기본 모델을 gpt-5.6-terra로 설정합니다.
2. 실패 로그를 수집합니다.
3. 다단계 추론, 도구 사용, 긴 문맥 처리에 실패한 요청만 식별합니다.
4. 해당 요청만 휴리스틱 또는 분류기로 Sol에 라우팅합니다.

“비밀번호를 어떻게 재설정하나요?” 같은 요청에 플래그십 비용을 지불하지 마십시오.

3. 대량 문서 파이프라인: Luna + 캐싱

대량 추출·분류 파이프라인은 Luna로 시작한 뒤 캐싱을 적용하십시오. GPT-5.6은 명시적 캐시 중단점을 지원하며, prompt_cache_options.mode: "explicit"와 ttl 필드를 사용할 수 있습니다.

{
  "model": "gpt-5.6-luna",
  "input": "Extract invoice number, vendor, total amount, and due date.",
  "prompt_cache_options": {
    "mode": "explicit",
    "ttl": "30m"
  }
}

보고된 정책에 따르면 캐시 읽기에는 90% 할인이 적용되고, 캐시 쓰기는 입력 요금의 1.25배로 청구되며, 캐시 콘텐츠는 최소 30분 유지됩니다. 긴 시스템 프롬프트를 수천 개 문서에서 재사용하는 경우, Luna와 명시적 캐싱의 조합은 다른 계층과 크게 다른 비용 구조를 만들 수 있습니다.

새 비전 세부 설정인 original과 auto는 원본 이미지 크기를 보존할 수 있습니다. 스캔 문서에서 작은 필드를 추출하는 워크로드라면 이 설정도 평가 대상에 넣으십시오.

노력 수준이 계산을 바꾼다

계층만 비교하지 마십시오. GPT-5.6은 모든 계층에서 다음 추론 노력 수준을 제공합니다.

none
low
medium
high
xhigh
max

중요한 비교는 항상 Sol 대 Terra가 아닙니다. 다음처럼 비교해야 합니다.

• gpt-5.6-terra + high
• gpt-5.6-sol + medium

더 많은 추론 시간을 사용한 Terra가 절반 수준의 토큰 가격으로 품질 격차 대부분을 줄일 수 있습니다. 이것이 충분한지는 사양표가 아니라 실제 평가로 판단해야 합니다.

OpenAI의 마이그레이션 가이드도 단순 모델 슬러그 교체가 아닌 튜닝 과정으로 전환을 다룰 것을 권장합니다.

권장 평가 순서

1. 프로덕션 로그에서 대표 작업 10~20개를 수집합니다.
2. 성공 사례뿐 아니라 실패 사례도 포함합니다.
3. 현재 노력 수준과 한 단계 낮은 수준을 함께 실행합니다.
4. 품질, 출력 길이, 지연 시간, 토큰 사용량을 기록합니다.
5. 품질 기준을 충족하는 가장 저렴한 모델·노력 조합을 선택합니다.

GPT-5.6은 일반적 서론이 적고 더 짧은 답변을 생성하도록 설계되었다고 설명됩니다. 기존 프롬프트에 “간결하게 작성하라”는 지시가 있다면, 지나치게 짧아지는지 확인하십시오.

품질 우선 작업에는 reasoning.mode: "pro"도 사용할 수 있습니다. 이는 별도 모델이 아니라 설정이며, Sol뿐 아니라 Terra와 Luna에서도 전환할 수 있습니다.

{
  "model": "gpt-5.6-terra",
  "input": "Analyze the incident report and propose a remediation plan.",
  "reasoning": {
    "effort": "high",
    "mode": "pro"
  }
}

확정하기 전에 세 가지 모두 테스트하십시오

“어떤 모델을 써야 하는가?”에 대한 정확한 답은 내 프롬프트에서 가장 좋은 결과를 내는 모델입니다. 공개 벤치마크는 OpenAI의 평가 작업이지, 여러분의 프로덕션 트래픽이 아닙니다.

다음 절차로 비교 평가를 구성하십시오.

1. 로그에서 실제 작업 10~20개를 수집합니다.
2. Apidog를 다운로드합니다.
3. OpenAI 기본 URL과 API 키를 한 번 저장합니다.
4. 모델 ID를 환경 변수로 정의합니다.
5. 하나의 요청 정의에서 {{model}} 변수만 교체합니다.
6. 동일한 프롬프트를 세 모델에 실행합니다.
7. 출력 품질과 usage 토큰 수를 기록합니다.
8. 토큰 수에 모델별 요금을 곱해 작업당 비용을 계산합니다.

환경 변수 예시는 다음과 같습니다.

model=gpt-5.6-terra

요청 본문에서는 변수를 사용합니다.

{
  "model": "{{model}}",
  "input": "{{prompt}}",
  "reasoning": {
    "effort": "medium"
  }
}

각 실행에서 다음 항목을 비교하십시오.

항목	확인 방법
출력 정확성	정답, 규칙 충족 여부, 구조화된 출력 검증
작업 완결성	누락 필드, 미완료 단계, 도구 호출 실패
지연 시간	응답 시간 또는 전체 워크플로우 시간
입력·출력 토큰	응답의 usage 필드
작업당 비용	토큰 사용량 × 모델별 요금

실제 비교에서는 Terra가 예상보다 많은 작업에서 Sol과 비슷한 결과를 내고, Luna가 분류·추출 같은 구조화된 출력 작업에서 예상보다 자주 성공하는 패턴이 나타날 수 있습니다. 다만 워크로드가 이 패턴을 벗어나는 지점은 직접 실행해야 알 수 있습니다.

Ultra의 적합성

Ultra는 이 라인업에서 API 모델 ID가 아닌 유일한 옵션입니다. 기본적으로 네 개 에이전트를 병렬로 실행하는 다중 에이전트 설정이며, 어려운 문제에서 실제 시간을 줄이는 대신 더 많은 토큰을 사용하도록 설계되었습니다.

OpenAI에 따르면 Ultra는 Sol의 Terminal-Bench 2.1 점수를 88.8%에서 91.9%로 높입니다.

Ultra는 제품 요금제에 따라 제공됩니다. OpenAI 헬프 센터에 따르면 ChatGPT 제품의 계층은 다음과 같습니다.

ChatGPT 요금제	GPT-5.6 액세스
무료 / Go	Terra
Plus	모델별 노력 제어 기능이 있는 Sol, Terra, Luna — Sol은 중간 노력 수준부터
Pro / Business / Enterprise	위 모든 기능 + Sol Pro
ChatGPT Work (Pro / Enterprise), Codex (Plus 이상)	Ultra

병렬 에이전트 워크로드를 코드에서 구현하려는 경우에는 Responses API의 다중 에이전트 베타도 확인하십시오. 이는 같은 아이디어를 API 측에서 제공하는 형태입니다.

자주 묻는 질문

gpt-5.6-terra가 프로덕션에서 GPT-5.5를 대체할 만큼 충분히 좋은가요?

대부분의 워크로드에서는 그렇습니다. OpenAI는 Terra를 GPT-5.5와 경쟁하면서도 약 절반 가격이라고 설명합니다. 또한 같은 Responses API 인터페이스를 사용하므로 통합 변경 범위도 작습니다.

다만 전환 전에는 반드시 자체 평가를 실행하십시오. GPT-5.6 답변은 설계상 더 짧을 수 있으므로, 출력 길이가 제품 요구사항을 충족하는지도 확인해야 합니다.

gpt-5.6 별칭만 호출하면 어떻게 되나요?

요청은 Sol로 라우팅되고 Sol 요금이 청구됩니다.

• 입력: 100만 토큰당 $5
• 출력: 100만 토큰당 $30

오류가 발생하지 않는다는 점이 문제입니다. 서비스는 정상 동작하지만 비용은 나중에 청구서에 나타납니다. Terra 또는 Luna로 충분한 작업에는 반드시 gpt-5.6-terra, gpt-5.6-luna를 명시하십시오.

통합을 변경하지 않고 계층을 전환할 수 있나요?

네. Sol, Terra, Luna는 같은 Responses API 인터페이스를 공유합니다. 보통 모델 문자열 한 줄만 변경하면 전환할 수 있습니다.

- "model": "gpt-5.6-sol"
+ "model": "gpt-5.6-terra"

노력 수준과 프로 모드도 세 계층 모두에서 사용할 수 있습니다. 전체 요청 구조는 GPT-5.6 API 사용 방법 가이드를 참고하십시오.

API에서 이 모델들을 사용하려면 특정 ChatGPT 요금제가 필요한가요?

아니요. API 액세스는 모든 API 계정에서 셀프 서비스로 제공되며, 세 모델 모두에 ChatGPT 요금제 제한은 없습니다.

ChatGPT 요금제 계층은 채팅 제품에만 적용됩니다. Ultra는 API 모델로 제공되지 않고 ChatGPT Work 및 Codex 같은 제품 측 기능으로 남아 있습니다.

각 계층과 함께하는 첫 시간

다음 순서로 시작하십시오.

1. 기본 모델을 gpt-5.6-terra로 고정합니다.
2. 가장 복잡한 프로덕션 프롬프트 10개를 수집합니다.
3. terra, sol, luna에 같은 요청을 실행합니다.
4. 각 모델의 품질, 토큰 수, 지연 시간을 비교합니다.
5. Terra 대비 두 배 비용을 정당화할 차이가 있을 때만 Sol로 승격합니다.
6. 출력이 짧고 요청량이 많으면 Luna로 하향 조정합니다.
7. 계층 변경 전에는 노력 수준부터 조정합니다. high Terra는 종종 가장 저렴한 품질 업그레이드입니다.
8. 모든 호출에서 명시적 모델 ID를 사용해 Sol 별칭으로의 의도치 않은 라우팅을 방지합니다.

이제 읽는 대신 측정하십시오. 가장 복잡한 프로덕션 프롬프트 10개를 Apidog에 로드하고, 환경 변수로 세 모델 ID를 전환해 실행하십시오. 자신의 토큰 사용량과 출력 품질로 모델을 선택하는 것이 가장 안전한 방법입니다.