GPT-6 Luna vs Gemini 3.8 Flash vs DeepSeek: 1달러 미만 API 티어의 실제 비용

지원 티켓을 분류하거나, 웹훅 페이로드에서 세 개의 필드를 추출하거나, 로그 항목에 대한 한 줄 요약을 작성하는 엔드포인트가 있다고 하자. 이 엔드포인트는 한 달에 수백만 번 실행된다. 품질 기준은 "충분히 좋고 일관됨"이며, 재무팀이 신경 쓰는 유일한 숫자는 청구서다.

지금 Apidog 사용해 보기

2026-09-22까지 그 구간은 Google의 Flash 라인과 DeepSeek의 것이었다. 그런데 OpenAI가 100만 입력 토큰당 $0.10, 100만 출력 토큰당 $0.50에 1M 컨텍스트 윈도우를 갖춘 GPT-6 Luna를 출시하면서 이 구간은 붐비게 되었다.

문제는 세 가지 대표 가격이 같은 종류의 숫자가 아니라는 점이다. 하나는 프로모션을 기준으로 측정한 인하다. 하나는 특정 날짜에 만료된다. 하나는 작업이 실행되는 시간대에 따라 달라진다. 인쇄된 그대로 나열하면 잘못된 모델을 고르게 된다.

공개된 가격, 2026-09-23 기준

모델	API ID	입력 $/M	출력 $/M	캐시된 입력 $/M	컨텍스트
GPT-6 Luna	gpt-6-luna	$0.10	$0.50	읽기 90% 할인	1M
Gemini 3.8 Flash	gemini-3.8-flash	$0.75, 그다음 2027년 1월 1일부터 $1.50	$3.75, 그다음 $7.50	$0.075, 그다음 $0.15	가격 페이지에 명시되지 않음
DeepSeek Flash	deepseek-flash	$0.30 피크 / $0.15 오프피크 (캐시 미스)	$1.20 피크 / $0.60 오프피크	$0.006 피크 / $0.003 오프피크	1M

Luna와 DeepSeek 가격은 각 공급업체의 자체 페이지에서 가져왔다. Gemini 행은 Google의 API 가격 페이지, 유료 등급에서 가져왔다.

고정된 토큰당 입력 기준으로 Luna는 Gemini 3.8 Flash보다 7.5배 저렴하고, 피크 시 DeepSeek Flash보다 3배 저렴하다. 출력에서는 7.5배와 2.4배다. 캐시를 전혀 사용하지 않고 각주를 읽지 않는다면 이게 전부다. 이어지는 세 가지 각주가 있으며, 그중 어느 하나도 결정을 뒤집을 수 있다.

각주 하나: OpenAI의 인하는 프로모션 요금을 기준으로 측정된다

OpenAI는 Luna와 그 더 큰 형제 모델 Sol이 GPT-5.6 프로모션 가격보다 50% 저렴하다고 말한다. "프로모션"은 OpenAI 자신의 표현이며, 그 주장을 반복할 때마다 포함되어야 한다.

우리의 출시 보도에서는 GPT-5.6 Luna의 정가를 입력 $1.00, 출력 $6.00으로 기록했다. 프로모션이 아니라 정가와 비교하면, GPT-6 Luna의 $0.10과 $0.50은 입력 90% 인하, 출력 92% 인하다. 실제 변화는 헤드라인보다 크다. 헤드라인은 단지 할인에 기준을 둔 것뿐이다.

운영상 의미하는 바는 다음과 같다. $0.10과 $0.50은 프로모션이 아니라 Luna의 가격으로 공개되었으므로 이를 기준으로 계획하라. 하지만 "GPT-5.6 프로모션 가격보다 50% 저렴"을 세대 간 동일 조건 비교로 취급하지는 말라. 그렇지 않기 때문이다. 마이그레이션 중이라면 GPT-6 Luna란 무엇인가와 GPT-5.6 Sol vs Terra vs Luna의 전임자 등급 분석을 참고하라.

각주 둘: Gemini Flash 가격에는 만료일이 있다

Google의 가격 페이지는 두 숫자를 같은 셀에 표시한다. Gemini 3.8 Flash는 "2026년 12월 31일까지" 입력 $0.75, 출력 $3.75이며, 그다음 "2027년 1월 1일부터" $1.50와 $7.50이다. 컨텍스트 캐싱도 같은 형태로, 현재 $0.075이고 1월에는 $0.15이다. Gemini 3.7 Flash와 3.6 Flash도 동일한 행을 갖는다.

이번 주에 Flash를 기준으로 12개월 비용 모델을 만든다면, 그중 세 달은 두 배 가격이 된다. 오늘 요금으로 내년 Flash 지출을 $60k로 예산을 잡는 팀은 볼륨이 일정하다고 가정할 때 실제 청구서 약 $90k를 예산에 잡는 셈이다. 이는 반올림 오차가 아니다.

같은 페이지에서 나온 두 가지 관련 사실. Gemini 3.8 Flash-Lite나 3.7 Flash-Lite는 나열되어 있지 않다. 남아 있는 가장 저렴한 Flash-Lite 항목은 입력 $0.30, 출력 $2.50의 Gemini 3.5 Flash-Lite와 입력 $0.10, 출력 $0.40의 Gemini 2.5 Flash-Lite이다. 마지막 행은 이 전체 비교에서 출력에서 Luna를 밑도는 유일한 항목이며, 두 세대 전의 모델이다.

각주 셋: DeepSeek의 가격은 시계에 따라 달라진다

DeepSeek는 피크와 오프피크 열을 공개한다. 피크는 월요일부터 금요일까지 UTC 01:00~04:00 및 06:00~10:00에 적용되며, 중국 공휴일은 제외한다. 오프피크는 전반적으로 피크의 절반이다. deepseek-flash의 경우 캐시 미스 입력에서 $0.30 대 $0.15이고 출력에서 $1.20 대 $0.60이다.

야간 배치에는 이게 공짜 돈이다. cron을 해당 시간대 밖으로 옮기면 청구서가 절반이 된다. 대화형 글로벌 트래픽에는 모델링 골칫거리인데, UTC 시계에 대한 자체 요청 분포를 측정하기 전까지는 유효 요금이 혼합치라서 견적을 낼 수 없기 때문이다. DeepSeek가 진지한 후보라면 모든 호출에서 토큰 수와 함께 UTC 타임스탬프를 기록하라. 그렇지 않으면 비용 모델은 스프레드시트를 입은 추측일 뿐이다.

그 가격 구조에 대한 이전 분석은 DeepSeek-V4.1-Flash 가격에 있다.

등급이 실제로 갈리는 지점: 캐시된 입력

모델	고정 입력 $/M	캐시 읽기 $/M	할인
GPT-6 Luna	$0.10	$0.01	90%
Gemini 3.8 Flash	$0.75	$0.075	90%
DeepSeek Flash (피크)	$0.30	$0.006	98%

DeepSeek의 캐시 적중은 이 비교 전체에서 가장 저렴한 입력 숫자이며, 자체 미스 가격보다 50배 낮다. 미스 가격은 또한 Luna의 고정 요금보다 3배 높다. 따라서 DeepSeek는 길고 안정적인 프리픽스가 있는 워크로드에는 엄청난 이득을 주고, 매번 새로운 프롬프트를 보내는 워크로드에는 불리하다. Luna의 비율은 더 평평한데, 이는 대체로 크게 잘못될 여지가 더 적다는 뜻이다.

GPT-6는 또한 가격표가 아니라 실제 캐싱 릴리스도 함께 내놓았다. 기본적으로 더 높은 적중률, 캐시된 입력 읽기에 90% 할인, Prompt Caching Dashboard와 진단 도구, 캐시된 프리픽스가 끝나는 위치를 선택할 수 있는 명시적 브레이크포인트, 그리고 가장 유용하게도 추론 노력이나 도구 가용성을 변경해도 더 이상 캐시가 무효화되지 않는다. GitHub는 수십억 건의 요청에서 새로 처리해야 하는 프롬프트 토큰이 50% 이상 줄었다고 보고한다. 누군가 도구 하나를 켰다는 이유로 적중률이 무너지는 걸 본 적이 있다면, 그 속성의 가치를 알 것이다. 더 자세한 내용은 GPT-6 프롬프트 캐싱 릴리스에 있다.

토큰당은 잘못된 단위다

OpenAI는 정확도와 함께 작업당 비용을 공개했는데, 이는 더 정직한 프레이밍이다. DeepSWE 1.1에서 최대 추론의 Luna는 66.6%를 기록하며, OpenAI는 이를 중간 노력의 Claude Opus 5 및 Fable 5와 비슷하다고 설명하는데, 작업당 비용은 Opus 5보다 93% 낮고 Fable 5보다 96% 낮다. OSWorld 2.0 오프라인에서 최대의 Luna는 중간의 GPT-5.6 Sol을 약 10분의 1 비용으로 앞선다. 사실성에서는 더 높은 노력의 Luna가 대략 100분의 1 비용으로 GPT-5.6 Sol과 맞먹는다. AutomationBench 1.0.6에서 자체 전임자와 비교하면, 높은 노력의 Luna는 작업당 비용이 58% 낮으면서 5.4점 더 좋은 점수를 낸다.

이제 그 무엇보다 중요한 부분: Google도 DeepSeek도 Gemini 3.8 Flash나 deepseek-flash에 대해 이 벤치마크들의 작업당 비용 수치를 공개하지 않는다. 따라서 이 글은 3자 가격 비교에 한 공급업체가 자기 자신에 대해 주장한 작업당 비용을 더한 것이다. 3자 에이전트 리더보드가 아니며, 이 등급에 대해 그런 것을 보여주는 사람은 이름을 밝혀야 할 서드파티 하네스를 돌리고 있거나 숫자를 지어내고 있는 것이다.

토큰당 비교가 오해를 부르는 이유는 추론 토큰이다. 토큰당 3배 적게 청구하지만 같은 작업을 끝내기 위해 5배 더 많은 토큰을 내보내는 모델은 비용이 더 든다. 사고를 포함한 출력 토큰이 실제로 지불하는 대상이며, 그 비율은 오직 자신의 워크로드만 안다.

지연 시간 함정

어느 공급업체도 아닌 서드파티인 Artificial Analysis는 GPT-6 Luna를 초당 출력 토큰 153.9개, 첫 토큰까지 시간 124.23초로 측정했고, GPT-6 Sol을 초당 115.2토큰, 102.15초로 측정했다. 이 수치는 "max" 추론 변형에 대한 것이므로 상한으로 읽어야 하며 기본 노력에서 보게 될 값으로 읽으면 안 된다. 둘 다 자사 데이터와 대조되지 않은 것으로 취급하라.

방향은 여전히 핵심이다. 이 세대에서는 저렴한 모델이 빠른 모델이 아니다. 첫 토큰까지 2분은 야간 보강 작업에는 완벽히 괜찮지만 챗 박스 뒤에서는 전혀 쓸 수 없다. 엔드포인트가 사용자 대상이라면, 질문을 결정하는 것은 100만 토큰당 달러가 아니라 선택한 노력 수준에서의 첫 토큰까지 시간이다.

직접 측정하라: 하나의 요청, 세 개의 환경

세 공급업체 모두 OpenAI 형태의 chat completions 호출을 받아들이므로 클라이언트 세 개가 필요하지 않다.

공급업체	기본 URL	모델 ID
OpenAI	https://api.openai.com/v1	gpt-6-luna
Google, OpenAI 호환 계층	https://generativelanguage.googleapis.com/v1beta/openai/	gemini-3.8-flash
DeepSeek	https://api.deepseek.com	deepseek-flash

요청을 한 번 만들고 base_url, model_id, api_key를 Apidog 환경에 넣은 다음, 환경을 전환해 동일한 저장 요청을 각 공급업체로 보내라. 복사해 붙인 curl도, 프롬프트의 세 버전 사이의 차이도 없다.

POST {{base_url}}/chat/completions
Authorization: Bearer {{api_key}}
Content-Type: application/json

{
  "model": "{{model_id}}",
  "messages": [
    {"role": "system", "content": "Extract order_id and status. Reply with JSON only."},
    {"role": "user", "content": "{{ticket_body}}"}
  ]
}

Apidog는 Postman 호환 post-response 스크립트를 실행하므로, 같은 패스에서 형태와 지연 시간을 검증하고 usage 블록을 로그로 남겨라:

pm.test("content parses as the JSON we asked for", () => {
  const parsed = JSON.parse(pm.response.json().choices[0].message.content);
  pm.expect(parsed).to.have.property("order_id");
});

pm.test("first byte to last byte under 3s", () => {
  pm.expect(pm.response.responseTime).to.be.below(3000);
});

console.log(pm.response.json().usage);

그런 다음 동일한 실제 페이로드 200개를 각 환경을 통해 실행하고 호출마다 네 가지를 기록하라: usage.prompt_tokens, usage.completion_tokens, 응답 시간, 그리고 검증 통과 여부. 토큰 수를 위의 가격표와 곱하고 통과 횟수로 나누어라. 그러면 정답당 비용이 나오는데, 이것이 무엇이든 결정하는 유일한 수치다. DeepSeek 패스는 UTC 피크 시간대 안에서 한 번, 밖에서 한 번, 두 번 실행하라. 그렇지 않으면 가격의 절반만 측정한 것이다.

무엇을 선택할까

워크로드가 다음과 같다면	선택할 것	이유
배치, 길고 안정적인 프리픽스, 캐시 친화적	DeepSeek Flash, 오프피크	캐시 적중 시 100만당 $0.003은 이 등급에서 가장 저렴한 입력이다
매번 새로운 긴 프롬프트, 신뢰할 만한 프리픽스 없음, 1M 컨텍스트	GPT-6 Luna	$0.10 고정 입력, 1M 윈도우, 시계 의존성 없음
이미 Google 인프라를 사용 중이거나 Gemini 멀티모달이 필요함	Gemini 3.8 Flash	오늘은 사용 가능하지만, 2027년 1월 1일의 두 배 인상을 지금 예산에 반영하라
사용자 대상이며 지연 시간 제약이 있음	자체 TTFT 테스트에서 이기는 쪽	이 중 어느 것도 가격만으로 안전하게 선택할 수 없다
매우 높은 볼륨, 비용 모델링 우선	더 깊은 Luna 비용 모델 참고	캐싱 할인이 순위를 바꾼다

마지막 행에는 별도 글이 있다: 대용량 API 워크로드를 위한 GPT-6 Luna.

결론

GPT-6 Luna는 현재 $1 미만 등급에서 가장 저렴한 고정·무조건·각주 없는 가격이며, 1M 컨텍스트 윈도우를 함께 제공한다. DeepSeek Flash는 캐시된 입력에서 큰 차이로 앞서지만 캐시 미스에서는 크게 뒤진다. Gemini 3.8 Flash는 오늘 세 모델 중 가장 비싸고, 1월에는 그 두 배가 된다.

이 중 어느 것도 무엇을 출시해야 하는지 알려주지 않는다. 자체 페이로드를 세 모델 모두에 실행하고 정답당 비용과 첫 토큰까지 시간을 측정한 뒤, 다음 출시가 나오면 다시 실행하라. 현재 주기로는 한 달 안에 있을 것이다. 9월 마지막 주에 무엇이 바뀌었는지 더 넓은 그림은 2026년 9월 AI 모델 가격 전쟁을 참고하라.