OpenAI가 API 시장에 승부수 던졌다…GPT-5.6 Luna 80%·Terra 20% 인하, Sol은 최대 2.5배 빨라졌다

OpenAI가 GPT-5.6 Luna 가격을 무려 80% 내렸다. Terra도 20% 저렴해졌고, Sol에는 최대 2.5배 빠른 Fast mode가 추가됐다. API 비용 때문에 AI 자동화를 망설였다면 이번 변경은 그냥 지나치기 어렵다.

바뀐 가격부터 빠르게 확인

2026년 7월 31일 확인 기준, GPT-5.6 API 가격은 다음과 같다.

모델용도입력 100만 토큰출력 100만 토큰주요 변경

GPT-5.6 Sol	복잡한 추론·코딩	5달러	30달러	가격 유지, Fast mode 추가
GPT-5.6 Terra	일반적인 업무·서비스 운영	2달러	12달러	기존 대비 20% 인하
GPT-5.6 Luna	대량 처리·자동화	0.20달러	1.20달러	기존 대비 80% 인하

Luna의 캐시 입력 가격은 100만 토큰당 0.02달러다. 세 모델 모두 최대 105만 토큰의 컨텍스트와 최대 12만8천 출력 토큰을 지원한다. (OpenAI Developers)

Luna 가격이 어느 정도로 내려간 걸까

GPT-5.6 Luna의 기존 가격은 입력 100만 토큰당 1달러, 출력 100만 토큰당 6달러였다. 이번 인하 후에는 각각 0.20달러와 1.20달러가 됐다.

단순히 몇 퍼센트 할인된 수준이 아니다.

• 입력 500만 토큰 사용 시: 5달러 → 1달러
• 출력 500만 토큰 사용 시: 30달러 → 6달러
• 입력과 출력 가격 모두 기존의 5분의 1
• 반복 작업이 많고 캐시를 활용하면 비용을 더 낮출 수 있음

예를 들어 매달 입력 1억 토큰과 출력 2천만 토큰을 사용한다고 가정해보자.

구분기존 Luna 가격변경 후 가격

입력 1억 토큰	100달러	20달러
출력 2천만 토큰	120달러	24달러
합계	220달러	44달러

같은 토큰 사용량이라면 한 달 비용이 220달러에서 44달러로 줄어드는 계산이다. 검색, 문서 분류, 데이터 정리, 고객 문의 초안처럼 호출 횟수가 많은 작업에서 체감 차이가 커질 수밖에 없다.

싼 모델인데 단순 답변용만은 아니다

Luna는 GPT-5.6 제품군에서 가장 빠르고 저렴한 모델이다. 그렇다고 짧은 문장만 생성하는 초경량 모델로 보면 정확하지 않다.

OpenAI는 Luna를 비용에 민감한 대규모 워크로드용 모델로 소개하고 있다. 함수 호출, 웹 검색, 파일 검색, 컴퓨터 사용 등 도구 연동을 지원하며, 여러 단계를 거치는 워크플로도 처리할 수 있다. (OpenAI)

활용하기 좋은 작업은 다음과 같다.

• 대량 문서 분류와 정보 추출
• 쇼핑몰 상품 설명 초안 생성
• 고객 문의 분류와 답변 초안
• 반복적인 코드 수정과 테스트
• 검색 결과 수집 및 요약
• 사내 문서 기반 질의응답
• 백그라운드 에이전트 자동화
• 콘텐츠 검수와 형식 변환

OpenAI는 Luna가 약 1년 전 최상위권에 해당했던 모델과 비교할 만한 작업 성능을 훨씬 낮은 비용과 약 9배 빠른 속도로 제공한다고 설명했다. 다만 이 수치는 OpenAI가 자체 평가를 토대로 제시한 결과이므로, 실제 서비스에서는 현재 사용하는 모델과 직접 비교 테스트하는 편이 안전하다. (OpenAI)

Terra도 조용히 더 쓸 만해졌다

GPT-5.6 Terra는 입력 100만 토큰당 2달러, 출력 100만 토큰당 12달러로 조정됐다. 기존 2.50달러와 15달러에서 각각 20% 내려간 가격이다.

Terra는 Sol의 최대 성능까지는 필요하지 않지만, Luna보다 안정적인 추론과 작업 품질이 필요한 경우를 겨냥한다.

작업 상황어울리는 모델

호출량이 매우 많고 비용이 가장 중요함	Luna
품질과 비용을 고르게 맞춰야 함	Terra
복잡한 추론과 어려운 코딩이 핵심임	Sol
복잡한 판단 후 대량 실행이 필요함	Sol과 Luna 조합

모든 요청을 Sol로 처리하던 서비스라면 Terra로 일부 작업을 옮기는 것만으로 비용을 줄일 가능성이 있다. 반대로 정해진 형식에 맞춰 반복 처리하는 작업은 Luna까지 내려서 테스트해볼 수 있다.

중요한 것은 모델 이름보다 작업별 평가 결과다. 핵심 판단은 Sol, 일상적인 제작 업무는 Terra, 반복 실행은 Luna에 맡기는 식으로 나누면 비용과 속도를 함께 조절하기 쉬워진다.

반응형

Sol에는 최대 2.5배 빠른 Fast mode가 추가됐다

이번 발표에는 가격 인하 외에 중요한 변경이 하나 더 있다. GPT-5.6 Sol을 위한 API Fast mode다.

Fast mode는 기존 Priority Processing을 대체하며, Standard 처리보다 최대 2.5배 빠른 응답 속도를 제공한다. 대신 가격은 Standard의 2배다. 모델의 지능이나 답변 품질을 낮춰 속도를 높이는 방식은 아니라고 OpenAI는 설명한다. (OpenAI)

새 요청에서는 다음과 같이 서비스 티어를 지정한다.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    input="긴급하게 분석해야 할 내용을 입력하세요.",
    service_tier="fast"
)

print(response.output_text)

기존 요청에서 priority를 사용하고 있었다면 별도 수정 없이 Fast mode로 자동 연결된다.

Fast mode가 어울리는 상황은 명확하다.

• 사용자가 결과를 기다리는 실시간 서비스
• 응답 지연이 매출이나 전환율에 영향을 주는 기능
• 긴급한 코드 분석이나 장애 대응
• 일정 시간 안에 결과를 끝내야 하는 업무

반대로 백그라운드 처리나 대기 시간이 크게 중요하지 않은 작업이라면 굳이 2배 가격을 낼 이유는 적다.

개발자 입장에서 가장 큰 변화는 ‘쓸 수 있는 작업’이 늘었다는 것

이번 발표의 핵심은 단순히 API 사용료가 싸졌다는 데 있지 않다.

기존에는 품질은 충분하지만 호출량이 많아 비용 때문에 적용하지 못했던 작업이 있었다. 게시글 전체 검수, 모든 고객 문의 분석, 방대한 상품 데이터 가공, 여러 도구를 오가는 자동화 같은 작업이다.

Luna 가격이 기존의 5분의 1로 내려가면서 이런 기능을 실제 서비스에 넣어볼 수 있는 범위가 넓어졌다.

특히 다음 조건에 해당한다면 Luna를 다시 테스트할 이유가 충분하다.

• 하루 API 호출이 수천 건 이상 발생한다.
• 입력 문서가 길거나 처리할 파일이 많다.
• 동일한 형식의 작업을 반복한다.
• 여러 도구를 호출하는 에이전트를 운영한다.
• 고성능 모델 비용 때문에 기능을 제한하고 있다.
• 현재 소형 모델의 작업 품질이 아쉽다.

다만 가격이 싸졌다고 모든 작업을 바로 Luna로 교체하는 것은 권하기 어렵다. 기존 운영 데이터 중 일부를 골라 정확도, 처리 시간, 토큰 사용량, 재시도율을 함께 비교해야 한다.

지금 확인해야 할 세 가지

첫째, 기존 API 코드에서 모델명을 고정해두었는지 확인해야 한다. 작업별로 Sol, Terra, Luna를 나누면 비용 최적화가 쉬워진다.

둘째, 출력 토큰을 필요 이상으로 길게 설정하지 않았는지 점검할 필요가 있다. 입력 가격이 저렴해져도 출력이 계속 길어지면 비용이 빠르게 늘어난다.

셋째, 27만2천 토큰을 초과하는 긴 프롬프트는 별도 요금 조건을 확인해야 한다. GPT-5.6 Luna 공식 문서에 따르면 이 구간을 넘는 요청은 해당 요청 전체에 입력 2배, 출력 1.5배의 요율이 적용된다. (OpenAI Developers)

가격이 내려갔을 때가 모델 구조를 바꿀 타이밍이다

GPT-5.6 Luna의 80% 가격 인하는 API를 자주 호출하는 개발자와 기업에 가장 직접적인 변화다. Terra도 일상적인 운영 모델로 부담이 줄었고, Sol은 Fast mode를 통해 비용보다 응답 시간이 중요한 작업에 선택지를 제공한다.

모든 작업에 가장 비싼 모델을 쓰는 방식보다, 어려운 판단은 Sol, 일반 업무는 Terra, 대량 반복 작업은 Luna로 나누는 구성이 현실적이다. 지금 운영 중인 AI 기능이 있다면 가격표만 보는 데서 끝내지 말고, 실제 데이터로 세 모델의 비용과 결과를 다시 비교해볼 시점이다.

 

 

GPT-5.6 가성비 순위 분석: Codex Value Radar 표를 제대로 읽는 방법

Claude Opus 5 vs GPT-5.6 Sol 토큰 비용·코딩 벤치마크 비교