GPT-5.6 Luna 80% 가격 인하: 입력과 출력 비용 직접 계산하기

"AI 가격이 80% 내려갔다"는 소식을 보면 내 구독료도 내려가는지, 업무 한 건에 얼마가 드는지 궁금해집니다. 두 질문의 답은 서로 다릅니다. 이 글은 GPT-5.6 Luna의 가격 인하를 예로 API 비용을 계산하는 방법과, 싼 모델을 쓰기 전에 결과 품질을 정하는 방법을 다룹니다.

API는 프로그램이 AI에게 요청을 보내고 결과를 받는 연결 방식입니다. API 비용은 쓴 만큼 계산하며 ChatGPT의 월 구독료와 따로 청구됩니다.

무엇이 80% 내려갔나요?

OpenAI는 2026년 7월 30일 발표에서 GPT-5.6 Luna의 API 가격을 80%, Terra를 20% 내렸습니다. Luna는 GPT-5.6 제품군에서 대량 작업의 비용을 줄이는 데 초점을 둔 모델입니다. 이 글이 다루는 모델은 gpt-5.6-luna이고, 이후 나온 gpt-6-luna는 다른 모델입니다.

80% 인하는 원래 금액의 20%만 낸다는 말입니다. 입력 단가로 계산하면 (1.00 - 0.20) ÷ 1.00 × 100 = 80%이고, 같은 토큰 수와 과금 조건이라면 비용이 5분의 1이 됩니다.

월 구독료는 그대로입니다. 7월 발표에 따르면 ChatGPT와 Codex의 구독 가격과 할당 예산은 유지되고, Luna와 Terra를 쓸 때 크레딧이 덜 줄어듭니다. 크레딧은 해당 상품이 사용량을 매기는 단위이며, 실제로 얼마나 덜 줄었는지는 쓰는 상품의 결제 및 사용량 화면에 나옵니다.

가격표를 읽는 데 필요한 말

입력은 AI에게 보내는 지시와 자료, 대화 이력입니다. 출력은 AI가 만들어 내는 토큰이고, 답을 만들려고 모델 내부에서 쓰는 추론 토큰도 추론 토큰 안내에 따라 청구 대상에 들어갈 수 있습니다. 토큰은 AI가 글을 처리하는 단위이며 글자나 단어와 하나씩 맞아떨어지지 않습니다.

그래서 한 시간 회의나 A4 한 장을 정해진 토큰 수로 바꿔 계산하기는 어렵습니다. 언어와 문장, 표, 함께 보낸 이전 대화에 따라 토큰 수가 달라집니다. 아래 예의 토큰 수는 계산 방법을 보여 주려고 정한 값입니다.

인하 당시 가격표의 Luna 행에서 Input과 Output 두 칸이 위 막대의 인하 후 단가입니다. 같은 행의 캐시 입력과 캐시 쓰기 단가는 뒤의 캐시 절에서 다룹니다.

현재 Luna 단가와 긴 요청의 조건

2026년 10월 4일 기준 Luna 모델 카드는 입력 길이에 따라 단가를 두 가지로 나눕니다.

입력 길이에 따른 Luna 단가(100만 토큰당 미국 달러)

구분	272,000토큰 이하짧은 요청	272,000토큰 초과긴 요청
일반 입력	0.20	0.40
캐시에서 읽는 입력	0.02	0.04
캐시에 쓰는 입력	0.25	0.50
출력	1.20	1.80

긴 요청은 초과한 부분만이 아니라 그 요청 전체에 높은 단가가 붙습니다. 한 번에 입력 100만 토큰을 보내면 일반 입력만으로 0.40달러가 나오고, 짧은 요청 여러 건을 합쳐 100만 토큰을 보낸 경우보다 비쌉니다. 출력과 다른 청구 항목은 여기에 더합니다.

처리 방식이나 지역에 따른 추가 요금, 도구 사용료는 이 단가와 별도입니다. 아래 계산은 모두 표준 처리의 짧은 텍스트 요청 기준입니다.

문의 1,000건의 비용 계산하기

고객 문의를 배송, 환불, 기타로 나누는 프로그램이 문의 1,000건을 처리한다고 해 봅니다. 한 건마다 지시를 포함한 입력이 500토큰, 청구 대상 출력이 50토큰이고 캐시와 검색 같은 추가 도구, 재시도는 없습니다.

먼저 건당 토큰 수에 1,000을 곱해 입력 50만 토큰, 출력 5만 토큰을 구합니다. 그다음 각각을 100만으로 나누고 단가를 곱합니다. 100만 토큰은 가격을 매기는 단위이며, 실제 청구는 쓴 토큰 수만큼 이뤄집니다.

답변이 건당 100토큰으로 길어지면 입력은 0.10달러 그대로이고 출력이 0.12달러가 되어 합계는 0.22달러입니다. 같은 문의 수라도 답변 길이에 따라 비용이 달라집니다.

캐시는 할인과 저장 비용을 함께 봅니다

캐시는 반복되는 입력의 처리 결과를 저장해 다시 쓰는 기능입니다. 공식 캐시 문서에 따르면 GPT-5.6 이후 모델은 다시 쓸 입력 앞부분이 1,024토큰 이상이어야 캐시가 걸립니다. 같은 질문을 두 번 보내도 할인 단가는 캐시에 걸린 앞부분에만 붙습니다.

Luna의 캐시 읽기 단가는 일반 입력의 10%이고, 캐시 쓰기는 일반 입력의 1.25배입니다. 그래서 전체 입력을 일반 입력, 캐시 읽기, 캐시 쓰기로 먼저 나눠야 같은 토큰을 두 번 계산하지 않습니다. 입력 10,000토큰 가운데 6,000토큰을 캐시에서 읽고 2,000토큰을 캐시에 쓰는 요청이라면, 남은 2,000토큰이 일반 입력입니다.

전체 10,000토큰에 일반 단가를 매긴 뒤 캐시 읽기와 쓰기 비용을 또 더하면 같은 토큰을 두 번 계산하게 됩니다. 캐시가 실제로 다시 쓰였는지는 입력이 일치하는지와 보관 조건에 따라 정해지므로, 사용량 기록의 숫자로 계산합니다.

Responses API의 사용량 기록에서 input_tokens는 전체 입력이고, 그 세부 항목인 cached_tokens와 cache_write_tokens가 각각 캐시 읽기와 쓰기입니다. 전체 입력에서 이 두 수를 빼면 일반 입력이 됩니다.

Responses API 사용량 기록

usage:
input_tokens: 10000
input_tokens_details:
cached_tokens: 6000
cache_write_tokens: 2000

세부 항목 두 개를 전체 입력에서 뺍니다

일반 입력 = 10000 - 6000 - 2000 = 2000토큰

기록에 이 항목이 비어 있다면 0으로 채우지 말고, 개발자에게 기록 형식부터 물어봅니다.

월 비용이 220달러에서 44달러가 되는 조건

대량으로 쓸 때도 계산 방법은 같습니다. 한 달 동안 짧은 요청 여러 건의 일반 입력 합계가 1억 토큰, 출력 합계가 2천만 토큰이고 캐시와 도구 비용은 없다고 해 봅니다.

같은 사용량이면 비용이 80% 줄어듭니다. 같은 예산으로 처리할 수 있는 건수는 계산상 5배가 되지만, 실제 처리량은 서비스의 호출 한도와 작업당 토큰 수, 실패 뒤 재시도 횟수에 따라 정해집니다.

가격을 내린 기술적 배경

OpenAI의 7월 29일 기술 설명은 GPT-5.6 Sol을 활용해 운영 코드를 개선하고 토큰 생성 방식을 실험한 과정을 소개합니다. 서빙은 이미 학습한 모델을 실행해 요청에 답하는 과정이고, 커널은 GPU에서 수학 연산을 수행하는 핵심 코드입니다.

개선 가운데에는 스페큘레이티브 디코딩도 있습니다. 작은 초안 모델이 먼저 토큰을 제안하고 큰 주 모델이 검증하는 방식입니다.

20%와 15%는 서로 다른 지표여서, 두 수로 Luna의 80% 가격 인하를 계산할 수는 없습니다. 효율 개선은 OpenAI의 운영 비용에 관한 수치이고, 판매 단가는 OpenAI가 고객에게 정한 가격입니다.

경쟁사 비교 차트는 어떻게 읽을까요?

이 차트의 가로 방향은 작업당 비용, 세로 방향은 여러 평가를 종합한 점수입니다. 왼쪽으로 갈수록 비용이 낮고, 위로 갈수록 종합 점수가 높습니다. 가로축은 로그 눈금이라서 같은 거리만큼 움직이면 금액이 같은 액수가 아니라 같은 비율로 늘어납니다.

차트는 OpenAI가 당시 고른 모델과 설정을 작업당 비용으로 비교한 것이어서, 앞의 100만 토큰 단가표와 기준이 다릅니다. 종합 점수 하나로 비교한 그림이므로, 내 업무에서 Luna가 얼마나 정확한지는 다음 절처럼 직접 시험해야 압니다.

싼 모델을 쓰기 전에 결과 기준부터 정합니다

문의 분류에 Luna를 쓰려면 먼저 정답이 있는 문의 목록을 만듭니다. 지난달 실제로 들어온 문의 가운데 담당자가 이미 배송, 환불, 기타로 나눠 둔 것을 골라 쓰면, 모델의 답을 그 분류와 바로 대조할 수 있습니다. 기준은 "세 분류 중 하나만 돌려주고, 원문에 없는 상황을 만들지 않기"입니다.

GPT-5.6 Luna

아래 고객 문의를 배송, 환불, 기타 중 하나로만 분류해 주세요.
1. 주문한 물건이 언제 도착하나요?
2. 어제 받은 제품을 환불하고 싶습니다.
3. 영업시간을 알려 주세요.

1. 배송
2. 환불
3. 기타

분류 이름 하나만 돌려줬는지 담당자의 분류와 대조합니다

배송과 환불 요구가 한 문장에 함께 있는 문의처럼 애매한 경우도 목록에 넣습니다. 쉬운 문의 세 건을 맞힌 결과만으로는 실제 고객 문의 전체를 맡길 수 있는지 판단하기 어렵기 때문입니다.

실제 청구액이 예상보다 크면 아래 순서로 원인을 찾습니다.

결과가 자주 틀려 다시 요청해야 한다면 단가가 낮아도 전체 작업 비용은 잘 줄지 않습니다. 모델을 비교할 때는 같은 품질 기준을 통과한 결과끼리 비용과 수정 시간을 함께 기록합니다.

3줄 요약

1. GPT-5.6 Luna의 표준 API 단가는 2026년 7월 30일 입력 100만 토큰당 1.00달러에서 0.20달러로, 출력 6.00달러에서 1.20달러로 80퍼센트 인하됐습니다.

2. 입력이 272,000토큰을 넘는 요청에는 요청 전체에 입력 0.40달러와 출력 1.80달러가 적용되고 캐시 쓰기는 일반 입력의 1.25배입니다.

3. 월 구독료는 그대로이며 단가가 낮아도 결과가 자주 틀려 다시 요청하면 작업 비용이 줄지 않으므로 같은 품질 기준을 통과한 결과끼리 비용을 비교합니다.