GPT-6 Sol과 Luna 이해하기: 요금 계산과 모델 선택 연습

GPT-6 Sol과 GPT-6 Luna는 오픈AI가 2026년 9월 22일 공개한 모델입니다. Sol은 복잡한 코딩과 여러 단계의 업무, Luna는 분류나 추출처럼 범위가 정해진 반복 작업을 겨냥합니다. 모델 이름보다 먼저 볼 것은 내가 할 작업, 쓸 수 있는 화면, 그 작업의 실제 비용입니다.

API는 프로그램에서 모델에 요청하는 연결 방식입니다. 아래 금액은 API 사용료입니다. 이 글은 출시 발표를 설명하고 2026년 10월 4일의 공식 문서로 비용과 이용 조건을 보완했습니다. GPT-6 Sol과 이후 나온 GPT-6.1 Sol은 다른 모델입니다. 이 글의 표를 6.1 요금표로 사용하지 않습니다.

첫 연습: 짧은 요청 하나의 비용 계산하기

토큰은 AI가 글을 처리하는 단위로, 글자 수와 일치하지 않습니다. 입력에는 지시와 참고 자료가, 출력에는 답변과 청구 대상 추론이 포함됩니다. 사용량은 서비스 기록으로 확인합니다.

입력 2,000토큰, 답변과 추론을 합친 청구 대상 출력 500토큰인 가상 요청을 계산해 봅니다. 표준 처리, 짧은 입력이며 캐시와 도구를 쓰지 않는 조건입니다. 100만 토큰 단가를 쓰므로 각각 1,000,000으로 나눕니다.

같은 조건을 1,000번 반복하면 Sol은 9달러, Luna는 0.45달러입니다. 실제 모델은 같은 요청에도 출력량이나 재시도 횟수가 달라질 수 있으므로 이 값은 예상 계산입니다. ChatGPT 월 구독료가 이 금액으로 바뀐다는 뜻은 아닙니다.

50% 인하를 항목별로 읽습니다

100만 토큰 기준 요금이고, 인하 폭은 GPT-5.6 시절 프로모션 요금과 견준 값입니다.

오픈AI는 모델을 돌리는 비용이 줄어서 요금을 내렸다고 적었습니다. 캐싱과 추론을 개선해 이 모델들을 더 싸게 제공할 수 있게 됐고 그만큼을 요금에 반영했습니다. 이 가격 변화만으로 ChatGPT 구독료나 모든 작업의 총비용도 절반이 됐다고 계산하지 않습니다.

위 이미지는 출시 당시 표입니다. Luna 출력에도 50%라고 적혀 있지만, 항목별 계산은 (1.20 - 0.50) ÷ 1.20 × 100 ≈ 58.3%입니다. 오픈AI는 발표문 본문과 표에서 두 모델을 묶어 50% 인하라고 적었는데, Luna 출력만 떼어 보면 인하 폭이 그보다 큽니다.

어느 화면에서 고를 수 있나요?

ChatGPT Work는 앱이나 파일을 다루는 작업 환경이고, Codex는 코딩 작업을 돕는 도구입니다. 앞서 계산한 API 사용은 프로그램에서 요청할 때 해당합니다. 같은 오픈AI 계정으로 이용하더라도 구독 한도와 API 사용료는 구분합니다.

현재 모델 안내는 Sol과 Luna가 Work와 Codex에서 제공되고 일반 Chat 대화에서는 제공되지 않는다고 설명합니다. 출시 당시에는 Plus, Pro, Business, Enterprise, Edu에 두 모델을, Free와 Go에는 데스크톱 앱의 Luna를 안내했습니다. 출시 발표

지금 이용하려면 해당 화면의 모델 선택 목록을 확인합니다. 목록에 없으면 로그인 방식, 요금제, 앱 버전과 조직의 모델 허용 설정부터 살펴봅니다. 출시 당일의 순차 배포 안내만 보고 계속 기다리는 것으로 해결된다고 단정하지 않습니다. API에서는 gpt-6-sol과 gpt-6-luna라는 정확한 모델 ID를 사용합니다.

모델 ID와 추론 강도

API에서 부르는 이름은 gpt-6-sol과 gpt-6-luna입니다. 컨텍스트 창은 한 요청에서 다룰 수 있는 입력과 출력 등 전체 맥락의 한도입니다. 두 모델 모두 105만 토큰이며, 문서의 최대 입력은 92만 2천 토큰, 최대 출력은 12만 8천 토큰입니다. 105만 토큰을 전부 입력으로 넣을 수 있다는 뜻은 아닙니다. Sol 문서, Luna 문서

추론 강도(reasoning effort)는 여섯 단계입니다. none, low, medium, high, xhigh, max를 고를 수 있고, 높은 설정은 더 많은 추론을 허용해 시간과 토큰 사용이 늘 수 있습니다. API의 기본값은 medium이며 앱의 기본 설정과 반드시 같지는 않습니다. 추론 토큰은 화면에 보이는 답변 밖에서도 비용에 포함됩니다. 같은 모델이라도 설정에 따라 결과와 사용량이 달라질 수 있습니다. 추론과 청구 설명

벤치마크는 모델 이름과 설정을 함께 봅니다

오픈AI가 앞세운 것은 점수보다 작업당 비용입니다. 아래는 업무 자동화 시험인 AutomationBench 결과입니다.

이 평가에서는 Sol xhigh가 Astra low보다 점수가 높고 비용이 약 4분의 1이었습니다. 모든 업무에서 같은 차이가 난다는 뜻은 아닙니다. 폴백은 주 모델이 처리하지 못한 작업을 다른 모델에 넘기는 방식으로, 추가 호출 비용이 발생할 수 있습니다.

표의 경쟁 모델 점수는 공개 보고서에서 가져왔으며, 일부 항목은 Fable 5.1 대신 Fable 5의 결과를 사용했습니다. Fable 5.1의 폴백 비용도 완전히 포함되지 않았습니다. 따라서 같은 환경에서 모든 모델을 다시 시험한 표로 읽으면 안 됩니다. 비교 대상의 버전과 추론 설정까지 함께 기록합니다.

캐시 읽기 할인과 쓰기 비용을 구분합니다

캐시는 반복되는 입력의 처리 결과를 재사용하는 기능입니다. 공식 캐싱 안내는 재사용 가능한 동일한 앞부분과 유지 시간 등 조건을 설명합니다. 같은 문서를 보냈다는 이유만으로 입력 전체가 할인되는 것은 아닙니다.

100만 토큰당 짧은 표준 요청의 단가는 다음과 같습니다. 실제 캐시에서 읽은 입력에는 일반 입력의 10% 단가를, 캐시 쓰기에는 1.25배 단가를 적용합니다. Sol 요금, Luna 요금

예를 들어 Sol 입력 10,000토큰 중 일반 입력 2,000, 캐시 읽기 6,000, 쓰기 2,000이라면 입력 비용은 0.004 + 0.0012 + 0.005 = 0.0102달러입니다. 출력 비용은 여기에 더합니다. 세 종류를 중복해서 계산하지 않습니다.

개발자는 대시보드와 진단 기능에서 실제 적중량을 확인할 수 있습니다. 추론 강도를 바꿔도 캐시를 유지하는 별도 설정 방식이 있으며, 도구도 정의와 순서를 유지한 채 허용 목록을 바꾸도록 안내합니다. 아무 설정이나 바꿔도 캐시가 유지된다는 뜻은 아닙니다.

긴 입력에는 다른 단가가 적용됩니다

한 요청의 입력이 272,000토큰을 초과하면 그 요청 전체의 입력 및 캐시 단가는 2배, 출력 단가는 1.5배입니다. 초과한 토큰에만 붙는 할증이 아닙니다.

Sol에 입력 300,000토큰, 출력 1,000토큰을 쓰고 캐시를 사용하지 않는다면 0.3 × 4 + 0.001 × 15 = 1.215달러입니다. 짧은 요청 단가로 계산한 0.61달러와 다릅니다. 여러 요청을 묶어 처리하는 Batch, 유연한 처리 시간의 Flex, 빠른 처리 모드인 Fast와 지역 지정 처리에는 별도 요율이 있으므로 이 글의 표준 계산을 그대로 적용하지 않습니다.

정확도가 좋아졌다는 말은 어떻게 확인할까요?

오픈AI는 오류 신고 대화를 사용한 사실성 평가와 코딩 작업 보고 평가에서 개선됐다고 발표했습니다. 어려운 상황을 골라 평가한 결과이므로 평상시 오류율을 그대로 뜻하지는 않습니다. 발표문의 평가 설명

작은 원문과 정답을 준비하면 내 업무에서 확인할 수 있습니다. 아래는 가상 메모입니다.

10월 12일 오후 2시, 201호에서 회의. 담당자는 민수. 회의 안내 초안만 작성하고 발송하지 않음.

날짜, 시간, 장소와 담당자를 추출하게 한 뒤 원문과 대조합니다. 기대 결과는 10월 12일 / 오후 2시 / 201호 / 민수입니다. 오후 3시라고 바꾸거나 없는 참석자를 추가하면 실패입니다. ‘발송했습니다’라는 보고가 나오면 초안 요청의 범위를 벗어난 주장입니다. 실제 발송 여부는 도구 실행 기록에서 확인해야 합니다.

작은 작업으로 비교한 뒤 선택합니다

현재 사용 가능한 모델 중 Luna는 정답 기준이 분명한 분류와 추출, Sol은 여러 단계를 거치는 코딩과 업무의 시험 후보로 삼을 수 있습니다. 모델 이름만으로 통과를 정하지 말고 같은 원문과 기준으로 비교합니다.

첫 시험에서는 같은 추론 설정을 기록하고, 정답 일치 여부, 걸린 시간, 입력과 출력 사용량, 재시도를 적습니다. 결과가 틀리면 먼저 지시와 원문이 충분했는지 확인한 뒤 설정이나 모델을 한 가지씩 바꿉니다. 비용이 낮아도 계속 수정해야 한다면 그 시간까지 포함해 판단합니다.

혼자 다시 시험할 때는 위 메모의 장소를 301호로 바꿉니다. 결과가 오후 2시와 301호를 모두 유지하면 수정된 원문을 반영한 것입니다. 날짜와 담당자도 그대로인지 확인합니다. 모델을 실제로 호출하지 않아도, 두 가상 결과를 써서 어떤 부분이 틀렸는지 구분하는 연습부터 할 수 있습니다.

비용 계산도 다시 해 봅니다. 첫 연습에서 출력만 1,000토큰으로 늘면 Sol은 0.004 + 0.010 = 0.014달러, Luna는 0.00020 + 0.00050 = 0.00070달러입니다. 입력 단가만 보고 총액을 판단하면 이 차이를 놓칩니다.

기존 프로그램은 모델 이름만 바꾸면 되나요?

모델 ID 변경은 출발점입니다. 사용하는 API 방식, 도구 호출, 추론 설정, 출력 형식과 비용을 작은 예제로 다시 확인해야 합니다. 예를 들어 두 모델의 Chat Completions 도구 호출은 reasoning_effort=none 조건이 있으며, 내장 도구를 쓰려면 Responses API 문서를 확인합니다. Sol API 문서

검증 전에 실제 고객에게 발송하거나 전체 자료를 한꺼번에 처리하지 않고, 허용된 샘플의 결과와 사용량부터 기록합니다. 계정에서 모델이 보이지 않으면 다른 이름을 추측해 입력하기보다 현재 이용 가능한 모델 목록에서 정확한 이름을 찾습니다.

3줄 요약

1. GPT-6 Sol과 Luna의 API 비용은 입력과 출력 사용량을 따로 곱해 계산하며 구독료와 구분합니다.

2. 캐시 읽기는 할인되지만 쓰기 비용과 장문 요청 할증, 재시도까지 포함해야 실제 비용에 가까워집니다.

3. 모델과 추론 강도를 바꿀 때는 같은 원문과 정답 기준으로 결과를 비교하고 현재 계정의 이용 가능 범위를 확인합니다.