GPT-6.1 Sol vs Fugu Max: 동일한 입력 가격, 그리고 일반적인 의미에서는 존재하지 않는 모델

Sakana AI의 Fugu Max와 Open​AI의 GPT-6.1 Sol, 둘 다 백만 입력 토큰당 $2.00를 부과합니다. 요금표에서의 유사성은 바로 거기서 시작하고 끝납니다 — Fugu Max는 백만 출력 토큰당 $6.00인 반면 GPT-6.1 Sol은 $10.00이고, Fugu Max는 출력 기준으로 40퍼센트 더 저렴하지만 제3자가 재현한 벤치마크 점수는 공개하지 않습니다. 이 두 사실이 같은 문장에 들어가야 하는 이유는, 2026-09-11에 출시된 Fugu Max가 GPT-6.1 Sol과 같은 의미의 모델이 아니기 때문입니다. 그것은 오케스트레이터입니다: 풀에서 모델을 하나 골라 호출하고 답을 반환하는 단일 엔드포인트입니다. 그것의 토큰 가격을 단일 체크포인트의 토큰 가격과 비교하는 것은 우연히 같은 방식으로 표시된 두 가지 다른 것을 비교하는 것입니다.

다음 내용은 Sakana가 Fugu Max를 출시하며 낸 자체 자료와 Open​AI의 GPT-6.1 Sol 모델 문서에서 발췌한 것이다. 어떤 수치가 벤더 자체의 것이고 외부의 누구도 이를 재현하지 못한 경우, 그 수치를 담은 문장에서 그 사실을 밝힌다. 수치가 전혀 없는 경우에도 그렇게 밝힌다.

아키텍처, 체크포인트가 아닌

Sakana의 자체 설명은 요약하기보다 인용할 만큼 이례적이다: Fugu Max는 단일 모델이 아니라 아키텍처다. 이 시스템은 모델 풀을 보유하고, 들어오는 요청을 자신이 가장 저렴하면서도 유능하다고 판단하는 옵션으로 라우팅하며, 단일 답변을 반환한다. 다운로드할 Fugu Max 체크포인트도 없고, 고정된 파라미터 수도 없으며, 외부에서 특정 호출에 어느 모델이 응답했는지 알 방법도 없다 — Sakana는 라우팅 추적을 공개하지 않는다.

그 설계에는 이 비교에서 무엇보다 먼저 이름 붙일 만한 속성이 하나 있습니다: 엔드포인트의 능력은 고정되어 있지 않습니다. 그것은 풀이 바뀔 때, 라우터의 정책이 바뀔 때, 그리고 그 아래의 모델들이 업그레이드되거나 철수될 때 변합니다. 체크포인트에 대한 벤치마크 점수는 그 체크포인트를 설명합니다. 라우터에 대한 벤치마크 점수는 측정된 날에 구성된 그대로의 라우터를 설명하며, 이는 더 좁은 주장입니다.

GPT-6.1 Sol은 그 반대입니다. 이는 단일 스냅샷 식별자인 gpt-6.1-sol이며, 날짜가 붙은 변형이 없고, 1,050,000토큰 컨텍스트 윈도우, 128,000 출력, 텍스트, 이미지 및 파일 입력, 그리고 중간을 기본값으로 하는 다섯 가지 추론 노력 수준을 갖추고 있습니다. 월요일에 측정한 것이 금요일에 얻는 것입니다.

두 요금표를 나란히, 서로 다른 행과 함께:

• 입력 — 둘 다 백만 개당 $2.00입니다. 동일합니다.

• 출력 — Fugu Max는 $6.00, GPT-6.1 Sol은 $10.00입니다. Fugu Max가 40퍼센트 더 저렴합니다.

• 캐시된 입력 — Sakana의 출시 페이지에는 Fugu Max의 캐시된 입력 요금이 명시되어 있지 않습니다. 0.25달러라는 수치가 돌고 있지만 우리가 읽은 페이지에는 없으므로, 이를 확인된 것으로 간주하지 않습니다. GPT-6.1 Sol의 경우 백만 개당 0.10달러로, GPT-6 Sol이 부과하던 0.20달러에서 절반으로 줄어든 금액입니다.

• 장문 프롬프트 재가격 — GPT-6.1 Sol은 프롬프트 토큰이 272,000개를 초과하면 전체 요청을 $4.00/$15.00으로 재가격합니다. Fugu Max는 길이 등급을 아예 공개하지 않습니다.

• 한 단계 위 티어 — Sakana는 호출당 라우터가 더 많은 비용을 지출하길 원하는 호출자를 위해 Fugu Ultra v2도 $5.00/$30.00에, 캐시 입력 $0.50에 판매합니다.

스스로의 산술을 견디지 못하는 주장

Sakana가 Fugu Max에 대해 내세운 대표적인 주장은 Claude Sonnet 5, GPT-5.6 Terra, Kimi K3보다 40~60퍼센트 더 저렴하다는 것이다. 그 세 가지의 정가와 대조해 보면 계산은 맞아떨어진다 — 그 부분은 문제없다.

두 번째 주장은 주의 깊게 읽어야 할 대목이다. Sakana는 Fugu Max가 "엘리트 모델들의 턱밑까지 추격하면서도 2~6배 더 낮은 비용"을 달성한다고 설명한다. 적용되는 정가 기준으로 보면, Fugu Max와 그것이 언급한 세 모델 사이의 실제 격차는 2~6배가 아니라 1.7~2.5배다. 그렇게 넓은 범위를, 그 범위의 좁은 끝만을 아우르는 모델 집합과 나란히 제시하는 것은 측정된 범위라기보다 마케팅 범위다. Sakana가 염두에 둔 다른 비교에는 얼마든지 사실일 수 있다. 하지만 같은 문장에 나온 비교에는 사실이 아니다.

Sakana가 추론을 숨겼다는 것은 사실이 아니다. Sakana는 출시 자료에 10개의 산점도를 공개했다. 투명성 문제는 다르다: 그 산점도들에는 공개된 벤치마크 점수가 붙어 있지 않아서, 독자는 어떤 점의 위치도 확인할 수 없다.

여섯 번의 승리, 그리고 확인할 수 있는 하나의 숫자

Sakana의 출시 페이지는 여섯 개의 벤치마크를 강조한다. 그중 다섯 개는 공개된 수치 없이 승리로 제시된다. 여섯 번째인 SWEFish는 Sakana 자체 벤치마크다 — 과제를 정의한 것도 회사이고, 결과를 보고하는 것도 회사다. 사내 벤치마크가 쓸모없는 것은 아니다. 방향성 신호를 공표하는 정당한 방법이긴 하다. 다만 그것은 독립적인 증거가 아니며, 이 세트에서 인용할 수 있는 유일한 수치일 뿐이다.

그에 반해 GPT-6.1 Sol의 독립적 기록은 빈약하지만 실질적이다. Artificial Analysis는 Intelligence Index에서 이 모델에 51.8점을 부여한다 — 147개 모델 중 10위, 93.2 백분위 — Humanity's Last Exam에서 52.9%, Long-Context Recall에서 83%, SciCode에서 54.2%, Terminal-Bench 4.0에서 56.06%다. 다섯 수치 모두 가중치가 결코 변하지 않는 모델에 대한 제3자 측정값이다.

최근 한 가지 주목할 만한 발전이 있는데, 그것은 이 모델에 대한 첫 번째 독립적인 점수이며 이 블로그의 이전 보도 이후에 나온 것이다: GPT-6.1 Sol이 출시되었을 때, 어떤 독립 평가자도 아무것도 발표하지 않았다. 이후 Artificial Analysis가 위의 세트를 발표했다. 방향은 특별할 게 없다 — 모델은 OpenAI가 위치시킨 대로, 즉 자체 플래그십보다 위가 아니라 중간 프론티어에 자리한다 — 하지만 이제는 단순히 주장된 것이 아니라 측정된 것이며, 그것은 오늘날 Fugu Max의 위치와는 다른 것이다.

오케스트레이터의 토큰 가격에 포함되지 않는 것

This is the part of the comparison that a rate card cannot express, and it is the reason a 40 percent cheaper output token is not automatically a 40 percent cheaper job. Wait — I need to translate into Korean. Let me do that. 비교에서 요율표가 표현할 수 없는 부분이 바로 여기이며, 이것이 40퍼센트 더 저렴한 출력 토큰이 자동으로 40퍼센트 더 저렴한 작업을 의미하지 않는 이유입니다.

요청별로 결정하는 라우터는 때때로 잘못 결정하며, 잘못된 결정에 대한 표준적인 해결책은 재시도나 에스컬레이션이다. 둘 다 토큰을 소모한다. 한 번의 패스로 답하는 단일 체크포인트는 한 번만 과금된다. Sakana는 응답된 요청당 내부 호출 수, 에스컬레이션되는 요청의 비중, 라우팅 결정 자체의 토큰 오버헤드를 공개하지 않는다. 따라서 Fugu Max의 라우터가 더 약한 모델을 먼저 선택한 뒤 상향하는 모든 워크로드에서, 완료된 작업당 실효 비용은 눈에 보이는 토큰에 $2.00/$6.00을 곱한 값이 아니다. 눈에 보이지 않는 토큰에 $2.00/$6.00을 곱한 값이다.

품질도 마찬가지이며, 중요한 방향에서는 더욱 그렇습니다. GPT-6.1 Sol의 실패는 사용자의 프롬프트에 대한 하나의 알려진 모델의 실패로, 재현 가능하고 사전에 측정할 수 있습니다. Fugu Max의 실패는 부분적으로는 그 라우터의 실패이며, 라우터는 검사하거나 버전을 지정하거나 고정할 수 없는 구성 요소입니다. 잘못된 답변이 그것을 생성하는 데 드는 토큰보다 더 큰 비용을 초래하는 워크로드, 즉 대부분의 전문 업무에서 이는 이론적인 문제가 아니라 실질적인 위험 노출입니다.

이것이 반대로 작용하는 지점도 짚을 가치가 있습니다. Sakana의 라우터가 좋다면, 그것은 프런티어 모델에서 정가를 주고 사야 했을 역량을 사들이면서 그에 대해 혼합 요율을 지불하는 셈입니다. 그것은 진정으로 유용한 제품입니다. 문제는 "라우터가 좋다면"이라는 것이 주장의 전부이며, 그것을 검증할 수 있는 공개된 라우터 평가가 없다는 점입니다. NVIDIA Nemotron — Sakana가 2026년 8월에 발표한 파트너십 — 을 포함하고 나머지 풀은 이름이 공개되지 않으며 호출별 추적도 없는 풀은, 품질을 오직 자신의 트래픽을 직접 통과시켜 봐야만 알 수 있는 시스템입니다.

GPT-6.1 Sol이 진정으로 노출되는 곳

두 개의 행입니다. 그리고 둘 다 GPT-6.1 Sol에게 유리하지 않습니다.

첫 번째는 출력 범위 최상단의 가격입니다. 백만 출력당 $10.00는 Open​AI가 선택한 Sonnet 등급의 가격이며, 결코 저렴하지 않습니다. 긴 답변을 생성하는 워크로드 — 장문 초안 작성, 대량 코드 생성, 문서 합성 — 에서 Fugu Max가 부과하는 백만당 $6.00는, 백만당 $4.00를 기꺼이 더 쓰겠다는 선택입니다. 분기당 10억 출력 토큰이라면 이는 $4,000이며, 실제로 비용 항목에 잡히는 금액입니다.

두 번째는 장문 프롬프트 단계입니다. 272,000 토큰을 초과하면 GPT-6.1 Sol 요청 전체의 가격이 $4.00/$15.00로 재책정되는데, 이는 입력은 두 배, 출력은 50퍼센트 인상된다는 뜻입니다. Fugu Max는 이에 상응하는 등급을 공개하지 않으므로, 정말 긴 프롬프트에서는 Fugu Max 요금표가 더 단순합니다 — 다만 "공개된 등급 없음"과 "등급 없음"이 같은 말은 아니라는 상시 단서가 붙습니다.

가격도 성능도 아닌 세 번째 노출 요인이 있습니다: 바로 가용성입니다. Fugu Max는 GDPR 관련 작업이 완료될 때까지 EU와 EEA에서 사용할 수 없는 것으로 보고되었는데, 이는 점수와 무관하게 유럽 배포 옵션에서 이를 제외시킵니다. GPT-6.1 Sol은 미국과 EU 데이터 레지던시를 제공하지만, EU 레지던시에서는 OpenAI의 고속 모드를 사용할 수 없다는 단서가 붙습니다. 좁지만 실질적인 제약이며, 어느 모델이든 가용성 문제가 한 줄로 정리되지 않는다는 점을 일깨워 줍니다.

하나는 부르고, 다른 하나는 조종하기

GPT-6.1 Sol은 OrcaRouter에서 openai/gpt-6.1-sol, Open​AI의 정가에 0% 마크업으로 제공됩니다 — 백만 토큰당 $2.00 및 $10.00, 캐시된 입력은 $0.10, 272K 초과 구간은 Open​AI가 정한 그대로 적용됩니다. 라우팅 계층이 공급자 가격을 마크업하지 않고 그대로 전달하므로, Open​AI의 요금 변경은 다음 결제 주기가 아니라 시행되는 당일에 여기에서 바로 반영됩니다. 그 밑에는 자동 장애 조치가 자리 잡고 있는데, 이는 $2.00 입력 요금이 여러분의 트래픽에서 어떻게 작동하는지 저렴하게 확인하는 방법이면서 그것을 유일한 경로로 만들지 않게 해줍니다.

Fugu Max는 OrcaRouter에 없으며, 우리가 호스팅하지도 않습니다. Sakana 자체 API를 통해 접근할 수 있고, Sakana 측 설명에 따르면 기존 Fugu 통합을 Fugu Max로 업그레이드하는 것은 한 줄짜리 매개변수 변경입니다. 이미 Fugu 고객이라면 시도해 볼 비용이 거의 0에 가까우므로, 그런 사용자에게는 당연한 첫 번째 선택입니다.

이 조합이 이끌어내는 결정은 다음과 같다: Fugu Max는 파일럿을 해볼 가치는 있지만 아직 프로덕션 도입을 확정할 가치는 없다. 그에 대한 유일한 성능 근거가 벤더 측 자료뿐이고, 벤더 자체 벤치마크가 여섯 가지 하이라이트 중 하나에 불과하기 때문이다. GPT-6.1 Sol은 더 안전한 기본값이다. 독립적인 점수가 존재하고, 그 실패는 하나의 모델에 귀속되며, 그 상한은 풀이 아니라 공개된 수치이기 때문이다. 행동을 예측할 수 있는 시스템에 백만 출력 토큰당 4.00달러를 더 지불하는 것이 명백히 더 나쁜 거래는 아니다. 그리고 Sakana가 라우팅 트레이스와 제3자 평가를 공개한다면, 이 판단은 즉시 재검토되어야 한다.