GPT-6.1 Terra vs Muse Wonder: 지수 포인트 4점, 청구서는 8배

GPT-6.1 Terra와 Muse Wonder는 둘 모두를 측정해 온 공개 스코어보드에서 4점 차이이고, 그 스코어보드에서 한 작업을 완료하는 데 드는 비용에서는 약 8배 차이입니다. OpenAI는 2026년 10월 26일 Terra를 입력 토큰 100만 개당 1달러, 출력 토큰 100만 개당 5달러에 공개했습니다. Terra는 Artificial Analysis Intelligence Index에서 48점을 받고 인덱스 작업당 0.40달러가 듭니다. Meta는 10월 12일 Muse Wonder를 4달러와 20달러에 공개했습니다. Muse Wonder는 52점을 받고 작업당 3.27달러가 듭니다. 둘 다 100만 토큰 컨텍스트 창을 표기합니다. 리더보드 정렬로 결정을 한 줄에 끝낼 수 있습니다. 그런데 리더보드가 결정을 끝내기엔 잘못된 장소인 이유가 바로 여기에 있습니다: 점수가 더 높고 비용도 더 높은 모델이 더 빠르기도 하며, 저렴한 모델의 이점은 오답이 당신에게 얼마의 비용을 초래하는지에 전적으로 달려 있습니다.

아래 수치는 2026년 10월 27일에 확인한 Artificial Analysis와 두 공급업체의 출시 문서에서 나온 것입니다. 공급업체의 주장은 주장으로 표시했습니다. 이 글에 있는 유일한 작업 수준 벤치마크는 회계 자동화를 판매하는 회사인 DualEntry가 실행했으므로, 중립적인 감사가 아니라 상업적 이해관계가 있는 제3자 증거이며, 그렇게 취급합니다.

서로 다른 작업을 위해 만들어진 두 가지 모델

Terra는 OpenAI의 대량 처리 모델로, GPT-5.6 Terra를 대체하며 현재 OpenAI 제품군의 일반적인 역량을 얻을 수 있는 가장 저렴한 방법이다. 텍스트와 이미지를 입력받고 텍스트를 반환하며, 1,050,000토큰 컨텍스트와 128,000토큰 출력 상한을 문서에 명시하고, 추론 강도를 none부터 max까지 노출한다. OpenAI는 또한 출시 당일 Amazon Bedrock과 ChatGPT Work, Codex에 이를 출시했지만, 소비자용 ChatGPT 채팅창에는 포함하지 않았다. 조달에 중요한 의미에서 이는 API 전용이다: 파인튜닝, Realtime, Assistants가 없다.

Muse Wonder는 Meta가 프런티어 논의에 속하는 첫 모델이며, 대부분의 비교 페이지가 흐리는 구분을 안고 등장한다. API 모델은 Wonder로, 입력 $4, 출력 $20이다. 같은 지수에서 56점으로 더 높은 점수를 받은 체크포인트인 Muse Wonder Full은 월 $50 또는 $200의 Muse Code 구독 내에서만 판매되며 API로는 제공되지 않는다. 헤드라인 벤치마크 행은 종종 Full을 설명한다. 개발자가 실제로 호출할 수 있는 모델은 Terra보다 8점이 아니라 4점 높다.

• 가격 — GPT-6.1 Terra 백만 토큰당 입력 $1.00 / 출력 $5.00; Muse Wonder $4.00 / $20.00.

• 캐시된 입력 — Terra $0.05 95% 할인; Wonder $0.20 95% 할인.

• 컨텍스트 윈도우 — Terra 1,050,000 문서화됨; Wonder 1,000,000 문서화됨.

• 최대 출력 — Terra는 128,000이 문서화되어 있습니다. Meta는 Wonder에 대한 상한을 공개하지 않았으며, 제3자 추적기들은 943,000에 가까운 수치를 보고합니다.

• 독립 지능 지수 — Terra 48점, 221개 중 25위; Wonder 52점, 221개 중 10위.

• 인덱스 작업당 비용 — Terra $0.40; Wonder $3.27.

• 출력 속도 — Terra 초당 90.9토큰; Wonder 207.8.

• 첫 토큰까지 걸리는 시간 — Terra 77.96초; Wonder 31.62초.

• 입력 — Terra는 텍스트와 이미지, Wonder는 트래커에 따라 텍스트, 이미지, 비디오, 오디오이며, Meta 자체의 출시 자료는 텍스트와 이미지를 강조합니다.

• 가중치 — 양쪽 모두 비공개입니다. Meta의 오픈 가중치 옵션은 다른 모델인 Muse Spark입니다.

그 법안은 지수 격차의 8배입니다.

작업당 비용 수치는 4포인트 격차를 해석하는 방식을 바꿔야 하는 바로 그 수치다. Artificial Analysis는 단순히 목록 요율에 고정 토큰 수를 곱하지 않는다. 동일한 인덱스 작업 세트를 완료하는 데 각 모델이 얼마나 많은 토큰을 쓰는지 측정한 뒤 그 소비량에 가격을 매긴다. Terra는 작업당 평균 $0.40, Wonder는 $3.27로, 8% 미만의 성능 격차에서 8.2배의 차이다.

요금 목록만으로는 이것을 설명할 수 없다. 입력 토큰 1억 개와 출력 토큰 1,000만 개의 워크로드를 가정하면 Terra는 150달러, Wonder는 600달러를 청구해 4배 차이가 난다. 작업당 격차는 두 배 더 크며, 이는 인덱스 평가가 실제로 소비한 토큰이 10대 1로 나뉘지 않았음을 의미한다. Artificial Analysis는 각 모델의 측정된 입력 및 출력 볼륨에 가격을 매기며, 그 작업당 수치는 고정된 예시가 아니라 평가를 반영한다. 토큰당 가격은 연료 가격이지 여정 비용이 아니다.

그 구분은 Terra가 겨냥하는 규모에서 가장 중요합니다. 한 달에 10만 건의 작업을 실행하는 파이프라인은 Artificial Analysis가 측정한 요율로 Terra에 4만 달러, Wonder에 32만 7,000달러를 씁니다. 워크로드가 바뀐다고 해서 두 모델 간의 역량 차이가 8배로 변하는 것은 아니지만, 청구서는 8배가 됩니다. 작업이 분류, 추출, 양식 판독 또는 범위가 정해진 에이전트 단계라면 입증 책임은 비싼 모델 쪽에 있습니다.

산술 계산에 관한 한 가지 주의점: 이 지수는 주기적으로 재정규화되며, 작업당 비용 수치는 그에 따라 달라집니다. 이 수치들처럼 같은 시점의 자료에서 나온 모델끼리 비교하고, 더 오래된 기사의 숫자를 빼서 비교하지 마세요.

Wonder는 더 빠르며, Terra의 속도 주장은 이 비교에서 통하지 않습니다.

OpenAI의 출시 자료는 Terra가 GPT-6 Astra와 GPT-6.1 Sol보다 훨씬 빠르다고 설명합니다. OpenAI 제품군 안에서는 그것이 사실로 보이며, 이것이 이 모델이 존재하는 이유입니다. 시각 및 문서 작업을 위한 저렴하고 빠른 범용 모델이죠. Meta의 모델과 비교하면 격차가 큽니다. Wonder는 초당 출력 토큰 207.8개를 생성하는 반면 Terra는 90.9개이며, 첫 토큰을 31.62초에 반환하는 반면 Terra는 77.96초입니다.

두 모델 모두 절대적인 기준에서는 시작이 느린 편인데, 이는 스캔들이라기보다 대형 추론 모델의 특성입니다. 하지만 순서가 가격 순서와 반대이며, 이는 실질적인 결과를 낳습니다. 밤새 실행되는 배치 작업에서는 Terra의 지연 시간은 무관하고 비용이 결정적입니다. 사용자가 첫 토큰을 기다리는 대화형 제품에서는 78초의 시작이 벤치마크 수치가 아니라 제품 결정이며, Wonder의 32초는 입력 요금이 다섯 배라도 더 나은 경험입니다.

속도 수치는 저렴한 모델에 대한 흔한 가정, 즉 기본적으로 빠른 선택지라는 가정도 뒤집는다. Terra는 토큰당 저렴하고 작업당 저렴하다. 초당 빠르지는 않다. 이 둘은 서로 다른 주장이며, 그중 하나만 사실이다.

저가 모델이 패배한 작업 수준 테스트

출시 시점에 이용 가능한 가장 광범위한 제3자 검증은 DualEntry의 회계 벤치마크다. 이는 거래 분류, 분개, 미지급금, 미수금, 대사, 보고, 월말 결산 및 회계 지식을 아우르는 101개의 합성 사례를 AI 채점자가 아닌 고정 참조 답안으로 각 모델당 세 번씩 실행한 것이다. 22개 모델이 테스트되었다. DualEntry는 회계 자동화를 판매하므로 이 벤치마크는 중립적이지 않지만, 그 방법은 종합 지수보다 더 구체적이다.

Terra는 전체 78.2%로 마무리하며 22개 중 18위에 공동 순위를 기록했습니다. 그 프로필은 종합 점수가 가리는 방식으로 고르지 않았습니다. 거래 분류는 13개 중 13개로 완벽했습니다. 매입 채무는 53.8%로 최하위 공동 순위였습니다. 은행 대사는 83.3%로 Kimi K3.1 Pro와 Muse Wonder 둘 모두에 뒤졌으며, 다만 해당 릴리스는 Wonder의 정확한 대사 점수를 공개하지 않았습니다. Terra는 벤치마크에서 가장 빠른 OpenAI 모델이자 과제당 16.1초로 전체 3위였으며, 과제당 $0.042로 GPT-6.1 Sol의 약 절반, GPT-6 Astra의 10분의 1 수준이었습니다.

별도의 평가 플랫폼인 Vals AI는 자체 스위트에서 Terra를 60.17%, 28개 중 10위로 평가하며, 코딩과 터미널 작업을 강점으로, 법률·세무·금융을 약점으로 꼽는다. 스위트도 다르고 척도도 다르므로 이 수치는 Artificial Analysis 지수와 비교할 수 없다. 비교 가능한 것은 그 형태다. Terra는 빠르고 저렴한 범용 모델이지만 작업군 전반에 걸쳐 편차가 커서 모든 면에서 고르게 우수한 모델은 아니다.

그 편차가 작업당 비용만 따져 구매하는 것에 반대하는 근거다. 53.8%라는 하위 점수가 사람이 미지급금 대기열의 절반을 재작업해야 한다는 뜻인 워크플로에서, 작업당 절감되는 2.87달러는 절감이 아니다. 그것은 토큰 예산에서 인건비 예산으로 비용을 옮기는 것이다. Muse Wonder의 4포인트 지수 우위가 그 기준을 통과할 것임을 증명하는 것은 아니다 — 공개된 공동 벤치마크 가운데 이를 입증하는 것은 없다 — 그러나 두 제품이 모두 등장하는 단 하나의 작업 수준 테스트에서는 Terra가 가장 취약한 부분에서 앞선다.

모달리티, 출력 길이, 그리고 Meta가 문서화하지 않은 것

Wonder의 입력 행은 가장 명확한 구조적 차이입니다. 트래커는 텍스트, 이미지, 비디오, 오디오 입력과 텍스트 출력을 나열합니다. Meta의 출시 자료는 일부 측면에서 더 좁지만, 비디오와 오디오 입력은 팀이 Terra 대신 Wonder를 고려할 이유 그 자체입니다. Terra는 텍스트와 이미지를 받습니다. 파이프라인이 녹음된 통화, 화면 녹화 또는 제품 비디오를 수집한다면 Terra가 유일한 모델이 될 수 없습니다.

출력 길이가 두 번째입니다. Terra 문서에는 출력 토큰 128,000개가 명시되어 있습니다. Meta는 Wonder의 상한을 공개하지 않았으며, 유통되는 약 943,000이라는 수치는 사양이 아니라 제3자 관찰에서 나온 것입니다. 이를 설계 기준으로 삼을 숫자가 아니라 검증할 단서로 취급하십시오. 지식 컷오프에도 같은 주의가 적용됩니다. Terra 문서에는 2026년 6월 1일이 명시되어 있지만, Meta는 Wonder에 대한 지식 컷오프를 공개하지 않았습니다.

어느 모델도 저희 카탈로그에 없습니다. 여기 있는 것은

제품 관련 설명에 앞서 한 가지 솔직한 제약을 말씀드리면, 10월 27일 기준으로 GPT-6.1 Terra도 Muse Wonder도 OrcaRouter의 214개 모델 카탈로그에 없습니다. Terra는 OpenAI 자체 API를 통해 이용할 수 있으며, 출시일부터 Amazon Bedrock을 통해서도 이용할 수 있습니다. Wonder는 Meta의 Model API에서 판매됩니다. 오늘날 누군가가 이들 중 하나를 우리를 통해 라우팅한다고 주장한다면, 그것은 카탈로그가 아니라 로드맵을 말하는 것입니다.

카탈로그에 실제로 포함된 것은 양쪽에서 가장 가까운 호스팅 대안입니다. 입력 $2, 출력 $10인 GPT-6.1 Sol은 지수에서 52점을 기록하고 작업당 $0.72가 들며, Muse Spark 1.2, Meta의 Spark 라인입니다. Terra 형태의 워크로드가 측정해야 할 대상이라면 — 완료된 작업당 비용이 구매를 좌우하는 대량 텍스트 및 이미지 작업 — Sol은 더 높은 역량을 갖춘 호스팅 대안이며 작업당 비용은 약 두 배입니다. 이 비교를 통해 Terra의 절감이 마이그레이션할 가치가 있는지 알 수 있습니다. 두 모델 모두 공급자 정가로 마크업 없이 제공되며, 하나의 키에서 자동 장애 조치가 이루어지므로 공급자 장애가 제품 장애로 이어지지 않습니다.

두 모델 중 하나가 카탈로그에 등록되면, 전환은 두 번째 계약이 아니라 모델 문자열이다. 바로 그것이 대결 구도를 확정지어 줄 출시 글을 기다리는 대신 지금 워크로드를 벤치마크해야 하는 실질적인 이유다.

누가 무엇을 골라야 할까요?

업무량이 많고 사양이 명확하며 텍스트나 이미지가 중심인 작업—문서 추출, 분류, 양식 및 스크린샷 판독, 초안 작성, 범위가 제한된 에이전트 단계—에는 Terra를 선택하세요. 작업당 $0.40은 이 비교에서 압도적으로 가장 낮은 비용이며, 128K 출력은 소문이 아니라 문서화된 사양이고, 결과물을 어차피 사람이 검토하는 경우라면 고르지 않은 하위 작업 점수도 수용할 만합니다.

입력이 텍스트와 이미지보다 풍부하거나, 에이전트가 한 번의 호출로 긴 산출물을 반환해야 하거나, 잘못된 답변의 비용이 $2.87보다 훨씬 클 때는 Muse Wonder를 선택하세요. 초당 207.8토큰과 첫 토큰 32초는 Muse Wonder를 더 나은 대화형 모델로 만들며, 4포인트 지수 우위는 Muse Wonder Full과 Terra 사이의 격차보다 작더라도 실재합니다. $20 출력 요율을 예산에 잡고, 읽고 있는 벤치마크가 실제로 어느 체크포인트를 측정했는지 확인하세요.

4점 차이는 이 비교에서 가장 흥미롭지 않은 숫자다. 실제 프로덕션 결정을 좌우하는 것은 청구서, 첫 토큰까지 걸리는 시간, 작업 수준의 분산이며, 바로 그 지점에서 더 저렴한 모델이 단순히 열등한 쪽인 것은 아니다.