GPT-6 Luna vs Claude Sonnet 5.5: 격차는 하나가 아닌 둘

GPT-6 Luna와 Claude Sonnet 5.5를 같은 가격표에 올려놓으면 그 비율은 민망한 수준이다. 입력 토큰 100만 개당 $0.10 대 $2.00, 출력 토큰 100만 개당 $0.50 대 $10.00이다. 같은 평가에 올려놓으면, 어떤 평가를 고르느냐에 따라 격차는 완전히 달라 보인다. Artificial Analysis의 Intelligence Index에서 Sonnet 5.5는 최대 노력으로 55점, Luna는 최대 노력으로 28점을 기록한다. 최상위권이 50점대에 위치한 보드에서 27점 차이다. FrontierCode-AA 2.0에서는 같은 두 모델이 25.7점과 25.2점을 기록한다. 그것은 격차가 아니다. 무승부다.

두 해석 모두 맞습니다. 그리고 두 해석이 공존하는 이유는 선택하기 전에 이해할 가치가 있는 부분입니다. Luna는 20분의 1 가격에 판매되는 일률적으로 더 약한 모델이 아닙니다. 그것은 특정한 형태를 지닌 모델입니다. 코드 diff 생성에서는 경쟁력이 있지만, 터미널 작업, 과학적 추론, 사실에 근거한 절제에서는 훨씬 뒤처지며, 첫 토큰을 생성하는 속도는 대략 10배 느립니다. Sonnet 5.5는 반대 형태입니다. 일관적이고 시작이 빠르며, 여러 개를 운용하려면 비즈니스 사례가 필요할 만큼 비쌉니다.

두 개의 사양서, 치수별로 하나하나

• 100만 토큰당 입력 가격 - GPT-6 Luna $0.10 vs Claude Sonnet 5.5 $2.00, 20배 비율

• 100만 토큰당 출력 가격 - GPT-6 Luna $0.50 vs Claude Sonnet 5.5 $10.00, 또한 20배

• 100만 토큰당 캐시 입력 - GPT-6 Luna $0.01 vs Claude Sonnet 5.5 $0.10; Anthropic은 출시 당시 Sonnet의 캐시 읽기 단가를 Sonnet 5의 절반으로 낮췄으며, Luna의 캐시 단가 대비 비율은 여전히 10배입니다

• 캐시 쓰기 - GPT-6 Luna 1M당 $0.125, 입력 대비 1.25배 프리미엄; Sonnet 5.5는 동일한 1.25배 기준으로 1M당 $2.50 청구

• 컨텍스트 윈도우 - GPT-6 Luna는 1,050,000 토큰, Claude Sonnet 5.5는 1,000,000 토큰이며, Luna의 사용 가능한 입력은 922,000으로 제한됩니다

• 최대 출력 - 양쪽 모두 128,000 토큰

• 롱컨텍스트 가격 책정 - Luna는 272,000 입력 토큰을 초과하는 요청 전체의 가격을 $0.20 / $0.75로 다시 책정합니다. Sonnet 5.5의 카드에는 이에 상응하는 가격 절벽이 없으며, 이는 300K 토큰 프롬프트에서 조용한 장점입니다

• 입력 방식 - 텍스트, 이미지, 파일은 둘 다 지원하며, 어느 쪽도 오디오나 비디오는 지원하지 않습니다

• 추론 제어 - GPT-6 Luna는 없음, 낮음, 중간(기본값), 높음, xhigh, 최대를 제공하며 완전히 끌 수 있습니다. Claude Sonnet 5.5는 낮음부터 최대까지 다섯 단계가 있고 기본값은 높음이며 추론은 항상 켜져 있습니다.

• 지식 기준일 - GPT-6 Luna의 경우 2026년 5월 18일, Anthropic은 Sonnet 5.5에 대해 이에 상응하는 날짜를 공개하지 않습니다.

• 출시 - 2026년 9월 22일 GPT-6 Luna, 2026년 9월 28일 Claude Sonnet 5.5, 엿새 차이

• AA Intelligence Index v5.0.1 - 최대 노력 설정의 GPT-6 Luna 28 대 기본 높은 노력 설정의 Claude Sonnet 5.5 42 및 최대 설정의 55

• 첫 답변 토큰까지 걸리는 시간 - 동일한 보드에서 GPT-6 Luna 79.33초 vs Claude Sonnet 5.5 10.21초

• 인텔리전스 지수 작업당 비용 - GPT-6 Luna $0.15 vs Claude Sonnet 5.5 $1.64

가격은 스무 배, 청구서는 열한 배

정가 비율은 딱 20배다. 실제 워크로드에서 측정된 비율은 그렇지 않은데, 작업당 비용에는 각 모델이 답에 도달하기까지 소비하는 토큰 수가 함께 반영되기 때문이다. Artificial Analysis의 인덱스 실행에서 Luna는 전체 스위트를 완료하는 데 $136어치의 토큰을 소비했고 Sonnet 5.5는 $1,268을 소비했다. 약 9.3배다. 작업당 비용은 Luna가 $0.15, Sonnet이 $1.64로 비율은 10.9다.

그 차이는 워크로드에 따라 Luna에 동시에 유리하게도, 불리하게도 작용한다. Luna는 저렴한 모델치고 추론 토큰을 많이 내보낸다. 최대 노력 설정에서는 점수 단위당 두 모델 중 더 말이 많은 쪽이며, 그래서 정가 기준 20배 비율이 청구서에서는 대략 10배로 압축된다. 출력이 주를 이루는 워크로드, 즉 긴 생성, 반복적인 코드 편집, 문단을 작성하는 모든 작업에서는 Luna의 압축이 더 심해진다. 출력 단가가 요금표의 비싼 절반을 차지하기 때문이다. 입력이 주를 이루는 워크로드, 즉 검색, 로그 읽기, 고정 코퍼스에 대한 문서 QA에서는 20배가 거의 정확히 유지되며, 캐싱을 쓰면 더욱 좋아진다.

이미 Anthropic 가격을 지불하고 있는 팀의 답을 바꾸는 산술적 참고 사항이 하나 더 있습니다: Sonnet 5.5는 요금표가 그대로임에도 동일한 작업에 더 적은 토큰이 필요하기 때문에 작업당 비용이 Sonnet 5보다 최대 30% 낮다고 Anthropic이 설명합니다. Sonnet 5에서 Sonnet 5.5로 이동하는 팀은 가격표를 바꾸지 않고도 실질적인 할인을 받습니다. Sonnet 5.5에서 Luna로 이동하는 팀은 10배 할인과 매우 다른 모델을 얻습니다.

격차가 심연이 되는 곳, 그리고 하네스가 중요한 이유

Terminal-Bench 4.0은 보드에서 가장 명확한 격차를 보여줍니다. 동일한 평가자가 동일한 조건에서 측정한 결과 Sonnet 5.5는 43.9%, Luna는 12.6%입니다. Terminal-Bench-Science에서는 Luna가 더욱 나쁩니다. 34.3% 대 8.6%입니다. 작업이 셸 세션이거나, 빌드 시스템이거나, 여러 파일에 걸쳐 진단해야 하는 실패한 테스트 스위트라면, 20배 할인은 전혀 할인이 아닙니다. Luna는 가격이 중요해질 만큼 충분히 자주 그 작업을 완료하지 못할 것입니다.

여기서 Sonnet에 대해 인용하는 숫자에 주의하세요. 두 개가 있는데 비교 가능한 것은 하나뿐입니다. Anthropic의 출시 게시물은 Terminal-Bench 4.0에서 70.6%를 보고하는데, 이는 독립 위원회가 측정한 것보다 26점 이상 높습니다. 어느 수치도 부정직한 것은 아닙니다. 벤더 수치는 Anthropic 자체의 하네스, 도구 정책, 프롬프트 스캐폴딩에서 나온 것이며, Terminal-Bench 점수는 이 세 가지 모두에 따라 상당히 달라집니다. Deepnote는 자사의 Agent Initiative Benchmark에서 반대 방향에서 같은 점을 지적했습니다: "결과는 하네스가 아니라 모델만 반영한다"며 다른 프롬프트나 도구 정책은 "여기의 모든 수치를 움직일 것"이라고 했습니다. 70.6%는 Sonnet 5.5가 Anthropic의 설정에서 달성하는 것으로, 43.9%는 다른 사람의 설정에서 달성하는 것으로 보세요. 비교해서 고를 때는 두 번째 것을 사용해야 합니다. 왜냐하면 당신은 Anthropic의 설정을 실행하지 않을 것이기 때문입니다.

루나 자체의 벤더 수치에도 같은 주의가 적용된다. OpenAI는 최대 노력 설정의 GPT-6 Luna가 DeepSWE v1.1에서 66.6%를 기록했다고 보고하며, 이는 "중간 노력 설정의 Claude Opus 5 및 Fable 5와 비슷한 수준"이고 작업당 비용은 93%에서 96% 더 낮다고 한다. 이는 벤더가 자체 실행한 평가에서 벤더가 보고한 결과이며, 독립적인 수치가 12.6%인 Terminal-Bench에 대해서는 아무것도 말해주지 않는다. 두 문장 모두 같은 모델을 설명한다.

격차가 반올림 오차로 축소되는 곳

FrontierCode-AA 2.0은 코딩 에이전트가 실제 저장소에 병합할 준비가 된 변경 사항을 생성하는지 묻습니다. Luna는 25.2점을 기록합니다. Sonnet 5.5는 25.7점을 기록합니다. 20배의 가격 차이에서 0.5점 차이이며, 강력한 모델이 46%를 넘어서는 벤치마크에서 둘 다 선두 모델들보다 훨씬 뒤처집니다.

뻔한 결론을 내리기 전에 그 내용을 주의 깊게 읽어 보세요. 어려운 벤치마크에서 낮은 절대 점수는 두 모델 모두 대부분의 경우 실패한다는 뜻입니다. 두 모델이 모두 대부분 실패할 때 0.5점 차이는 대부분 노이즈입니다. 유용한 주장은 "Luna가 Sonnet 5.5만큼 코딩한다"가 아닙니다. 더 좁습니다. 이런 유형의 작업에서, 이 난이도에서는 20배를 더 지불해도 측정 가능한 것을 얻지 못합니다. 워크로드가 FrontierCode와 비슷하다면 — 알려진 코드베이스에 대한 자기완결적 편집이고, 병합 전에 사람이 검토하는 — Luna는 리뷰어가 어차피 다시 작성할 출력물을 내는 방어 가능한 1차 초안입니다.

다른 두 지표도 비슷한 범위에 들어갑니다. AutomationBench-AA에서는 Sonnet 5.5가 59.4%, Luna가 53.2%이고, GDP.pdf에서는 25.2% 대 22.8%입니다. 둘 다 동점은 아니지만, 둘 모두 프롬프트 엔지니어링과 도구 선택에 따라 자체 데이터에서 순위가 뒤집힐 수 있는 범위 안에 있습니다.

루나가 단순히 다른 게 아니라 진짜로 더 나쁜 두 가지

지식과 지연, 그리고 둘 중 어느 것도 가격 인하로는 해결할 수 없습니다.

AA-Omniscience v1.1은 모델이 자신이 모르는 것을 아는지 측정합니다. Sonnet 5.5는 순점수 +19를 기록하고 Luna는 -8을 기록합니다. 해당 평가에서 음수 순점수는 모델의 꾸며낸 답변이 정답보다 많은 경우가 총점을 0 아래로 끌어내릴 만큼 자주 발생한다는 것을 의미합니다. 이는 사람이 개입하지 않고 답하는 에이전트를 만드는 사람에게 이 비교에서 가장 중대한 단일 숫자이며, 코딩에 초점을 맞춘 벤치마크가 결코 드러내지 못할 숫자입니다. Luna가 Humanity's Last Exam에서 38.5를 기록한 것과 Sonnet 5.5의 56.0을 함께 보면 전체 그림은 일관됩니다: Luna는 유능한 지시 수행자이지만 사실적 기반이 얇습니다.

지연 시간은 두 번째 요소입니다. Sonnet 5.5는 첫 번째 답변 토큰에 도달하는 데 약 10초가 걸리며, Luna는 동일한 보드에서 최대 노력으로 약 79초가 걸립니다. 노력 다이얼을 낮추면 그 격차는 좁아집니다. Luna의 추론 예산이 비용이기 때문입니다. 하지만 그때는 더 낮은 노력의 Luna와 최대 성능의 Sonnet을 비교하는 것이므로 점수 격차는 그에 따라 벌어집니다. 대화형 제품의 경우 이는 종종 가격과 무관하게 결정적인 요소입니다. 밤새 실행되는 배치 작업의 경우에는 관련이 없습니다.

실제 작업에서 그들이 거의 비기는 유일한 벤치마크

Artificial Analysis는 모델을 질문으로 평가합니다. Deepnote의 Agent Initiative Benchmark는 모델을 하나의 과제로 평가합니다. 가상의 회사 안에서 벌어지는 50개의 시뮬레이션된 직장 상황이며, 모델은 Slack을 읽고 조사할지, 어디에 답할지, 아예 답할지 여부를 결정합니다. Claude Sonnet 5.5는 상황당 $0.42로 6.65점을 기록했고 15초 만에 끝냈습니다. GPT-6 Luna는 $0.0070로 6.38점을 기록했고 50초가 걸렸습니다.

두 가지가 뒤따릅니다. 이 작업 유형에서의 품질 차이는 0.25점으로, 벤치마크가 보고하는 구간보다 작습니다. 그래서 Deepnote는 이 둘을 DeepSeek V4.1 Flash, Mistral Large 4, Claude Haiku 5.5와 함께 "구간이 겹치며 0.6점 이내에 들어온다"고 말하는 클러스터로 묶습니다. 그리고 비용 차이는 20배가 아니라 60배입니다. Sonnet 5.5는 높은 노력 수준에서 상황당 대략 2만 토큰을 사용하는 반면 Luna는 훨씬 적게 사용하기 때문입니다.

차이는 역량이 아니라 규율에 있다. Sonnet 5.5는 침묵이 요구된 10가지 상황 중 6가지에서 침묵을 지켰고, Luna는 4가지에서 지켰다. Sonnet은 50회 중 11번의 완벽한 실행과 7번의 0점을 기록했고, Luna는 9번과 9번을 기록했다. 더 자주 맞고 확신이 없을 때 조용히 하는 것이 일이라면, 비싼 모델이 그 값을 한다. 두 번째의 더 엄격한 게이트가 무엇을 드러낼지 결정할 수 있도록 모든 것을 읽는 것이 일이라면, 저렴한 쪽만이 예산에 맞는 버전이다.

이들을 실제로 구분하는 기능은 끄기 스위치입니다.

GPT-6 Luna는 reasoning_effort: "none" 설정을 허용합니다. Claude Sonnet 5.5는 허용하지 않습니다. 추론은 다섯 단계 전반에서 항상 켜져 있으며, Anthropic이 Sonnet 5를 기준으로 이를 재조정했으므로, 기존 통합을 물려받은 경우에는 이전 설정을 그대로 이어받기보다 설정을 다시 조정해야 합니다.

그 단 하나의 차이가 비용 곡선의 대부분을 설명합니다. 분류 호출, 라우팅 결정, 알려진 스키마로부터의 추출은 추론 트레이스가 필요 없으며, Luna는 이를 건너뛰도록 지시받을 수 있습니다. Sonnet 5.5에서 같은 작업을 하면 추론이 도움이 되든 되지 않든 추론 비용을 지불합니다. 또한 이를 기반으로 구축하기 전에 알아둘 만한 한계도 설명합니다. Chat Completions에서 Luna는 추론 노력이 none으로 설정된 경우에만 함수 호출을 지원하므로, 도구가 필요한 것은 무엇이든 Responses API를 거쳐야 합니다. Sonnet 5.5는 네이티브 Messages API 또는 O​penAI 호환 형식을 통해 어느 인터페이스에서든 도구를 받아들입니다.

O​penAI의 Decisions API는 2026년 10월 22일부터 일반 제공되며, 같은 아이디어를 가장 좁게 구현한 것입니다. 즉, 확률, 선택지, 루브릭 점수 같은 정형 답변을 GPT-6 Luna에서만, 다른 모델은 전혀 사용하지 않고, Responses를 통해 같은 모델에 대해 O​penAI가 보고하는 지연 시간의 약 10분의 1 수준으로 제공합니다. 질문이 "이 티켓이 이 주문 기록과 모순되는가"라면, Luna는 이제 산문을 전혀 생성하지 않고 자체의 기본 형태로 답할 수 있습니다.

그것들 중에서 선택하기

• 장시간 실행되는 터미널 작업, 빌드 수정, 다중 파일 디버깅 - Claude Sonnet 5.5. Terminal-Bench 4.0에서 Luna의 12.6%는 예산 문제가 아닙니다.

• 오답 비용이 크고 아무도 검증하지 않는 모든 경우 — +19 대 −8의 Omniscience 격차를 근거로 Claude Sonnet 5.5.

• 첫 토큰까지 79초가 제품 결함인 인터랙티브 화면 - Claude Sonnet 5.5

• 대량 분류, 추출, 라우팅, 또는 더 엄격한 게이트 앞단의 1차 판독기 - Sonnet의 장점이 전혀 발휘되지 않는 상황에서 effort none 또는 low로 설정된 GPT-6 Luna.

• 리뷰어가 어차피 읽을 자체 완결형 코드 편집 - 첫 번째 패스로는 GPT-6 Luna, 에스컬레이션 경로로는 Sonnet 5.5. FrontierCode의 0.5점 차이가 이 분할을 무모한 것이 아니라 논쟁의 여지가 있는 것으로 만든다.

둘 다 실행하는 것은 요금표가 광고하지 않지만 숫자가 뒷받침하는 옵션입니다. 계층형 구성, 즉 저렴하고 범위가 좁은 호출의 90%에는 Luna를, 무언가를 결정하는 10%에는 Sonnet 5.5를 배치하는 구성은 판단이 중요한 곳에서는 Sonnet의 판단력을 유지하면서 비용은 Sonnet의 청구서보다 Luna의 청구서에 더 가깝습니다. OrcaRouter는 두 모델을 하나의 O​penAI 호환 키 뒤에 배치하며 200개가 넘는 다른 모델도, 제공업체 정가가 그대로 전달되는 0% 마크업으로 함께 제공합니다. 따라서 요금표의 20배 비율이 청구서의 20배 비율이 되고, 공급업체 가격 변경이 당일 여러분에게 도달합니다. 두 모델 모두 O​penAI 채팅 완성 형식을 지원하므로, 계층 분할은 두 번째 통합이 아니라 라우팅 규칙입니다. 라우팅 DSL은 요청을 먼저 Luna로 보내고 조건에 따라 에스컬레이션하며, 자동 장애 조치는 제공업체 속도 저하를 처리하고, 새 모델이 카탈로그에 등록될 때 코드 변경이 없습니다.

무엇이 답을 바꿀까요?

Luna의 현재 위치는 한 숫자, 즉 사실성 하한이 움직이는 데 유난히 크게 의존하고 있습니다. AA-Omniscience를 마이너스에서 플러스로 끌어올리는 포인트 릴리스는 20배 더 지불해야 하는 가장 강력한 근거를 제거할 것입니다. 터미널 작업과 지연 격차는 워크로드에 따라 달라지는 반면, 사실을 지어내는 모델은 어디서나 부담이기 때문입니다. 반대로, Sonnet 5.5 가격 인하—Anthropic이 전에도 한 적이 있고, 0% 마크업 라우터가 즉시 전가할 그러한 인하—는 그 비율을 충분히 좁혀 많은 팀에게 티어링 질문을 무의미하게 만들 것입니다.

어느 쪽도 없다면, 솔직한 요약은 이것들이 대체재가 아니라는 것이다. GPT-6 Luna는 저렴하고 프롬프트에 빠르게 반응하며 사실 정보가 빈약한 리더이자, 사고를 끄는 스위치를 갖춘 모델이다. Claude Sonnet 5.5는 시작이 더 느리고 비싸지만 항상 생각하는 신뢰할 수 있는 작성자다. 실수는 20x를 최종 판정으로 받아들이는 것이다. 그것은 차이가 드러나지 않는 작업 부분을 위한 예산이며, FrontierCode의 0.5점 차이는 그런 부분 중 일부가 마케팅이 암시하는 것보다 더 크다는 것을 일깨워 주는 신호다.