GPT-6 Luna vs DeepSeek V4 Pro: 지수 1포인트, 다섯 배 가격, 그리고 가중치를 직접 소유해야 하는 이유

이 맞대결을 결정해야 마땅하지만 그러지 못하는 숫자는 다음과 같습니다: GPT-6 Luna는 Artificial Analysis Intelligence Index에서 최대 노력 설정으로 37점을 기록합니다. DeepSeek V4 Pro는 같은 지수 개정판에서 역시 최대 노력 설정으로 36점을 기록합니다. 1점 차이인데, 이 종합 지표에서 1점은 재실행 시 발생하는 노이즈 범위 안에 들어가는 값입니다 — 그리고 두 모델은 가격에서 약 5배 차이가 납니다. GPT-6 Luna는 입력 토큰 100만 개당 $0.10, 출력 토큰 100만 개당 $0.50에 책정되어 있습니다. DeepSeek V4 Pro 0813은 비피크 시간대에 $0.66 및 $1.98이고, 피크 시간대에는 두 배로 올라 $1.32 및 $3.96입니다.

만약 그것이 이야기의 전부라면, 이 글은 한 문단으로 끝났을 것이고 "GPT-6 Luna를 사용하라"로 마무리되었을 것이다. 하지만 그것이 전부가 아니다. 그 이유는 비교가 완전히 뒤집히는 단 하나의 차원에 있다: DeepSeek V4 Pro의 가중치는 공개되어 있으며 MIT 라이선스로 배포된다. 토큰당 다섯 배 더 비싼 그 모델이 바로 당신이 영원히 다운로드하고, 수정하고, 미세 조정하고, 자신의 하드웨어에서 실행할 수 있는 모델이다. 이는 가격 논쟁에 대한 각주가 아니다 — 특정 부류의 구매자에게는 그것이 논쟁의 전부이며, 9월 22일 GPT-6 Luna의 출시는 이 논점을 정리하기보다 오히려 더 첨예하게 만들었다.

무엇이 출시되었고, 언제였는가

GPT-6 Luna는 OpenAI의 소형 등급으로, 2026년 9월 22일 $2.00/$10.00의 GPT-6 Sol과 함께, 플래그십 GPT-6 Astra($10.00/$50.00) 아래에 출시되었습니다. OpenAI는 이를 집중적이고 대량의 작업에 가장 효율적인 모델이라고 설명합니다. 1,050,000토큰 컨텍스트 창을 갖추고 있으며 최대 입력은 922,000, 출력 상한은 128,000토큰이고, 텍스트와 이미지를 입력받으며, 추론 노력 수준을 none부터 low, medium, high, xhigh, max까지 제공합니다 — 기본값은 medium입니다.

DeepSeek V4 Pro 0813은 2026년 8월 13일에 공개된 DeepSeek의 플래그십 4세대 모델의 GA 빌드로, 동일한 deepseek-v4-pro 식별자 아래에서 4월 프리뷰를 대체합니다. 이는 총 1조 6천억 개의 파라미터와 490억 개의 활성 파라미터를 갖춘 텍스트 전용 전문가 혼합(mixture-of-experts) 모델이며, 100만 토큰 컨텍스트 윈도우와 예외적으로 넉넉한 38만 4천 토큰 출력 상한을 갖추고 있습니다 — 이는 GPT-6 Luna의 세 배입니다. 가중치는 API가 공개된 지 약 반나절 후에 Hugging Face에 deepseek-ai/DeepSeek-V4-Pro-0813으로 올라왔습니다: 66개의 fp8 샤드, 게이트 없음, MIT. 해당 모델에 대한 자체 카탈로그 페이지에는 여전히 8월 GA 날짜가 아닌 4월 프리뷰 날짜가 기재되어 있는데, 이는 릴리스 노트가 아닌 제품 페이지에서 날짜를 확인하는 경우 알아둘 만한 점입니다.

둘 다 추론 우선이고 롱 컨텍스트를 지원합니다. 그중 손에 쥘 수 있는 파일은 하나뿐입니다.

그 요금표들, 솔직히.

각 차원당 한 줄, 각 줄에 양쪽 모두:

• 100만 토큰당 입력 — GPT-6 Luna $0.10 vs DeepSeek V4 Pro $0.66 오프피크 / $1.32 피크

• 1M당 출력 — GPT-6 Luna $0.50 vs DeepSeek V4 Pro $1.98 오프피크 / $3.96 피크

• 캐시된 입력 — GPT-6 Luna는 1M당 $0.01로 자체 요금 대비 90% 할인, DeepSeek V4 Pro는 97% 캐시 할인, 더 깊은 할인율은 더 높은 기준에서

• 피크 시간대 — GPT-6 Luna 없음, 하루 종일 변동 없음 vs DeepSeek V4 Pro는 UTC 01:00-04:00 및 06:00-10:00 사이에 두 배

• 장문맥 조항 — GPT-6 Luna는 입력과 캐시를 2배로 늘리고 272K 입력 초과 시 출력을 1.5배로 높이며 전체 요청에 적용 vs DeepSeek V4 Pro는 자사 카드에 장문맥 할증이 공개되지 않음

• 컨텍스트 및 출력 — GPT-6 Luna 1,050,000 입력 / 128,000 출력 vs DeepSeek V4 Pro 1,048,576 입력 / 384,000 출력

• AA Intelligence Index — 최대 노력 모드에서 GPT-6 Luna 37 대 최대 노력 모드에서 DeepSeek V4 Pro 36, 동일한 인덱스 리비전

• 기본 노력 점수 — GPT-6 Luna는 medium에서 29, DeepSeek V4 Pro는 최대 설정에서 36, Artificial Analysis가 측정한 노력 기준

• 추론 끄기 스위치 — GPT-6 Luna는 none부터 max까지 vs DeepSeek V4 Pro는 low, high, max만

• 인덱스 실행 비용 — GPT-6 Luna $122.39 vs DeepSeek V4 Pro $1,122.27

• 가중치 — GPT-6 Luna는 클로즈드, API 전용 vs DeepSeek V4 Pro는 오픈, MIT 라이선스, 자가 호스팅 가능

• OrcaRouter에서 — GPT-6 Luna는 우리 카탈로그에 없음 vs DeepSeek V4 Pro는 DeepSeek 정가로 라우팅 가능

그 줄들을 함께 읽어 보면 모양새가 이례적이다: 클로즈드 모델은 캐시된 입력을 제외한 모든 토큰당 항목에서 더 저렴하고, 오픈 모델은 출력 길이, 롱컨텍스트 동작, 그리고 토큰당으로는 전혀 가격을 매길 수 없는 단 하나의 측면에서 앞선다.

왜 1점 차는 이야기가 아닌가

종합 지수에서 1점 차이는 실행에 옮길 수 있는 역량 차이가 아니며, 이것이 이 기사에서 가장 흥미롭지 않은 숫자라고 분명히 말할 가치가 있습니다. 그래도 그것과 관련해 정말 중요한 두 가지는 있습니다.

첫째는 지수 개정이 움직인다는 점이다. 동일 평가의 이전 스냅샷에서는 DeepSeek V4 Pro의 최대 노력 점수가 오늘 우리 캡처가 보여주는 36보다 상당히 더 높았고, GPT-6 Astra의 수치는 한 달 안에 발표된 자료에서 52.8, 53, 54.7을 오갔다. 롤링 지수에서 두 모델 사이의 정확한 격차에 기대는 비교는 결코 고정되어 있지 않을 무언가에 기대는 것이다. 정직한 해석은 이 두 모델이 최고 성능에서 같은 역량 구간에 속한다는 것이며, 그 지수만으로는 귀하의 작업에 어느 쪽이 더 나은지 알 수 없다.

두 번째는 effort 기본값이며, 여기서 격차는 실재한다. GPT-6 Luna의 37은 최대 effort 수치다. 기본값은 medium이며, 그때 점수는 29다. DeepSeek V4 Pro의 36 역시 최대 effort 수치이며, Artificial Analysis가 실행한 설정이기도 하다. GPT-6 Luna를 배포하고 아무것도 바꾸지 않는 팀은 36에 맞서 29를 돌리는 셈이다 — 잘못된 방향으로 7점이 부족한 것이며, 실제 문제는 기본값인데도 프로덕션 포스트모템에서 "저렴한 모델이 더 나쁘다"로 드러나는 종류의 일이다.

오픈 웨이트는 실제로 얼마나 가치가 있는가

바로 이 지점에서 가격 비교는 더 이상 산수가 아니라 여러분의 비즈니스에 관한 질문이 됩니다. MIT 라이선스 가중치는 네 가지를 얻어 주지만, 각각에는 요율표에는 결코 나타나지 않는 가격표가 붙어 있습니다.

첫 번째는 비용의 하한선입니다. 토큰당 가격 책정은 임대이고, 가중치는 자산입니다. 고정 GPU 풋프린트가 종량제 청구서를 앞지르는 것이 유리할 만큼 규모가 크다면, 이 두 모델 중 그 옵션이 아예 존재하는 쪽은 DeepSeek V4 Pro뿐입니다. GPT-6 Luna의 요율에서는 교차점이 아주 멀리 있습니다 — 1센트짜리 캐시 입력 요율은 임대한 실리콘으로 이기기가 정말 어렵습니다 — 하지만 "아주 멀리"는 "불가능"과는 다른 말이며, 이는 일방통행 문입니다: 셀프 호스팅에서 API로는 언제든 옮겨갈 수 있지만, 반대 방향으로는 옮겨갈 수 없습니다.

두 번째는 공급업체의 로드맵으로부터의 독립성입니다. GPT-5.6 Luna의 프로모션 요금에는 명시된 만료 기한이 있었습니다. GPT-6 Luna의 요금은 OpenAI에 따르면 영구적입니다. 하지만 영구적이라는 것은 공급업체가 후속 모델을 출시할 때마다 언제든지 단종시킬 수 있는 모델에 대한 약속입니다. 직접 호스팅하는 모델은 당신 발밑에서 지원 중단될 수 없습니다. 폐쇄형 모델에서 강제 마이그레이션을 겪어본 사람이라면, 이는 토큰 비용 5배 차이보다 더 가치가 있습니다.

세 번째는 데이터입니다. 프롬프트에 귀하의 인프라를 벗어날 수 없는 자료가 포함되어 있다면, 비교는 여기서 끝나며 GPT-6 Luna의 비용이 얼마인지는 중요하지 않습니다.

네 번째는 미세 조정이 가능하다는 점입니다. GPT-6 Luna는 미세 조정을 전혀 지원하지 않습니다 — Chat Completions, Responses, Batch가 전부이고, 그게 목록의 끝입니다. DeepSeek V4 Pro의 가중치는 자체 분포로 학습시킬 수 있으며, 이는 범위가 좁고 처리량이 많은 작업에서 어떤 범용 지표 점수보다도 더 큰 이득이 되는 경우가 많습니다.

그 모든 것에도 불구하고, GPT-6 Luna가 내세우는 근거는 비피크 시간대에 입력 대 출력 3:1 혼합 기준으로 약 5배 더 저렴하고 DeepSeek의 피크 시간대에는 거의 10배 더 저렴하다는 점, 캐시 입력 요율이 이미 낮은 입력 요율의 10분의 1이라는 점, 추론을 완전히 중단하도록 지시할 수 있다는 점, 그리고 정가가 하루에 두 번 두 배로 오르지 않는다는 점이다. 데이터 상주 제약도, 파인튜닝 요구 사항도, 추론 인프라를 운영할 의향도 없는 워크로드라면, 그것은 명쾌한 답이다.

마이그레이션은 가격 격차가 시사하는 것보다 작습니다.

이 둘 사이를 전환하는 것은 포팅이라기보다 구성 변경에 가깝다. 둘 다 OpenAI 호환 chat completions 형식을 따르고, 둘 다 100만 토큰급 컨텍스트 윈도우를 갖추고 있으며, 실패 모드 역시 구조적인 것이 아니라 예상할 수 있는 것들이다.

트래픽을 옮기기 전에 그중 두 가지는 짚어둘 가치가 있습니다. GPT-6 Luna의 장문 컨텍스트 조항이 비용이 더 큰 쪽입니다. 입력 토큰 272,000개를 초과하면 요청 전체가 입력과 캐시는 두 배, 출력은 1.5배로 재가격 책정되므로, 300,000토큰 호출은 같은 호출을 둘로 나눴을 때의 두 배 비용이 듭니다. DeepSeek V4 Pro에는 그런 조항이 없습니다. 즉, 정말로 거대한 단일 요청에서는 5배 가격 차이가 보기보다 작고 피크 시간대 호출에서는 역전될 수도 있습니다. 그리고 출력 상한은 선호 사항이 아니라 하드 제약입니다. 128,000토큰 대 384,000입니다. 긴 구조화 아티팩트를 생성하는 파이프라인은 GPT-6 Luna에 아예 맞지 않을 수 있으며, 어떤 가격 우위로도 그것을 해결할 수 없습니다.

DeepSeek V4 Pro는 DeepSeek의 정가로 OrcaRouter에 있으며, 벤더 요금 변경이 같은 날 우리 쪽에 반영되는 패스스루 가격 책정을 적용합니다 — 이미 피크와 오프피크 사이에서 요금이 오가는 모델에 관련된 사항입니다. GPT-6 Luna는 이 글을 쓰는 시점에 우리 카탈로그에 없고 OpenAI 자체 API를 통해 접근하므로, 둘 다 원하는 팀은 OpenAI에 이미 사용 중인 것과 함께 DeepSeek V4 Pro용 키 하나를 운영하게 됩니다. 자동 페일오버는 바로 이 특정 조합에서 제 역할을 하는 부분입니다: 자체 호스팅 또는 서드파티 DeepSeek 엔드포인트가 성능 저하를 일으키는 것이야말로 배포 없이 경로가 전환되기를 바라는 바로 그 시나리오입니다.

누가 어떤 것을 골라야 하나요

다음 중 하나라도 해당하면 DeepSeek V4 Pro를 선택하세요. 프롬프트가 귀하의 인프라를 벗어날 수 없습니다. 파인튜닝이 필요합니다. 128,000개 토큰보다 긴 출력을 생성합니다. 요청이 일상적으로 272,000개 입력 토큰을 초과합니다. 또는 볼륨이 충분히 커서 토큰을 임대하는 대신 GPU를 구매하는 편이 낫고, 나중에 애플리케이션을 다시 작성하지 않고도 그 전환을 할 수 있는 옵션을 원합니다.

그중 어느 것도 해당하지 않고 워크로드가 대용량이며 프로그램에 의해 소비되고 짧다면 GPT-6 Luna를 선택하세요. 분류, 추출, 라우팅, 대량 요약, 에이전트의 내부 루프. 가격이 $0.10/$0.50이고 캐시 입력 요율이 1센트이며 Batch가 반값이라면 계산상 비교가 되지 않으며, 최대 추론 노력에서의 1점 인덱스 차이는 평가에서 보이지 않을 것입니다. medium에서 실행하고, 벤더 차트가 아니라 자체 테스트를 기준으로 2점 Coding Agent Index 하락을 확인하며, 장기 호출은 272,000토큰 선을 넘지 않는 쪽에 두세요.

피해야 할 실수는 5배의 가격 차이를 답으로 여기는 것입니다. 그것은 토큰 비용은 얼마인가라는 한 가지 질문에 대한 답일 뿐이며, 2년 후에도 이 워크로드를 계속 실행할 수 있을지를 결정하는 네 가지 질문에 대해서는 아무 말도 하지 않습니다.