GPT-6 Luna vs GPT-6 Astra: 16 지수 포인트를 위한 100배의 가격

공급업체는 이 두 모델을 같은 달 안에 출시했습니다. GPT-6 Astra는 2026년 9월 3일에 백만 입력 토큰당 $10.00, 백만 출력 토큰당 $50.00로 출시되었으며, 장기적인 전문 업무를 위한 회사 최고 성능 시스템으로 자리매김했습니다. GPT-6 Luna는 2026년 9월 22일에 $0.10과 $0.50 — 입력 가격의 100분의 1, 출력 가격의 100분의 1 — 으로 패밀리의 효율성 등급으로 뒤따랐습니다. 두 모델을 모두 측정하는 독립 보드에서 16개의 지수 포인트가 이들을 갈라놓습니다. 백 배 가격 차이에 16포인트라는 것은 전체 비교를 한 줄로 보여주는 것이며, 흥미로운 부분은 아닙니다.

흥미로운 점은, 각 모델이 실제로 작업에서 어떻게 작동하는지를 고려하면 100배라는 스티커 가격이 46배에 가까운 수준으로 줄어든다는 것이고, 남은 격차는 전혀 일반 지능이 아니라는 점이다. 그것은 컴퓨터 사용, 장기적 자율성, 그리고 애초에 당신의 조직이 그 모델을 호출하도록 허용되는지를 결정하는 안전 분류다. 마지막 항목은 어떤 벤치마크 표도 담아내지 못하는 것이며, 많은 팀에게는 가격이 언급되기도 전에 문제를 결정짓는다.

한 가족의 두 계층, 19일 차이

아스트라는 OpenAI의 주력 모델이자, 회사가 세계에서 가장 지능적이고 정렬된 모델이라고 설명하는 모델입니다. 텍스트, 이미지, 파일 입력을 받아들이며, 1,050,000토큰 컨텍스트 윈도와 128,000토큰 출력 상한을 갖추고, 낮음부터 최대까지 구성 가능한 추론 강도로 항상 켜져 있는 추론을 제공합니다. 이는 회사의 Preparedness Framework에 따라 Critical 사이버보안 역량 임계값을 처음으로 넘어선 OpenAI 모델이며, 출시는 역량이 아니라 그 분류에 따른 것이었습니다. 제한된 조직이 먼저이고, 기업 접근은 기본적으로 꺼져 있으며 9월 9일부터 관리할 수 있고, 이후 보호조치 등급이 확대됩니다.

Luna는 같은 패밀리의 다른 한쪽 끝입니다. 텍스트와 이미지를 입력받고 텍스트를 출력하며, 동일한 1,050,000토큰 컨텍스트 윈도와 동일한 128,000토큰 출력 상한을 갖추고, 추론 단계는 none부터 low, medium, high, xhigh, max까지 이어지며 기본값은 medium입니다. 게이팅도, 엔터프라이즈 전환도, 자격을 갖춰야 하는 안전 등급도 없습니다. API 키만 있으면 누구나 사용할 수 있으며, OpenAI 자체의 설명은 범위가 좁고 솔직합니다. 집중적이고 대량의 작업에 가장 효율적인 모델입니다.

두 모델은 컨텍스트 윈도우, 출력 상한, 지식 컷오프 계열, 그리고 장문맥 가격 조항을 공유합니다. 그 외에는 거의 공유하는 것이 없으며, 그 이유는 두 모델이 같은 작업의 서로 다른 절반을 위해 만들어졌기 때문입니다.

요금표에는 100배라고 나와 있습니다. 작업 비용에는 46이라고 나와 있습니다.

각 차원당 한 줄, 각 줄에 양쪽 모두:

• 1M당 입력 — GPT-6 Luna $0.10 vs GPT-6 Astra $10.00

• 출력 1M당 — GPT-6 Luna $0.50 vs GPT-6 Astra $50.00

• 캐시된 입력 — GPT-6 Luna 100만 토큰당 $0.01 vs GPT-6 Astra 100만 토큰당 $1.00, 둘 다 각자의 비캐시 요금 대비 90% 할인

• 인덱스 작업당 비용 — GPT-6 Luna 약 $0.07 vs GPT-6 Astra 약 $3.26

• 전체 인덱스 실행 비용 — GPT-6 Luna $122.39 vs GPT-6 Astra $5,324.10

• AA Intelligence Index — 최대 노력 시 GPT-6 Luna 37 vs 최대 노력 시 GPT-6 Astra 53

• 인덱스 실행 시 출력 토큰 — GPT-6 Luna 150M 대 GPT-6 Astra 60M, 보드 중앙값 88M 대비

• 출력 속도 — GPT-6 Luna 초당 153.9 토큰 vs GPT-6 Astra 초당 51.4 토큰 (xhigh 기준)

• 첫 토큰까지의 시간 — GPT-6 Luna는 대화형 인터페이스 뒤에 배치할 수 있을 만큼 충분히 빠름 vs GPT-6 Astra는 xhigh에서 208.73초

• 추론 끄기 스위치 — GPT-6 Luna는 none부터 max까지, none을 옵션으로 제공하는 반면 GPT-6 Astra는 항상 켜져 있으며 비추론 모드가 없음

• 컴퓨터 사용 및 자율성 — GPT-6 Luna의 도구 호출과 에이전트 루프 대 컴퓨터를 엔드투엔드로 운영하도록 설계된 GPT-6 Astra

• 액세스 — GPT-6 Luna는 일반적으로 누구나 사용 가능 vs GPT-6 Astra는 제한적, 기업용은 기본적으로 비활성화, 관리자 제어 필요

• OrcaRouter 기준 — GPT-6 Luna는 저희 카탈로그에 없음 vs GPT-6 Astra는 OpenAI 정가로 라우팅 가능

작업당 비용 행을 요금표 비율과 대조해 보면, 격차는 절반 이상 줄어든다. Luna는 인덱스를 완성하는 데 출력 토큰 1억 5천만 개를 쓰고, Astra는 6천만 개를 쓴다. Astra는 2.5배 더 간결하며, 출력 기준 가격 모델에서는 이것이 대단히 큰 가치를 지닌다 — 요금표상 100배 차이가 작업 비용 46배 차이로 바뀌는 이유이자, 정가만을 기준으로 한 어떤 비교든 저가 티어의 이점을 2배로 과대평가하게 되는 이유다.

속도 행들은 반대 방향으로 가고, 격차도 크다. Luna는 Astra보다 초당 세 배 많은 토큰을 생성하며, 사용자가 기다릴 수 있는 시간 안에 첫 토큰을 반환한다. xhigh에서 Astra의 208.73초 첫 토큰 시간은 지연 시간 수치가 아니다. 그것은 이 모델이 무엇을 위한 것인지에 대한 선언이다. 그 설정에서 Astra에서는 사람이 지켜보는 어떤 것도 실행될 수 없다.

16점이 실제로 사는 것

지수 격차는 실제로 존재하며, 유용한 질문은 그 안에 무엇이 들어 있느냐이다. 왜냐하면 답은 '16퍼센트 더 많은 지능'이 아니기 때문이다.

Astra의 공개된 역량은 특정 지점에 몰려 있다. OpenAI는 OSWorld 2.0에서 72.6%, AutomationBench-AA에서 69%를 보고했는데, 둘 다 모델이 사람처럼 소프트웨어를 조작하는 능력을 여러 단계에 걸쳐 오랜 시간 동안 측정하는 지표다. 지식 측면의 수치는 GPQA Diamond 96.1, FrontierMath Tier 4 97.6%, 도구를 사용한 Humanity's Last Exam 57.2%이며, 장문맥 검색은 강조된 강점이다: OpenAI 자체의 8-니들 벤치마크에서 256K~512K 토큰 구간 100%, 512K~1M 구간 96.3%를 기록했다. 이는 벤더가 보고한 수치이며 재현되지 않았고, 하네스가 중요하다 — 동일한 모델이 OpenAI의 맞춤형 제공자 어댑터 아래 ARC-AGI-3에서 99.9%를 기록한 반면 표준 하네스에서는 62.7%를 기록했는데, 이 격차는 모델만큼이나 하네스에 대해서도 많은 것을 말해 준다.

이를 종합해 보면, 그것은 범용적인 이점이 아니다. 그것은 오랜 시간이 걸리고, 컴퓨터를 사용하며, 검증 가능한 종료 지점이 있는 작업에 집중된 이점이다. Astra의 경쟁 구도는 다른 챗봇을 상대로 한 것이 아니라 작업 세션을 상대로 한 것이며, 독립 보드에서 나란히 측정되는 모델들은 같은 등급의 다른 플래그십들이다 — Astra는 Intelligence Index에서 53으로 Claude Fable 5.1과 동점을 이루며, 작업당 비용은 약 40% 수준이다.

따라서 Luna의 16점 부족분은 고르게 분포하지 않습니다. 짧고 명세가 분명하며 프로그램이 소비하는 작업에서는 두 모델이 흔히 동일한 쓸 만한 답을 내놓아 차이가 보이지 않습니다. 마지막에 체크포인트가 있는 브라우저에서 40개의 순차적 행동을 요구하는 작업에서는 이 부족분이 완료와 미완료를 가르는 차이입니다. 그리고 그것은 Astra가 위해 만들어졌고 Luna는 그렇지 않은 작업입니다.

아무도 가격에 반영하지 않는 관문

Astra는 회사의 Preparedness Framework에 따른 Critical 사이버보안 임계치를 넘은 최초의 OpenAI 모델이며, 그 실질적인 결과는 기업 계정에서는 꺼진 상태로 제공된다는 점입니다. 관리자가 적용 가능한 요율표와 계약에 따라 이를 활성화해야만 사용자가 이를 볼 수 있습니다. 접근 권한은 9월 3일 제한된 조직 집합에 개방된 뒤 확대되었고, 관리자용 체계는 9월 9일에 도입되었습니다.

Luna에는 그런 것이 전혀 없습니다. API 키만 있으면 첫날부터 누구나 사용할 수 있으며, 자격 심사 단계도, 관리자 토글도, 개발자와 첫 호출 사이에 놓인 안전장치 계층도 없습니다.

규제 산업에 속한 팀, 방위 계약업체, 또는 조달 경로에 보안 검토가 있는 어느 곳이든, 이것이 결정의 전부입니다. 100배의 가격 차이는 세부 항목일 뿐이고, 접근 게이트는 하나의 프로젝트입니다. 그리고 그러한 제약 밖에 있는 팀에게 게이트는 무관하며, Astra는 첫 토큰까지의 시간이 유난히 긴 값비싼 모델일 뿐입니다.

덧붙이자면, 게이팅은 불편이 아니라 숙고된 입장이다. 컴퓨터를 자율적으로 운영하며 취약점을 잘 찾아내는 모델은 연구소가 배포를 조심해야 하는 모델이며, 배포 형태는 그 능력 발견에 따라 결정된다. 그렇다고 해서 조달이 더 쉬워지는 것은 아니지만, 그 제약이 지원 티켓 하나로 완화될 가능성은 낮다는 점은 의미한다.

같은 절벽, 같은 가족, 두 번

두 모델 모두 동일한 장문 컨텍스트 조항을 적용받는데, 이는 어느 요금표에서든 놓치면 가장 비용이 많이 드는 항목입니다. 입력 토큰이 272,000개를 초과하는 요청은 입력 및 캐시 요율의 2배, 출력 요율의 1.5배로 청구됩니다 — 초과분만이 아니라 요청 전체에 적용됩니다. Astra에서는 $10.00/$50.00 호출이 $20.00/$75.00이 됩니다. Luna에서는 $0.10/$0.50이 $0.20/$0.75가 됩니다.

이 조항은 비례적이므로 두 모델 사이의 비율을 바꾸지 않습니다 — 둘 모두를 두 배로 만들 뿐입니다. 그것이 바꾸는 것은 실수의 절대적 크기이며, 그 실수는 Astra에서 더 일어나기 쉽습니다. Astra가 존재하는 이유인 워크로드가 바로 백만 토큰 작업 컨텍스트를 지닌 워크로드이기 때문입니다. 긴 컨텍스트 Astra 호출 하나는 백만 출력 토큰당 $75가 듭니다. 같은 작업을 272K 미만 호출 두 개로 나누면 프롬프트를 바꾸지 않고도 비용이 절반으로 줄어듭니다. 전체 가치 제안이 장기 지평 작업인 모델에서는, 그 계산을 첫 프로덕션 호출 이후가 아니라 이전에 해볼 가치가 있습니다.

이 결정은 라우팅 결정입니다

이 블로그의 다른 비교 사례들 사이에서 이 조합이 특이한 이유는 두 모델이 동일한 공급업체에 속하고, 동일한 계정에서 실행되며, 동일한 엔드포인트를 통해 접근된다는 점입니다. 서명할 두 번째 계약도, 배워야 할 두 번째 SDK도 없습니다. 둘 사이의 선택은 전혀 구매 결정이 아니라 라우팅 결정이며, 대부분의 팀이 한 번이 아니라 요청마다 내려야 할 결정입니다.

이 분할의 구도는 충분히 명확하다. 에이전트가 작업에 이르는 과정에서 수행하는 수천 번의 작은 호출—분류, 추출, 도구 선택, 중간 결과 요약—에는 Luna를. 답변이 곧 결과물이 되는 마지막 단계에서 작업 자체를 단 한 번 처리할 때는 Astra를. 이는 하나의 애플리케이션 안에 존재하는 2계층 파이프라인이며, 전체를 Astra에서 실행할 때와 내부 루프를 Luna에서 실행할 때의 비용 차이는 단위 경제성이 성립하느냐 그렇지 않느냐의 차이다.

GPT-6 Astra는 OpenAI의 정가로 OrcaRouter에서 제공됩니다, 이는 패스스루(pass-through) 가격 구조이므로 OpenAI의 요금 변경이 당일 우리 쪽에도 그대로 반영됩니다. GPT-6 Luna는 이 글을 쓰는 시점에 우리 카탈로그에 없으며 OpenAI 자체 API를 통해 접근합니다. 따라서 둘 다 원하는 팀은 GPT-6 Astra용 키 하나와 기존에 OpenAI에 사용하던 키를 함께 운영하면 됩니다. 또한 이 조합은 모델 퓨전이 진가를 발휘하는: 값싼 고처리량 모델과 값비싼 신중형 모델로 구성된 패널이 함께 답변하고, 값싼 모델이 작업의 대부분을 수행하며 값비싼 모델이 판정을 내리는 구성은 애플리케이션이 두 모델의 존재를 전혀 알지 못한 채 라우팅 계층이 표현할 수 있는 구성입니다.

어느 것, 그리고 언제

특별히 다른 이유가 없다면 GPT-6 Luna를 선택하세요. 요금표상 가격의 100분의 1, 완료된 작업당 가격의 46분의 1이며, 세 배 더 빠르고, 첫 토큰이 사용자가 기다릴 수 있는 시간 안에 도착하며, 추론을 완전히 멈추도록 지시할 수 있습니다 — 바로 이 점이 분류기로 사용할 수 있게 해줍니다. effort 매개변수는 명시적으로 설정하세요. 기본값이 medium이고, 대표 수치인 37은 최대 effort 수치이기 때문입니다. 긴 호출은 입력 토큰 272,000개 미만으로 유지하세요. 공급업체 차트가 아니라 자체 평가를 기준으로 Coding Agent Index의 2포인트 회귀를 확인하세요.

작업이 길고 답이 곧 결과물일 때는 GPT-6 Astra를 선택하라. 여러 단계에 걸친 컴퓨터 사용, 검증 가능한 종착점이 있는 전문 분석, 16 인덱스 포인트가 완수와 조용한 중단을 가르는 차이인 모든 작업 말이다. 첫 토큰까지의 시간은 감수하라 — xhigh에서 208초는 사람을 뒤에 세워둘 수 있는 수치가 아니다 — 그리고 조직에 구매 관문이 있다면 그것도 감수하라. 그런 다음 그 작업으로 이어지는 모든 과정은 저렴한 티어에서 실행하라. 돈은 내부 루프에서 나가기 때문이다.

이 비교가 불러오는 실수는 이것을 두 모델 중 하나를 고르는 문제로 다루는 것이다. 이것은 파이프라인 안에서 각 모델이 어디에 위치하는지에 관한 선택이며, 답은 거의 항상 둘 다이다.