GPT-6 Luna vs GPT-6 Sol: 같은 형태와 20배 숫자를 가진 두 요금표

GPT-6 Luna는 입력 토큰 백만 개당 0.10달러, 출력 토큰 백만 개당 0.50달러로 책정되어 있습니다. GPT-6 Sol은 2.00달러와 10.00달러로 책정되어 있습니다. 벤더는 2026년 9월 22일 두 모델을 모두 출시했으며, 이들은 플래그십 GPT-6 Astra 아래에 위치한 GPT-6 세대의 두 하위 티어이고, 두 모델 사이의 20배 격차는 누구나 페이지에서 가장 먼저 읽어내는 부분입니다. 더 알아보기 어렵지만 더 유용한 것은, 두 모델을 구분 짓는 다른 요소가 얼마나 적은가입니다. 동일한 1,050,000토큰 컨텍스트 윈도우. 동일한 922,000토큰 최대 입력. 동일한 128,000토큰 출력 상한. none부터 low, medium, high, xhigh, max까지 이어지는 동일한 추론 사다리, 기본값은 medium. 한 달 차이 나는 동일한 지식 컷오프 계열. 입력 토큰이 272,000개를 넘으면 요청 전체의 가격을 다시 책정하는 동일한 조항.

요금표의 모든 구조적 항목을 공유하는 두 모델은 기능으로 구별되지 않는다. 그것들은 점수로, 그리고 그 점수를 얻는 데 드는 비용으로 구별된다. 두 가지를 모두 측정하는 독립적인 평가판에서 GPT-6 Sol은 동일한 최대 노력 조건에서 GPT-6 Luna보다 11점 높고, 같은 평가를 완료하는 데 약 15배의 비용이 든다. 11점과 15배는 20배와는 다른 문장이며, 그 두 문장 사이의 차이가 바로 이 비교가 실제로 자리하는 곳이다.

이 둘 각각의 용도

GPT-6 Sol은 이 제품군의 일상적인 주력 모델입니다 — OpenAI가 복잡한 코딩, 에이전트 워크플로우, 그리고 사람이 읽게 될 전문적인 작업을 위해 배치한 등급입니다. 텍스트와 이미지를 입력받아 텍스트를 생성하며, API 키만 있으면 누구나 사용할 수 있습니다. 대부분의 팀이 플래그십의 요금표나 접근 제한 없이 GPT-6급 성능을 원할 때 기본적으로 선택하게 될 모델입니다.

GPT-6 Luna는 볼륨 티어입니다. OpenAI의 자체 설명은 좁고 의도적으로 화려함과 거리가 멉니다. 집중적이고 대량의 작업에 가장 효율적인 모델이라는 것입니다. 요약, 추출, 분류, 라우팅, 하나의 작업을 향해 가는 동안 수천 번의 작은 호출을 수행하는 에이전트의 내부 루프. 동일한 창, 동일한 출력 상한, 동일한 노력 다이얼 — 동일한 섀시에 더 저렴한 엔진입니다.

둘 모두 별도의 제품 라인으로 만들어진 것이 아니라 GPT-6 Astra에서 파생된 방법으로 훈련되었기 때문에, 스펙 시트가 그토록 정확히 일치합니다. 가격만이 설계상 두 제품이 갈라지는 유일한 부분입니다.

요금표, 한 줄씩

각 차원당 한 줄, 각 줄에 양쪽 모두:

• 1M당 입력 — GPT-6 Luna $0.10 vs GPT-6 Sol $2.00

• 1M당 출력 — GPT-6 Luna $0.50 vs GPT-6 Sol $10.00

• 100만 토큰당 캐시 입력 — GPT-6 Luna $0.01 vs GPT-6 Sol $0.20; 둘 다 각자의 비캐시 입력 요율의 10분의 1이므로, 20배 비율은 할인 후에도 그대로 유지된다

• 100만 건당 캐시 쓰기 — GPT-6 Luna $0.125 vs GPT-6 Sol $2.50, 두 경우 모두 입력 요율 대비 25% 프리미엄

• 롱 컨텍스트 티어 — 두 카드 모두 동일한 조항: 입력 토큰이 272,000개를 초과하면 요청 전체가 입력 및 캐시는 2배, 출력은 1.5배로 청구되어 GPT-6 Luna는 $0.20 및 $0.75, GPT-6 Sol은 $4.00 및 $15.00이 됩니다

• 컨텍스트 윈도우 — 두 모델 모두 1,050,000 토큰이며, 최대 입력 922,000 토큰, 최대 출력 128,000 토큰입니다

• 추론 노력 — 두 모델 모두 none, low, medium(기본값), high, xhigh, max; 다이얼은 두 모델에서 동일한 부품입니다

• 서비스 등급 — Flex는 두 카드 모두에서 요금을 절반으로 줄이고 Priority는 두 배로 늘리며, 동일한 service_tier 매개변수

• 지식 컷오프 — GPT-6 Luna 2026년 5월 18일 대 GPT-6 Sol 2026년 4월 20일. 같은 제품군 안에서 한 달 차이이며, 두 모델이 같은 세계관을 공유한다고 가정하기 전에 알아둘 만하다

• 인텔리전스 지수, 독립적 — 최대 노력에서 GPT-6 Luna 37 대 최대 노력에서 GPT-6 Sol 48, 동일 지수 리비전

• 기본 노력 점수 — 기본 medium 설정의 GPT-6 Luna 29 대 max 설정의 GPT-6 Sol 48, Artificial Analysis가 측정한 설정

• Index 작업당 비용, 독립적 — GPT-6 Luna 약 $0.07 vs GPT-6 Sol $1.06

• 인덱스 실행 시 출력 토큰 — GPT-6 Luna 150M 대 GPT-6 Sol 77M, 보드 중앙값 88M 대비

코딩 에이전트 지수, 독립 — GPT-6 Luna 41, GPT-5.6 Luna 대비 2점 하락, GPT-6 Sol 57, GPT-5.6 Sol 대비 2점 상승

• AA-Omniscience 환각률 — GPT-6 Luna 77%, 93%에서 감소 vs GPT-6 Sol 60%, 92%에서 감소; 두 모델 모두 더 지식이 많아진 것이 아니라 답변을 거부하려는 경향이 더 강해졌으며, Sol은 그 경향이 더 두드러졌다

• OrcaRouter에서 — 이 글을 쓰는 시점 기준으로 GPT-6 Luna와 GPT-6 Sol은 모두 저희 카탈로그에 없습니다. 둘 다 OpenAI 자체 API를 통해 이용할 수 있습니다.

노력 다이얼은 두 모델 모두에서 동일한 부품이며, 이는 계산을 바꿉니다

추론 사다리가 동일하기 때문에, 두 모델의 헤드라인 지수 수치는 모두 최대 노력 수치입니다. GPT-6 Luna의 37은 원하는 만큼 오래 생각하도록 허용될 때 기록하는 점수입니다. 기본 설정은 medium이며, 이때 29점을 기록합니다. GPT-6 Sol의 48도 최대 노력 수치이며, 독립 위원회가 이 모델을 실행한 설정입니다.

이 점은 대부분의 비교에서보다 여기서 더 중요하다. 왜냐하면 이는 두 모델이 같은 단계에서 비교되고 있다는 뜻이기 때문이다. GPT-6 Luna를 배포하고 아무것도 바꾸지 않는 팀은 37 대 48을 겨루는 것이 아니라 29 대 48을 겨루는 것이다. 이는 11점 차이가 아니라 19점 차이며, 그 크기는 모델의 속성이 아니라 기본값의 속성이다.

같은 다이얼은 두 카드 중 어느 쪽에서든 사용할 수 있는 가장 저렴한 최적화이기도 하며, 양방향으로 작동한다. 사람이 검토하는 작업에서 GPT-6 Sol을 max에서 medium으로 낮추는 것은 트래픽의 일부를 Sol에서 Luna로 전환하는 것보다 더 큰 절감이며, 마이그레이션이 아니라 파라미터 하나를 바꾸는 비용만 든다. 실제로 결과를 결정하는 작업당 단 한 번의 호출에서 GPT-6 Luna를 xhigh로 올리는 것은 전체에 비하면 반올림 오차에 불과하다. 이 다이얼이 두 모델 모두에 존재하는 것은 티어 선택과 추론 강도 선택을 별도로 할 수 있게 하기 위해서이며, 대부분의 팀은 둘 중 하나만 선택한다.

절벽은 똑같다. 바로 그게 핵심이다.

두 모델 모두 동일한 장문 컨텍스트 조항을 적용받으며, 이 조항은 비례적이므로 두 모델 사이의 격차를 좁히지 않습니다 — 오히려 그 격차의 양쪽을 모두 두 배로 만듭니다. GPT-6 Luna에서 300,000토큰 요청은 임계값을 넘긴 28,000개 토큰에 대해서가 아니라 300,000개 토큰 전체에 대해 입력 100만 토큰당 $0.20로 청구됩니다. GPT-6 Sol에서 같은 요청은 $4.00로 청구됩니다. 어느 문서든 임계값 미만이 되도록 두 번의 호출로 나누면 프롬프트를 바꾸지 않고도 비용이 절반으로 줄어듭니다.

동일한 조항이 실제로 바꾸는 것은 실수의 크기다. 볼륨 등급에서는 크기를 잘못 산정한 요청의 비용이 1,000토큰당 1센트의 5분의 1이다. 일일 등급에서는 백만 토큰당 4달러다. 300,000토큰 작업 컨텍스트를 가질 가능성이 가장 높은 팀은 두 모델이 모두 판매되는 에이전트 파이프라인을 운영하는 팀이며, 이는 그 실수를 감당할 여력이 가장 적은 등급이 그 실수를 가장 자주 저지르는 등급은 아니라는 뜻이다.

Sol의 11개 포인트가 있는 곳과 없는 곳

그 격차는 실재하며, 여러분이 실행할 수 있는 작업들 전반에 걸쳐 고르게 분포되어 있지 않습니다.

GPT-6 Sol의 장점은 코딩과 에이전트 실행에 집중되어 있다. Coding Agent Index에서 57점은 GPT-6 Luna의 41점보다 16점 높은데, 이전 세대의 동급 수치가 55와 43이었던 평가표에서 그렇다 — 따라서 두 모델은 그 지표에서 서로 반대 방향으로 움직였으며, 이는 신세대가 구세대보다 전반적으로 업그레이드라고 가정하기 전에 알아둘 만하다. 공급업체가 자체 공개한 수치에 따르면 Sol은 최대 노력에서 DeepSWE v1.1 68.8%를 기록한 반면 Luna는 66.6%였고, Terminal-Bench 4.0에서는 약 43% 대 37%였다. 이는 OpenAI가 보고한 수치이며 재현되지 않았고, 그 수치가 설명하는 격차는 인덱스 격차가 시사하는 것보다 좁다.

Sol이 앞서 나가는 지점은 올바른 결정의 긴 연쇄에 보상을 주는 평가들이다: GPT-6 Sol은 AutomationBench-AA에서 약 62%를 기록한 반면 GPT-6 Luna는 53%를 기록했고, 같은 omniscience 보드에서는 환각률이 60% 대 77%였다. 모델이 답을 지어내는 빈도에서 17포인트 차이는 역량 격차가 아니다. 다운스트림 소비자가 있는 모든 경우, 그것이 결정의 전부다.

11점이 문제되지 않는 영역은 일반 텍스트 작업이다. 추출, 분류, 라우팅, 요약 — GPT-6 Luna의 가격이 책정된 작업들 — 에서 두 모델은 압도적 다수의 경우 동일하게 사용 가능한 답을 내놓을 것이며, 그 차이는 당신의 자체 평가 세트와 맞닥뜨리면 살아남지 못할 것이다. Artificial Analysis는 최대 노력 설정에서 두 모델 모두에서 한 가지 퇴행을 지적한다: GPT-6 Sol은 GDPval-AA v2.1에서 전작 대비 약 100 Elo를 잃고, GPT-6 Luna는 약 75를 잃는다. 당신의 작업이 GDPval과 비슷하다면, 어느 등급도 약속받았던 업그레이드가 아니며, 그 11점은 둘 다 퇴보한 두 모델 사이의 비교일 뿐이다.

이미 보유한 두 등급 중에서 선택하기

이 조합의 특이한 점은 그것이 구매 결정이 아니라는 것입니다. 두 모델은 동일한 계정, 동일한 엔드포인트, 동일한 SDK에서 실행됩니다. 두 번째 계약도, 두 번째 요율 협상도, 트래픽을 한쪽에서 다른 쪽으로 옮기기 위한 통합 작업도 없습니다. 따라서 이는 라우팅 결정이며, 라우팅 결정은 한 번이 아니라 요청마다 내릴 가치가 있는 결정입니다.

이 글을 쓰는 시점에 GPT-6 Luna와 GPT-6 Sol은 모두 우리 카탈로그에 없습니다. 둘 다 OpenAI 자체 API를 통해 접근하므로, 이 분리는 라우터 설정이 아니라 애플리케이션에서 표현해야 합니다. 그렇기 때문에 이 문제는 신중하게 다뤄야 합니다. 잘못했을 때의 대가는 설정 변경이 아니라 코드 변경이기 때문입니다. 분리의 형태는 복잡하지 않습니다. GPT-6 Luna는 에이전트가 하나의 작업에 도달하는 과정에서 수행하는 수천 번의 작은 호출에, GPT-6 Sol은 사람이 읽을 결과물을 만들어 내는 호출에 사용합니다. 양쪽 모두에서 effort 파라미터를 명시적으로 설정하세요. 기본값은 medium이고, 두 모델에 대해 공개된 모든 수치는 최대 effort 기준 수치이기 때문입니다.

여러 공급업체에 걸쳐 라우팅을 하는 팀들 — 그리고 우리가 보는 대부분의 팀이 그렇다 — 은 GPT-6 Astra, Grok 4.6, Kimi K3, Qwen3.8-Max를 하나의 키로 OrcaRouter를 통해 공급업체 정가로, 0% 마크업과 업스트림 간 페일오버와 함께 운용할 수 있다. 같은 그림에 GPT-6 Luna와 GPT-6 Sol을 추가하는 것은 두 번째 아키텍처가 아니라 두 번째 키를 의미하며, 이는 이 조합이 만들어내는 두 가지 문제 중 더 작은 쪽이다.

어느 것, 그리고 언제

스무 배를 지불하고 사는 능력을 이름 붙일 수 없다면 GPT-6 Luna를 선택하세요. 캐시된 입력을 포함해 카드의 모든 항목에서 더 저렴하고, 동일한 윈도와 동일한 출력 상한을 가지며, 추론을 완전히 중단하도록 지시할 수 있고, 독립 보드에서 완료된 작업당 비용은 GPT-6 Sol의 약 15분의 1입니다. 에포트를 명시적으로 설정하고, 긴 호출은 입력 토큰 272,000개 미만으로 유지하며, 16포인트 Coding Agent Index 격차가 자신에게 적용된다고 가정하기 전에 자신의 저장소와 비교해 확인하세요.

GPT-6 Sol은 작업 자체가 제품이고, 실패 양상이 느린 답변이 아니라 조용히 틀린 답변일 때 선택하세요. 실제 리포지토리를 운영하는 코딩 에이전트, 장기적인 전문 분석, 환각된 사실이 절약된 토큰보다 더 큰 비용을 초래하는 모든 경우에도 마찬가지입니다. 완료된 작업당 11개의 지수 포인트를 위해 15배를 지불하고 있다는 점, 그리고 그 11개 포인트 중 상당 부분이 역량 칼럼이 아니라 환각 칼럼에 있다는 점을 받아들이세요. 이 특정한 조합에서는 그 부분에 비용을 지불하는 것이 더 나은 절반입니다.

피해야 할 실수는 20배라는 스티커를 답으로 여기는 것이다. 그것은 토큰 비용에 대한 답일 뿐이며, 완료된 작업에 드는 비용이나 저렴한 모델의 답이 당신이 알아차리지 못할 방식으로 얼마나 자주 틀리는지에 대해서는 아무 말도 하지 않는다.