GPT-5.6 모델별 차이점: Sol·Terra·Luna 가격·성능·용도 완전 정리

GPT-5.6, 이름은 하나인데 실제 선택지는 세 가지입니다

OpenAI의 GPT-5.6을 쓰려고 보면 처음 헷갈리는 지점이 있습니다. “GPT-5.6이면 그냥 하나 아닌가?”라고 생각하기 쉽지만, 실제로는 Sol, Terra, Luna라는 세 가지 모델 티어로 나뉩니다.

쉽게 비유하면 자동차 라인업과 비슷합니다. 같은 세대의 차라도 고성능 플래그십, 균형형 모델, 연비형 모델이 따로 있죠. GPT-5.6도 마찬가지입니다. Sol은 최고 성능, Terra는 실무 균형, Luna는 비용 최적화에 가깝습니다.

30초 요약: GPT-5.6 모델별 차이점

GPT-5.6 Sol: 플래그십 모델입니다. 복잡한 추론, 고난도 코딩, 리뷰, 보안·연구성 작업에 가장 적합합니다.
GPT-5.6 Terra: 성능과 비용의 균형형 모델입니다. 일반 업무 자동화, 고객지원, 문서 작성, 중간 난도 코딩에 현실적인 기본값입니다.
GPT-5.6 Luna: 비용 민감형·대량 처리용 모델입니다. 분류, 요약, 태깅, 단순 생성, 반복 API 호출에 유리합니다.
gpt-5.6 alias: OpenAI 문서 기준으로 `gpt-5.6` 별칭은 `gpt-5.6-sol`로 라우팅됩니다.
공통 스펙: 세 모델 모두 1.05M 컨텍스트, 최대 출력 128K 토큰, 텍스트·이미지 입력, 텍스트 출력, 도구 호출을 지원합니다.

OpenAI 공식 모델 문서 확인하기

GPT-5.6 패밀리의 핵심 구조: Sol, Terra, Luna

OpenAI는 GPT-5.6부터 모델 이름을 세대 번호와 티어 이름으로 나누는 방식을 명확히 했습니다. 숫자인 5.6은 세대를 뜻하고, Sol·Terra·Luna는 성능/비용 포지션을 뜻합니다.

모델	성격	추천 용도	표준 가격(입력/출력, 1M 토큰)
gpt-5.6-sol	최고 성능 플래그십	복잡한 추론, 코딩, 보안 리뷰, 연구, 장문 분석	$5 / $30
gpt-5.6-terra	성능·비용 균형형	실무 자동화, 문서/데이터 처리, 일반 에이전트, 고객지원	$2.50 / $15
gpt-5.6-luna	저비용·대량 처리형	분류, 요약, 태깅, 단순 질의응답, 대량 배치 처리	$1 / $6

여기서 중요한 점은 “싸면 나쁘다”가 아니라는 겁니다. Luna는 단순 반복 작업에서 비용 대비 효율이 좋고, Terra는 많은 실무 서비스에서 기본값으로 쓰기 좋습니다. Sol은 품질 실패 비용이 큰 작업에 투입하는 모델입니다.

공통 스펙: 세 모델 모두 강력한 기본기를 갖췄습니다

Sol, Terra, Luna는 티어가 다르지만 공통 기반은 상당히 강합니다. OpenAI 공식 모델 문서 기준으로 세 모델 모두 다음 특성을 공유합니다.

컨텍스트 윈도우: 1.05M 토큰
최대 출력: 128K 토큰
지식 기준일: 2026년 2월 16일
입력: 텍스트와 이미지
출력: 텍스트
기능: 다국어, 비전, 함수 호출, 웹 검색, 파일 검색, 컴퓨터 사용 도구 지원

즉, 단순히 “Sol만 최신 기능을 쓴다”는 식으로 보면 안 됩니다. 핵심 차이는 성능, 비용, 지연시간, 어려운 문제에서의 안정성입니다.

가격 차이: 가장 현실적인 선택 기준

API를 붙일 때 가장 먼저 보는 건 결국 비용입니다. 표준 짧은 컨텍스트 기준으로 보면 Sol은 Luna 대비 입력 단가는 5배, 출력 단가는 5배입니다. Terra는 정확히 중간에 가깝습니다.

모델	입력	캐시 입력	캐시 쓰기	출력
gpt-5.6-sol	$5.00	$0.50	$6.25	$30.00
gpt-5.6-terra	$2.50	$0.25	$3.125	$15.00
gpt-5.6-luna	$1.00	$0.10	$1.25	$6.00

주의할 점도 있습니다. GPT-5.6 패밀리는 명시적 프롬프트 캐싱을 지원하지만, 캐시 쓰기(cache writes)는 비캐시 입력 단가의 1.25배로 청구됩니다. 대신 캐시 읽기(cached input)는 크게 할인됩니다. 그래서 긴 시스템 프롬프트나 고정 문서가 반복되는 서비스라면 캐싱 전략이 비용을 크게 바꿉니다.

OpenAI 공식 가격표 확인하기

Sol은 언제 써야 할까?

Sol은 “틀리면 비용이 큰 작업”에 쓰는 모델입니다. 예를 들면 코드베이스 전체 분석, 보안 취약점 검토, 복잡한 데이터베이스 마이그레이션 검토, 계약서·정책·논문처럼 긴 문서를 기반으로 판단해야 하는 작업입니다.

특히 GPT-5.6 Sol은 OpenAI 발표 기준으로 코딩, 지식 작업, 사이버 보안, 과학 분야에서 강점을 강조합니다. 또한 API에서는 reasoning.mode: “pro”를 통해 더 많은 모델 작업을 수행하게 할 수 있습니다. 다만 이 경우 지연시간과 비용이 늘어나므로, 무조건 켜는 기능이라기보다 “품질 향상이 실제로 돈이 되는 구간”에서 쓰는 옵션입니다.

복잡한 코드 리뷰
장기 실행 에이전트 작업
정확도가 중요한 리서치·분석
보안·컴플라이언스 검토
여러 도구를 사용하는 고난도 워크플로우

Terra는 언제 가장 현실적일까?

Terra는 대부분의 실무 SaaS에서 가장 먼저 테스트해볼 만한 모델입니다. Sol보다 비용이 절반이고, Luna보다 지능 여유가 있습니다. 그래서 “품질도 필요하지만 매 호출마다 Sol을 쓰기엔 부담스러운” 구간에 잘 맞습니다.

예를 들어 고객 문의 초안 작성, 내부 문서 요약, CRM 메모 정리, 마케팅 콘텐츠 초안, 데이터 분류 후 설명 생성 같은 작업입니다. 실사용 서비스라면 먼저 Terra로 기준 성능을 만들고, 실패하거나 어려운 요청만 Sol로 라우팅하는 방식이 좋습니다.

고객지원 챗봇의 기본 응답
문서 요약과 재작성
업무 자동화 에이전트
중간 난도의 코드 생성
자료 조사 후 구조화된 보고서 작성

Luna는 “많이 돌릴수록” 빛납니다

Luna는 고난도 판단보다 반복·대량·저비용 처리가 중요한 작업에 적합합니다. 예를 들어 수만 건의 리뷰를 감성 분류하거나, 고객 문의를 카테고리별로 태깅하거나, 짧은 텍스트를 요약하는 작업입니다.

여기서 핵심은 Luna를 “저가형이라서 대충 쓰는 모델”로 보면 안 된다는 점입니다. 제품 운영에서는 모든 요청이 최고난도일 필요가 없습니다. 쉬운 요청은 Luna, 중간 요청은 Terra, 어려운 요청은 Sol로 보내는 라우팅이 비용 최적화의 핵심입니다.

대량 리뷰/댓글 분류
짧은 텍스트 요약
검색 결과 후보 정리
태그 자동 생성
일괄 데이터 정제

Reasoning effort: 모델만큼 중요한 두 번째 레버

GPT-5.6은 모델 선택만으로 끝나지 않습니다. reasoning.effort도 함께 조정해야 합니다. OpenAI 문서 기준으로 GPT-5.6은 `none`, `low`, `medium`, `high`, `xhigh`, `max`를 지원합니다.

Effort	추천 상황
none	초저지연 분류, 빠른 조회, 간단한 응답
low	도구 사용, 간단한 계획, 고객지원, 일반 데이터 처리
medium	대부분의 균형형 기본값, 문서/코딩/분석 작업
high	복잡한 디버깅, 장문 분석, 고가치 판단
xhigh	긴 리서치, 보안 리뷰, 어려운 코딩 워크플로우
max	품질 우선의 최상위 난도 작업. 평가 결과로 효과가 확인될 때만 사용

실무적으로는 Terra + medium을 기본값으로 잡고, 쉬운 작업은 Luna + low/none, 어려운 작업은 Sol + high/xhigh/pro로 올리는 방식이 가장 안전합니다.

OpenAI Reasoning 가이드 보기

실무 라우팅 예시: 이렇게 나누면 됩니다

모델을 하나만 고르는 방식보다, 요청 난이도에 따라 나누는 방식이 훨씬 경제적입니다.

작업 유형	추천 모델	추천 설정	이유
리뷰 감성 분류	Luna	none 또는 low	반복·대량 처리에 비용 효율적
블로그 초안/문서 요약	Terra	medium	품질과 비용 균형
복잡한 코드 리뷰	Sol	high 또는 xhigh	실패 비용이 큰 판단 작업
보안 취약점 분석	Sol	xhigh 또는 pro	깊은 추론과 검증 필요
수십 개 자료 병렬 조사	Sol 또는 Terra	Multi-agent 검토	독립 작업 분리가 가능할 때 효율적

GPT-5.6에서 새롭게 봐야 할 기능들

1. 명시적 프롬프트 캐싱

반복되는 시스템 프롬프트, 긴 제품 정책, 공통 문서가 있다면 캐싱을 적극 검토해야 합니다. GPT-5.6은 캐시 breakpoints를 명시할 수 있고, `prompt_cache_key`를 통해 재사용성을 높일 수 있습니다.

2. Programmatic Tool Calling

GPT-5.6은 도구-heavy 작업에서 JavaScript 프로그램을 작성해 여러 도구 호출을 조율하고 중간 결과를 처리할 수 있습니다. 여러 검색 결과를 필터링, 결합, 중복 제거, 집계하는 작업에 특히 적합합니다.

3. Multi-agent beta

복잡한 작업을 여러 독립 작업으로 나눌 수 있다면 Multi-agent를 검토할 수 있습니다. 예를 들어 코드베이스 탐색, 문서화, 구현, 테스트 검토처럼 병렬화가 쉬운 작업입니다. 다만 베타 기능이므로 운영 서비스에는 평가와 안전장치가 필요합니다.

4. 이미지 입력 처리 변화

GPT-5.6은 이미지 detail이 `original` 또는 `auto`일 때 원본 차원을 보존하는 방식으로 동작합니다. 큰 이미지는 더 많은 입력 토큰과 지연시간을 유발할 수 있으므로, 비용이 중요한 서비스에서는 `low` 또는 `high` detail을 명시하거나 사전 리사이즈가 필요합니다.

마이그레이션 체크리스트

☐ 기존 GPT-5.5/GPT-5.4 설정을 기준선으로 저장한다.
☐ 같은 작업에서 GPT-5.6 동일 effort와 한 단계 낮은 effort를 비교한다.
☐ 기본 모델은 Terra 또는 Sol 중 하나로 잡고, 쉬운 작업을 Luna로 내리는 라우팅을 설계한다.
☐ 장문 시스템 프롬프트가 있다면 prompt caching 비용과 cache hit를 측정한다.
☐ 실패 비용이 큰 작업만 Sol pro 또는 max effort를 적용한다.
☐ 이미지 입력이 많은 서비스라면 detail 설정과 토큰 비용을 별도로 테스트한다.
☐ 사용자 기반 서비스라면 `safety_identifier` 적용을 검토한다.

FAQ

Q1. 그냥 `gpt-5.6`만 쓰면 안 되나요?

써도 됩니다. 다만 OpenAI 문서 기준으로 `gpt-5.6` 별칭은 `gpt-5.6-sol`로 라우팅됩니다. 품질은 좋지만 비용 최적화가 필요하다면 Terra나 Luna를 명시적으로 선택하는 것이 좋습니다.

Q2. Sol이 항상 정답인가요?

아닙니다. Sol은 고난도 작업에 강하지만 비용과 지연시간이 커질 수 있습니다. 단순 분류, 반복 요약, 짧은 응답 생성은 Luna나 Terra가 더 경제적입니다.

Q3. Terra를 기본 모델로 써도 괜찮나요?

많은 실무 서비스에서는 Terra가 가장 현실적인 출발점입니다. 먼저 Terra로 품질 기준을 만들고, 실패하거나 난도가 높은 요청만 Sol로 올리는 방식이 좋습니다.

Q4. Pro mode와 max effort는 같은 건가요?

다릅니다. Pro mode는 GPT-5.6의 실행 모드이고, effort는 얼마나 많이 추론할지 조정하는 값입니다. 둘은 독립적으로 설정할 수 있습니다.

결론: GPT-5.6 선택 공식은 간단합니다

GPT-5.6 모델 선택은 어렵게 볼 필요가 없습니다. 품질 실패 비용이 크면 Sol, 일반 실무는 Terra, 대량 반복은 Luna입니다. 그리고 모델 하나로 모든 요청을 처리하려 하지 말고, 요청 난이도에 따라 라우팅하는 것이 비용과 품질을 동시에 잡는 방법입니다.

처음 시작한다면 이렇게 추천합니다. Terra + medium으로 기본값을 잡고, 쉬운 요청은 Luna + low로 내리며, 고위험·고난도 요청만 Sol + high/pro로 올려보세요. 이 구조가 GPT-5.6 패밀리를 가장 실무적으로 쓰는 방법입니다.