오픈AI, GPT-5.6 루나 가격 80% 인하…빠른 모드는 솔 응답 속도 2.5배

가격 인하의 핵심

• 오픈AI가 GPT-5.6 제품군에서 가격과 속도 옵션을 같이 손봤음

  • GPT-5.6 Luna는 가장 빠르고 저렴한 모델로 포지셔닝되며 가격이 80% 내려감
  • GPT-5.6 Terra는 일상 업무용 균형 모델로 가격이 20% 내려감
  • GPT-5.6 Sol은 가격 자체보다 API 처리 속도 옵션이 바뀜

• 새 API 가격은 루나 쪽이 특히 공격적임

  • Luna는 입력 100만 토큰당 0.20달러, 출력 100만 토큰당 1.20달러
  • Terra는 입력 100만 토큰당 2달러, 출력 100만 토큰당 12달러
  • Sol 가격은 그대로 유지됨

• 이 가격 인하는 ChatGPT Work와 Codex 사용량 차감에도 반영됨
  • 구독 가격과 쿼터 예산 자체는 바뀌지 않음
  • 대신 Terra와 Luna 사용이 더 적은 크레딧을 소비하는 식으로 적용됨
  • Free와 Go 사용자는 Terra를 쓸 수 있고, Plus, Pro, Business, Enterprise 사용자는 Terra와 Luna를 선택할 수 있음

빠른 모드와 워크플로 전략

• API에선 기존 Priority Processing이 Fast mode로 대체됨

  • GPT-5.6 Sol에서 빠른 모드는 표준 처리보다 최대 2.5배 빠름
  • 가격은 표준 처리의 2배
  • 기존에 priority 태그를 붙인 요청은 그대로 빠른 모드로 동작해서 하위 호환성은 유지됨

• 오픈AI가 강조하는 사용법은 “모든 단계에 제일 비싼 모델을 쓰지 말라”에 가까움

  • 업무의 결과물, 오류 비용, 긴급도, 처리량에 따라 지능, 속도, 안정성, 비용의 균형을 다르게 잡으라는 얘기임
  • 예를 들어 코딩 워크플로에선 Sol이 불확실성을 줄이고 계획을 세움
  • 이후 Luna가 잘 정의된 변경을 구현하고, 테스트를 작성하고 실행하고, 결과를 평가하는 식으로 나눌 수 있음

• 이건 개발팀 자동화 비용을 실제로 줄일 수 있는 패턴임

  • 문서 대량 분석, 고객 상호작용 분류, 반복 구현 작업은 저렴한 모델로 넓게 돌릴 수 있음
  • 반대로 복잡한 의사결정이나 응답 시간이 중요한 Sol 작업은 빠른 모드 프리미엄을 정당화할 때만 쓰면 됨
  • “모델 하나로 다 해결”보다 단계별 모델 라우팅이 더 중요해지는 분위기임

효율화가 가격으로 내려오는 구조

• 오픈AI는 이번 인하의 배경으로 모델, 추론 시스템, 에이전트 실행 환경 전체 효율화를 들었음

  • 모델이 더 직접적인 경로로 작업을 처리하고, 라우팅은 하드웨어 활용도를 높임
  • 생산 소프트웨어는 토큰을 더 효율적으로 생성하고, 문맥 관리는 에이전트가 이미 끝낸 일을 반복하지 않게 함
  • 결과적으로 같은 컴퓨트로 더 많은 유용한 작업을 끝내는 구조를 만들었다는 설명임

• 흥미로운 대목은 GPT-5.6 Sol이 자기 자신을 더 싸게 돌리는 데도 쓰였다는 점임

  • 인간 주도 프로세스 안에서 Sol이 생산 커널을 자율적으로 다시 쓰고 최적화함
  • 토큰 생성 개선을 위해 수백 개 실험을 설계하고 실행했음
  • 이 커널 작업은 모델 서빙의 종단 간 비용을 20% 줄였고, 실험은 토큰 생성 효율을 15% 넘게 끌어올렸다고 함

• 가격 인하는 7월 30일부터 적용되고 AWS 쪽 반영은 이후 순차 롤아웃됨

  • API 세부 가격은 별도 가격표에서 확인하는 구조
  • Codex에서는 /fast와 정렬된 빠른 모드가 제공됨
  • 기존 priority 요청을 쓰던 코드가 갑자기 깨지지 않게 처리한 점은 운영 입장에선 중요함

---

기술 맥락

• 이번 발표에서 중요한 선택은 모델을 성능순으로만 고르는 게 아니라, 워크플로 단계별로 나눠 쓰는 방식이에요. 계획 수립처럼 오류 비용이 큰 단계는 Sol을 쓰고, 변경 적용이나 테스트처럼 명세가 분명한 단계는 Luna로 돌리면 비용 대비 처리량이 좋아지거든요.

• Fast mode도 단순히 “더 빠른 옵션”이 아니에요. 표준 처리보다 최대 2.5배 빠르지만 가격은 2배라서, 사용자 대기 시간이 매출이나 업무 흐름에 직접 영향을 주는 요청에만 붙이는 게 맞아요.

• 오픈AI가 커널 최적화와 토큰 생성 효율을 같이 언급한 이유는 추론 비용이 여러 층에서 누적되기 때문이에요. 모델 구조만 좋아져도 부족하고, 실제 배포 환경의 라우팅, 커널, 문맥 관리가 같이 맞아야 가격을 낮출 여지가 생겨요.

• 개발팀 입장에선 평가 세트를 먼저 만드는 게 더 중요해져요. 어디까지 Luna로 충분하고 어디서 Sol이 결과 품질을 실제로 올리는지 측정해야, 가격 인하가 그냥 싼 호출 증가가 아니라 운영 비용 절감으로 이어지기 때문이에요.