AI 코딩에서 가장 흔한 비용 착시는 ‘한 번 호출 가격’만 보는 것이다.
싼 모델이 다섯 번 길을 잃고 마지막에 “권한이 없습니다”로 끝난다면, 처음부터 원인을 잡는 비싼 모델이 오히려 더 싸다.
2026년 9월 Codex에는 GPT-6 Astra와 함께 GPT-6 Sol, GPT-6 Luna가 추가됐다. 핵심 질문은 “누가 제일 세냐”가 아니다.
어떤 일을 어떤 모델에 처음부터 맡겨야 완료 비용이 가장 낮아지는가?
1. 실제로 무엇이 추가됐나
OpenAI는 2026년 9월 22일 GPT-6 Sol과 GPT-6 Luna를 API에 출시하고 ChatGPT Work와 Codex에도 추가했다.[1][2]
GPT-6 Sol은 복잡한 코딩과 에이전트형 워크플로를, Luna는 명확하고 대량인 작업을 겨냥한다. 둘 다 1.05M 컨텍스트와 최대 128K 출력을 지원한다.[3][4][5]
GPT-6 Astra는 그 위에서 가장 어려운 end-to-end 작업, 코딩, 컴퓨터 사용, 조사, 문서 생성을 담당하는 최상위 모델이다.[6]
대충 비유하면 Luna는 저렴한 실무자, Sol은 기본 주임, Astra는 서버실에 들어오자마자 “이 케이블 반대로 꽂혔네요”라고 말하는 사람이다.
2. “ChatGPT에 GPT-6가 들어왔다”의 함정
9월 22일 ChatGPT 릴리스 노트는 Sol과 Luna가 ChatGPT Work와 Codex에 들어왔다고 명시하며, 일반 Chat에서 제공되는 모델과는 별도라고 설명한다.[1]
따라서 “ChatGPT 제품에 포함됐다”와 “일반 채팅 모델 선택기에 있다”는 같은 말이 아니다.
Astra는 9월 초 발표에서 유료 ChatGPT 사용자 대상으로도 배포한다고 안내됐다.[6] 같은 GPT-6라는 이름만 보고 배포 위치까지 같다고 생각하면 모델 선택기가 보물찾기가 된다.
3. 표시 가격은 엄청나게 다르다
2026년 9월 23일 기준 Standard API 가격, 100만 입력/출력 토큰당 가격이다.[3][4][6][7][8][9]
| 모델 | 입력 | 출력 |
|---|---|---|
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Sol | $4.00 | $20.00 |
동일 토큰이라면 Sol은 Luna의 약 20배, Astra는 Sol의 5배다.
여기까지만 보면 “전부 Luna로 돌리자”가 정답처럼 보인다. 냉장고 이사비를 아끼려고 직접 등에 메는 것과 비슷하다.
4. 입력 100K + 출력 20K 간단 시뮬레이션
한 작업이 입력 100,000토큰, 출력 20,000토큰을 쓴다고 가정한다. 캐시, 도구 비용, 장문 할증, 재시도는 제외한다.
| 모델 | 1회 예상 API 비용 |
|---|---|
| GPT-6 Luna | $0.020 |
| GPT-6 Sol | $0.400 |
| GPT-6 Astra | $2.000 |
| GPT-5.6 Luna | $0.044 |
| GPT-5.6 Terra | $0.440 |
| GPT-5.6 Sol | $0.800 |
원시 토큰 비용은 Luna가 압승이다.
하지만 실제로는 다음을 봐야 한다.
완료 비용 ≈ 1회 비용 × 필요한 시도 수 + 사람 개입 시간 + 실패로 잃은 문맥
토큰 사용량이 같다면 Astra 1회는 Sol 약 5회와 같다. Sol이 다섯 번 실패하고 Astra가 한 번에 끝내면 이미 API 비용이 비슷해진다.
5. 비싼 Astra가 더 싸질 수 있다
OpenAI의 Terminal-Bench 4.0에서 Astra는 57.9%, GPT-5.6 Sol은 37.3%였다. 비교 설정에서는 Astra의 작업당 추정 API 비용이 약 9% 낮았다.[6]
AutomationBench는 41.4% 대 18.1%, 내부 DB migration 작업은 63.9% 대 42.7%였다.[6]
즉 토큰 단가와 완료 비용은 다른 개념이다.
Astra는 Codex 장기 세션에서 이전 컨텍스트를 보존하고 다시 검색하는 메커니즘도 도입한다.[6] 대형 리팩터링 중 “아까 왜 실패했는지 잊고 같은 구덩이에 다시 뛰어들기”를 줄이는 방향이다.
6. 싼 순서가 아니라 작업 형태로 라우팅하라
모든 작업을 Luna→Sol→Astra 순으로 실패시키는 것은 좋은 전략이 아니다.
처음부터 분류하고, 의미 있는 실패 1회 후 승격시키는 편이 낫다.
GPT-6 Luna
- grep, 추출, 분류, 포맷 변환
- 명확한 소규모 수정
- 독립적인 대량 작업
- 테스트 실행과 결과 정리
- 기계적으로 성공 여부를 판정할 수 있는 일
GPT-6 Sol
- 일반적인 다중 파일 구현
- 문제 범위가 어느 정도 알려진 디버깅
- 표준 에이전트 워크플로
- 조사→수정→테스트
- Codex의 기본 주력
GPT-6 Astra
- 원인 자체가 불명
- 여러 서비스·권한·상태를 넘나드는 문제
- 장시간 디버깅
- migration과 대규모 리팩터링
- 늘 80%까지 가고 마지막에 죽는 문제
- Sol이 한 번 제대로 조사했지만 닫지 못한 작업
7. GPT-5.6 Terra의 위치
Standard 가격은 다음과 같다.
- GPT-5.6 Terra: $2 / $12
- GPT-6 Sol: $2 / $10
입력 가격은 같고 Sol의 출력 가격이 더 낮다.[3][8]
새 워크로드에서 Terra를 기본값으로 둘 경제적 이유는 약해졌다. 다만 기존 프롬프트의 검증, 재현성, 호환성 때문에 유지할 이유는 충분히 있을 수 있다.
신규 설계에서는 Luna=대량, Sol=표준, Astra=난제가 훨씬 단순하다.
8. 진짜 최적화는 자기 작업 20개로 측정한다
벤치마크는 지도이지 당신의 저장소가 아니다.
업무를 3~5종류로 나누고 각 20개 정도를 기록한다.
- 추가 인간 지시 없이 끝났는가
- green까지 걸린 시간
- 재시도 횟수
- 토큰/크레딧
- 사람이 읽어야 했던 로그
- 회귀 버그
- 결국 다른 모델로 다시 보낸 비율
그리고 완료 작업 1건당 총비용을 최적화한다.
결론: 기본은 Sol, 기계 작업은 Luna, 미궁은 Astra
현재 구조는 꽤 단순하다.
GPT-6 Luna: 명확하고 대량이며 독립적인 작업.
GPT-6 Sol: 일반적인 Codex 작업.
GPT-6 Astra: 모호하고 길며 여러 시스템을 넘는 난제.
가장 비싼 패턴은 Astra를 쓰는 것이 아니라, Astra를 아끼려고 여러 번 실패한 뒤 결국 Astra를 쓰는 것이다.
네 번째로 같은 로그를 읽는 사람의 시간도 비용이다.
- OpenAI, ChatGPT Release Notes help.openai.com
- OpenAI API Changelog developers.openai.com
- GPT-6 Sol developers.openai.com
- GPT-6 Luna developers.openai.com
- Models catalog developers.openai.com
- GPT-6 Astra openai.com
- GPT-5.6 Sol developers.openai.com
- GPT-5.6 Terra developers.openai.com
- GPT-5.6 Luna developers.openai.com
