핵심 요약
AI 요약
기사 목차 펼치기 / 접기
가격표는 절반인데, 작업 비용은 더 높을 수 있다. 새로 나온 GPT-6.1 테라는 이 차이를 명확히 보여준다. 공개 평가에서 어떤 일을 맡겼는지, 얼마나 오래 생각하게 했는지에 따라 솔과의 비용 관계가 완전히 뒤바뀌었다.
오픈AI(OpenAI)는 10월 26일 공식 변경 내역을 통해 GPT-6.1 테라(Terra)를 공식 출시했다. 공식 발표 블로그에서는 이미지 이해와 컴퓨터 조작, 명료한 글쓰기를 주요 용도로 제시했다. 기존 솔(Sol)과 GPT-6 아스트라(GPT-6 Astra)의 모든 일을 대신하는지보다, 어느 작업에서 실질적 비용을 줄일 수 있는지가 이번 출시의 본질적 질문이다.
100만토큰당 단가와 50%의 가격표
공식 가격 정책에 명시된 표준 API 가격은 입력 100만토큰당 1달러, 출력 5달러다. 같은 기준에서 GPT-6.1 솔은 2달러와 10달러, GPT-6 아스트라는 10달러와 50달러로 책정됐다. 토큰은 모델이 읽고 생성하는 분량을 세는 기본 단위다. 같은 양을 읽고 같은 양을 생성한다면 테라가 솔보다 정확히 절반 저렴하다.
| 모델 | 입력 100만토큰 | 출력 100만토큰 |
|---|---|---|
| GPT-6.1 테라 | 1달러 (약 1324원) | 5달러 (약 6622원) |
| GPT-6.1 솔 | 2달러 (약 2649원) | 10달러 (약 1만3244원) |
| GPT-6 아스트라 | 10달러 (약 1만3244원) | 50달러 (약 6만6220원) |
원화 환산은 달러당 1324.4원을 기준으로 계산했다. 공식 테라 모델 세부 규격은 입력 27만2000토큰 이하의 표준 처리 기준을 명시한다. 긴 입력과 빠른 처리에는 별도 요율이 적용되고, 캐시를 재사용한 입력도 가격이 다르다. 실제 청구액을 비교하려면 토큰 수와 처리 조건을 함께 봐야 한다.
가격표가 알려주는 것은 단가까지다.
에이전트 과제와 시각 추론 실측 결과
오픈AI는 전문 컴퓨터 작업 평가인 Agents’ Last Exam에서 테라의 medium 설정이 아스트라와 대등했다고 설명했다. 도면으로 입체 모형을 만들거나 영상의 장면 기록을 작성하는 작업 등이 포함된 평가다. 이 결과는 특정 업무에서 더 비싼 모델을 쓰지 않아도 될 가능성을 보여준다. 어려운 질문 전반에 같은 성능을 낸다는 증거는 아니다.
시각 추론 평가 MMMU-Pro에서도 솔과 아스트라에 근접했다고 발표했다. 데스크톱 앱 조작을 평가하는 OS월드(OSWorld) 2.1에서는 테라 medium이 이전 테라의 최고 성적을 넘어섰다고 밝혔다. 두 평가는 화면을 이해하는 능력과 화면에서 일을 끝내는 능력을 나눠 본다. 사진을 잘 읽는다는 결과만으로 앱 작업까지 잘한다고 결론 내릴 수는 없다.
코딩 평가 Terminal-Bench 4.0에서는 테라 max가 이전 테라의 공개 성적보다 두 배 이상 높아졌다. 다만 오픈AI는 가장 복잡한 코딩에는 솔과 아스트라가 더 적합하다고 덧붙였다. 전 세대보다 좋아졌다는 주장과 상위 모델을 넘어섰다는 주장은 다르며, 이번 발표에도 두 판단을 갈라 읽을 근거가 들어 있다.
특정 과제의 선전이 전반적인 지능 우위를 보증하지는 않는다.
아티피셜 애널리시스 인텔리전스 지수와 가중평균 비용
아티피셜 애널리시스(Artificial Analysis)의 인텔리전스 지수(Intelligence Index) v4.3.2는 지식·코딩·문서 처리 등을 포함한 10개 평가를 종합한다. 이 지수는 정답률이 아니며, 점수 차이를 지능의 비율로 바꾸면 평가가 말하지 않은 결론을 붙이게 된다. 아래는 독립 벤치마크 사이트의 측정치다.
| 모델·추론 설정 | 인텔리전스 지수 | 평가 작업당 가중평균 비용 |
|---|---|---|
| 테라 medium | 41점 | 0.1달러 (약 132원) |
| 테라 max | 48점 | 0.4달러 (약 530원) |
| 솔 medium | 48점 | 0.21달러 (약 278원) |
| 솔 max | 52점 | 0.72달러 (약 954원) |
| 아스트라 max | 53점 | 3.26달러 (약 4318원) |
테라의 공식 측정값은 medium 41점, max 48점이다. 솔 max는 52점이며, 평가 작업당 비용은 0.72달러다. 아스트라 max는 53점과 3.26달러로 집계됐다. 같은 max끼리 보면 테라는 점수가 약간 낮은 대신 비용을 크게 줄이는 선택이다. 여기서 비용은 평가별 비중을 반영한 평균이며, 성공한 작업 한 건의 비용은 아니다.
독립 코딩 종합 평가인 Coding Agent Index v2.0에서도 테라는 48점으로 솔의 54점보다 낮았다. 루나(Luna)는 31점이었다. 특정 터미널 과제에서 성적이 크게 올라도, 코딩을 여러 각도에서 재면 상위 모델과 차이가 분명히 남는다. 개발자가 맡길 일이 짧은 단일 함수 수정인지, 여러 파일의 관계를 추적하는 복합 작업인지가 선택의 기준이 되어야 한다.
점수의 차이보다 더 중요한 것은 청구서에 찍히는 총액이다.
테라 max와 솔 medium의 비용 역전 역설
솔 medium의 지수는 테라 max와 동일한 48점이다. 그러나 평가 작업당 비용은 0.21달러로, 테라 max의 0.4달러보다 오히려 절반 가까이 낮다. 표시 금액으로 계산하면 테라 쪽이 약 1.9배 더 비싸다. 반올림된 종합 점수가 같다고 모든 문제에서 같은 답을 낸다는 뜻은 아니다.
더 비싼 토큰을 쓰는 상위 모델의 작업 비용이 오히려 더 낮았다.
오픈AI 추론 가이드에 명시된 대로 추론 설정을 높이면 답을 내기 전 모델이 사용하는 내부 계산량이 급격히 늘어난다. 정답률을 끌어올릴 수 있지만, 그만큼 더 많은 추론 토큰을 소모한다. 단가가 낮은 모델을 오래 생각하게 하는 편이 언제나 유리하지는 않다. 반대로 짧은 추론으로 충분한 과제라면 저렴한 단가의 장점이 극대화된다.
아티피셜 애널리시스 분석에서도 종합 지수와 비용의 관계에서는 테라의 low·medium 설정이 최적의 효율 경계에 놓인다고 평가했다. 코딩 지수에서는 low·xhigh가 해당했다. 가장 오래 생각하게 하는 설정이 모든 실무의 기본값일 이유는 없다. 같은 예산으로 설정을 바꿨을 때 무엇이 달라지는지 확인할 자리가 남아 있다.
“단가가 낮은 모델을 오래 생각하게 하는 편이 언제나 유리하지는 않다. 단가 50%의 가격표만 믿고 추론 설정을 무작정 끌어올리면, 장부의 합계는 정반대로 뒤집힌다.”
한국어 어조와 실무 코드 검증의 과제
공개 평가만으로는 한국어 초고의 어조나 인용 보존 능력을 판단하기 어렵다. 원문에 없는 원인을 덧붙였는지, 수정 과정에서 예외 조건을 빠뜨렸는지는 실제 출력에서 봐야 한다. 코딩 역시 정답처럼 보이는 설명과 회귀 테스트를 통과한 코드를 명확히 구분해야 한다. 이 둘을 한 점수로 묶으면 독자가 어느 실패를 감수해야 하는지 알기 어렵다.
실무 환경의 선택 기준은 벤치마크 점수가 아닌 실제 작업 비용이다.
이어지는 2편에서는 같은 한국어 자료와 코딩 과제를 네 조건에 직접 넣어 대조한다. 테라 mediumax, 솔 medium, 아스트라 medium이 대상이다. 공개 평가와 점수를 합치는 대신, 같은 강점과 약점이 실제 출력에서도 재현되는지 대조한다. 특히 테라 max와 솔 medium 사이에 남은 비용 역전이 답변의 정확성과 처리 시간에서도 이어지는지 검증한다.
테라의 다음 비교 상대는 가격표 옆 모델이 아니라, 사용자가 실제로 맡길 문서와 코드다.
