**오픈AI(OpenAI)**가 GPT-5.6 패밀리를 정식 출시하며, 최고급형 ‘솔(Sol)’과 중가형 ‘테라(Terra)’를 앞세운 이원 체제로 시장에 내놓았다. 두 모델은 겨냥하는 업무 성격부터 비용 구조까지 확연히 갈린다.
핵심 포인트:
- 솔은 입력 100만 토큰당 5달러, 출력 100만 토큰당 30달러로, 테라보다 요금이 정확히 두 배다.
- 솔은 코딩·에이전트 벤치마크에서 선두를 달리며, 테라는 일상 업무를 더 낮은 단가로 겨냥한다.
- 초기 시험에서 긴 작업 기준으로는 테라가 솔보다 더 많은 출력 토큰을 소모하는 사례가 확인됐다.
GPT-5.6, 솔과 테라의 가격·포지셔닝이 갈라섰다
오픈AI는 7월 9일 공식 발표를 통해 GPT-5.6를 ChatGPT, 코덱스(Codex), API 전반에 일괄 적용하며 약 2주간의 한정 프리뷰를 마무리했다. 플래그십인 솔은 복잡한 코딩, 사이버 보안, 장시간 에이전트 작업을 겨냥한 모델로, 오픈AI는 이를 “지금까지 내놓은 최고 수준의 코딩 특화 모델”이라고 강조한다. 테라는 한 단계 아래 등급으로, 성능은 GPT-5.5와 비슷한 수준을 유지하면서 가격은 절반 수준으로 맞춘 구간이다.
두 모델을 가르는 가장 선명한 경계는 가격 구조다. 솔은 입력 100만 토큰당 5달러, 출력 100만 토큰당 30달러를 받는다. 같은 조건에서 테라는 각각 2.5달러와 15달러로 책정됐다. 여기에 대량 처리용 3단계 모델 ‘루나(Luna)’가 입력 1달러, 출력 6달러로 추가되며 3단계 요금제가 완성됐다.
ChatGPT 내 접근 경로도 가격 구조와 유사하게 나뉜다. 유료 구독자는 ‘중간 이상 추론’ 설정을 통해 솔에 접근할 수 있는 반면, 무료 및 Go 이용자는 ChatGPT Work와 코덱스에서 테라를 기본으로 쓰게 된다. **깃허브(GitHub)**는 이미 코파일럿(Copilot)에 세 모델을 모두 탑재했으며, 솔을 대규모 코드베이스 분석·고난도 추론용으로, 테라는 일상적인 에이전트 코딩에 적합한 기본값 모델로 제시하고 있다.
함께 읽기: 찰스 호스킨슨, 카르다노 떠나나? 본인은 “완전한 거짓” 일축
코딩 벤치마크에선 솔이 테라를 크게 앞서
솔은 Artificial Analysis Coding Agent Index에서 80점을 기록해, 오픈AI 설명에 따르면 **앤트로픽(Anthropic)**의 Claude Fable 5를 약 2.8포인트 앞섰다. 최고경영자 **샘 올트먼(Sam Altman)**은 이 모델이 자사 이전 세대 대비 코딩 작업에서 토큰 효율이 54% 개선됐다고 언급하며, 기업 고객의 예산 절감을 전면에 내세웠다.
다만 모든 지표에서 일관되게 앞서는 것은 아니다. SWE-Bench Pro 기준으로 솔의 점수는 64.6%에 그쳐, Claude Mythos 5에 약 15포인트 정도 뒤처지는 것으로 나타났다. 그럼에도 독립 리뷰어들은 평가를 통해 솔이 복잡하고 난잡한 저장소를 오랜 시간 다루는 작업에서도 비교적 안정적으로 맥락을 유지한다고 분석했다. 반면 테라는 범위가 명확히 정해진 구현 작업이나 1차 코드 리뷰에 적합하며, 보다 복잡해질 경우 상위 모델인 솔로 에스컬레이션하는 전략이 합리적이라는 평가다.
같은 테스트는 비용에 민감한 팀에 대한 경고도 담고 있었다. 장시간 코딩 작업에서 테라가 솔보다 더 많은 출력 토큰을 소모하는 경우가 적지 않았던 것이다. 단가만 보면 테라가 훨씬 저렴하지만, 실제로는 ‘완료된 한 작업당 비용’ 기준에서 솔이 더 유리할 수 있으며, 대규모 트래픽을 옮기기 전에는 반드시 작업 단위당 총비용을 따져봐야 한다는 지적이다.
이번 단계적 출시는 오픈AI가 최전선(프런티어) 모델을 시장에 선보이는 방식이 바뀌었음을 보여준다.
오픈AI는 정식 출시 전 해당 패밀리의 역량을 미국 정부에 사전 브리핑했고, 초기 액세스는 검증된 소수 파트너에게만 제한적으로 열어 이들의 참여 내역을 당국과 공유했다. 또 이번 세대부터는 기존의 모델 네이밍 관행도 손질해, 숫자는 ‘세대’를 나타내고 솔·테라·루나는 서로 다른 ‘능력 티어’를 가리키는 상시 브랜드로 활용된다. 각 티어는 세대와 무관하게 독자적인 업그레이드 주기를 가질 수 있도록 설계한 셈이다.