모델의 시장 포지셔닝과 이름 체계가 너무 혼란스러움. 처음에는 Luna(소형), Terra(중형), Sol(대형)이었고, Astra(초대형)가 추가됐을 때까지는 일관성이 있었음.
그런데 Terra를 단종하고 Sol-6.1을 내놓으면서 Sol-6.1이 일부 작업에서 Astra보다 좋아졌고, 가격은 기존 Terra-6.0 수준이 됨. 3D/UI가 아닌 여러 작업에서는 기존 초대형 모델만큼 잘하는데, 이제 Terra를 6.1로 다시 내놓으니 더 헷갈림. Microsoft의 브랜드 책임자가 OpenAI로 이직한 것인가?
OpenAI에서 일하고 있으며, 이름을 정한 논리를 설명해 보겠음. LLM 성능은 다차원적이라 수학을 가장 잘하는 모델이 농담도 가장 잘한다는 보장은 없지만, 성능 차이의 상당 부분은 모델 크기로 설명 가능함. 대체로 클수록 성능과 신뢰성, 희귀한 사실의 회상 능력이 좋아지고 토큰당 비용도 높아짐.
기본 순서는 여전히 Luna < Terra < Sol < Astra임. 품질만 중요하면 Astra, 가격도 조금 고려하면 Sol, 가격에 매우 민감하면 Terra나 Luna를 출발점으로 추천함. 다만 나중에 학습한 모델에는 새로운 데이터·기법·아키텍처가 적용될 수 있어, Sonnet 5.5가 Fable 5.1을, Gemini 3.8 Flash가 3.1 Pro를 일부 영역에서 앞서는 것과 같은 현상이 생김.
GPT-6.1 Terra는 기술적 내용을 전달하는 능력에서 Astra와 Sol보다 나을 수 있고, 시각 이해와 컴퓨터 조작에서는 비슷하면서 더 빠르고 저렴하며, 대부분의 다른 영역에서는 조금 뒤처짐. API 개발자에게는 Sol보다 저렴하면서 Luna보다 훨씬 똑똑한 중간 선택지임. 구독자에게 획기적인 출시는 아니지만, 사용 한도를 더 효율적으로 쓰거나 명료한 설명과 빠른 컴퓨터 조작을 원할 때 유용할 수 있음.
더 좋은 명명법이 있다면 듣고 싶음. 다만 모델 크기·추론량·다중 에이전트 수는 서로 다른 축이라, 이를 모두 ‘더 높은 지능’이라는 이름으로 뭉뚱그리면 이름은 단순해져도 사용자에게 중요한 차이가 가려짐.
무엇이 그렇게 혼란스러운지 모르겠음. 제품군은 여전히 Luna, Terra, Sol, Astra 네 가지이고, 같은 버전 안에서 비교하면 가격과 성능의 단계도 일관됨. 새 Terra 6.1은 Sol 6.1보다 50% 저렴함.
새 버전의 가격이 내려가니 Sol 6.1과 Terra 5.6을 비교하면 순서가 어긋나 보일 수 있지만, 왜 서로 다른 버전을 비교하는지 의문임. 최신 Sol이 이전 세대 Astra와 일부 작업에서 경쟁하는 것도 자연스러우며, Astra 6.1이 나오면 Sol 6.1보다 비싸고 성능도 좋을 것으로 예상함. 가격을 내리지 말라는 것인지, 버전마다 이름을 바꾸라는 것인지, 전 모델이 준비될 때까지 출시를 미루라는 것인지 모르겠음.
성능이 일직선으로 정렬되지 않는 것이 혼란의 일부임. 한 모델이 다른 모델보다 모든 면에서 우월한 것은 아니며, 서로 다른 능력을 가짐. 이름은 오히려 가격대를 가리킨다고 봄. 같은 버전이라면 Luna < Terra < Sol < Astra 순으로 비싸짐.
월 400달러가 넘는 회사 지원금이 아니라 적당한 예산으로 매일 사용해 보면, Luna는 작고 빠른 모델, Sol 6.1은 높은 지능이 필요한 작업용 모델이라는 구분이 명확함. 둘 다 계속 쓰지만, Astra는 검증 절차도 불명확한 도전적 작업을 제외하면 일반 개발자에게 큰 의미가 없음.
Sol 6.1의 low/medium이 성능 대비 저렴하더라도 Luna와 같은 작업을 겨냥한 모델은 아님. 쓰다 보면 Luna급으로 해결 가능한 작업을 직감하게 됨. Terra는 Sol 6.1-low를 쓰던 작업이나, Luna급으로 풀 수 있지만 잘못된 판단의 위험을 줄이고 싶은 작업에 적합할 듯함. 정답에 가까운 설계와 명세가 이미 마련된 기능 추가라면 내가 고를 만한 모델임.
현재 추론 하드웨어에는 효율적으로 확장할 수 있는 자연스러운 규모 구간이 있음. 최적 아키텍처가 대개 전문가 혼합(MoE) 계열이라고 가정하면, 크기가 다른 모델 3~4개를 제공할 유인이 있고 응답 속도도 달라지는 경우가 많음.
크기별 학습 일정도 달라 최신 소형 모델이 구형 대형 모델을 이기기도 함. 한때는 대형 모델부터 학습하고 작은 모델로 지식을 증류하면 된다고 봤지만, 이제는 온폴리시 강화학습의 중요성을 알게 됨. 작은 모델과 큰 모델은 문제를 푸는 방식이 상당히 달라 각각 별도로 강화학습 최적화를 하는 편이 좋음.
Terra와 Sonnet이 존재해야 할 설득력 있는 이유가 궁금함. 내가 맡기는 거의 모든 작업은 한 단계 큰 모델의 추론 수준을 낮추거나, 한 단계 작은 모델의 추론 수준을 높이는 편이 더 나음. 테스트한 범위에서는 같은 결과를 더 싸게 내거나 같은 비용으로 더 잘하는 대안이 항상 있어서, 이들의 용도를 모르겠음.
보조금 성격의 월정액 구독으로 코딩 에이전트를 쓰는 여기 이용자 대다수에게는 별다른 이유가 없을 수도 있음. Terra가 사용 한도에 어떻게 반영되는지에 따라 반복 작업의 일부를 맡겨 구독을 더 오래 활용할 수는 있음.
반면 제품에서 API 요금을 직접 지불하고 용도별 자체 평가를 한다면, 이런 모델은 비용과 속도를 조절할 선택지가 됨. Sol의 최저 추론 수준조차 과한 작업에서 가격으로 경쟁하려는 취지라고 봄. Terra가 Sol만큼 잘하면서 더 빠르고 저렴한 단순 작업이라면 쓰지 않을 이유가 없음.
내 경험상 Haiku와 Sonnet의 성능 차이는 상당히 큼. Sonnet은 Opus보다 저렴하고 빨라서, 비용과 속도가 중요한 API 기반 서비스에서는 차이가 큼.
앱 실행에 필요한 API 호출에는 비용 효율적인 Luna를 많이 쓰고 가끔 Terra급 모델을 쓰며, 더 큰 모델은 거의 쓰지 않음. 반면 코딩 등 구독 서비스에서는 사실상 하루 종일 Astra Ultra를 사용함.
일상적인 작업에서는 Sonnet이 Opus보다 훨씬 빠름. 구독 요금제에서도 Opus의 긴 추론을 기다리기보다 빨리 끝내야 할 때 더 나은 선택이라고 봄.
에이전트나 자체 소프트웨어에 API로 연동한다면 충분히 의미가 있음. 우리는 Terra 5.6으로 질문을 SQL로 변환하는데, 성능과 가격 모두 적절함. Luna는 복잡한 질의를 잘 처리하지 못할 것 같고 Sol은 너무 비쌈.
현재 토큰 100만 개당 API 가격은 다음과 같음.
GPT-6 Astra는 입력 $10.00, 캐시된 입력 $1.00, 출력 $50.00임. GPT-6.1 Sol은 입력 $2.00, 캐시된 입력 $0.10, 출력 $10.00임.
GPT-6.1 Terra는 입력 $1.00, 캐시 읽기 $0.05, 출력 $5.00임. GPT-6 Luna는 입력 $0.10, 캐시된 입력 $0.01, 출력 $0.50임. https://openai.com/business/pricing/#api에서 확인 가능함. 이유는 모르겠지만 Terra 6.1만 “Cached input” 대신 “Cache read”라고 표기함. Astra 6.1과 Luna 6.1도 곧 나올 듯한데, 가격을 더 내릴까?
GPT-5.6 Sol에서 GPT-6.1 Sol로 넘어갈 때처럼 75% 가격 인하 흐름을 따르며, Terra 가격은 여전히 Sol의 절반임.
하지만 첫 출시 때와 마찬가지로, 성능이 크게 좋아진 소형 Luna와 가격이 크게 내려간 대형 Sol 사이에서 애매한 중간 모델임. TerminalBench 4.0의 작업당 비용 결과를 보면 왜 Sol 대신 Terra를 골라야 하는지 모르겠음. 전반적으로 Sonnet 5.5를 겨냥한 성능 과시처럼 보이는데, Sonnet 역시 압도적인 Opus 5.5와 의외로 유능한 Haiku 5.5 사이에서 비슷한 처지임.
성능과 가격을 비교하는 파레토 프런티어 그래프가 유행하지만, 대부분 별 정보가 없다고 느낌. 가격은 자의적으로 정할 수 있으므로 X축 위치도 직접 고르고, Y축에 어떤 측정치를 쓸지도 직접 고른 셈임.
OpenAI가 작업당 비용에 집중하는 점이 마음에 듦. 다음에는 최상위 지능 수준을 끌어올려 주길 기대함. Astra 6.1을 내주면 어떨까?
차트가 사실이라면 GPT-6-Astra 수준의 성능을 훨씬 적은 비용으로 내고, 6.1-Sol과도 거의 대등함.
유리한 벤치마크만 고른 결과 아닐까? 펠리컨 결과를 보면 가격과 결과물 모두 Sol과 Luna 사이에 적절히 자리 잡음.
첫 차트는 훌륭하지만 Terminal Bench 4.0에서는 형편없어 보임. 6.1 Sol에 근접하려면 xhigh가 필요하고, 비용은 더 들면서 결과는 조금 더 나쁨.
꼭 그렇지는 않음. Terra가 상대적으로 잘하는 벤치마크를 골랐을 수 있음. 요즘 모델 출시는 대부분 자기 모델에 유리한 벤치마크만 부각하므로, 전체 평가 결과를 기다려야 더 정확히 파악 가능함.
Terra에 관심이 있는 사람이 얼마나 될지 모르겠음. 이전 Terra도 그렇게 좋다더니 단종됐음. OpenAI에 필요한 것은 Opus 5.5와 경쟁할 모델이지, Terra 6.1이 아님.