GPT-6 Luna로 API 테스트 생성: 전체 OpenAPI 스펙의 실제 비용은?

OpenAPI 스펙에서 테스트를 생성하는 것은 오래전부터 기술적인 문제가 아니었습니다. path item을 읽고 그럴듯한 요청을 만들어낼 수 있는 모델은 2년 전부터 있었습니다. 문제는 비용이었습니다. 테스트 생성 비용이 실행당 충분히 높아서, 팀들은 이를 일회성 마이그레이션처럼 다뤘습니다. 한 번 스위트를 생성하고, 커밋한 다음, 영원히 손으로 유지하는 것이었죠. 스펙이 바뀔 때마다 재생성하면 누군가 물어볼 비용 항목으로 잡혔을 테니까요.

2026년 9월 22일에 발표된 GPT-6 Luna는 백만 입력 토큰당 $0.10, 백만 출력 토큰당 $0.50으로, 이 작업을 그 선의 반대편으로 옮깁니다. 42개 엔드포인트 스펙에 대한 전체 실행은 캐싱 없이 약 $0.29, 캐싱을 사용하면 $0.10 미만입니다. 이 정도면 생성된 스위트를 유지하는 것을 그만두고 매 머지마다 그냥 재생성하기에 충분히 저렴합니다.

여기에는 산술, 요청 형태, 계획해야 할 지연 시간, 그리고 모델이 여전히 틀리는 두 가지가 있습니다.

움직인 가격

GPT-6 Luna는 GPT-6 패밀리의 새 모델이며, 이름만 바꾼 GPT-5.6 티어가 아닙니다. OpenAI는 Sol과 Luna가 GPT-6 Astra와 유사한 방법으로 학습되었으며, 둘 다 GPT-5.6 프로모션 가격보다 50% 저렴하다고 밝혔습니다. 이 단서는 OpenAI 자신의 표현이며 중요합니다. 비교 대상이 정가가 아니라 프로모션 요율이기 때문입니다. 전체 계보는 AI 모델 가격 전쟁 정리에서 확인하세요.

이 작업에서는 헤드라인 가격보다 컨텍스트 윈도우가 더 중요합니다. 백만 토큰이면 전체 스펙, 사내 테스트 관례, 예시 요청 세트가 하나의 프롬프트에 여유 있게 들어갑니다. 청킹할 필요도 없고, 어떤 오퍼레이션이 어떤 스키마에 의존하는지 파악하는 검색 로직을 작성할 필요도 없습니다. 모델에 대한 더 자세한 내용은 GPT-6 Luna란 무엇인가에서 확인하세요.

가격을 매기기 전에 작업 형태를 잡으세요

두 가지 형태가 있고, 비용은 크게 다릅니다.

원샷 버전은 전체 스펙을 컨텍스트에 넣고 한 번의 완성으로 전체 스위트를 요청합니다. 입력은 더 저렴하지만 출력이 더 나쁩니다. 42개 오퍼레이션을 커버하는 완성은 스무 번째쯤 가면 심하게 얇아지는데, 초반 엔드포인트는 각각 5개의 케이스를 받고 후반은 해피 패스 하나와 무관심한 결과만 받게 됩니다. 전체 실행에 대한 재시도 단위도 하나뿐입니다.

오퍼레이션별 버전은 공유 스펙 컨텍스트에 오퍼레이션 하나를 더해 42번 전송합니다. 공유 컨텍스트가 반복되므로 입력은 늘어나지만, 출력 품질이 유지되고, 각 호출이 독립적으로 재시도 가능하며, 각 파일이 이전 실행과 깔끔하게 diff됩니다. 캐싱이 추가 입력 비용의 대부분을 회수해주므로, 이 형태가 가격을 매길 대상입니다.

중간 규모 스펙을 사용한 호출 하나의 예산:

처음 두 행은 모든 호출에서 바이트 단위로 동일합니다. 이 52,000 토큰 접두사가 바로 캐싱이 작동하는 대상이며, 불변하는 재료를 맨 앞에 두는 것이 설정에서 가장 레버리지가 큰 결정입니다.

한 번의 실행 비용

해당 예산으로 42개 오퍼레이션을 실행하면 입력 2,247,000 토큰, 출력 126,000 토큰이 됩니다.

Luna 요율로는 입력 $0.2247, 출력 $0.0630이므로 한 번 실행에 $0.2877, 엔드포인트당 0.7센트가 조금 안 됩니다. 같은 토큰 프로파일을 같은 2주 동안 출시되거나 가격이 조정된 다른 모델에 적용하면:

Astra는 입력과 출력 모두에서 정확히 Luna 요율의 100배이므로, 이 작업에서 정확히 100배의 비용이 듭니다. Claude Opus 5.5는 40배입니다.

이 격차가 전체 결정을 좌우합니다. 실행당 $28.77이라면 증분 로직을 구축합니다. 어떤 오퍼레이션이 변경되었는지 추적하고, 각 path item을 해시하고, diff만 재생성하고, 그것이 스펙과 어긋나기 시작할 때 그 기계를 디버깅해야 합니다. $0.29라면 증분 로직을 삭제합니다. 한 달에 20번의 머지는 $5.75로, 모델이 작성한 테스트를 실행하는 데 드는 CI 분보다 적습니다. 규모를 보자면, OpenAI는 중간값 연구자가 코딩 에이전트에 하루 $600 이상을 쓰고, 90백분위수는 $7,000을 넘는다고 보고합니다.

프롬프트 캐싱이 가져오는 지점

GPT-6는 가격 변경과 함께 실질적인 캐싱 릴리스를 출시했습니다. 캐시된 입력 읽기에 90% 할인, 기본적으로 더 높은 적중률, 대시보드와 진단 도구, 캐시된 접두사가 어디서 끝나는지 선택할 수 있는 명시적 중단점, 그리고 추론 노력과 도구 가용성 변경에 걸쳐 살아남는 캐시입니다. GitHub는 수십억 건의 요청에서 새로 처리해야 하는 프롬프트 토큰이 50% 이상 줄었다고 보고했습니다. 자세한 내용은 GPT-6 프롬프트 캐싱에서 확인하세요.

위 실행에 적용하여, $0.10 입력 요율에서 90%를 할인한 캐시 읽기 백만당 $0.01로 계산하면:

캐싱되지 않은 비용의 약 3분의 1, 엔드포인트당 4분의 1센트가 조금 안 됩니다. 가정하지 말아야 할 두 가지가 있습니다. OpenAI는 90% 할인을 명시하지만, 우리가 참조한 자료에는 Luna의 캐시 읽기 달러 요율을 인쇄하지 않으므로 위의 $0.01은 산술이지 공개된 요율이 아닙니다. 그리고 우리가 인용한 어떤 자료에도 캐시 수명이 없으므로, 느린 CI 큐에 걸쳐 분산하기보다 42회 호출을 연달아 발사하고 대시보드에서 적중률을 확인하세요.

요청

특별한 것은 없습니다. 순서가 제값을 합니다:

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "reasoning_effort": "high",
    "messages": [
      { "role": "system",
        "content": "You write API tests. Emit one test file. Assert on status, response schema and error shape. Never assert on a field absent from the supplied schema." },
      { "role": "user",
        "content": "Shared spec context:\n<components, securitySchemes, servers>" },
      { "role": "user",
        "content": "Operation under test:\nPOST /orders\n<path item and examples>" }
    ]
  }'

시스템 프롬프트와 공유 스펙 블록은 42회 호출 모두에서 바이트 단위로 동일하며 맨 앞에 옵니다. 오퍼레이션은 가변적이며 맨 뒤에 옵니다. 둘을 바꾸면 아무것도 캐싱되지 않아 실행 비용이 $0.096 대신 $0.29가 됩니다. 이것이 전체 메커니즘입니다.

high 노력 설정은 의도적입니다. Luna의 전임자 대비 공개된 향상은 더 높은 노력에서 측정되었고, GPT-6 캐싱은 노력 변경에도 살아남으므로 접두사를 재구축하지 않고도 오퍼레이션별로 조정할 수 있습니다. 최상위 설정은 돈이나 인증이 걸린 엔드포인트에 아껴두세요.

돈이 아니라 시간을 계획하세요

저렴하다고 빠른 것은 아닙니다. 제3자인 Artificial Analysis는 Luna의 max reasoning 변형을 초당 153.9 출력 토큰, 첫 토큰까지의 시간 124.23초로 측정합니다. 두 수치 모두 OpenAI가 아닌 그들의 것이며, 둘 다 특별히 max 변형에 적용되고, AA는 지속적으로 재채점하므로 방향성 있는 지표로 다루세요.

액면 그대로 받아들이면, max 노력에서 한 번의 호출은 약 124초의 대기와 3,000 토큰을 스트리밍하는 약 20초, 대략 144초입니다. 42회를 순차적으로 하면 약 101분입니다. 8개를 동시에 하면 약 13분으로, 평범한 CI 단계입니다.

이는 대부분의 모델 선택 논의와 반대 방향으로 작용하며, 그래서 이 조합이 통합니다. 첫 토큰까지의 시간은 대화형 어시스턴트에게는 재앙이고, 파일을 작성하는 배치 작업에는 거의 무관합니다. 더 큰 형제 모델에 대한 같은 트레이드오프는 GPT-6 Sol의 첫 토큰까지의 시간에서 확인하세요.

맞히는 것과, 틀리는 두 가지

Luna에 대한 OpenAI의 공개 결과는 가격이 시사하는 것보다 강력합니다. DeepSWE 1.1에서 max 노력으로 66.6%에 도달하는데, OpenAI는 이를 Claude Opus 5와 Fable 5의 medium 노력과 동등한 수준으로 보면서 Opus 5보다 작업당 93% 저렴하고 Fable 5보다 96% 저렴하다고 합니다. AutomationBench에서는 작업당 58% 저렴한 비용으로 전임자를 5.4 퍼센트 포인트 앞섭니다. 모두 OpenAI가 OpenAI 하네스에서 실행한 것이며, 어느 것도 스펙에서 테스트 생성을 측정하지 않습니다.

여기서는 어떤 벤치마크보다 두 가지 실패 모드가 더 중요합니다.

모델은 스펙이 말하는 것만 테스트할 수 있습니다. 스펙이 POST /orders에 대해 200과 400을 문서화하지만 서비스가 중복 idempotency key에 409도 반환한다면, 충돌 테스트는 얻지 못하고 스위트는 여전히 완전해 보입니다. 생성 품질은 스펙 품질에 의해 제한되므로, 투자할 가치가 있는 산출물은 프롬프트가 아니라 스펙입니다.

저렴한 생성은 맞아 보이는 방식으로 실패합니다. 특징적인 오류는 깨진 테스트가 아니라, 응답에 결코 포함되지 않는 필드나 엔드포인트가 결코 내보내지 않는 상태 코드를 단언하면서 통과하는 테스트입니다. 그것들은 테스트처럼 읽히기 때문에 리뷰를 통과합니다. 생성된 모든 단언을 스키마에 대해 기계적으로 검증한 후 랜딩시키고, components에 없는 필드를 참조하는 것은 거부하세요. 이 검사는 비용이 들지 않고 그 부류를 완전히 제거합니다.

출력을 실행 가능하게 만들기

생성된 테스트 파일은 그것이 실행되는 하네스만큼의 가치가 있습니다. 스펙을 진실의 원천으로 유지하고, 그것에 대해 생성한 다음, 케이스를 매 푸시마다 실행되는 곳에 랜딩시키세요.

Apidog는 그 루프의 후반부를 담당합니다. 생성에 사용하는 스펙을 임포트하므로, 프롬프트의 공유 컨텍스트와 러너의 요청 정의가 하나의 문서에서 나오며 어긋날 수 없습니다. 생성된 케이스는 임포트된 스키마에 대해 단언이 검증되는 테스트 시나리오가 되어, 위의 검사를 리뷰 잡일이 아닌 기계적 게이트로 바꿉니다. Smart mock은 백엔드가 아직 작성 중일 때 스펙을 서빙하므로, 생성된 스위트가 실제로 맞닥뜨릴 대상이 생기기 전에 정직하게 실패할 수 있습니다. 그리고 시나리오는 CI에서 실행되며, 이는 매 머지마다 재생성하는 워크플로가 이득을 보는 유일한 곳입니다.

이것을 Luna로 라우팅할 가치가 있나요?

그렇습니다, 단서 하나와 함께. 이제 비용은 건너뛸 이유가 되지 않습니다. 실행당 $0.29, 또는 캐싱 시 $0.10 미만은 재생성할지 토론하는 회의보다 저렴합니다. 지연은 실재하지만 아무도 기다리지 않는 창에 들어옵니다. 그리고 Luna의 공개 결과는 에이전트 코딩 작업에서 40~100배 더 비싼 모델들 근처에 위치시킵니다.

그 어느 것도 출력을 도착 즉시 신뢰할 수 있게 만들지는 않습니다. 절약한 것을 스키마 검증 게이트와 첫 실행에 대한 사람의 검토에 쓰고, 결과를 문서화된 표면은 완전히 커버하고 문서화되지 않은 표면은 전혀 커버하지 않는 초안으로 다루세요. 네 번의 릴리스 전에 스펙 추적을 멈춘 손으로 작성한 스위트보다는 여전히 나은 출발점입니다.