GPT-6 Sol: 모델 ID, 가격, 872K 컨텍스트 및 성능 벤치마크

2026년 9월 22일 변경 로그에서 gpt-6-sol을 보고 이미 통합한 GPT-5.6 Sol과 동일하다고 생각했다면, 잠시 멈추세요. 그것은 같은 모델이 아닙니다. OpenAI는 등급 이름을 재사용하고 그 아래에 GPT-6 Astra와 유사한 방식으로 훈련된 새로운 모델을 출시했습니다. 이 모델은 가격, 컨텍스트 창 및 벤치마크 프로필이 모두 다릅니다.

이러한 명명 결정은 팀에 비용과 디버깅 시간을 소모하게 할 것입니다. 이 글은 GPT-6 Sol이 실제로 무엇인지 다룹니다: 모델 ID, 비용, OpenAI가 발표한 수치, 이미 구식이 된 하나의 측정치, 그리고 오늘 어디서 호출할 수 있는지 등입니다.

GPT-6 Sol 한눈에 보기

같은 계열 내 비교: GPT-6 Astra는 $10/$50이고, GPT-6 Luna는 1M 컨텍스트 창과 37의 지수를 가지며 $0.10/$0.50입니다. OpenAI 자체 라인업은 Astra가 "전반적으로 최고의 모델"이라고 하므로, Sol은 주력 모델이 아닙니다. 이것은 작업당 비용이 이동한 등급입니다.

이것은 새로운 모델이며, 이름만 바꾼 등급이 아닙니다

GPT-5.6 계열은 Sol, Terra, Luna였습니다. GPT-6 계열은 Astra, Sol, Luna입니다. 두 이름은 이어졌고, 하나는 그렇지 않았으며, 하나는 새로 추가되었습니다.

GPT-6 Terra는 없습니다. 만약 GPT-5.6 명명 체계를 중심으로 등급 사다리를 구축했다면, 중간 층은 사라지고 남아있는 층들은 다른 높이에 있습니다. Sol과 Terra, Luna를 비교한 이전 글은 이전 세대를 설명하며 역사로 읽혀야 합니다.

가격 계보는 이러한 단절을 명확하게 보여줍니다:

가격은 백만 입력 토큰당 및 백만 출력 토큰당입니다. GPT-5.6 정가 및 프로모션 행은 당시 저희 보도 자료에서 가져온 것입니다: GPT-5.6 가격 책정 및 GPT-5.6 가격 인하.

"50% 저렴"이 실제로 의미하는 것

OpenAI는 Sol과 Luna가 GPT-5.6 프로모션 가격보다 50% 저렴하다고 설명합니다. '프로모션'이라는 단어는 OpenAI의 것이며 중요합니다. 이 비교는 GPT-5.6이 출시된 당시의 정가가 아니라 할인된 요금에 대한 것입니다.

GPT-5.6 Sol의 정가인 $5/$30와 비교할 때, GPT-6 Sol의 $2/$10은 입력에서 60%, 출력에서 67% 인하된 것입니다. 실제 절감 폭은 헤드라인보다 크고, 헤드라인은 할인가를 기준으로 측정되었습니다. 두 진술은 동시에 사실이며, 예산 모델에서는 첫 번째보다 두 번째를 원할 것입니다.

변하지 않은 한 가지는 토큰당 가격이 저렴하다고 해서 자동으로 청구액이 저렴해지는 것은 아니라는 점입니다. 추론 모델은 생각하는 데 출력 토큰을 소비합니다. 토큰당 비용이 절반이지만 세 배 더 오래 생각하는 모델은 절약이 아닙니다. 이것이 OpenAI가 출시 수치를 토큰당 비용이 아닌 작업당 비용으로 제시한 이유입니다.

공개된 벤치마크

아래의 모든 수치는 OpenAI의 출시 자료에서 가져온 것입니다. 추론 노력 설정은 괄호 안에 있는데, 이 모델들은 다른 노력 수준에서 매우 다른 점수를 내기 때문에, 노력 설정이 없는 벤치마크 행은 사용할 수 없는 숫자입니다.

네 가지 모두에서 패턴은 일관됩니다: Sol은 비교 대상인 최첨단 모델과 비슷하거나 약간 높은 성능을 보이며, 작업당 비용은 훨씬 저렴합니다. AutomationBench에서 Sol(xhigh)은 Claude Opus 5(max)를 이기며, Opus 5 비용의 9%만으로 가능합니다. Opus 5 폴백이 있는 Claude Fable 5.1 설정은 Sol보다 낮은 31.4%를 기록하며, 비용은 8.9배 이상입니다.

OpenAI는 또한 Sol이 이전 모델보다 사실 오류가 절반으로 줄었다고 밝힙니다.

출시일에 만료된 비교

저 표를 다시 읽고 어떤 Claude 모델과 벤치마크되었는지 주목하세요. Claude Opus 5입니다.

Anthropic은 같은 날 Claude Opus 5.5를 출시했으며, Opus 5의 $5/$25에 비해 $4/$20로 가격을 책정했고, 인공 분석 지능 지수(Artificial Analysis Intelligence Index)에서 212개 모델 중 1위를 차지하며 58점을 기록했습니다. OpenAI의 출시 게시물은 해당 모델이 존재하기 전에 작성되었으므로, "Opus 5를 이기며 비용은 9%에 불과"하다는 모든 문구는 몇 시간 만에 대체된 모델을 기준으로 측정된 것입니다.

그렇다고 OpenAI의 수치가 틀렸다는 것은 아닙니다. 그들이 실행한 비교에는 정확합니다. 하지만 2027년 조달 자료에 현재 상황으로 제시해서는 안 된다는 의미입니다. Sol과 Opus 5.5에 대한 답이 필요하다면, 아직 아무도 발표하지 않았고, 소셜 미디어에 떠도는 직접 비교 수치는 판매자가 아닌 개별 테스터의 것입니다.

저희의 가격 전쟁 기사는 세 가지 출시를 하나의 표로 추적합니다.

저렴한 모델이 빠른 모델은 아닙니다

인공 분석(Artificial Analysis)의 서드파티 측정에 따르면 GPT-6 Sol은 최대 추론 설정에서 초당 115.2 출력 토큰을 기록했지만, 첫 토큰까지의 시간이 102.15초였습니다. 더 저렴한 모델인 GPT-6 Luna는 첫 토큰까지 124.23초로 더 느리게 측정되었습니다.

이 숫자를 계획에 반영하기 전에 두 가지 주의사항이 있습니다. 이들은 벤더가 아닌 서드파티 데이터입니다. 그리고 이들은 가장 비싸게 실행되고 가장 느리게 응답하는 최대 추론 변형에 대한 것입니다. 낮은 노력 수준에서는 다르게 작동할 것이며, OpenAI는 자체 지연 시간 수치를 발표하지 않았습니다.

두 가지 주의사항에도 불구하고, 결과의 형태를 이해하는 것이 중요합니다. 첫 토큰이 도착하기까지 102초를 기다리는 것은 기존의 타임아웃 설정이 견디기 어려울 간극입니다. 기본 HTTP 클라이언트 타임아웃은 30초 또는 60초입니다. 로드 밸런서는 유휴 상태가 되고, 서버리스 함수는 실행 한계에 도달합니다. 만약 동기화 엔드포인트를 GPT-5.6 Sol에서 고효율 GPT-6 Sol로 옮긴다면, 통합 작업은 프롬프트가 아니라 타임아웃 및 스트리밍 계층에 있을 것입니다.

이것은 저희나 인공 분석을 신뢰하기보다는 직접 측정하는 것이 가치가 있습니다. Apidog에서 OpenAI 엔드포인트로 요청을 보내고, 모델 ID를 환경 변수로 설정하여 하나의 컬렉션이 모든 티어를 커버하도록 한 다음, 각 실행에서 응답 시간을 직접 읽을 수 있습니다. 동일한 요청을 세 가지 노력 수준으로 세 번 구축하고, 이를 테스트 시나리오로 저장하면 약 10분 만에 자체 프롬프트에 대한 자신만의 지연 시간 테이블을 얻을 수 있습니다. 이 숫자는 타임아웃 구성을 구축하는 데 사용해야 하는 숫자입니다.

프롬프트 캐싱이 실제 출시되었습니다

모델과 함께 OpenAI는 에이전트를 실행하는 모든 사람에게 헤드라인 가격보다 더 중요한 캐싱 변경 사항을 출시했습니다:

• 캐시된 입력 읽기에 대한 90% 할인. 입력 $2에서 캐시된 읽기는 백만 토큰당 $0.20입니다.
• 코드 변경 없이 기본적으로 더 높은 캐시 적중률.
• 추론 노력 또는 도구 가용성 변경이 더 이상 캐시를 손상시키지 않습니다. 이전에는 대화 도중 노력을 높이면 캐시된 접두사가 무효화되었습니다.
• 명시적 중단점을 통해, 추측하는 대신 캐시된 접두사가 끝나는 위치를 선택할 수 있습니다.
• 프롬프트 캐싱 대시보드 및 진단 도구를 통해 적중률이 더 이상 보이지 않는 것이 아닙니다.

GitHub는 수십억 건의 요청에서 신규 처리가 필요한 프롬프트 토큰이 50% 이상 줄었다고 보고합니다. 872,000 토큰 컨텍스트 창에서 20%와 80%의 적중률 차이는 실행 가능한 에이전트 제품과 조용히 종료되는 제품의 차이입니다.

노력 및 도구 가용성 변경은 잠재적인 영향이 큽니다. 에이전트 루프는 작업이 어려워지면 일상적으로 노력을 증대시키고, 계획 및 실행 단계 사이에서 도구 세트를 교환합니다. 이전 동작에서는 두 가지 움직임 모두 컨텍스트가 가장 길 때 정확히 캐시를 버렸습니다.

오늘날 어디에서 호출할 수 있나요

Chat에서의 불가능은 사람들을 혼란스럽게 하는 부분입니다. ChatGPT의 일반 사용자 인터페이스에서 프롬프트를 코드에 연결하기 전에 건전성 검사를 하는 데 익숙하다면, GPT-6 Sol을 거기에서 찾을 수 없을 것입니다. Codex를 사용하거나 바로 API로 이동하십시오.

최소한의 호출은 다음과 같습니다:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-sol",
    "input": "Summarize the breaking changes in this OpenAPI diff.",
    "reasoning": { "effort": "high" }
  }'

출시하기 전에 OpenAI의 현재 모델 참조에 대해 요청 형식을 확인하세요. 모델 ID는 저희가 확인한 부분입니다.

이것이 당신에게 얼마나 가치가 있나요

OpenAI의 출시 자료 중 한 수치는 이 가격 책정이 누구를 대상으로 하는지 보여줍니다: OpenAI 연구원의 중간값은 코딩 에이전트에 하루 $600 이상을 지출하고, 상위 10%는 하루 $7,000를 지출합니다. 그 정도 규모에서는 작업당 비용 80% 절감은 예산 항목이지 반올림 오차가 아닙니다.

대부분의 팀에게 계산은 더 작고 구체적입니다:

어떤 방식으로든 전환은 설정 변경이 아닌 동작 변경입니다. 같은 프롬프트, 새 모델, 다른 출력입니다. 프로덕션 트래픽을 라우팅하기 전에 새 모델 ID에 대해 기존 API 테스트 스위트를 실행하고, 200 상태 코드뿐만 아니라 응답 스키마와 지연 시간도 확인하세요. 이것이 벤치마크에서 좋은 모델과 스택에서 실제로 작동하는 모델 사이의 정확한 간극입니다.