GPT-6 Sol과 GPT-6 Luna는 같은 GPT-6 계열이지만 목적이 다릅니다. Sol은 복잡한 작업을 위한 상위 모델이고, Luna는 훨씬 낮은 비용으로 많은 작업을 처리하기 위한 모델에 가깝습니다.
문제는 보통 여기서 생깁니다.
좋은 모델이 있는데 굳이 싼 모델을 써야 할까?
실제로는 반대 질문이 더 중요합니다.
쉬운 작업까지 비싼 모델로 처리해야 할까?
가격 차이는 생각보다 큽니다
OpenAI가 2026년 9월 22일 공개한 API 기준으로 GPT-6 Sol과 Luna의 표준 가격은 큰 차이가 있습니다.
| 모델 | 입력 / 1M tokens | 출력 / 1M tokens |
|---|---|---|
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Luna | $0.10 | $0.50 |
단순 토큰 단가만 보면 약 20배 차이입니다.
Artificial Analysis에서도 max effort 기준 Intelligence Index 작업당 비용이 Sol 약 $1.06, Luna 약 $0.07로 측정됩니다.
하지만 여기서 “그럼 Luna만 쓰면 된다”는 결론도 너무 빠릅니다.
성능 차이는 실제로 존재합니다
Artificial Analysis Intelligence Index v4.3.2 기준으로 max effort에서:
GPT-6 Sol 48
GPT-6 Luna 37
입니다.
특히 Terminal-Bench처럼 복잡한 터미널 작업이나 장기 agentic 작업에서는 Sol이 더 유리한 경우가 많습니다. 반면 Luna는 훨씬 낮은 비용과 높은 처리량이 장점입니다.
즉 둘은 같은 자리를 두고 경쟁하는 모델이라기보다 서로 다른 단계에 배치하기 좋은 모델입니다.
가장 쉬운 사용법: 기본은 Luna, 어려울 때 Sol
모든 요청을 Sol로 보내는 대신 간단한 routing을 둘 수 있습니다.
if task_is_simple:
model = "gpt-6-luna"
else:
model = "gpt-6-sol"
현실에서는 task_is_simple을 어떻게 판단할지가 중요합니다.
입문 단계에서는 복잡한 분류기가 없어도 됩니다.
예를 들어:
Luna
- 요약
- 분류
- 짧은 초안
- 간단한 코드 설명
- 정형화된 변환
Sol
- 여러 파일 수정
- 긴 문서 분석
- 복잡한 디버깅
- 도구를 여러 번 사용하는 작업
- 실패 비용이 큰 작업
처럼 시작할 수 있습니다.
더 좋은 방법: 실패하면 승격하기
작업 난이도를 미리 완벽하게 맞히기는 어렵습니다.
그래서 다음 패턴이 실용적입니다.
1차: Luna 실행
↓
성공 조건 만족?
├─ Yes → 종료
└─ No → Sol로 재시도
이 구조에서는 중요한 것이 “모델 선택”이 아니라 성공 조건입니다.
예를 들어 코드 생성이라면:
success = (
tests_passed
and lint_passed
and no_unexpected_files_changed
)
처럼 판단할 수 있습니다.
CodeBridge Mini Lab: 30개 작은 업무로 break-even 찾기
직접 모델 라우팅을 체감해보고 싶다면 하루 업무에서 반복되는 작은 요청 30개를 모아보세요.
예:
10개: 문장 요약
10개: 코드 설명
10개: 작은 코드 수정
각 요청을 Luna와 Sol에 각각 실행하고 다음을 기록합니다.
Task ID
Success
Time
Cost
Retry count
그 다음 확인할 것은 단순 평균 점수가 아닙니다.
Luna 성공률이 95% 이상인 작업은?
Sol에서만 안정적으로 성공하는 작업은?
Luna 실패 → Sol 승격 시 전체 비용은?
이렇게 하면 “Luna가 싸다”가 아니라 어디까지 Luna를 써도 되는지가 보입니다.
max가 항상 좋은 것도 아닙니다
같은 모델 안에서도 reasoning effort를 조절할 수 있습니다.
Artificial Analysis의 GPT-6 Sol 결과를 보면 high에서 max로 올릴 때 종합 점수는 증가하지만, 작업당 토큰과 시간도 크게 늘어납니다.
따라서 실제 라우팅은 모델 두 개만 나누는 것보다 다음처럼 볼 수 있습니다.
Luna medium
→ Luna high
→ Sol medium
→ Sol high
→ Sol max
필요할 때만 한 단계씩 올리는 방식입니다.
이런 구조를 model escalation이라고 생각하면 쉽습니다.
결론: 가장 싼 모델이 아니라 가장 싼 성공 경로를 찾으세요
Sol과 Luna 중 하나만 고를 필요는 없습니다.
많은 실제 서비스에서는:
쉬운 일은 Luna가 처리하고, 어려운 일만 Sol로 올리는 구조
가 더 자연스럽습니다.
결국 모델 비용 최적화는 “싼 모델 사용”이 아니라 성공 조건을 정하고 필요한 순간에만 더 강한 모델을 쓰는 것입니다.