OpenAI API 가격과 성능으로 본 GPT-6.1 Terra 전환 기준

GPT-6.1 Terra는 이미지 해석, 앱 조작, 제공된 자료를 바탕으로 한 명료한 글쓰기가 필요할 때 우선 검토할 모델입니다. OpenAI가 2026년 10월 26일 출시한 이 모델은 OpenAI API 가격 기준으로 이러한 작업을 GPT-6.1 Sol의 표준 토큰 요금 절반에 처리합니다. 복잡한 프로젝트에는 Sol, 난도가 가장 높은 작업에는 GPT-6 Astra, 단순 반복 작업에는 GPT-6 Luna를 유지하는 편이 좋습니다.

2026년 10월 27일 각 제공사의 공식 문서를 확인했습니다. 모델 전환 권고는 해당 자료를 분석한 결과이며, 비용 예시는 실제 워크로드 측정값이 아닌 계산값입니다.

GPT-6.1 Terra는 어떤 모델인가요?

GPT-6.1 Terra는 시각적 추론, 컴퓨터 사용, 자연스러운 글쓰기에 초점을 맞춘 OpenAI의 빠르고 효율적인 모델입니다. 시각적 추론은 이미지 속 대상의 관계와 배치를 포함해 이미지가 보여 주는 내용을 해석하는 능력입니다. 컴퓨터 사용은 소프트웨어 인터페이스를 통해 실제 작업을 수행하는 것을 뜻합니다. OpenAI는 이번 모델을 제안서, 기술 도면, 양식 등 일상적인 전문 업무에 쓰이는 GPT-5.6 Terra의 후속 업그레이드로 소개합니다. OpenAI 발표

지도를 읽는 것과 지도를 따라 이동하는 것의 차이를 떠올리면 이해하기 쉽습니다. 이미지를 인식하는 어시스턴트는 화면에 무엇이 있는지 설명할 수 있습니다. 컴퓨터를 사용하는 에이전트라면 여기에 더해 다음 행동을 선택하고, 바뀐 화면을 살펴보고, 의도한 결과에 도달했는지 확인해야 합니다. Terra가 겨냥하는 영역은 이러한 시각적 이해와 실행을 결합한 업무입니다.

운영 담당자라면 공급업체 사진을 기존 카탈로그 항목과 연결하고 상품 정보 수정안을 준비하는 식으로 범위가 정해진 업무에 적용해 볼 수 있습니다. 창업자라면 제공된 제품 메모를 제안서로 정리하는 작업이 후보가 됩니다. 어디까지나 시험해 볼 워크플로라는 뜻이며, 사람이 지켜보지 않아도 모든 기록과 문장을 정확하게 처리한다는 보장은 아닙니다.

모델이 일하려면 필요한 툴과 권한을 제공하는 환경도 갖춰야 합니다. Terra를 선택하는 것만으로 회계 시스템이 연결되거나 브라우저 접근 권한이 생기지는 않습니다. OpenAI의 Work 문서는 모델을 사용할 수 있는지와 브라우저·컴퓨터 사용 환경이 설정되어 있는지를 명확히 구분합니다. Work 릴리스 노트

OpenAI API 가격이 절반인 Terra, Sol의 어떤 업무를 옮길까요?

범위가 명확한 시각 정보 처리와 글쓰기부터 Terra로 시험하고, 여러 요소가 얽힌 복잡한 프로젝트는 전환 효과가 검증될 때까지 Sol에 남겨 두는 것이 좋습니다. OpenAI의 모델 선택 가이드는 같은 입력과 같은 추론 강도로 비교하도록 권고합니다. 추론 강도는 모델이 얼마나 깊이 숙고할지를 조절하는 설정입니다. 시간과 비용도 중요한 복잡한 업무에는 여전히 Sol을 권장합니다. OpenAI 모델 선택 가이드

사양 출처: Terra 모델 카드, Sol 모델 카드. 컨텍스트 윈도는 작업에 쓸 수 있는 토큰 한도일 뿐, 모든 세부 정보를 정확하게 활용한다는 보장은 아닙니다. 최대 출력 한도도 컨텍스트에 별도로 더해지는 공간은 아닙니다.

개발자: 혼자 제품을 만드는 개발자라면 재현 방법과 회귀 테스트가 명확한 버그부터 Terra로 시험할 수 있습니다. 인증, 결제, 데이터 마이그레이션에 걸친 변경처럼 각 결정이 서로 영향을 주는 작업은 Sol에 맡기는 편이 좋습니다. 이는 OpenAI가 제시한 제한된 범위의 수정과 복잡한 코딩의 구분을 실무에 적용한 판단입니다. Terra가 더 큰 작업을 시도할 수 없다는 뜻은 아닙니다.

운영 담당자: 숙련된 운영 담당자라면 제공된 문서에서 정해진 필드를 채우는 작업으로 Terra를 시험할 수 있습니다. 합격 여부는 저장된 기록을 기준으로 판단해야 하며, 그대로 유지해야 할 필드까지 확인해야 합니다. 모델이 자신 있게 완료했다고 말하는 것만으로 성공이 입증되지는 않습니다.

도입 결정권자: 중견기업 CTO라면 전사 기본 모델을 바꾸기 전에 특정 워크플로에 배정된 모델부터 바꾸는 것이 좋습니다. 투자를 유치한 창업자라면 원자료 기반의 제안서 초안을 시험 대상으로 옮기되, 서로 상충하는 근거를 다루는 전략 프로젝트는 Sol이나 Astra에 남겨 둘 수 있습니다. 속도와 함께 검토·수정에 드는 시간도 비교해야 합니다.

Astra나 Luna가 여전히 더 나은 선택인 경우

고난도 추론이나 모호한 업무에는 GPT-6 Astra가 여전히 상위 대안이며, 범위가 좁고 처리량이 많은 작업에는 GPT-6 Luna가 경제적인 출발점입니다. 이는 OpenAI가 공식적으로 제시한 역할 구분입니다. Terra의 버전 숫자가 더 크다고 해서 GPT-6 제품군의 모든 모델보다 상위에 놓이는 것은 아닙니다. OpenAI GPT-6 가이드

Luna가 이미 들어오는 요청을 정확하게 분류하거나 필요한 필드 몇 개를 잘 추출하고 있다면 그대로 유지하면 됩니다. 저렴한 워크플로가 시각 정보 해석, 앱과의 상호작용, 글의 품질 때문에 실패할 때 Terra를 시험해 보십시오. 더 많은 사용량을 감수할 만큼 품질 차이가 중요한 조사나 결과물에는 Astra를 유지하는 편이 좋습니다. 기준은 시도 자체가 가장 저렴한 모델이 아니라, 실제 합격 기준을 충족하는 모델 중 가장 저렴한 선택지입니다.

전체 모델 제품군과 정확한 식별자는 이 사이트의 GPT 모델 가이드에서 확인할 수 있습니다.

GPT-5.6 Terra에서 전환해야 할까요?

GPT-5.6 Terra를 시각 정보 처리나 일상적인 앱 작업에 쓰고 있다면 지금 전환 테스트를 시작할 만합니다. OpenAI의 마이그레이션 가이드는 대표적인 이미지와 워크플로를 같은 추론 강도로 비교하도록 권고합니다. 먼저 medium에서 기준 성능을 확인한 뒤 강도를 조정하십시오. Chat Completions로 툴을 호출하는 애플리케이션은 GPT-6.1 Terra 도입 시 해당 요청을 Responses로 옮겨야 합니다. 마이그레이션 가이드

이전 라인업은 GPT-5.6 제품군 가이드에 정리되어 있습니다. 새 Terra를 시험할 근거는 충분하지만, 검증 없이 교체할 근거까지 되는 것은 아닙니다. 특이한 레이아웃의 문서, 해석이 모호한 제품 사진, 불완전한 입력, 툴 오류를 점검하는 동안 기존 처리 경로도 유지하십시오. 이는 평가 항목으로 삼을 만한 예시이며, 이번 작업에서 실제로 관찰한 실패 사례는 아닙니다.

OpenAI 벤치마크로 확인할 수 있는 범위

공개된 결과는 시험 도입을 뒷받침하지만, 실제 성능을 예측할 수 있는 범위에는 분명한 한계가 있습니다. 아래 수치는 모두 독립 테스트가 아닌 제공사 OpenAI의 자체 보고 결과입니다.

• Agents' Last Exam에서 추론 강도를 medium으로 설정한 Terra는 GPT-5.6 Terra보다 15%포인트 높은 점수를 약 3분의 1 비용으로 기록했습니다. OpenAI는 이 평가에서 작업 완료 속도가 Sol과 Astra보다 3배 넘게 빨랐다고 보고합니다.
• 시각적 추론 평가 MMMU-Pro에서는 Terra가 더 낮은 비용으로 Sol과 Astra에 거의 근접한 성능을 보였다고 OpenAI는 설명합니다.
• Terminal-Bench 4.0에서 추론 강도를 최대로 설정한 Terra의 과제 해결률은 50.3%로, GPT-5.6 Terra의 공개 수치인 21.5%와 비교됩니다. 가장 복잡한 코딩에는 OpenAI도 여전히 Sol이나 Astra를 권장합니다.

출처: OpenAI 출시 벤치마크

벤치마크는 과제와 평가 환경을 고정합니다. 실제 워크플로에서는 프롬프트, 권한, 툴, 실패에 따른 비용이 달라집니다. 데스크톱 작업에서 얻은 결과만으로 Terra가 모든 연구·엔지니어링 문제에서 Sol을 대체한다고 판단할 수는 없습니다.

OpenAI API 가격으로 계산한 모델 전환 비용

토큰 구성이 같다면 Terra의 표준 모델 토큰 비용은 Sol의 절반이지만, Luna는 그보다 저렴합니다. OpenAI의 짧은 컨텍스트 기준 표준 요금은 100만 토큰당 gpt-6.1-terra 입력 $1, 캐시 입력 $0.05, 출력 $5입니다. 같은 기준의 입력/출력 요금은 Sol $2/$10, Astra $10/$50, Luna $0.10/$0.50입니다. OpenAI API 가격표

이 계산은 캐시 쓰기·읽기, 별도 툴 요금, 속도·지역 할증이 없고, 긴 컨텍스트 과금 기준을 넘는 요청도 없다고 가정합니다. Terra 모델 카드는 입력이 272K 토큰을 초과하면 요청 전체에 더 높은 요금을 적용합니다. 따라서 컨텍스트 윈도가 100만 토큰이라고 해서 100만 토큰을 담은 요청에도 기본 요금이 유지되는 것은 아닙니다. Terra 과금 조건

실제로는 모델마다 추론과 툴 컨텍스트에 소비하는 토큰이 다를 수 있고, 재시도에 따라 총비용도 달라집니다. 토큰 비용 절감이 곧 워크플로 비용 절감이라고 판단하기 전에 합격한 결과물당 비용을 측정해야 합니다. 자세한 과금 방식은 이 사이트의 OpenAI API 가격 가이드를 참고하십시오.

GPT-6.1 Terra는 어디서 사용할 수 있나요?

Terra는 OpenAI, Amazon Bedrock, GitHub Copilot에서 사용할 수 있으며, Microsoft의 공식 문서도 Azure의 Foundry 모델 목록에 Terra를 명시하고 있습니다. 조직이 관리하고 평가할 수 있는 이용 경로를 고른 뒤, 해당 경로의 접근 조건을 확인하십시오.

ChatGPT Work와 Codex의 지원 요금제

ChatGPT Work와 Codex는 Plus, Pro, Business, Enterprise, Edu 요금제에서 Terra를 제공한다고 안내합니다. 현재 Work 릴리스 노트에는 Business가 명시되어 있지만, 출시 발표의 요금제 목록에는 빠져 있습니다. 데스크톱 앱이나 웹 Work의 Advanced에서 Terra를 선택할 수 있으며, Work 모바일에서도 지원합니다. 일반 Chat에서는 사용할 수 없습니다. Enterprise의 사용 가능 여부는 워크스페이스와 관리자 설정에 달려 있고, 릴리스 노트는 추론 데이터 레지던시가 UAE인 경우를 지원 대상에서 제외합니다. OpenAI Work 문서

도입을 검토할 때는 모델 사용 자격과 실제 처리 가능량을 구분해야 합니다. 요금제에 모델이 포함되어 있다고 해서 일정한 수의 작업 완료가 보장되지는 않습니다. OpenAI는 Terra를 쓰면 기존 사용 한도로 더 많은 작업을 할 수 있다고 설명하지만, 발표에서 모든 경우에 적용되는 작업량 배수는 공개하지 않았습니다. API 요금의 비율만으로 구독 사용 한도의 비율을 추정할 수는 없습니다. 구독에 관한 내용은 Codex 가격과 요금제별 사용 조건을 참고하십시오.

OpenAI API

개발자는 gpt-6.1-terra를 지정하며, 워크플로에서 툴을 호출할 때는 Responses API를 사용해야 합니다. 이 모델은 텍스트와 이미지를 입력받아 텍스트를 출력합니다. 모델 카드에는 오디오나 동영상의 네이티브 지원이 기재되어 있지 않습니다. 모델이 동영상 편집 앱 조작을 돕는 것과 API가 동영상 자체를 입력 형식으로 받는 것은 서로 다릅니다. Terra API 문서

Amazon Bedrock

AWS의 관리형 모델 서비스 Amazon Bedrock은 2026년 10월 26일 Terra의 정식 출시를 발표했습니다. AWS에 따르면 Bedrock API로 호출하거나, ChatGPT Work와 Codex가 Bedrock의 Terra를 사용하도록 설정할 수 있습니다. 발표문은 리전, 엔드포인트, 지원 기능, 추론 프로필, 가격에 관해 Bedrock 문서를 확인하도록 안내합니다. AWS 발표

AWS를 기반으로 일하는 운영 담당자는 기존 AWS 접근 제어와 감사 체계 안에서 모델을 평가할 수 있습니다. 다만 모든 제공사의 기능이나 과금 방식이 동일하다는 뜻은 아닙니다.

GitHub Copilot

GitHub의 코딩 어시스턴트 GitHub Copilot은 10월 26일 Pro, Pro+, Max, Business, Enterprise 요금제에 Terra를 정식 출시한다고 발표했습니다. GitHub가 안내한 사용 환경은 VS Code, Visual Studio, Copilot CLI, 클라우드 에이전트와 앱, github.com, GitHub Mobile, JetBrains, Xcode, Eclipse입니다. 순차적으로 제공되며, Business와 Enterprise 관리자는 모델 정책으로 접근을 제어할 수 있습니다. GitHub 발표

GitHub는 사용량 기반 과금에서 모델 제공사의 정가를 적용한다고 설명합니다. 개발자가 이미 쓰는 클라이언트에서 평가하고, 모델 선택 목록에 Terra가 나타나지 않으면 모델 정책을 확인하십시오.

Microsoft Azure

Microsoft Azure의 Foundry 추론 모델 문서에는 gpt-6.1-terra, 버전 2026-10-26이 명시되어 있습니다. 사용 가능 여부와 기능 표에 Terra가 포함되어 있으며, 리전별 지원 여부와 할당량 등급도 안내합니다. 따라서 Azure를 이용 경로에 포함할 근거는 있지만, 모든 리전과 배포 유형에서 사용할 수 있다는 뜻은 아닙니다. Microsoft 모델 문서

어디까지가 과도한 기대일까요?

가격이 낮고 시각적 작업 성능이 좋다는 이유로 모든 모델을 대체할 수 있다고 보는 것은 과도한 해석입니다. Terra의 적합성은 맡길 업무, 연결된 툴, 실제로 저장된 결과의 품질에 달려 있습니다.

벤치마크 실행이 빨라졌다고 모든 운영 환경의 작업이 빨라지는 것은 아닙니다. 토큰 요금이 낮아졌다고 구독 사용량이 같은 비율로 줄어드는 것도 아닙니다. 모델 선택 목록에 있다고 해서 에이전트가 필요한 모든 앱에 접근할 수 있는 것도 아닙니다.

운영 담당자에게 가장 중요한 한계는 결과 검증입니다. 의도한 기록이 제대로 저장되지 않았는데도 모델은 작업을 마쳤다는 그럴듯한 설명을 내놓을 수 있습니다. OpenAI의 모델 선택 가이드는 영향을 받은 기록을 다시 열어 보고, 작업과 무관한 데이터도 점검하며, 완료 보고와 실제 결과를 대조하라고 구체적으로 권고합니다. 응답이 얼마나 설득력 있게 들리는지에 대한 주관적 평가에 그치지 말고, 이 검증 절차를 시험 과정에 포함해야 합니다. OpenAI 평가 기준

다음 업무일부터 바꿔 볼 워크플로 하나

결과를 확인할 수 있는 반복 업무 하나를 골라 Terra와 현재 모델을 비교하십시오. 의미 있는 비교가 되도록 원자료, 권한, 추론 강도를 동일하게 맞춰야 합니다.

1. 1

   실행 전에 합격 기준을 정합니다

   카탈로그 업무라면 제품이 정확하게 연결되고, 요청한 필드가 저장되며, 무관한 수정이 없어야 합니다. 제안서라면 제공된 사실을 반영하고 독자층과 문체가 맞아야 합니다. 코드라면 기대 동작과 회귀 검증 항목을 명시하십시오.

2. 2

   전체 작업 결과를 비교합니다

   완료 시간, 과금 사용량, 검토에 든 노력, 수정 내역을 기록하십시오. 저장된 기록을 다시 열거나 결과물을 직접 점검해야 합니다. 마지막 채팅 메시지만으로 점수를 매기지 마십시오.

3. 3

   기준을 통과한 워크플로를 전환합니다

   품질 기준을 충족하면서 총비용이나 시간을 줄인다면 Terra로 옮기십시오. 안정적으로 처리되는 단순 업무는 Luna에, 복잡한 프로젝트는 Sol에 유지하고, 가장 어려운 작업은 Astra에 맡기면 됩니다. 워크플로가 달라지면 모델 선택도 다시 검토하십시오.

모델 선택과 비즈니스 워크플로에 관한 실무 가이드는 뉴스레터 구독으로 받아 보실 수 있습니다.