요약
오픈AI가 컴퓨터 조작과 글쓰기에 강한 중간급 모델 GPT-6.1 Terra를 절반 가격에 내놓았습니다.
오픈AI가 중간급 모델 Terra의 새 버전을 공개했습니다. 제안서 작성, 기술 도면 해석, 양식 입력, 영상 편집처럼 업무 시간을 채우는 일을 빠르고 싸게 처리하도록 만들었다고 소개했습니다.
왜 중요한가
- 컴퓨터 사용(AI가 화면을 보고 마우스와 키보드로 앱을 다루는 기능)을 대량으로 돌리는 비용이 크게 내려갑니다.
- 청구서를 읽어 회계 프로그램에 입력하는 식의 대량 업무 자동화가 현실적인 비용 안에 들어온다고 오픈AI는 설명했습니다.
- ChatGPT Work와 Codex 구독자는 같은 사용 한도로 Sol이나 Astra보다 훨씬 많은 작업을 처리할 수 있습니다.
핵심 내용
- API 가격은 입력 100만 토큰당 1달러, 출력 5달러입니다. GPT-5.6 Terra와 GPT-6.1 Sol의 절반입니다.
- 실무 과제 벤치마크인 Agents' Last Exam에서 GPT-5.6 Terra보다 15%포인트 높았고, 비용은 약 3분의 1이었습니다.
- 같은 시험에서 GPT-6 Astra와 비슷한 점수를 토큰 가격의 10분의 1로 냈고, Claude Opus 5.5보다 작업당 비용이 약 9배 낮았습니다.
- 오류를 유도하는 질문에서 오류율이 53.6%에서 16.7%로 떨어졌습니다(추론 강도, 즉 답하기 전에 생각하는 양을 낮게 둔 경우).
- 코딩 벤치마크 Terminal-Bench 4.0 해결률은 50.3%로 이전 모델의 두 배가 넘지만, 가장 어려운 코딩은 Sol과 Astra가 낫다고 했습니다.
HN 반응
- 모델 이름 체계가 헷갈린다는 불만에 오픈AI 직원이 크기 순서를 설명했지만, 작업별 선택 기준이 없다는 지적이 이어졌습니다.
- Terra가 작은 Luna와 큰 Sol 사이에서 어중간하다는 평가가 나왔고, 개발자보다 업무 자동화와 기술 문서 작성에 맞는 모델이라는 해석도 있었습니다.
한물간 채굴용 카드(NVIDIA CMP 170HX 10G)를 LLM에 쓸 수 있게 완전히 잠금 해제하는 작업을 하고 있는데, Sol 6.1이 "사이버 보안 우려"를 이유로 계속 작업을 거부합니다. 정말 답답합니다. Sonnet 5.5는 더 심하고요.
Luna 6.1은 군말 없이 해 주긴 하는데 결과물이 영 모자랍니다. 이제 Terra 6.1을 써 볼 생각입니다(글을 보니 결과는 비슷할 것 같긴 합니다). 그리고 어째서인지 계속 들먹이는 존재하지도 않는 사이버 보안 위험을 이번에는 덜 따져 주길 바랍니다.
P.S. Deepseek Flash 4.1도 써 봤지만 결과가 도저히 만족스럽지 않았습니다.
P.P.S. 이번 조사를 하면서 로컬 모델을 돌려야 하는 이유, 아니면 일반 대중을 위한 AI에 걸린 인위적인 제한에 영원히 묶여 살아야 하는 이유를 확실히 깨달았습니다.
사소한 지적이지만, 혹시 출시됐나 싶어서 확인해 봤습니다. Luna 6.1은 없고 Luna 6만 있습니다.
그런 용도라면 GLM을 써 보세요. 제가 써 본 바로는 DS Flash보다 낫고, GPT보다 제한도 덜합니다.
제한 없는 deepseek과 GLM 모델을 다룬 새 HN 글이 올라왔습니다.
https://news.ycombinator.com/item?id=50254836
제가 보기에 abliterated 모델은 늘 심각한 뇌 손상을 입은 것 같았어요. 요즘은 좀 나아졌을지도 모르겠네요.
GPT-5.6 Sol에서 GPT-6.1 Sol로 넘어올 때와 비슷하게 가격이 75% 내려갔습니다. 그래도 Terra는 여전히 Sol의 절반 가격입니다.
그런데 처음 출시됐을 때처럼 Terra는 여전히 애매한 중간 자식입니다. 크게 좋아진 소형 모델(Luna)과 훨씬 싸진 대형 모델(Sol) 사이에 낀 모델이죠. TerminalBench 4.0의 작업당 비용 결과는 좀 헷갈리고, 그렇다면 왜 Sol 대신 Terra를 골라야 하는지 모르겠습니다. 전체적으로 이번 출시는 Sonnet 5.5를 겨냥한 과시처럼 보입니다. Sonnet 5.5도 신 같은 Opus 5.5와 놀랄 만큼 쓸 만한 Haiku 5.5 사이에서 자기만의 중간 자식 문제를 겪고 있으니까요.
놀랄 만큼 쓸 만한 Haiku 5.5
컨텍스트가 100k를 넘으면 가격을 5배로 올리겠다는 앤트로픽의 미친 결정 때문에 망했죠.
Luna를 100k 넘게 쓰는 사람이 정말 있나요? 저는 작은 모델은 그 선을 넘으면 대체로 환각이 심해지던데요.
일부러 그러는 건가요? 얼마 전에 qwen3.8-27b를 썼는데 컨텍스트(전체 128k)의 절반을 순식간에 써 버렸어요. 제가 뭘 시켜서가 아니라 그냥 코드베이스가 너무 컸거든요.
256k가 적정선인 것 같아요. 코드베이스가 커도 에이전트에게 영역을 나눠 알려 주면 충분히 처리돼요. 256k를 넘는 건 보통 예외적인 경우고요.
적어도 제 리뷰어 스킬을 평가해 보면서 알게 된 건 그래요. Opus 기준으로 10k LOC가 높은 노력 수준에서 컨텍스트 150k 안팎이 들어가는 상한선입니다. 15k까지도 밀어붙일 수 있지만 그건 최대 노력에 컨텍스트 400~500k 정도를 쓸 때고요.
haiku 같은 빠른 모델은 제 생각에 1M 컨텍스트도 필요 없습니다.
그런데 웹 채팅 인터페이스에서 현재 컨텍스트 윈도 사용량을 확인할 간단한 방법이 있나요?
패키징과 가격 책정은 앤트로픽이 정말 유독 못하는 두 가지인 것 같아요.
Artificial Analysis에서는 여전히 MiMo 2.6 Pro가 중요한 구간에서 파레토 프런티어를 이루고 있습니다. 가격은 Terra High/Sol Low만큼 싸면서 성능은 Terra Xhigh보다 낫습니다. Sol Medium은 성능에서는 MiMo를 앞서지만 가격이 훨씬 비쌉니다. 한편 Terra Max는 작업당 가격과 성능 모두에서 Sol High에 밀립니다.
MiMo 2.6 Pro를 써 보셨다면 그 말을 믿지 못하실 겁니다. 실제로 써 보면 DeepSeek 4.1 flash 1017이 모든 면에서 더 낫습니다.
얼마 전에 간단한 앱으로 MiMo 2.6 Pro를 써 봤는데 인상이 좋았습니다(모듈화된 코드에 합리적인 테스트까지 갖췄더라고요). 그러고 나서 더 어려운 문제(Opus 5.5는 몇 분 만에 풀었습니다)를 맡겼더니, 눈에 띄는 진전 없이 12시간 동안 같은 자리를 맴돌아서 결국 제가 끊어 버렸습니다.
2년 반 전에 이 댓글을 읽는다고 상상해 봤어요 ㅋㅋ
6.1 Terra의 대상은 소프트웨어 개발자가 아니라 컴퓨터 작업, 자동화, 기술 문서 작성이라고 생각합니다.
솔직히 그렇다면 저는 오히려 이 모델이 훨씬 좋습니다.
코딩 외의 분야에서 나아졌는데 비용 효율도 좋잖아요.
그냥 더 싼 값에 코딩만 하고 싶다면 deepseek이 좋은 모델이고요.
저는 코딩에 강한 모델과 코딩 외 모든 일에 강한 모델로 갈라지는 것도 전혀 문제없다고 봅니다. 아주 오래전부터 이상하게 그런 모습을 상상해 왔어요.
다들 OpenAI에게 opus 5.5에 가까운 모델을 내놓으라고 하는데, 정작 나온 건 이거죠. 한편으로는 훈련 주기상 그런 모델은 만들어 내지 못했고 그래서 gpt 6.1 terra가 나온 거라고 상상해 볼 수도 있습니다.
하지만 다른 한편으로는 순수하게 코딩만 잘하는, 코딩에서는 압도적인 괴물인데 가격도 싼(그러니까 terra와는 정반대인) OpenAI 모델도 이제는 보고 싶어졌습니다.
아이러니하게도, 우리 같은 개발자들이 코딩 모델만 원하고 코딩 모델만 보는 상황에서 OpenAI가 이 모델을 그대로 내놓고 반발을 받고 있다면, 그건 제가 OpenAI에게 해 줄 몇 안 되는 칭찬거리일 수도 있습니다. 벤치마크용으로 최적화할 수도 있었을 텐데, 그랬다면 별로 의미가 없었을 테니까요. 저는 현실을 보는 쪽이 훨씬 좋습니다.
적어도 이 새 모델은 누구에게도 더 비싸지지 않고, 용도에 따라서는 오히려 더 싸게 쓰게 해 줄 테니 저한테는 괜찮은 거래입니다.
오픈소스 연구소들이 이 영역을 겨냥하지 않고 요즘 AI 연구소들이 오직 코딩에만 집중하는 이유도 이것 때문이 아닐까 싶습니다. 그 밖의 분야는 투자자 입장에서도, 심지어 최종 사용자 입장에서도, 훈련할 만큼 가치 있어 보이지 않으니까요.
코딩 능력이 거의 기하급수적으로 성장한 이유도 어쩌면 코딩이 정말로 진짜 중요한 (유일하진 않더라도) 거의 유일한 능력이 되었기 때문일지도 모릅니다.
이야기가 옆길로 새길 원하진 않지만, 그렇다면 이 AI 모델들이 코딩에서 인상적으로 좋아지면서 소프트웨어 엔지니어의 일이 약간의 의미 위기를 겪고 있는 이유도 설명될 수 있겠습니다.
(예비) 개발자로서, 그것도 지금 대학 1학년인 저는 AI가 코딩을 더 대체하거나, 더 밀어붙이거나, 코딩의 즐거움을 더 빼앗지 않기를 바랍니다. 그래서 이 모델들이 지금 그대로 있고 다른 곳에서 발전해 준다면 저는 더없이 기쁠 겁니다. 아이러니하게도 AI를 쓰는 것도 우리 개발자들이고, 우리는 더 저렴한 워크플로를 원하니 모델이 더 싸지고 코딩도 더 잘하길 바라기도 합니다. 이 모든 게 모순과 아이러니의 미묘한 경계에 있습니다. 저는 terra 같은 모델의 오픈 웨이트 버전도 있으면 좋겠습니다. 다만 앞서 말한 이유 때문에 코딩에 가장 집중한 모델이 나올 가능성이 크겠지만, 그래도 오픈 웨이트가 꽤 가까이 따라오긴 했습니다.
선택지는 많을수록 좋지만(선택 피로도 분명 있지만요), 이번 출시에 대해 제가 느끼는 미묘한 감정을 어느 정도는 설명했기를 바랍니다.
저는 이 회사의 모델 시장 포지셔닝과 이름 체계가 너무 헷갈립니다.
처음에는 이랬습니다.
행성 이름에 익숙해지고 나면 꽤 깔끔했죠.
그런데 "더 큰" 모델로 Astra가 추가됐고, 그래도 대체로 앞뒤가 맞았습니다.
그런데 여기서부터 혼란스러워집니다. Sol-6.1이 나왔는데 이게 가끔 Astra보다 낫고, Terra는 단종돼서 이런 모양이 됐습니다.
게다가 Sol-6.1의 가격은 예전 Terra-6.0 가격인데, 말씀드렸다시피 3D/UI가 아닌 상황에서는 예전 "더 큰" 모델만큼 성능이 나오는 경우가 많습니다.
그런데 이제 Terra를 6.1 버전으로 다시 내놨으니 더 헷갈립니다.
마이크로소프트의 브랜딩 최고책임자가 OpenAI로 옮기기라도 했습니까?
저는 OpenAI에서 일하고 있고, 우리 논리를 설명해 보겠습니다.
LLM 성능은 기본적으로 다차원적입니다. 수학을 가장 잘하는 모델이 농담도 가장 잘한다는 식으로 순서가 고정돼 있다는 보장은 없습니다. 그렇게 복잡한데도 성능 차이의 상당 부분은 모델 크기라는 변수 하나로 설명됩니다. 일반적으로 더 큰 모델은 (a) 성능과 신뢰성이 더 높고, (b) 토큰당 비용이 더 들고, (c) 난해한 사실을 더 잘 기억합니다. 말씀하신 대로 우리 모델의 순서는 이렇습니다.
Luna < Terra < Sol < Astra
지금도 모델을 고르는 일반적인 출발점으로는 이 순서를 권합니다. 품질만 중요하다면 Astra를 고르세요. 가격에 조금 민감하다면 Sol, 가격에 매우 민감하다면 Terra나 Luna를 고르시면 됩니다.
물론 모델 크기가 모든 차이를 설명하지는 못합니다. 나중에 훈련된 모델에는 앞선 모델에 없던 새 데이터, 새 기법, 새 아키텍처가 들어갔을 수 있습니다. 모든 제공사의 모델에서 볼 수 있는 현상이죠. Sonnet 5.5는 어떤 면에서 Fable 5.1보다 낫고, Gemini 3.8 Flash도 어떤 면에서는 3.1 Pro보다 낫습니다.
GPT-6.1 Terra는 기술적 소통에서는 아마 Astra와 Sol보다 낫고, 비전과 컴퓨터 사용은 비슷하지만 (훨씬 빠르고), 그 밖의 대부분은 조금 못하다고 말씀드리겠습니다. API 개발자에게는 Sol보다 싸면서 Luna보다 훨씬 똑똑한 모델(특히 비전, 컴퓨터 사용, 소통 면에서)을 원할 때 쓸 만한 중간 선택지입니다. 구독자에게는 대단한 출시는 아닙니다. 사용량 한도에 걸리고 있다면 조금 더 오래 쓰는 데 도움이 될 수 있고, 더 명확한 소통이나 더 빠른 컴퓨터 사용이 필요하면 선택해 볼 만한 옵션입니다.
제품 이름을 더 잘 짓는 방법에 대한 제안이 있다면 얼마든지 듣겠습니다. 우리 의도는 때로 빗나가더라도 모든 것을 명확하고 단순하게 만드는 것입니다.
안타깝게도 복잡성의 상당 부분은 제품 자체가 실제로 복잡하기 때문에 줄일 수 없습니다. 모델 크기를 키우는 것, 추론 노력을 키우는 것, 멀티 에이전트 수를 키우는 것은 서로 다릅니다. 그걸 전부 "더 높은 IQ"라는 하나의 이름으로 뭉뚱그리면 이름은 단순해지겠지만, 중요한 세부 사항이 최종 사용자에게 가려져서 경험은 훨씬 나빠질 겁니다.
그러면 기술 문서에는 Sol을 추천하시나요?
이름 말고도 헷갈리는 점은, 제가 보기에는 사용자가 참고할 만한 공식 가이드라인이 없다는 겁니다. 사용자 입장에서 생각해 보세요. 어떤 작업에 어떤 모델을 골라야 하는 기준이 뭔가요?
작은 모델이 덜 똑똑하고 더 빠르다는 건 이해합니다. 타협할 수 있는 상황, 예를 들어 콘텐츠를 분류하거나 텍스트를 표로 정리시킬 때는 잘 맞고요.
하지만 "비용과 시간은 상관없으니 최대한 똑똑한 것"을 원할 때는, 큰 모델일수록 선형적으로 더 똑똑하다는 암묵적 기대가 있는데 지금은 모든 제공사의 모델 출시 이름이 이 기대와 충돌합니다.
이건 단순한 이름 문제가 아니라 소통의 문제입니다. Astra가 코딩은 가장 잘하지만 글쓰기는 조금 약하고, Sol은 거의 비슷하게 똑똑하면서 기술 문서 작성은 더 낫다는 것을 제가 알 수 있다면, 그런 정보는 문서로 정리돼 있어야 한다고 생각합니다.
가능한 방법 하나는 이런 겁니다. 가로 열에 "글쓰기", "코딩", "수학" 같은 항목을 두고, 세로 행에 모델을 두고, 각 칸에 1~5개의 별점을 매기는 단순한 표요.
지금은 이런 정보가 입소문으로 퍼지는 전설이 되고 있습니다.
솔직히 저도 모르겠습니다. 기술 문서 작성은 아주 다차원적인 기술이고, 저는 당신의 예산도 모르니까요. Terra가 가장 읽기 좋은 문장을 쓸 것 같고, Astra는 강조할 버그나 실수를 더 잘 찾아낼 것 같다는 생각은 듭니다. 문서가 더 난해한 언어나 상황을 다룬다면 흔한 언어나 상황일 때보다 Astra의 우위가 더 클 수 있습니다. 문서 작성 가이드라인이 긴 목록으로 있는 경우에도 Astra에게 더 유리할 수 있고요. 하지만 충분히 테스트하지 않고는 추천하고 싶지 않은데, 저는 아직 테스트를 많이 해 보지 못했습니다.
생각해 볼 거리가 있습니다. OpenAI 직원도 "기술 문서 작성은 아주 다차원적인 기술"이라는 정도의 직접적인 문제에 대해 바로 추천을 못 한다면, 우리는 어떻게 어떤 모델을 쓸지 판단할 수 있을까요?
자세히 설명하자면, 제가 잘 아는 주제로 각 모델에게 문서를 쓰게 하고 어떤 결과물이 더 마음에 드는지 말씀드릴 수는 있습니다.
하지만 제 문제에서의 제 선호가 다른 사람, 다른 프로그래밍 언어, 다른 문서 유형과 형식 등으로도 일반화될지 평가하고 통계적 유의성까지 분석하는 일은 더 까다로운 문제이고, 저는 그에 답할 데이터가 없습니다. 근거가 약한 추천을 하느니 추천을 하지 않는 편이 낫습니다.
저는 모든 일에 Astra 6 Extra High를 씁니다.
대부분은 과분한 사양이지만, 솔직히 이 모델들은 전부 "싸다"고 생각하고, 건건이 어떤 설정이 가장 좋은지 가려내느라 머리를 쓰느니 차라리 컴퓨팅을 낭비하겠습니다.
어떻게 싸다는 거죠? 소속 조직이 지출 한도가 없나요, 아니면 구독으로는 저와 같은 사용량 제한에 걸리지 않는 건가요?
보조금이 들어간 월 200/500달러짜리 구독이라면 그렇게 보일 수도 있겠죠.
하지만 Astra는 글쓰기를 그냥 못합니다. 학술 맥락에서는 Astra가 쓴 걸 전부 Argon으로 다시 써야 해요. Astra는 항상 사소한 세부 사항까지 다 다루려 하고 방어적으로 써서 읽을 수가 없습니다.
완전히 동의합니다. 모델을 바꿔 가며 최적의 지점을 찾느라 헤매지 않고, 원하는 건 거의 다 첫 시도에 해결하니 훨씬 빠르게 일하고 있습니다. 대충 된 답이면 될 때는 llama.cpp로 로컬 모델을 돌립니다.
실제 데이터로 직접 라벨링한 현실적인 평가 세트를 만드세요. 쉬운 샘플, 복잡한 샘플, 드문 샘플을 섞어서요. 그다음 고려 중인 모델을 하나씩 돌려 보고, 흔히 쓰는 혼동 행렬, 비용, 지연 시간 등 중요한 지표를 기준으로 결정하세요. 다른 방법은 정말 없습니다. 그리고 더 싼 모델이 훨씬 적은 비용으로 작업을 꽤 잘 해내는 경우가 많다는 사실에 놀라실 수도 있습니다.