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.
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.
아직 Luna 6.1은 없는데요.
저쪽 모델 출시 방식은 정말 가관이에요. 정신이 제대로 박힌 회사라면 대형, 중형, 소형 모델을 한꺼번에 내놨을 텐데, OpenAI는 그걸 못 하는 것 같아요. 하드웨어가 모자라서 그런 건지, 아니면 등급별로 증류할 만큼 사용자 데이터가 쌓이기를 기다려야 해서 그런 건지. 어느 쪽이든 사용자 워크플로가 흔들리고, 거기에 투자하는 건 제정신이 아니죠.
이런 사소한 일에 그렇게 흥분할 일인가 싶네요. 워크플로는 여러 버전의 모델이 섞여 있어도 잘 돌아가요. (저는 늘 그렇게 쓰고, 오픈 웨이트 모델이나 서로 다른 추론 수준도 섞어 써요. 평가(evals)부터 갖추셔야 할 것 같네요.
그리고 원하는 버전 번호의 모델이 전부 나올 때까지 조금만 더 기다리면 되잖아요? 잃을 게 없는데 그렇게 하는 게 왜 "제정신이 아닌" 일이죠?
시차를 두고 내놓는 쪽이 자원을 더 잘 쓰는 방법일 테고, 대부분의 워크플로는 한 모델은 6.0, 전혀 다른 모델은 6.1을 쓴다고 해서 주춤하지 않을 것 같은데요.
아뇨, 못 해요. Terra는 6.0에는 아예 존재한 적이 없잖아요. 엉망진창이고, 자존심 있는 사용자라면 아무도 이런 건 신경 안 쓸 겁니다.
사소한 지적이지만, 혹시 출시됐나 싶어서 확인해 봤습니다. Luna 6.1은 없고 Luna 6만 있습니다.
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.
맞아요, 코드베이스 구조는 정말 중요하죠. 솔직히 제가 말한 "큰" 코드베이스는 규모는 평균 정도인데 구조가 엉망이라서, 임포트 그래프가 스파게티(가끔은 순환까지)인 경우였어요.
그런데 웹 채팅 인터페이스에서 현재 컨텍스트 윈도 사용량을 확인할 간단한 방법이 있나요?
글쎄요, 저는 보통 Pi를 써서요.
패키징과 가격 책정은 앤트로픽이 정말 유독 못하는 두 가지인 것 같아요.
기술 작업에서는 저도 동의해요. 저는 Luna와 Sol의 팬이고 Astra도 쓸 자리가 있다고 보지만, Terra는 늘 어정쩡한 절충안이라고 느꼈어요. Luna로 부족한 작업이라면 Terra로 조금 나아지는 정도로는 보람이 없는 경우가 많고요. 보람이 있을 만한 작업이라면 Sol로 올리는 것도 보람이 있는 경우가 많아서, 저는 Terra를 잘 안 쓰게 됐어요.
일부 워크플로에서는 6-Luna보다 의미 있게 나아진 점이 있는 건 맞지만, 그 이점은 대부분 Terra와 Luna의 차이가 아니라 6.1과 6의 차이에서 온 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
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.