GPT-5.6 모델 선택 기준: 가격은 5배 차이, 코딩 성능은 4.1%p 차이

GPT-5.6은 모델이 Sol/Terra/Luna로 나뉘고 여기에 Max/Ultra 모드가 붙습니다.
작업마다 뭘 골라야 할지 매번 헷갈려서 공개된 벤치마크를 놓고 정리했습니다.

먼저 두 축을 나눠야 합니다

• 모델 등급(Grade): Sol / Terra / Luna. 지능 수준과 기본 비용을 결정합니다.
• 작동 방식(Mode): 기본 추론 / Max / Ultra. 연산량과 처리 구조가 여기서 갈립니다.
• Max는 단일 에이전트가 한 문제를 깊게 파고, Ultra는 4개 에이전트가 병렬로 나눠 씁니다.

API 가격 (100만 토큰당 입력/출력)

• Sol $5 / $30
• Terra $2.5 / $15
• Luna $1 / $6
• 최대 5배 차이. 캐시 읽기는 90% 할인이라 반복 작업이면 실제 격차는 더 줄어듭니다.

성능은 가격만큼 안 벌어집니다 (Terminal-Bench 2.1)

• Sol Ultra 91.9% / Sol 88.8% / Terra 87.4% / Luna 84.7%
• 가격이 5배인 Sol과 Luna의 차이가 4.1%p입니다.
• Sol과 Terra는 1.4%p 차이인데 가격은 2배입니다.
• Terra(87.4%)가 이전 세대 플래그십인 GPT-5.5(85.6%)를 넘어섭니다.

일상적인 지식 업무에서는 더 좁혀집니다 (Agents' Last Exam)

• Sol 52.7% / Terra 50.4% / Luna 50.3% / GPT-5.5 46.9%
• Terra와 Luna가 0.1%p 차이입니다. 단순 요약이나 Q&A는 Luna로 충분합니다.

Sol이 항상 1위는 아닙니다

• SWE-Bench Pro(코드 구조 분석): Sol 64.6% / Claude Mythos 5 80.3% / Fable 5 80.0%
• 반대로 환경을 직접 조작하는 작업은 Sol이 앞섭니다.
  OSWorld 2.0(컴퓨터 제어): Sol 62.6% vs Claude Opus 4.8 54.8%
  BrowseComp(브라우징): Sol Ultra 92.2% / Sol 90.4%
• 터미널 조작이냐 코드 구조 분석이냐에 따라 갈리는 듯합니다.

Ultra 모드는 생각보다 안 오릅니다

• 코딩 +3.1%p, 보안 분석 +3.1%p, 브라우징 +1.8%p
• 이 2~3%p를 얻는 데 토큰은 약 3배를 씁니다.
• 실패 비용이 크거나 정밀도가 꼭 필요한 작업에만 쓰는 게 맞아 보입니다.

정리하면

• Luna: 단순 반복, 대량 처리, 속도 우선
• Terra: 대부분의 범용 작업. 사실상 기본값
• Sol: 복잡한 논리 구조, 실패 비용이 큰 업무
• Max: 한 문제를 깊게
• Ultra: 여러 작업을 병렬로

수치는 전부 OpenAI 공식 출시 글의 벤치마크 표 기준입니다.
https://openai.com/index/gpt-5-6/

벤치마크는 단일 결과라 실제 프로젝트 비용이나 체감과는 차이가 있을 수 있습니다.
특히 SWE-Bench Pro처럼 순위가 뒤집히는 구간이 있어서 작업 유형마다 다르게
읽히기도 합니다. 직접 쓰시면서 체감이 달랐던 구간이 있으면 궁금합니다.
잘못 본 부분도 알려주시면 고치겠습니다.