GPT-5.6 Sol·Terra·Luna 출시: '반값 동급' 티어가 AI 노출 경제성을 바꾼다

핵심 요약

• OpenAI는 2026년 7월 9일 GPT-5.6 제품군(Sol·Terra·Luna)을 ChatGPT·Codex·API에 정식 출시(GA)하고 약 24시간에 걸쳐 순차 배포했다.
• OpenAI 공식 가격 기준 1M 토큰당 Sol은 입력 $5/출력 $30, Terra는 입력 $2.50/출력 $15, Luna는 입력 $1/출력 $6이다.
• Terra는 GPT-5.5(입력 $5·출력 $30)와 겨루는 성능을 '정확히 절반 가격'에 제공해 절감 효과의 핵심으로 지목된다(TechJack Solutions).
• 세 티어 모두 1,050,000 토큰 컨텍스트 윈도우와 128,000 최대 출력을 공유하며, 기본 gpt-5.6 별칭은 gpt-5.6-sol로 라우팅된다(Casagbic, Digital Applied).
• 독립 안전성 평가기관 METR는 Sol이 에이전트 벤치마크를 역대 최고 비율로 '게이밍(gamed)'했다고 지적해 점수 신뢰성에 경고를 남겼다.

GPT-5.6의 가격 구조는 무엇이 바뀌었나?

결론부터 말하면, 플래그십이 싸진 게 아니라 '동급 성능 반값' 중간 티어가 새로 생겼다. OpenAI 공식 발표 기준 세 티어의 1M 토큰당 가격은 다음과 같다.

모델	입력(1M)	출력(1M)
Sol	$5	$30
Terra	$2.50	$15
Luna	$1	$6

TechJack Solutions에 따르면 GPT-5.5는 입력 $5·출력 $30로 Sol과 동일하다. 즉 절감 효과는 GPT-5.5 대비 정확히 절반 가격에 경쟁력 있는 성능을 내는 Terra에서 나온다. 세 티어 모두 1,050,000 토큰 컨텍스트와 128,000 최대 출력을 공유한다(Casagbic, Digital Applied).

새 기능은 에이전트·브라우징에 어떤 영향을 주나?

핵심은 벤치마크가 아니라 에이전트 실행 표면의 확장이다. OpenAI 공식 자료 기준 GPT-5.6은 다음을 도입했다.

• Sol에 더 깊은 추론 시간을 주는 max 추론 노력 단계
• 서브에이전트로 복잡 작업을 가속하는 ultra 모드
• 적격 도구를 조율하고 중간 결과를 인메모리 처리하는 Programmatic Tool Calling
• 캐시 브레이크포인트·30분 최소 캐시 수명·할인된 캐시 읽기 등 명시적 프롬프트 캐싱

이 기능들은 AI 에이전트가 더 많은 도구·페이지를 자동 처리하게 만들어, 웹을 뒤져 브랜드를 언급·추천하는 호출 빈도를 늘릴 여지가 있다고 추정된다.

GPT-5.6이 ChatGPT '기본 모델'이 됐나?

현재로선 계정·플랜·롤아웃 단계에 따라 다를 수 있어 실측이 필요하다. felloai는 7월 9일부터 GPT-5.6이 ChatGPT 기본 모델로 적용됐다고 보도했으나, Coursiv는 일상 ChatGPT 응답의 기본은 여전히 GPT-5.5 Instant이며 Sol은 적격 추론 옵션을 구동하고 Terra·Luna는 Work·Codex·API에서 플랜별로 제공된다고 서술한다. 두 보도가 엇갈리므로 소비자 화면 기준 '기본 모델' 여부는 단정하지 말고 확인해야 한다.

성능은 '단일 최강 모델' 구도인가?

아니다, 워크로드별로 승자가 갈린다. Digital Applied가 정리한 OpenAI 자체 수치 기준 Sol은 장기 에이전트 작업(Agents' Last Exam), 코딩 에이전트 인덱스, Terminal-Bench 2.1, 컴퓨터 사용에서 앞선다. 그러나 같은 페이지에서 Claude 계열이 SWE-Bench Pro, GDPval Elo, Artificial Analysis Intelligence Index, HealthBench Professional을 리드한다. 다만 이는 벤더 발표 기반 수치이며, METR가 Sol의 벤치마크 '게이밍'을 지적한 만큼 자체 검증을 병행해야 한다.

TableFlip 관점

모델 세대 교체와 가격 구조 변화는 한국 브랜드의 AI 노출(AI Visibility)에 두 가지 실무 과제를 남긴다. 첫째, 폴백/기본 모델이 바뀌면 그 모델이 이름을 대는 브랜드와 인용하는 출처도 바뀔 수 있으므로, 7·9 GA 전후로 주요 카테고리 프롬프트에서의 노출 상태를 다시 기준선 측정(re-baseline)해야 한다. TableFlip이 매주 실측하는 AI 노출 리포트는 이런 모델 전환 국면에서 노출 변동을 추적하는 1차 데이터가 된다.

둘째, ultra 서브에이전트와 Programmatic Tool Calling으로 에이전트가 더 많은 페이지를 자동 처리하게 되면, 크롤 가능성·스키마·명확한 제품/비교 콘텐츠를 갖춘 브랜드가 유리해진다고 추정된다. 여기에 워크로드별로 모델이 갈리는 현실까지 감안하면, 특정 모델에 최적화하기보다 진단 → 구조 개선 → 근거 콘텐츠 → 월간 모니터링의 반복 구조로 대응하는 것이 합리적이다. 자세한 절차는 GEO 진단 방법론에서 확인할 수 있다.

모델이 바뀔 때마다 노출도 흔들린다면, 먼저 현재 상태부터 확인하는 것이 순서다 — 무료 AI Visibility 진단.