GPT-6.1 Terra: 저가 모델이 '환각'을 멈추고 검색을 시작하다

핵심 요약

• OpenAI가 2026년 10월 26일 공개한 중급 모델 GPT-6.1 Terra는 입력 100만 토큰당 $1, 출력 100만 토큰당 $5로 책정됐다(OpenRouter·OpenAI 문서 기준).
• Artificial Analysis에 따르면 Terra의 답할 수 없는 질문 추측률(guessing rate)은 GPT-5.6 Terra의 88%에서 38%로 하락했으며, 이는 상위 모델 GPT-6.1 Sol의 54%보다도 낮다.
• Artificial Analysis Intelligence Index에서 Terra는 48점(이전 42점), 태스크당 $0.40(이전 $1.40)로 평가됐다.
• OpenAI 문서 기준 컨텍스트는 1,050,000 토큰이나, 272,000 입력 토큰 초과 시 입력·캐시 2배, 출력 1.5배 요율이 적용되며 지식 컷오프는 2026년 6월 1일이다.
• Terra는 Responses API에서 웹 검색·파일 검색·컴퓨터 사용 등을 기본 지원하며, OpenAI는 Terra가 GPT-6 Astra·GPT-6.1 Sol보다 3배 이상 빠르다고 자사 발표했다(벤더 내부 테스트 기준).

GPT-6.1 Terra의 진짜 변화는 무엇인가?

가장 큰 변화는 성능 1위도 최저가도 아닌, 저가 대량 계층 모델이 '모르면 지어내던' 행동을 멈추고 검색으로 전환했다는 점이다. Artificial Analysis에 따르면 AA-Omniscience 테스트에서 Terra는 모르는 질문의 38%에서만 추측했는데, 이는 전작 GPT-5.6 Terra의 88%에서 크게 떨어진 수치다. 중요한 건 이 변화가 플래그십이 아니라 태스크당 $0.40짜리 대량 처리 모델에서 일어났다는 사실이다. 브랜드가 AI 답변에 언급되는 트래픽의 대부분은 값비싼 프런티어가 아니라 이런 저단가·고volume 계층에서 발생한다.

가격과 컨텍스트 구조는 어떻게 되나?

결론부터 말하면 저렴하지만 '길게 넣기'에는 가격 절벽이 있다. OpenAI 문서와 OpenRouter 기준 주요 수치는 다음과 같다.

항목	값
입력 (100만 토큰)	$1.00
출력 (100만 토큰)	$5.00
캐시 입력	$0.05
컨텍스트	1,050,000 토큰
최대 출력	128,000 토큰
지식 컷오프	2026년 6월 1일

Digital Applied에 따르면 272,000 입력 토큰을 초과하는 프롬프트는 전체 요청에 입력·캐시 2배, 출력 1.5배 요율이 적용된다. 즉 1M 컨텍스트가 있어도 긴 원문 통째 투입은 비용이 급증하므로, 실무 에이전트는 짧고 정확한 검색 스니펫을 선호할 유인이 크다.

성능 위치는 어디쯤인가?

Terra는 '상위 추격형' 중급 모델이지 플래그십이 아니다. OrcaRouter 기준 Intelligence Index는 GPT-6.1 Sol 52, GPT-6 Astra 53, GPT-5.6 Terra 42, GPT-6 Luna 38이며, Terra의 48은 전작 대비 6점 위, 더 비싼 형제 모델 대비 4점 아래다. 다만 CometAPI에 따르면 최대 추론 노력에서 OSWorld 2.1이 57.1%→74.2%, Terminal-Bench 4.0이 21.5%→50.3%로 각각 17.1·28.8%p 개선됐다. 핵심 역량은 컴퓨터 사용으로, 화면을 보고 클릭·입력·탐색하는 에이전트 루프를 경제적 가격에 수행한다(TrueFoundry). 속도가 3배 이상 빠르다는 것은 OpenAI 자사 발표로, 벤치마크 수치와 방법론 기준이 다르므로 직접 비교에는 한계가 있다.

한국어 그라운딩은 괜찮은가?

당분간 한국어 검색 품질은 해외 모델 의존도가 높을 수 있다. 한국어 웹 브라우징 에이전트 벤치마크 K-BrowseComp(arXiv) 검증 세트 Pass@1 정확도는 GPT-5.5 45.67, DeepSeek-V4-Pro 30.00인 반면, 한국 오픈 모델은 K-EXAONE-236B-A23B 10.33, A.X-4.0 5.33로 크게 뒤처진다. 저가 그라운딩 모델이 확산할수록 '한국어 질의에 대한 그라운딩된 답변'의 엔진 선택이 노출 결과를 좌우할 수 있다. 다만 이 벤치마크는 논문 단일 출처 기준으로 최신성·검증 범위는 추세 참고용이다.

TableFlip 관점

Terra의 추측률 88%→38% 하락은 한국 브랜드의 AI 노출(AI Visibility) 전략에 직접적 함의를 갖는다. 저가·고volume 계층이 '지어내기'를 멈추고 웹 검색으로 전환하면, 노출의 성패는 '모델이 나를 기억하느냐'(파라미터 지식)에서 '검색 시점에 나를 검색·인용할 수 있느냐'(실시간 크롤·인덱싱 가능성)로 더욱 이동한다. 특히 지식 컷오프가 2026년 6월 1일이므로, 하반기 신제품·가격·캠페인은 오직 내장 웹 검색을 통해서만 답변에 등장할 수 있다. '검색되지 않으면 존재하지 않는' 구조가 저가 계층에서도 굳어지는 셈이다.

272K 가격 절벽은 '많이 넣기'가 아니라 '잘 검색되기' 경쟁을 뜻한다. 브랜드 콘텐츠는 길게 쌓기보다 검색 질의에 바로 매칭되는 간결·고신뢰 단락으로 노출 확률이 결정된다. 또한 컴퓨터 사용의 커머디티화로 노출은 텍스트 인용뿐 아니라 에이전트가 자사 웹·앱 UI를 인식·탐색·완주할 수 있는가로도 확장된다. TableFlip은 이런 변화를 진단 → 구조 개선 → 근거 콘텐츠 → 월간 모니터링의 흐름으로 다루며, 매주 실측하는 AI 노출 리포트와 GEO 진단 방법론으로 국내외 엔진 양쪽에서의 검색·인용 가능성을 추적한다.

자사 브랜드가 검색 기반 답변에 실제로 인용되는지 확인하려면 무료 AI Visibility 진단으로 시작할 수 있다.