GPT-6 제품군을 어떻게 고를 것인가라는 실무적 질문에 OpenAI는 2026년 10월 2일 발표한 공식 가이드 《A model guide for the GPT-6 family》에서 체계적인 답을 제시했습니다. 이 가이드는 세 등급의 가격만 나열하지 않습니다. 추론 등급, 프롬프트 캐시, 프롬프트 작성법, 장시간 작업 관리를 함께 다루며 개발 팀에 비용과 성능을 하나의 결정으로 다루는 방법을 제공합니다.
세 등급 모델과 가격
| 모델 | 입력 | 출력 | 캐시 입력 | 위치 |
|---|---|---|---|---|
| GPT-6 Astra | 10 달러 | 50 달러 | 1 달러 | 가장 어려운 추론 작업, 최고 지능이 필요할 때 |
| GPT-6.1 Sol | 2 달러 | 10 달러 | 0.10 달러 | Astra에 가까운 지능, 가격은 5분의 1 |
| GPT-6 Luna | 0.10 달러 | 0.50 달러 | 0.01 달러 | 목표가 명확한 대규모 일상 반복 작업 |
가격은 모두 100만 token 기준입니다. GPT-6.1 Sol은 복잡한 프로그래밍, 연구, computer use에 적합합니다. GPT-6 Luna는 청구서 항목 추출, 요청 분류, 구조화된 요약 생성 같은 반복 가능한 작업을 겨냥합니다. 등급 간 가격 차이는 최대 100배에 달하므로 모델을 잘못 고르면 비용이 그대로 커집니다.
모델과 추론 등급을 함께 고르기
핵심 원칙은 모델 선택과 추론 등급을 지능과 가격 사이의 균형으로 함께 보는 것입니다. Low는 사실 추출, 작은 수정 같은 일상 작업에, Medium은 기능 계획, 방안 비교처럼 판단이 필요한 작업에, High는 어려운 디버깅, 심층 분석, 꼼꼼한 검토에 적합합니다. Extra high와 Max는 High로 부족할 때만 테스트하고, 개선 효과가 추가 시간과 비용을 감당할 가치가 있을 때만 유지해야 합니다. 모든 작업에 최고 설정을 기본값으로 두지 말고 난이도에 따라 배분해야 합니다.
프롬프트 캐시와 컨텍스트 관리
캐시된 입력은 캐시되지 않은 입력보다 최대 95% 저렴합니다. 가이드는 안정적인 지시와 참고 자료를 바뀌는 작업 세부 내용보다 앞에 두고, 도구 정의를 일관되게 유지해 캐시 적중률을 높이도록 권합니다. 긴 대화에서는 compaction으로 컨텍스트를 압축하면서도 작업을 이어가는 데 필요한 상태를 유지할 수 있어, 긴 작업이 갈수록 비싸지고 느려지는 것을 막을 수 있습니다.
프롬프트 작성법이 바뀌고 있다
OpenAI 개발자 경험 책임자 Eric Provencher는 모델이 뉘앙스와 모호함을 이해하는 능력이 강해졌으며, 과거에 유용했던 지나치게 구체적인 지시가 이제는 오히려 결과를 방해할 수 있다고 말합니다. 가이드는 모델에 명확한 작업 지시서를 줄 것을 요구합니다. 원하는 결과, 누구를 위한 것인지, 관련 배경과 제약, 무엇이 완료인지를 밝혀야 합니다. skills 설명은 짧고 명확하게 쓰고 언제 실행할지 명시해야 합니다. 일괄적인 '먼저 나에게 물어보라'는 규칙 대신 명확한 의사결정 경계를 사용해야 합니다. '완료'의 정의에는 변경 구현, 실행, 결과 확인, 실패 수정까지 포함됩니다.
수 시간에서 수 일짜리 작업을 위해
GPT-6 제품군은 수 시간에서 수 일에 이르는 작업을 맡을 수 있습니다. API 측에서는 Responses WebSocket API를 통해 모델이 작업하는 도중 방향을 수정할 수 있으며, 업데이트는 대기열에 들어가고 실행 중인 도구는 취소되지 않습니다. 느린 도구가 실행되는 동안 모델은 그 도구에 의존하지 않는 작업을 먼저 할 수 있습니다. GPT-6.1 Sol은 Responses API에서 독립적인 하위 작업을 서브 에이전트에 나눠 병렬로 처리할 수도 있으며, 멀티 에이전트는 현재 beta 단계입니다. 세 모델 모두 웹사이트와 데스크톱 앱을 직접 조작할 수 있고(computer use), 원칙은 각 단계에서 가장 안정적이고 가장 단순한 방식을 고르는 것입니다. API나 연결된 도구로 끝낼 수 있으면 화면을 읽고 버튼을 누를 필요가 없습니다.
팀 사례도 제시됐습니다. Cognition은 Astra를 이용해 사전 정보가 전혀 없는 상태에서 5000 달러 현금과 20만 API 크레딧이 걸린 결제 bug 수정을 30분 안에 처음부터 끝까지 추적하고 검증했습니다. Harvey는 Astra와 감사 로그를 이용해 약 8000건의 문서 말뭉치에서 법률 에이전트를 테스트했습니다. Invideo는 Astra를 색상 보정과 교정 작업에 사용해 성공률을 기존의 약 3배로 높였습니다.
주의할 점은 이 가이드가 세 모델의 컨텍스트 윈도우 길이를 공개하지 않았다는 것입니다. 초장문 컨텍스트를 계획하는 팀은 추가 정보를 기다려야 합니다. 지금 선택을 앞둔 팀에게 이 가이드의 가치는 결정을 '가장 강한 모델 고르기'에서 '작업별로 나눠 고르기'로 바꾼다는 데 있습니다. 일상 작업은 Luna로 비용을 낮추고, 복잡한 작업은 Sol, 정말 어려운 문제는 Astra에 맡기며, 여기에 추론 등급과 캐시 전략을 겹치면 전체 지출을 통제할 수 있습니다.
