GPT-6.1 Sol, 가격은 Astra의 5분의 1…속도는 더 느렸다

OpenAI의 2026년 9월 29일 제품 발표에서 GPT-6.1 Sol의 표준 API 입력·출력 단가는 각각 GPT-6 Astra의 5분의 1로 제시됐다. 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러로, Astra의 10달러와 50달러보다 낮다. OpenAI는 실제 코드베이스의 복잡한 과제를 다루는 DeepSWE v1.1에서 새 Sol이 Astra와 비슷한 성적을 작업당 약 5분의 1 비용으로 냈으며, 직전 GPT-6 Sol의 최고 점수도 6.4%포인트 앞섰다고 밝혔다. 이는 공개된 평가의 결과이며, 모든 코딩 작업에서 같은 비용과 성적이 나온다는 뜻은 아니다.

9월 30일 공개된 독립 호출 측정에서는 7개 트랙, 3527회 호출 가운데 속도 트랙의 가시 출력 속도 중앙값이 GPT-6.1 Sol 초당 31.1토큰, 직전 GPT-6 Sol 46.0토큰, Astra 33.0토큰이었다. 정확도 과제에서는 상위 모델 간 우열을 뚜렷하게 가르기 어려웠다. 따라서 응답을 기다릴 수 있는 복잡한 코딩 작업에는 새 Sol의 Astra 대비 낮은 단가가 매력적이지만, 답을 받아 곧바로 다음 지시를 내리는 작업에서는 직전 Sol의 빠른 출력도 가치가 있다. 속도 수치는 ChatGPT Pro 구독의 Codex 환경에서 얻은 것으로, 표준 API의 지연 시간을 그대로 나타내지는 않는다.

표준 단가는 낮지만 작업당 비용은 별개다

Axios의 DevDay 보도도 GPT-6.1 Sol을 코딩과 컴퓨터 사용에서 Astra에 가까운 역량을 더 낮은 가격에 제공하려는 모델로 소개했다. 다만 발표의 가격 비율은 같은 양의 표준 입력 토큰 또는 출력 토큰에 적용한 비교다. 한 작업을 마치는 데 필요한 토큰 수와 재시도 횟수까지 일정하다는 보장은 포함하지 않는다.

조건을 고정한 계산은 단가의 의미를 분명하게 보여준다. 가령 두 모델에 각각 입력 100만 토큰을 보내고 출력 100만 토큰을 받는다고 가정하면, 표준 단가로 계산한 청구액은 새 Sol 12달러, Astra 60달러다. 실제 코딩 요청에서는 모델이 생성하는 추론 토큰과 최종 답변 길이가 달라질 수 있다. 수정이 실패해 같은 과제를 다시 실행한다면 처음 요청의 낮은 가격만으로는 완료 작업 한 건의 비용을 알 수 없다.

반복되는 문맥의 가격에는 또 다른 비율이 붙는다. 공개된 캐시 입력 단가는 새 Sol이 100만 토큰당 0.10달러, Astra가 1달러다. 같은 지시문과 자료를 여러 호출에서 재사용하는 에이전트라면 캐시된 입력이 청구액에서 차지하는 비중이 커질 수 있다. 반면 요청마다 새로운 자료가 대부분이라면 캐시 단가의 차이를 전체 절감액으로 옮겨 계산하기 어렵다.

구매 방식도 구분해야 한다. 이 가격표는 개발자가 모델을 API로 호출할 때 적용되는 표준 토큰 가격이고, 독립 측정은 구독형 Codex 환경에서 이뤄졌다. 구독 환경에서 관측한 초당 출력 토큰을 API 가격표에 곱해 ‘지연 한 초당 비용’을 산출하면 서로 다른 조건의 수치를 섞게 된다. 비용과 시간을 함께 따지려면 같은 실행 환경에서 완성된 작업을 기준으로 봐야 한다.

DeepSWE의 성적은 복잡한 코딩 과제에 관한 주장이다

DeepSWE v1.1은 실제 코드베이스에서 오래 이어지는 소프트웨어 공학 과제를 푸는 평가다. 여기서의 성적은 짧은 코드 조각을 얼마나 빨리 출력하는지보다 요구사항을 충족하는 변경을 끝낼 수 있는지에 가깝다. 새 Sol과 Astra의 비용 대비 성능이 가까웠다는 발표는 이런 종류의 과제를 맡기는 개발자에게 직접적인 의미가 있다. 짧은 질문에 답하거나 이미 정해진 형식으로 내용을 바꾸는 작업에 같은 성능 차이를 적용할 근거는 아니다.

직전 Sol보다 높아진 점수 역시 평가 조건과 함께 읽어야 한다. 발표에서는 새 Sol이 더 낮은 추론 강도와 비용으로 직전 모델의 최고 성적을 넘었다. 추론 강도는 답을 만들기 전에 쓰는 계산량에 영향을 줄 수 있으므로, 모델 이름만 바꾸고 설정과 작업당 비용을 비교하지 않으면 개선의 실질적인 크기를 놓치기 쉽다. 특히 코딩 에이전트는 한 번의 답변보다 여러 차례의 수정과 실행으로 결과를 완성한다.

독립 측정의 코딩 과제에서는 새 Sol과 Astra가 모두 주어진 과제를 해결했고, 직전 Sol도 거의 같은 성적을 냈다. 이 과제들은 명세에 맞춘 코드를 숨겨진 테스트로 채점했지만, DeepSWE의 실제 코드베이스 작업과 과제 구성은 다르다. 독립 측정에서 점수가 비슷했다고 해서 DeepSWE에서 관측된 차이가 사라지는 것은 아니다. 반대로 회사의 DeepSWE 결과만으로 독립 과제에서 상위 모델의 차이가 반드시 나타나야 하는 것도 아니다.

독립 과제의 높은 정답률에는 측정상의 한계도 있다. 비교 모델 다수가 거의 모든 문제를 맞히면 한두 건의 차이로 안정적인 순위를 정하기 어렵다. 일부 조건의 반복 횟수도 적어 작은 실패율 차이를 추정하기에는 표본이 부족하다. 공개 저장소에는 과제와 호출별 점수가 있지만 실행·채점 코드, 숨겨진 테스트, 모델 응답 원문 전체는 제공되지 않는다. 이 범위에서 가장 분명하게 드러난 차이는 정확도보다 출력 속도였다.

느린 출력과 전체 응답 시간은 같은 지표가 아니다

가시 출력 속도는 답변이 화면에 나타나기 시작한 뒤 내용이 얼마나 빨리 이어지는지를 나타낸다. 긴 설명이나 코드 변경안을 실시간으로 읽는 동안에는 이 차이가 눈에 띌 수 있다. 그러나 첫 내용이 도착할 때까지의 대기 시간, 내부 추론 시간, 답변의 길이까지 모두 더한 완료 시간과는 다르다. 출력 속도가 낮다는 결과만으로 모든 요청이 같은 비율만큼 늦게 끝난다고 계산할 수 없는 이유다.

독립 측정의 속도 트랙은 모델 호출 순서를 섞어 실행했고 첫 응답까지의 시간과 전체 시간도 기록했다. 전체 호출 횟수는 추론·코딩·도구 사용·긴 문맥 등 서로 다른 트랙을 합친 규모다. 그 숫자를 출력 속도 비교 한 항목의 반복 횟수로 읽으면 속도 추정의 정밀도를 과장하게 된다. 지연에 민감한 작업을 판단할 때는 가시 출력 속도와 함께 첫 응답, 최종 완료 시간을 구분할 필요가 있다.

추론 강도를 높인 실험에서는 새 Sol이 사용한 추론 토큰과 전체 응답 시간이 늘어났다. 그때 사용한 문제들은 낮은 설정에서도 이미 정답이 나와, 시간을 더 들인 만큼의 정확도 향상은 관측되지 않았다. 이 결과는 더 어려운 문제에서 높은 추론 강도가 불필요하다는 결론까지 뒷받침하지는 않는다. 같은 모델이라도 설정과 과제 난도에 따라 기다리는 시간의 대가가 달라진다.

긴 입력을 다룬 별도 트랙에서는 방향이 달랐다. 매우 긴 문맥을 넣었을 때 새 Sol의 전체 응답 시간 중앙값은 직전 Sol보다 짧게 관측됐다. 화면에 글이 이어지는 속도는 느려도 입력을 처리하고 답을 끝내는 시간은 작업 형태에 따라 역전될 수 있다는 뜻이다. 따라서 ‘더 느리다’는 관측은 독립 측정의 가시 출력 속도에 정확히 적용해야 한다.

기다릴 수 있는 코딩과 이어지는 대화의 선택 기준

여러 코딩 과제를 모아 맡기고 결과를 나중에 검토하는 흐름이라면 새 Sol과 Astra의 차이는 주로 완료 작업당 비용에서 드러난다. 표준 토큰 단가는 새 Sol 쪽이 낮고, 발표된 복잡한 코딩 평가에서는 두 모델의 성적이 가까웠다. 이런 작업에서는 답이 출력되는 동안 사람이 계속 지켜볼 필요가 적다. 다만 품질 차이로 재실행이 생긴다면 단가 절감이 줄어들 수 있어, 성공한 결과 한 건에 들어간 총비용이 더 의미 있다.

짧은 답을 받은 사람이 다시 질문하거나 코드를 조금씩 고치는 대화형 흐름에서는 직전 Sol의 빠른 출력이 선택 이유가 된다. 독립 측정의 정확도 과제는 상위 모델의 차이를 선명하게 나누지 못했으므로, 비슷한 수준으로 처리되는 작업이라면 매 차례 누적되는 대기 시간이 더 크게 느껴질 수 있다. 특히 답변을 다 읽기도 전에 다음 지시를 정하는 흐름에서는 완료 작업당 비용뿐 아니라 첫 응답과 출력의 리듬이 사용 경험을 좌우한다.

Astra는 실패했을 때 재작업 비용이 큰 어려운 과제에서 여전히 비교 대상이다. 새 Sol의 낮은 단가가 곧 모든 난도의 과제에서 더 낮은 완료 비용을 뜻하지는 않는다. 독립 측정은 상위 모델의 작은 정확도 차이를 가를 만큼 어려운 문제를 충분히 확보하지 못했고, 회사가 제시한 강한 코딩 결과는 특정 평가에 속한다. 어느 쪽이 유리한지는 실제 과제의 성공률이 비용 차이를 상쇄하는지에 달려 있다.

OpenAI는 GPT-6.1 Sol을 API와 ChatGPT Work·Codex에서 제공하며, 일반 Chat에서는 아직 제공하지 않는다고 안내했다. 표준 속도에서 관측된 지연 때문에 대화형 작업의 선택이 망설여진다면, 향후 더 빠른 제공 방식이 나오더라도 그 속도와 추가 비용을 함께 봐야 한다. 현재 공개된 가격과 독립 호출 기록만으로는 그 새로운 조건에서의 완료 작업당 비용을 정할 수 없다.

함께 읽기:

• GPT-5.6이 Kiro에 들어왔다, 코딩 비용 82% 절감 주장의 조건
• GPT-5.6 Sol·Terra·Luna 선택법, 비싼 모델이 늘 정답은 아니다
• AI 전환 속도는 과거의 4배…미국 노동자 1,100만 명이 직종을 바꾼다