코딩을 위한 GPT-6.1 Terra vs Sol vs Luna: 작업당 비용

에이전트 세션이 끝났고, diff도 괜찮아 보입니다. 이제 가장 비싼 티어가 정말 필요했는지 궁금해집니다. 짧게 답하자면: Terra로 시작하고, 대량의 단순한 단계는 Luna로 보내며, Terra가 이미 실패한 작업에만 Sol 비용을 지불하세요. 동일한 편집 하나(입력 40,000 토큰, 출력 3,000 토큰)에서 OpenAI 표준 가격 기준 Luna는 $0.0055, Terra는 $0.055, Sol은 $0.11입니다.

가격표가 말하는 것#

OpenAI의 가격 페이지(2026년 10월 29일 확인, 표준 티어, 입력 최대 272K 토큰)에는 1M 토큰당 다음 가격이 나와 있습니다:

패턴은 깔끔합니다. Sol은 모든 열에서 정확히 Terra의 두 배입니다. Luna는 입력과 출력에서 Terra의 10분의 1, 캐시된 입력에서는 5분의 1입니다. 따라서 비용 사다리는 고정되어 있고, 진짜 질문은 더 저렴한 단이 얼마나 자주 작업을 완수하느냐입니다.

마지막 열은 단순한 산수입니다. Terra 기준: 입력은 40,000 × 1.00 / 1,000,000 = 0.04, 출력은 3,000 × 5.00 / 1,000,000 = 0.015이므로 0.04 + 0.015 = 0.055입니다. Sol에서 같은 합은 0.08 + 0.03 = 0.11, Luna에서는 0.004 + 0.0015 = 0.0055입니다.

편집 하나, 그리고 그것이 50개라면#

이런 편집을 하루에 50번 한다고 해봅시다: 함수를 다시 작성하고, 그것이 깨뜨린 테스트를 고치는 작업으로, 파일과 지시사항 입력이 약 40,000 토큰, 패치와 설명 출력이 3,000 토큰입니다. 그러면 하루 비용은 Terra에서 50 × 0.055 = 2.75달러, Sol에서 50 × 0.11 = 5.50, Luna에서 50 × 0.0055 = 0.275입니다.

편집 한 번에 $0.11은 아무도 신경 쓰지 않습니다. 그 속도로 한 달간 Sol을 쓰는 것은 다른 이야기이며, 이것이 기분에 따라 한 번이 아니라 작업 종류별로 한 번씩 티어를 정해야 하는 이유입니다.

다음은 붙여넣고 자신의 토큰 수로 다시 실행할 수 있는 몇 줄짜리 전체 계산입니다(위 표의 예시 가격이며, 현재 가격을 넣으세요):

PRICES = {  # $ per 1M tokens: (input, output), OpenAI, 29 Oct 2026
    'luna': (0.10, 0.50),
    'terra': (1.00, 5.00),
    'sol': (2.00, 10.00),
}

def cost(tier, tokens_in, tokens_out):
    p_in, p_out = PRICES[tier]
    return (tokens_in * p_in + tokens_out * p_out) / 1_000_000

print(cost('terra', 40_000, 3_000))  # 0.055

에이전트 루프: 입력이 곧 청구서#

편집은 요청 하나입니다. 에이전트는 연속된 20개의 요청이며, 각 단계는 파일과 지금까지의 이력을 다시 읽습니다. 매 단계가 약 30,000 토큰을 보내고 약 1,000 토큰을 돌려받는 20단계 루프를 가정해 봅시다. 즉 입력 600,000 토큰, 출력 20,000 토큰입니다.

Terra 기준: 입력은 600,000 × 1.00 / 1,000,000 = 0.60, 출력은 20,000 × 5.00 / 1,000,000 = 0.10이므로 0.60 + 0.10 = 0.70달러입니다. Sol은 이를 두 배로 늘려 1.40, Luna는 0.07로 줄입니다. 분할을 보세요: $0.70 중 $0.60은 모델이 쓰는 것이 아니라 여러분이 보내는 것입니다. 이는 대부분의 사람이 청구서를 상상하는 방식과 정반대입니다.

캐싱은 프리픽스가 실제로 반복될 경우 그림을 바꿉니다. 각 단계의 30,000 토큰 중 25,000이 동일한 프리픽스이고 캐시에 적중한다고 가정하면: 신규 입력 100,000 × 1.00 / 1,000,000 = 0.10, 캐시된 입력 500,000 × 0.05 / 1,000,000 = 0.025, 출력 0.10을 더해 Terra는 0.10 + 0.025 + 0.10 = 0.225가 됩니다. 작동 방식은 프롬프트 캐싱이란 무엇인가에, 이력이 계속 커지는 이유는 AI 에이전트가 왜 그렇게 많은 토큰을 쓰는가에 있습니다.

아래 계산기는 CheapTokens 모델에서 같은 루프를 실행합니다. 단계와 토큰을 에이전트에 맞게 바꾸세요.

어떤 작업에 어떤 티어#

AI 실험을 하는 한 Telegram 채널 작성자가 Codex에서 Terra를 Sol, Luna와 비교하고 2026년 10월 28일 영상을 게시했습니다. 그의 제목 그대로의 결론은 Terra가 중간 티어이며 그것이 단점이 아니라는 것입니다(게시물). 그 프레이밍은 유용한 지침입니다: 중간 단이 기본값이고, 나머지 둘은 이유가 필요합니다.

그 이유는 보통 재시도입니다. 동일한 토큰 수에서 Terra 시도 두 번은 2 × 0.055 = 0.11로 Sol 시도 한 번과 같습니다. 그리고 Luna 시도 열 번은 10 × 0.0055 = 0.055로 Terra 시도 한 번과 같습니다. 따라서 Sol이 어떤 부류의 작업을 첫 시도에 성공시키는 유일한 티어라면, 그 작업들에서는 비용을 회수합니다. Luna가 어떤 부류의 작업을 열 번 중 한 번 이상 성공시킨다면, 실패를 검토하는 시간을 세기 전에도 그것이 더 저렴한 방법입니다.

자신과 가장 가까운 상황을 고르세요:

더 저렴한 오픈 웨이트 모델로 충분할 때#

세 OpenAI 티어와 세 CheapTokens 모델에서 같은 편집을, 동일한 입력 40,000 토큰, 출력 3,000 토큰으로 비교하면:

막대는 결과가 아니라 가격을 보여줍니다. 이 모델 중 하나가 여러분의 편집에 충분히 좋은지는 Luna와 같은 방식으로 확인합니다: 실제 작업을 재생하고 diff를 읽으세요. 통과하면 청구서는 더 내려갑니다. 에이전트 루프의 경우 DeepSeek-V4-Flash는 380K 컨텍스트, 답변당 최대 32,768 토큰, 하루 중 어느 시간에도 동일한 가격을 제공합니다. GLM-5.3-Flash는 390K 컨텍스트, MiniMax-M2.7은 180K 컨텍스트를 가지며, 모든 가격은 가격 페이지에, 연결 단계는 문서에 있습니다.

자신의 작업을 재생하세요#

표는 비용을 알려줍니다. 품질은 오후 한나절이면 알 수 있습니다: 최근 이력에서 작업 열 개를 골라 각각 Luna에서, 그다음 Terra에서 실행하고 diff를 나란히 놓으세요. 필요한 숫자는 응답의 usage 필드에 있으므로 실행 비용을 정확히 계산하기 쉽습니다. CheapTokens에서는 다음과 같습니다:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "deepseek-ai/DeepSeek-V4-Flash-0731", "messages": [{"role": "user", "content": "Rename the variable x to retry_count in this function: ..."}]}'

돌아온 JSON에서 usage.prompt_tokens와 usage.completion_tokens는 해당 작업의 입력과 출력입니다. 이를 위의 cost() 헬퍼에 넣으면 가격이 있는 모든 모델의 작업당 비용을 얻을 수 있습니다. 새 티어의 출시 세부 정보는 GPT-6.1 Terra API 가격을, 입력/출력 분할은 입력 vs 출력 토큰을 참고하세요.