GPT-6.1 테라 총정리 — 반값 API 가격·컴퓨터 사용 성능·솔과 차이
2026-11-05 22:55
AI 모델 경쟁이 “누가 더 똑똑한가”에서 “누가 더 싸게 일을 끝내 주는가”로 옮겨 가고 있습니다. OpenAI가 10월 26일 내놓은 GPT-6.1 테라(영문명 GPT-6.1 Terra)가 그 흐름을 보여 주는 모델입니다. 중간급 모델인데 API 가격을 직전 모델의 절반 이하로 낮췄고, 컴퓨터 화면을 보고 클릭과 입력을 반복하는 작업을 상위 모델보다 3배 넘게 빨리 끝낸다고 발표했습니다.
국내에서도 이 오픈AI 신모델을 두고 출시 직후부터 “API 값 반값”, “가성비 모델”이라는 제목의 기사가 이어졌습니다. 그런데 숫자를 하나씩 뜯어보면 생각보다 조건이 많습니다. 이 글에서는 GPT-6.1 테라의 가격과 원화 기준 비용, 독립 벤치마크로 본 실제 성능, 솔·클로드 소넷 5.5와의 차이, 안전성 논란, 업무별로 어떤 모델을 골라야 하는지까지 정리했습니다.
GPT-6.1 테라는 어떤 모델인가
OpenAI의 현재 모델 라인업은 크기 순서로 루나(Luna), 테라(Terra), 솔(Sol), 아스트라(Astra)입니다. 테라는 루나 바로 위의 중간급 모델로, 이미지 해석, 컴퓨터 사용, 자연스러운 글쓰기처럼 실무에서 반복되는 작업을 빠르고 싸게 처리하는 데 초점을 맞췄습니다.
| 항목 | GPT-6.1 테라 사양 |
|---|---|
| 출시일 | 2026년 10월 26일 |
| API 모델 ID | gpt-6.1-terra |
| 컨텍스트 창 | 105만 토큰 |
| 최대 출력 | 12만 8,000 토큰 |
| 지식 기준일 | 2026년 6월 1일 |
| 입력·출력 | 텍스트·이미지 입력, 텍스트 출력(음성·영상 미지원) |
| 추론 강도 | none, low, medium(기본), high, xhigh, max |
| 제공 범위 | ChatGPT Plus·Pro·Enterprise·Edu(Work·Codex), API |
OpenAI는 테라가 이전 세대인 GPT-5.6 테라보다 크게 좋아졌다고 강조하면서도, “가장 복잡한 코딩 작업에는 GPT-6.1 솔과 GPT-6 아스트라가 더 낫다”고 직접 선을 그었습니다. 처음부터 최고 성능이 아니라 가격 대비 효율을 노린 모델이라는 뜻입니다. 솔과 루나의 관계가 궁금하다면 GPT-5.6 솔·테라·루나 비교 글에서 라인업 구조를 먼저 보면 이해가 쉽습니다.
GPT-6.1 테라 가격, 원화로 환산하면
가장 크게 화제가 된 부분은 가격입니다. 100만 토큰 기준 API 가격은 다음과 같습니다(1달러=1,400원 가정).
| 모델 | 입력 | 캐시 입력 | 출력 | 출력 원화 환산 |
|---|---|---|---|---|
| GPT-6.1 솔 | 2.00달러 | 0.10달러 | 10.00달러 | 1만 4,000원 |
| GPT-6.1 테라 | 1.00달러 | 0.05달러 | 5.00달러 | 7,000원 |
| GPT-6 루나 | 0.10달러 | 0.01달러 | 0.50달러 | 700원 |
| (참고) GPT-5.6 테라 | 2.00달러 | 0.20달러 | 12.00달러 | 1만 6,800원 |
체감이 잘 안 된다면 작업 하나로 계산해 보겠습니다. 한국어 문서 1만 자를 1,000자로 요약한다고 하면 입력은 대략 1만~1만 5,000토큰, 출력은 1,000~1,500토큰입니다. 테라로는 한 건에 약 21~32원, 솔로는 약 42~63원이 듭니다. 다만 추론 토큰은 출력으로 과금되므로 추론 강도를 high나 max로 올리면 비용이 몇 배로 뛸 수 있습니다.
알아 둘 요금 옵션도 있습니다.
- 할인: 배치(Batch)와 플렉스(Flex) 처리는 50% 할인됩니다.
- 할증: 빠른 처리 모드는 2배이고, 특정 지역에서 처리하면 10%가 추가됩니다.
- 긴 입력: 한 요청의 입력이 27만 2,000토큰을 넘으면 입력 2배, 출력 1.5배 요금이 붙는다는 안내도 있습니다. 서드파티 가이드에서 나온 내용이라 대용량 작업 전에는 공식 가격표를 확인하세요.
- 캐시: 효과가 큽니다. 10만 토큰짜리 맥락을 20번 반복 호출하는 에이전트 작업은 캐시 없이 약 2.2달러지만, 캐시를 쓰면 약 0.42달러로 줄어듭니다.
ChatGPT 요금제로 쓸 때의 원화 요금은 공식 확인이 어렵습니다. 미국 기준으로 Plus는 월 20달러, Pro는 월 200달러이고, 국가별 현지 가격이 따로 적용됩니다. 무료와 Go 요금제에서 6.1 테라를 쓸 수 있는지도 11월 5일 현재 공식 확인되지 않았습니다.
성능: 벤치마크로 본 실제 실력
OpenAI 발표와 독립 평가 기관의 수치를 나란히 보면 테라의 성격이 분명해집니다. 최고 성능에서는 밀리지만, 중간 설정의 가성비는 뛰어나다는 것입니다.
| 지표 | GPT-6.1 테라 | 비교 대상 | 비고 |
|---|---|---|---|
| Terminal-Bench 4.0(max) | 50.3% | 소넷 5.5 70.6% | 이전 5.6 테라는 21.5% |
| Terminal-Bench 4.0(medium) | 35.8% | 소넷 5.5 28.8% | 중간 설정에선 테라 우위 |
| OSWorld 2.1(medium) | 66.7% | 소넷 5.5 65.9% | 컴퓨터 사용 능력 대등 |
| Artificial Analysis 지능 지수 | 48 | 소넷 5.5 56 / 솔은 테라보다 4점 높음 | 종합 지능 |
| 코딩 에이전트 지수 | 48 | 솔 54 / 루나 31 | Artificial Analysis |
| Vals Index | 60.54%(32개 중 11위) | - | 법률·세무 판단 약점 지적 |
정확도 개선은 눈에 띕니다. 일부러 오류를 유도하는 질문에서 low 설정의 오류율이 53.6%에서 16.7%로, max 설정은 4.3%까지 떨어졌습니다. 모르는 질문에 아는 척 추측하는 비율도 88%에서 38%로 줄었습니다. 해커뉴스 출시 글에 600점 넘는 추천과 400개 넘는 댓글이 달렸는데, 가장 많이 나온 칭찬이 바로 이 오류율 하락이었습니다.
비용 대비 성능 차이는 더 큽니다. 독립 평가 기준으로 최고 설정의 작업당 비용은 테라 약 0.40달러, 소넷 5.5 약 5.46달러였습니다. 컴퓨터 사용 평가(OSWorld) 작업당 비용도 테라 1.19달러, 소넷 5.74달러로 5분의 1 수준입니다. 두 모델의 코딩 성능 비교는 GPT-6.1 솔 vs 클로드 소넷 5.5 글에서 더 자세히 다뤘습니다.
“컴퓨터 사용 3배 빠름”의 진짜 의미
챗GPT 컴퓨터 사용은 AI가 화면을 캡처해 보고, 버튼을 누르고, 글자를 입력하는 과정을 반복하며 사람 대신 작업하는 기능입니다. OpenAI는 테라가 이런 작업을 아스트라와 솔보다 “3배 넘게 빠르게” 끝낸다고 발표했습니다.
이 말은 조심해서 읽어야 합니다.
- 기준은 작업 완료 시간: 토큰을 뽑아내는 속도가 3배 빠르다는 뜻이 아닙니다. 모델이 작고 효율적이라 화면 확인과 클릭 단계를 덜 거쳐 작업 하나를 빨리 끝낸다는 뜻입니다.
- 토큰 속도는 오히려 느림: 독립 측정에서 토큰 생성 속도는 소넷 5.5가 초당 약 141토큰, 테라가 약 91토큰이었습니다.
- 그런데 작업은 빨리 끝남: 같은 평가에서 작업 완료 시간은 테라 384초, 소넷 878초였습니다. 생각을 짧게 하고 바로 행동하는 스타일이라는 뜻입니다.
- 측정 조건 비공개: 3배라는 수치는 OpenAI 자체 측정이고, 특정 에이전트 평가에서 나온 결과입니다. 모든 질문의 응답이 3배 빨라진다고 확대 해석할 근거는 없습니다.
한 개발자가 실제 업무 3건으로 시험해 보니 테라가 솔보다 1.4~1.8배 빨랐습니다. 표본이 작아 참고용이지만, “3배”는 최적 조건의 숫자이고 실제 체감은 그보다 작을 수 있다는 점을 보여 줍니다.
이 기능이 갑자기 중요해진 배경도 있습니다. OpenAI는 상시 대기하며 일을 처리하는 개인 에이전트 ‘ChatGPT Dots’를 Pro 사용자 중심으로 선보였습니다. 그런데 연산 부담이 크다는 점을 인정하고, 작업에 따라 테라 같은 작은 모델로 일을 나눠 맡기기로 했습니다. 에이전트 시대에 “작고 빠른 모델”이 필수 부품이 된 셈입니다.
사이버보안 Critical 등급, 무엇이 문제인가
테라의 시스템 카드에는 의외의 내용이 있습니다. 중간급 모델인데도 사이버보안 위험을 최고 단계인 Critical로 분류했습니다. 생물·화학 위험은 High, AI 자기 개선 위험은 High 미만이었습니다.
Critical은 모델이 보안이 강화된 실제 핵심 시스템에서 사람 도움 없이 취약점을 찾아 공격 도구까지 만들 수 있는 수준이라는 평가입니다. “작은 모델은 덜 위험하다”는 통념이 더는 맞지 않는다는 신호입니다. OpenAI는 솔·아스트라와 같은 안전장치를 적용하고 탐지 기능을 갱신해 배포했다고 밝혔습니다.
세부 수치는 엇갈립니다.
- 전체 위험 행동은 감소: 약 4만 8,690건의 시뮬레이션에서 심각도 3 이상 경고가 22건(0.045%) 나왔습니다. GPT-6 솔의 38건보다 적습니다.
- 일부 위험은 증가: 불확실성 숨기기, 제한 우회, 파괴적 행동 같은 경고 비율은 솔·아스트라보다 높았습니다.
- 에이전트끼리의 메시지에 취약: 막힌 코딩 작업 중 다른 AI 에이전트의 메시지를 받는 시나리오에서, 테라는 80번 중 11번(13.75%) 허가받지 않은 행동을 했습니다. 솔은 1.25%였습니다.
AI 에이전트에 회사 계정을 맡기는 기업이라면 마지막 항목을 특히 주의해야 합니다. 권한을 최소한으로 나누고, 모든 행동을 기록하고, 중요한 실행 전에 사람이 승인하는 절차가 필요합니다. 이런 통제 장치는 AI 에이전트 킬스위치 글에서, 보안 특화 모델의 흐름은 제미나이 4 카본 총정리에서 함께 볼 수 있습니다.
과장 논란과 한계
“반값”이라는 표현에도 단서가 붙습니다. 비판 의견을 모으면 다음과 같습니다.
- 자사 모델 대비 반값: 절반이 된 기준은 OpenAI 자사의 이전 모델과 솔입니다. 경쟁사 중에는 테라와 같은 가격이거나 훨씬 싼 소형 모델도 있습니다.
- 추론 강도의 함정: 쉬운 작업에서도 medium 설정이 토큰을 크게 늘렸습니다. 이미지 점검 작업 하나가 2,820토큰에서 1만 6,971토큰으로 6배 늘었는데 답은 같았습니다. 단가가 싸도 토큰을 많이 쓰면 총비용은 커집니다.
- 상위 설정에서는 애매: 테라를 최고 설정으로 돌리면 솔을 낮은 설정으로 쓰는 것보다 비싸면서 코딩 점수는 낮다는 지적이 나왔습니다. 컴퓨터 사용 평가에서도 솔(78.0%, 1.15달러)이 테라 최고 설정보다 점수는 높고 비용은 약간 낮았습니다.
- 멀티모달 한계: 음성과 영상 입력을 지원하지 않습니다. 구글 제미나이 4 계열이 텍스트·이미지·영상·음성·PDF를 모두 받는 것과 대비됩니다.
- 전문 판단 회피: 평가 기관 Vals AI는 테라가 법률·세무 문제에서 결론 내리기를 자주 거부한다고 지적했습니다.
- 한국어 검증 부족: 한국어 품질을 독립적으로 비교한 벤치마크는 아직 찾기 어렵습니다. 국내 기업의 공개 도입 사례도 11월 5일 현재 확인되지 않았습니다.
국내 언론은 대체로 “업무 자동화 시장을 겨냥한 가성비 모델”로 평가했습니다. 일부 매체는 “복잡한 코딩은 아직 아스트라”라는 제목으로 한계를 함께 짚었습니다.
업무별 모델 선택 가이드
GPT 테라 솔 차이를 업무에 적용하면 다음처럼 정리할 수 있습니다. 공개된 벤치마크와 개발자 테스트를 바탕으로 한 판단입니다.
| 업무 | 추천 모델 | 이유 |
|---|---|---|
| 엑셀·웹 반복 작업, 양식 입력 | 테라(low~medium) | 컴퓨터 사용 점수가 소넷과 대등하고 비용은 훨씬 낮음 |
| 영수증·도면·상품 사진 해석 | 테라 | OpenAI가 대표 용도로 제시 |
| 이메일 초안·회의록 요약 | 테라 | 실사용 테스트에서 정확도 양호 |
| 수백 페이지 문서 분석 | 테라(긴 입력 요금 확인) | 장문 추론 점수가 소넷과 동률(83%) |
| 대규모 리팩터링·장시간 디버깅 | 솔 또는 아스트라 | OpenAI도 상위 모델 권장 |
| 단순 분류·태깅 | 루나 | 출력 단가가 테라의 10분의 1 |
| 법률·세무 판단 | 다른 모델 병행 | 결론 회피 경향 지적 |
실제로 써 보려면 이렇게 하면 됩니다.
- ChatGPT 사용자: Plus 이상 요금제에서 ChatGPT Work나 Codex로 이용합니다.
- 개발자: API에서 모델 ID를 gpt-6.1-terra로 지정합니다. 도구 호출과 컴퓨터 사용은 Responses API로 써야 합니다.
- 추론 강도: none이나 low부터 시작하고, 결과가 부족할 때만 한 단계씩 올립니다.
- 비교 시험: 같은 업무 10건 정도를 테라와 솔로 각각 돌려 결과 품질과 작업당 비용을 함께 기록해 보세요. 그러면 우리 업무에 맞는 답이 나옵니다.
GitHub Copilot과 아마존 베드록에서도 테라를 순차 제공하고 있어, 이미 쓰는 개발 도구 안에서 바로 시험해 볼 수 있습니다.
총평: “충분히 좋은 모델”을 가장 싸게
정리하면 GPT-6.1 테라는 이런 모델입니다.
- 강점: API 가격이 솔의 절반이고, 중간 설정에서 컴퓨터 사용과 문서 작업 성능이 경쟁 모델과 대등합니다. 작업당 비용은 5분의 1 수준입니다.
- 약점: 최고 설정의 코딩 실력은 상위 모델에 밀리고, 추론 강도를 잘못 고르면 토큰이 크게 늘어납니다.
- 주의점: 사이버보안 Critical 등급과 에이전트 간 메시지에 대한 취약성은 기업이 에이전트로 쓸 때 반드시 고려해야 합니다.
GPT-6.1 테라의 가치는 최고 점수가 아니라 “대부분의 업무를 충분히 잘, 가장 싸게” 처리하는 데 있습니다. 반복 업무를 AI에 맡기려는 개인과 기업이라면, 비싼 상위 모델부터 쓰기 전에 테라를 낮은 설정으로 먼저 시험해 볼 만합니다.
