오픈AI, GPT-6 솔·루나 공개…API 비용 낮추고 효율성 강화 > 인공지능 (Artificial Intelligence)

오픈AI, GPT-6 솔·루나 공개…API 비용 낮추고 효율성 강화

중간급·경량 모델로 GPT-6 제품군 확대

솔 API 단가 절반 수준…루나 작업비용 약 61% 감소

오픈AI가 최상위 모델 ‘GPT-6 아스트라’에 이어 중간급 ‘GPT-6 솔’과 경량 모델 ‘GPT-6 루나’를 선보이며 GPT-6 제품군을 확대했다. 최고 성능에 초점을 맞춘 아스트라와 달리 솔과 루나는 기업과 개발자가 대규모로 활용할 때 부담이 되는 비용을 낮추는 데 무게를 둔 모델이다.

 

오픈AI는 22일(현지시간) GPT-6 솔과 GPT-6 루나를 공개했다. 두 모델에는 아스트라에서 선보인 코딩과 컴퓨터 활용, 정확성 관련 기술이 적용됐으며 가격은 이전 세대보다 낮게 책정됐다.

 

GPT-6 솔의 API 요금은 100만 토큰을 기준으로 입력 2달러, 출력 10달러다. GPT-5.6 솔의 프로모션 가격인 입력 4달러, 출력 20달러와 비교하면 절반 수준이다.

 

여기서 토큰은 AI가 사람의 질문을 읽고 답변이나 코드 등을 만들어낼 때 사용하는 기본 처리 단위를 뜻한다. 하나의 문장도 여러 토큰으로 나뉘어 처리될 수 있으며, API 서비스에서는 입력과 출력에 사용된 토큰 양을 기준으로 비용을 계산한다. 따라서 같은 수준의 작업을 수행하더라도 토큰당 가격이 낮아지면 서비스 운영비를 줄일 수 있다.

 

GPT-6 루나의 단가 인하 폭도 크다. 입력 가격은 100만 토큰당 0.2달러에서 0.1달러로 내려갔으며 출력은 1.2달러에서 0.5달러로 낮아졌다. 모델을 한두 번 호출하는 일반적인 이용보다 수많은 요청이 반복되는 자동화 서비스나 AI 에이전트 환경에서 이러한 가격 차이가 더욱 크게 작용할 수 있다.

 

독립 AI 평가기관 아티피셜 애널리시스(Artificial Analysis)가 실시한 평가에서도 비용 측면의 변화가 두드러진 것으로 나타났다.

 

제공된 평가 결과에 따르면 GPT-6 솔과 루나는 AI 종합 성능지표인 AAII와 코딩 에이전트 관련 평가에서 이전 세대인 GPT-5.6 솔·루나와 비교해 전반적으로 큰 격차를 나타내지는 않았다. 평가 항목에 따라 이전 모델보다 높은 점수와 낮은 점수가 각각 나타났다.

 

반면 같은 평가를 수행하는 데 들어간 비용은 크게 줄었다.

 

GPT-6 솔의 작업당 비용은 1.06달러로 GPT-5.6 솔의 1.99달러보다 약 47% 낮아졌다. GPT-6 루나는 0.18달러에서 0.07달러로 줄면서 약 61%의 감소폭을 기록했다.

 

특히 GPT-6 루나는 아티피셜 애널리시스가 평가한 모델 가운데 메타의 오픈웨이트 모델 ‘뮤즈 글리머’ 다음으로 작업당 비용이 낮은 것으로 소개됐다.

 

오픈웨이트는 AI 모델이 학습을 통해 만들어낸 핵심 매개변수인 ‘가중치’를 공개해 이용자가 모델을 내려받아 자체 서버에서 운영할 수 있게 하는 방식을 말한다. 개발사가 운영하는 API를 호출하는 방식과 달리 기업이나 개발자가 직접 모델 실행 환경을 구축할 수 있다는 점에서 차이가 있다.

 

GPT-6 루나가 이처럼 자체 구축이 가능한 오픈웨이트 모델과 비교될 정도로 낮은 작업비용을 기록했다는 것은 상용 API 기반 AI에서도 가격 경쟁이 한층 치열해지고 있음을 보여주는 대목이다.

 

비용 감소가 단순히 모델이 답변을 짧게 만들어 토큰 사용량을 줄인 결과는 아니었다.

 

아티피셜 애널리시스 평가에서 GPT-6 솔의 작업당 출력 토큰은 약 2만9000개에서 3만1000개로 증가했다. GPT-6 루나 역시 기존 약 4만1000개에서 5만1000개로 늘었다.

 

출력량이 오히려 증가했음에도 전체 작업비용이 낮아진 셈이다. 토큰 사용 자체를 줄였다기보다 토큰당 가격을 낮춘 영향이 더 크게 작용한 것으로 해석할 수 있다.

 

오픈AI는 비용 효율성을 높인 배경으로 추론 처리와 캐싱 기능 개선을 제시했다.

 

특히 이전에 처리한 입력 내용을 다시 활용할 수 있는 프롬프트 캐싱 기능을 개선했다. AI가 같은 배경정보를 반복해서 처음부터 처리하는 대신 이전 작업에서 처리한 내용을 재사용하도록 함으로써 에이전트형 서비스의 처리 효율과 응답속도를 높이는 방식이다.

 

AI 에이전트는 일반적인 챗봇처럼 질문 하나에 답변 하나를 생성하는 데서 끝나지 않고, 목표를 달성하기 위해 여러 단계의 작업을 연속적으로 수행한다. 자료를 찾고 내용을 정리한 뒤 다른 도구를 실행하는 과정에서 모델 호출이 반복될 수 있기 때문에 캐싱과 토큰 비용은 실제 서비스 운영비와 밀접하게 연결된다.

 

업무 자동화 능력을 측정한 일부 평가에서는 성능 향상도 나타났다.

 

실제 업무 환경에서 47개의 도구를 활용해 작업을 처음부터 끝까지 수행하는 능력을 평가하는 ‘AutomationBench’에서 GPT-6 솔은 가장 높은 추론 수준인 ‘xhigh’ 설정으로 33.2%를 기록했다.

 

GPT-6 아스트라를 낮은 추론 수준인 ‘low’로 설정했을 때의 30.3%보다 높은 점수다.

 

다만 두 모델이 서로 다른 추론 수준에서 평가됐기 때문에 이 결과만으로 GPT-6 솔의 전반적인 성능이 아스트라를 앞섰다고 해석하기는 어렵다. 오픈AI는 GPT-6 제품군 가운데 아스트라를 최상위 모델로 배치하고 있다.

 

GPT-6 루나 역시 높은 추론 수준인 ‘high’에서 GPT-5.6 루나보다 성능이 5.4%포인트 향상됐으며 작업당 비용은 58% 낮아진 것으로 제시됐다.

 

이번 GPT-6 솔과 루나의 등장은 AI 시장의 경쟁 기준이 단순한 최고 성능에서 실제 업무당 비용으로 넓어지고 있음을 보여준다.

 

AI 활용 영역이 코딩과 업무 자동화, 에이전트 서비스 등으로 확장되면서 하나의 작업을 처리하기 위해 필요한 모델 호출 횟수와 토큰 사용량도 늘어나고 있다. 기업 입장에서는 벤치마크 성능뿐 아니라 동일한 업무를 얼마의 비용으로 처리할 수 있는지가 실제 도입 여부를 결정하는 중요한 요소가 되고 있다.

 

오픈AI 역시 이번 모델에서 이 같은 비용 효율성을 전면에 내세웠다. 제공된 발표 내용에 따르면 회사는 아스트라가 새로운 세대의 AI 성능을 보여주는 역할을 맡았다면 솔과 루나는 이러한 기술을 보다 낮은 비용으로 활용할 수 있도록 하는 데 초점을 맞췄다는 입장이다.

 

GPT-6 솔과 루나는 최상위 모델의 자리를 놓고 경쟁하기보다 성능과 비용 사이의 균형을 강화하는 방향에 가까운 셈이다. 

 

특히 모델을 지속적으로 호출해야 하는 AI 에이전트와 대규모 자동화 서비스가 확산될수록 ‘가장 강력한 모델’뿐 아니라 ‘한 가지 업무를 완료하는 데 실제로 얼마가 필요한가’가 AI 모델 경쟁의 또 다른 기준으로 자리 잡을 가능성이 커지고 있다.