짧은 결론: 실패 비용이 큰 복잡한 연구·설계·코딩에는 Sol, 대부분의 실무와 에이전트에는 Terra, 분류·추출·짧은 변환처럼 대량 반복되는 작업에는 Luna가 출발점입니다. 단, 모델 이름만으로 결정하지 말고 같은 업무 평가셋에서 정확도·지연·총비용을 함께 비교해야 합니다.
GPT-5.6 제품군은 왜 세 모델로 나뉘었나
업무 자동화에서는 최고 성능이 항상 최적의 선택이 아닙니다. 고객 문의 1만 건에 태그를 붙이는 일과, 신규 서비스의 데이터 구조를 설계하는 일은 필요한 추론 깊이가 다릅니다. 모든 요청을 가장 강한 모델에 보내면 비용과 대기 시간이 커지고, 가장 저렴한 모델만 사용하면 실패와 재작업이 늘어납니다.
OpenAI는 GPT-5.6을 Sol, Terra, Luna로 나누어 복잡한 작업부터 빠르고 저렴한 실행까지 선택 폭을 제공한다고 설명합니다. 여기서 중요한 것은 모델 서열이 아니라 업무를 난이도와 실패 비용에 따라 분류하는 운영 능력입니다.
Sol·Terra·Luna를 한눈에 비교하면
| 모델 | 적합한 업무 | 피해야 할 사용 |
|---|---|---|
| Sol | 복잡한 코딩, 연구, 시스템 설계, 여러 도구를 쓰는 장기 작업 | 단순 분류·형식 변환을 무조건 Sol로 처리 |
| Terra | 보고서, 분석, 일반 코딩, 실무 에이전트, 중간 난이도 의사결정 지원 | 안전장치 없이 고위험 실행까지 완전 자동화 |
| Luna | 요약, 추출, 태깅, 정규화, 대량의 짧은 요청 | 모호한 목표를 가진 장기 프로젝트를 한 번에 맡김 |
업무별로 선택하는 현실적인 기준
Sol: 한 번 틀렸을 때 손실이 큰 문제
인프라 마이그레이션 계획, 대규모 코드베이스 수정, 과학·재무 자료의 복합 분석처럼 여러 제약을 동시에 지켜야 하는 작업이 대상입니다. 강한 모델을 쓰더라도 결과를 그대로 승인하지 말고 테스트, 근거, 변경 내역을 확인해야 합니다.
Terra: 기본값으로 삼기 좋은 실무형 모델
콘텐츠 초안, 데이터 해석, 업무 문서, 일반적인 개발과 에이전트 실행은 Terra부터 평가하는 것이 합리적입니다. 충분히 어려운 작업을 처리하면서 Sol을 모든 요청에 사용하는 비용을 피할 수 있습니다.
Luna: 규칙이 분명하고 반복량이 많은 작업
문장에서 날짜와 주문번호 추출, 문의 유형 분류, 상품명 정리, 정해진 템플릿으로 변환하는 작업이 적합합니다. 출력 형식과 실패 조건을 명시할수록 장점이 커집니다.
모델 라우팅은 이렇게 설계한다
처음부터 완벽한 라우터를 만들 필요는 없습니다. Luna로 실행한 뒤 형식 검증에 실패하면 Terra로, Terra의 테스트가 실패하거나 불확실성이 높으면 Sol 또는 사람에게 올리는 계단식 구조가 실용적입니다.
벤치마크보다 먼저 만들어야 할 사내 평가셋
- 실제 자주 처리하는 업무 30~100개를 익명화합니다.
- 정답이 명확한 추출·분류와, 평가자가 판단해야 하는 글쓰기·분석을 분리합니다.
- 정확도뿐 아니라 처리 시간, 입력·출력 토큰, 도구 호출 횟수, 사람 수정 시간을 기록합니다.
- 모델 업데이트 전후에 같은 평가셋을 다시 실행합니다.
- 실패 사례는 버리지 말고 다음 회귀 테스트에 추가합니다.
모델 비용은 API 청구액만이 아닙니다. 실패를 찾는 시간, 잘못 실행된 작업을 되돌리는 시간, 긴 출력을 검토하는 시간까지 총비용에 포함해야 합니다.
에이전트와 코딩에서 확인할 운영 안전장치
| 단계 | 확인할 것 |
|---|---|
| 계획 | 작업 범위, 변경 대상, 완료 조건을 먼저 출력 |
| 도구 호출 | 허용된 파일·API·계정만 접근하고 호출 수 제한 |
| 변경 | 초안·미리보기·OFF 상태로 생성 |
| 검증 | 테스트, readback, 관리자 화면, 실제 결과 대조 |
| 기록 | 모델 버전, 입력, 도구 결과, 승인자, 최종 상태 저장 |
이 구조는 광고 자동화에도 그대로 적용됩니다. API가 성공했다고 실제 운영까지 성공한 것은 아니라는 점은 메타 광고 자동화 검증 가이드에서 더 자세히 설명합니다.
GPT-5.6을 도입할 때 흔한 실수
- 모든 요청을 Sol로 보냅니다. 쉬운 작업에서 비용 대비 이점이 작아집니다.
- 최저가 모델만 고릅니다. 실패율과 재시도를 포함하면 더 비쌀 수 있습니다.
- 모델 별칭을 고정 버전처럼 사용합니다. 예고된 변경에도 결과가 달라질 수 있습니다.
- 벤치마크 1위만 봅니다. 우리 업무의 한국어 문서, 표, 도구 환경과 다를 수 있습니다.
- 긴 컨텍스트를 공짜 저장소처럼 씁니다. 관련 없는 자료가 늘면 비용과 판단 잡음이 커집니다.
Claude·Gemini·로컬 모델과 함께 쓰는 법
한 회사가 하나의 모델만 사용해야 할 이유는 없습니다. Google Workspace 연결은 Gemini, 긴 코딩 에이전트는 Claude나 GPT, 개인정보가 민감한 단순 분류는 로컬 Gemma처럼 역할을 나눌 수 있습니다. 다만 공급자를 늘릴수록 로그, 권한, 평가, 장애 대응이 복잡해지므로 공통 입력·출력 스키마와 모델별 비용 장부가 필요합니다.
자주 묻는 질문
GPT-5.6에서 가장 좋은 모델은 Sol인가요?
가장 복잡한 작업에는 적합하지만 모든 업무에서 가장 경제적인 선택은 아닙니다. 반복 작업은 Terra나 Luna가 더 효율적일 수 있습니다.
Terra를 기본 모델로 사용해도 되나요?
일반 업무의 출발점으로 적합합니다. 실제 업무 평가셋에서 품질 기준을 통과하는지 먼저 확인해야 합니다.
Luna는 중요한 업무에 사용할 수 없나요?
정답 형식과 검증 규칙이 명확하면 중요 업무의 일부 단계에도 사용할 수 있습니다. 최종 실행 권한은 분리하는 것이 안전합니다.