GPT-6.1 Terra: OpenAI의 중간 등급 모델 가격, 벤치마크 및 HN 토론

GPT-6.1 Terra는 OpenAI의 새로운 중간 등급 모델로, GPT-6.1 Sol 및 GPT-6 Astra보다 저렴하고 빠른 대안으로 자리 잡았으며, GPT-5.6 Terra보다 시각적 추론, 컴퓨터 사용, 사실성 및 코딩에서 개선되었습니다. 이번 출시가 중요한 이유는 OpenAI가 주로 작업당 비용을 기준으로 판매하기 때문입니다: Terra는 입력 토큰 100만 개당 1달러, 출력 토큰 100만 개당 5달러로 책정되었으며, OpenAI는 전문적인 컴퓨터 사용 및 코딩 벤치마크에서 큰 효율성 향상을 주장합니다.

GPT-6.1 Terra란 무엇이며 비용은 얼마인가

GPT-6.1 Terra는 ChatGPT Work 및 Codex의 모든 Plus, Pro, Enterprise 및 Edu 사용자에게 제공되며, 개발자는 OpenAI API를 통해 gpt-6.1-terra로 접근할 수 있습니다. 표준 API 가격은 입력 토큰 100만 개당 1달러, 캐시된 입력 토큰 100만 개당 0.05달러, 출력 토큰 100만 개당 5달러입니다.

OpenAI는 Terra의 표준 API 가격이 GPT-5.6 Terra 및 GPT-6.1 Sol보다 50% 낮다고 말합니다. Hacker News 댓글 작성자는 결과적인 API 가격 사다리를 GPT-6 Astra가 입력 10달러 / 출력 50달러(100만 토큰당), GPT-6.1 Sol이 2달러 / 10달러, GPT-6.1 Terra가 1달러 / 5달러, GPT-6 Luna가 0.10달러 / 0.50달러로 요약했습니다.

OpenAI는 Terra가 모델 제품군 전반에 걸쳐 비용 지능 최전선을 계속 이어간다고 설명합니다. 회사는 더 낮은 가격으로 인해 Terra가 수신 인보이스 읽기 및 회계 소프트웨어에 세부 정보 입력과 같은 대량 자동화에 실용적이라고 말합니다. ChatGPT Work 및 Codex에서 OpenAI는 동일한 사용 허용량으로 GPT-6.1 Terra가 GPT-5.6 Terra보다 더 많은 작업을 처리하고 GPT-6.1 Sol 또는 GPT-6 Astra보다 훨씬 더 많은 작업을 처리한다고 말합니다.

벤치마크: 컴퓨터 사용, 시각적 추론, 사실성 및 코딩

OpenAI의 벤치마크 주장은 최고 성능보다는 작업당 비용에 중점을 둡니다. 건축 도면을 3D 모델로 변환하고 애니메이션 영화를 장면별로 검토하는 전문 작업 벤치마크인 Agents' Last Exam에서 중간 추론 노력의 GPT-6.1 Terra는 GPT-5.6 Terra보다 15% 포인트 높은 점수를 받았으며 비용은 약 3분의 1입니다. OpenAI는 Terra가 GPT-6 Astra와 동등한 성능을 보이면서 토큰당 가격은 10분의 1에 불과하다고 말합니다. 최대 노력에서 OpenAI는 Terra가 Claude Opus 5.5보다 토큰 효율이 3배 이상 높고 토큰당 가격이 4분의 1이므로 작업당 비용이 약 9배 낮다고 말합니다. OpenAI는 또한 Terra가 GPT-6 Astra 및 GPT-6.1 Sol보다 3배 이상 빠르게 작업을 완료한다고 말합니다.

시각적 추론 벤치마크인 MMMU-Pro에서 GPT-6.1 Terra는 모든 추론 설정에서 GPT-5.6 Terra를 능가합니다. OpenAI는 Terra가 훨씬 낮은 비용으로 GPT-6 Astra 및 GPT-6.1 Sol의 점수에 거의 근접한다고 말합니다. AI 에이전트가 데스크톱 앱을 사용하여 다단계 작업을 완료하는 능력을 테스트하는 OSWorld 2.1에서 중간 추론 노력의 GPT-6.1 Terra는 작업당 비용의 일부로 GPT-5.6 Terra의 최고 점수를 능가합니다.

사실성 측면에서 OpenAI는 내부 벤치마크인 오류 유도 프롬프트에서 낮은 추론 노력의 오류율이 GPT-5.6 Terra의 53.6%에서 GPT-6.1 Terra의 16.7%로 거의 37% 포인트 감소했다고 말합니다. 최대 노력에서 오류율은 18% 포인트 감소하여 4.3%로 GPT-6 Astra 및 GPT-6.1 Sol의 비율과 거의 비슷합니다.

코딩 측면에서 OpenAI는 GPT-6.1 Terra가 소프트웨어 엔지니어링에서 GPT-5.6 Terra보다 상당한 개선을 나타낸다고 말합니다. 코딩 에이전트가 명령줄 문제를 해결하는 능력을 테스트하는 Terminal-Bench 4.0에서 최대 추론 노력의 GPT-6.1 Terra는 작업의 50.3%를 해결하여 GPT-5.6 Terra의 공개 점수 21.5%의 두 배 이상입니다. OpenAI는 가장 복잡한 코딩 작업에는 GPT-6.1 Sol 및 GPT-6 Astra가 여전히 더 나은 선택이라고 덧붙입니다. 에이전트가 과학 연구 작업에 코드를 사용하는 능력을 테스트하는 Terminal-Bench-Science 0.1에서 최대 추론의 GPT-6.1 Terra는 더 낮은 비용으로 GPT-6.1 Sol을 능가하고 추정 비용의 5분의 1 미만으로 Opus 5.5에 5점 이내로 접근합니다.

안전 및 정렬

OpenAI는 GPT-6.1 Terra가 Preparedness Framework에 따라 사이버 보안에서 Critical 임계값을 충족하고 GPT-6 Astra를 위해 개발된 보호 기능을 유지한다고 말합니다. OpenAI는 또한 Terra가 GPT-6 시리즈의 정렬 개선을 가져온다고 말합니다: GPT-5.6 Terra보다 범위 내에 머물고 사용자에게 한계와 잠재적 차단 요소를 정직하게 공개할 가능성이 더 높습니다. 프롬프트 주입 테스트에서 OpenAI는 Terra가 사용자 작업에서 벗어나도록 설계된 악성 지침에 강한 저항을 보였다고 말합니다. 자세한 내용은 deploymentsafety.openai.com/gpt-6-1-terra의 GPT-6.1 Terra 시스템 카드에서 확인할 수 있습니다.

Hacker News 반응: 명명 혼란 및 중간 자식 문제

스크랩 시점에 629점과 424개의 댓글이 있던 Hacker News 스레드에서 가장 반복된 비판은 OpenAI의 모델 라인업이 추론하기 어려워졌다는 것이었습니다. 댓글 작성자들은 Luna를 소형, Terra를 중형, Sol을 대형, Astra를 더 대형으로 계보를 추적한 다음 Sol-6.1이 때때로 Astra를 능가하고 Terra가 중단되었다가 6.1 릴리스로 돌아왔다고 언급했습니다.

"저는 그들의 모델 시장 위치/명명 체계에 대해 매우 혼란스럽습니다,"라고 댓글 작성자 Someone1234가 썼습니다. "Microsoft의 최고 브랜딩 책임자가 OpenAI로 옮겼나요?"

관련 비판은 Terra가 어색한 중간 계층을 차지한다는 것이었습니다. 댓글 작성자 minimaxir는 Terra를 "상당히 개선된 소형 모델(Luna)과 상당히 저렴해진 대형 모델(Sol) 사이의 이상한 중간 자식"이라고 불렀습니다. 댓글 작성자 Silagi는 대부분의 작업이 한 단계 위로 올라가고 추론 수준을 낮추거나 한 단계 아래로 내리고 추론 수준을 높이는 것이 더 낫다고 주장했습니다: "제가 둘 중 하나에 주는 거의 모든 작업은 한 단계 위로 올라가고 추론 수준을 낮추거나 한 단계 아래로 내리고 추론 수준을 높이는 것이 더 잘 처리됩니다."

여러 댓글 작성자는 더 저렴한 모델에 더 많은 추론을 추가하거나 동일한 비용으로 더 비싼 모델을 사용하는 것이 동등하거나 더 나은 결과를 내지 않는 Terra의 명확한 틈새를 식별할 수 없다고 말했습니다. 다른 사람들은 이번 출시를 Anthropic의 Sonnet 5.5에 대한 대응으로 보았으며, 댓글 작성자들은 Sonnet 5.5가 Opus 5.5와 Haiku 5.5 사이에서 자체적인 중간 자식 문제를 가지고 있다고 설명했습니다.

작업당 비용 주장과 벤치마크 회의론

댓글 작성자들은 OpenAI의 파레토 최적 곡선 차트가 실용적인 모델 선택으로 이어지는지에 대해 의견이 갈렸습니다. 일부는 작업당 비용 프레임이 유용하다고 생각했습니다. 댓글 작성자 Archit3ch는 "저는 OpenAI의 작업당 비용에 대한 집중이 오히려 마음에 듭니다."라고 썼습니다. 그러나 다른 사람들은 성능 대비 가격 차트가 주관적인 선택을 내포한다고 주장했습니다.

"이러한 '파레토 최적' 성능 대비 가격 그래프는 매우 인기를 얻었지만 저는 대부분 정보가 없다고 생각합니다. 가격은 주관적입니다. X 축의 위치와 Y 축에 사용할 측정 항목을 선택했습니다,"라고 댓글 작성자 causal가 썼습니다.

댓글 작성자 simianwords는 벤치마크가 이미 포화 상태이며 Terra의 곡선이 축에 붙어 있다고 말했습니다. 댓글 작성자 ralusek는 Artificial Analysis를 언급하며 "이에 따르면 Sol 6.1 x-high는 Terra 6.1 max보다 저렴하고 더 똑똑합니다."라고 말했습니다. 댓글 작성자 XCSme는 직접 테스트에서 다른 결과를 보고했습니다: "제 테스트에서 최대 노력에서는 6.1 sol보다 나쁘고 2배 더 비쌉니다," 반면 "중간으로 사용하는 것이 가장 좋은 사용 사례인 것 같고 6.1 Sol보다 저렴합니다."

댓글 작성자들이 적합성을 본 곳

일부 댓글 작성자는 위치 혼란에도 불구하고 Terra의 명확한 틈새를 찾았습니다. 댓글 작성자 mehdizare는 PR 검토를 위해 opencode를 가리킬 계층이라고 말했습니다. "최상위 모델은 모든 diff에서 실행하기에는 너무 느리고 비쌉니다." 맞춤형 엔터프라이즈 에이전트가 GPT-5.6 Terra에서 실행된다고 말한 댓글 작성자 bob1029는 사실 오류율 개선을 "놀라운"이라고 부르며 구성을 업데이트하기를 기대한다고 말했습니다.

댓글 작성자 chriddyp는 데이터 분석 벤치마크에서 GPT-6.1 Terra가 "GPT-6 Luna와 GPT-6.1 Sol 사이의 파레토 최적 곡선에 합류합니다. 그래서 정확히 광고된 대로입니다!"라고 보고했습니다. chriddyp는 또한 Terra가 매우 빠르고 테스트된 모델 중 응답에서 가장 적은 출력을 작성했다고 말했습니다. 댓글 작성자 thefourthchime는 GPT-6.1 Terra가 84점을 기록하여 Grok 4.7의 83점보다 1점 높았고, 작업을 5.4분 만에 0.19달러로 완료한 반면 Grok은 36.5분과 1.69달러가 걸렸다고 PacBench 결과를 보고했습니다.

모든 직접 사용 보고가 긍정적인 것은 아니었습니다. 댓글 작성자 wellthatsinsa는 모델이 "필요 이상으로 불필요한 기술을 많이 사용하고 훨씬 더 많은 메모리 파일을 읽었습니다. 말 그대로 2개의 서브를 태웠습니다."라고 말했습니다. 댓글 작성자 agluszak는 Terra가 Luna와 같은 문제를 겪고 있다고 말했습니다: "가장 빠른 핑계에서 멈추고 X가 완료될 때까지 멈추지 말라는 어떤 프롬프트도 그것을 설득하지 못할 것입니다." 댓글 작성자 notenchange는 Sol 6.1이 "사이버 우려"로 GPU 잠금 해제 작업을 계속 거부했으며 Terra를 시도하면서 소위 존재하지 않는 사이버 보안 위험에 대해 덜 불평하기를 바란다고 말했습니다.

전략적 맥락: 최전선 답변이 아닌 더 저렴한 계층

이번 출시는 시장 최고를 이기려는 시도보다는 비용 효율성 전략으로 읽힙니다. OpenAI의 자체 발표에 따르면 가장 복잡한 코딩 작업에는 GPT-6.1 Sol 및 GPT-6 Astra가 여전히 더 나은 선택입니다. 댓글 작성자 enraged_camel은 전략적 긴장을 요약했습니다: "사람들은 계속 OpenAI에 Opus 5.5만큼 좋은 모드를 요청하고 있는데, 그들은 대신 이것을 출시합니다. 흥미로운 전략입니다. 어떻게 될지 지켜보겠습니다." 댓글 작성자 guybedo는 더 직설적으로 말했습니다: "OpenAI는 Opus 5.5와 경쟁할 모델이 필요하며, 그것은 Terra 6.1이 아닙니다."

댓글 작성자들은 또한 모델 확산의 더 넓은 추세에 의문을 제기했습니다. 댓글 작성자 xnx는 Anthropic과 OpenAI가 라인업을 4개 버전으로 나누는 반면 Google은 2개를 사용하는 이유를 물었고, 댓글 작성자 mrheosuper는 "모델 5개와 사고 수준 5개, 즉 25가지 다른 조합"이라고 계산했습니다. 댓글 작성자 ulfw는 사람들이 업데이트된 LLM 버전에 여전히 관심이 있는지 물었습니다: "이제 모든 것이 상품입니다."

스레드에서 얻은 실용적인 교훈은 GPT-6.1 Terra가 최대 성능보다 지연 시간과 작업당 비용이 더 중요한 대량, 중간 복잡성 작업에 가장 매력적이라는 것입니다. 가장 강력한 지지자들은 PR 검토, 엔터프라이즈 에이전트, 데이터 분석 및 기타 반복 작업 흐름을 지적했습니다. 비판자들은 Luna와 Sol 사이의 모델 위치가 작업별 테스트 없이는 여전히 정당화하기 어렵고, OpenAI의 빠르게 변화하는 모델 이름이 장기적인 프로덕션 선택을 유지하기 어렵게 만든다고 주장했습니다.