GPT-6 Luna와 GPT-5.6 Luna: 승인된 Codex 작업의 실제 비용 계산법

Codex에서 결정해야 할 것은 어느 Luna 세대가 더 새로워 보이는지가 아니라, 다음 작업 묶음을 어느 모델로 시작하고 실패 후 언제 전환할지입니다. 이 글을 읽고 나면 시도당 비용으로 첫 후보를 고른 뒤, 승인률·재시도·수동 수정 시간을 더해 성공 작업 하나의 실제 비용을 계산할 수 있습니다.

먼저 선택하기: 자동 검증이 가능한 작업은 대부분 gpt-6-luna부터 시험한다

범위가 명확하고 테스트, lint, 승인 스크립트가 잘못된 결과를 빠르게 거를 수 있다면 gpt-6-luna가 더 나은 첫 후보입니다. 시도당 토큰 비용이 낮아 적은 예산으로 기준선을 만든 뒤, 복잡한 작업을 gpt-5.6-luna로 돌려야 할지 판단할 수 있습니다.

당신의 상황	먼저 할 일	권고가 바뀌는 조건
자동 테스트가 있는 작은 수정이나 일괄 변경	gpt-6-luna부터 시작	반복 실패하거나 수동 수정이 가격 이점을 없앰
여러 파일 기능, 리팩터링, 인터페이스 변경	두 모델을 같은 조건으로 짝지어 시험	gpt-5.6-luna가 재시도와 수정 시간을 뚜렷하게 줄이면 이 유형을 맡김
입력이 272K에 가깝거나 초과	불필요한 파일을 빼고 기록을 줄이거나 작업을 나눔	문맥을 줄일 수 없으면 긴 문맥 요금으로 비교
ChatGPT 또는 Codex 플랜 한도를 사용	API 표가 아니라 플랜 사용량과 Credit 규칙 확인	API Key나 custom provider로 전환한 뒤 아래 토큰 가격 적용

공개 정보에는 같은 Codex 버전, 저장소, reasoning effort에서 두 모델을 짝지어 비교한 결과가 아직 없습니다. 가격으로 시험 순서는 정할 수 있지만, 기본 모델은 자신의 작업 데이터로 정해야 합니다.

인터페이스 한도는 비슷하며 코딩 품질을 예측하지 못한다

두 모델의 핵심 인터페이스와 문맥 한도는 비슷하므로 사양표만으로 자신의 코드베이스에서 어느 쪽이 더 신뢰할 만한지 알 수 없습니다. 둘 다 텍스트·이미지 입력, 텍스트 출력, Responses API, reasoning tokens, none부터 max까지 reasoning effort를 지원하며, 문맥 창은 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰입니다.

항목	gpt-6-luna	gpt-5.6-luna
공식 포지셔닝	집중된 대량 작업을 위한 고효율 모델	비용에 민감한 대량 workload용 모델
지식 기준일	2026-05-18	2026-02-16
Context window	1,050,000토큰	1,050,000토큰
기본 reasoning effort	medium	medium

이 사양만으로는 어느 모델이 자신의 코드베이스에서 더 높은 승인률을 보이는지, 더 빨리 끝나는지, 재시도가 적은지 알 수 없습니다. Codex 결과는 작업 유형, context 품질, tool 권한, client 버전, reasoning effort, 승인 기준에도 영향을 받습니다.

272K 이하에서는 gpt-6-luna의 토큰 단가가 더 낮다

전체 입력 문맥이 272K 이하이면 gpt-6-luna의 입력·캐시 읽기·캐시 쓰기 단가는 gpt-5.6-luna의 절반이고, 출력 단가는 약 41.7%입니다. 표는 2026-09-25에 확인했으며 단위는 100만 토큰당 USD입니다. OpenAI Standard와 BetterToken API 과금만 비교하고 ChatGPT/Codex 플랜 한도나 Credit 과금은 포함하지 않습니다.

272K 이하: 이 표로 바로 계산한다

각 요청의 전체 입력 문맥이 272K 이하이면 이 요금 구간을 그대로 사용하고 긴 문맥 배율은 적용하지 않습니다.

Model ID	제공자	입력	캐시 읽기	캐시 쓰기	출력
gpt-6-luna	OpenAI Standard	$0.10	$0.01	$0.125	$0.50
gpt-6-luna	BetterToken	$0.068	$0.0068	$0.085	$0.34
gpt-5.6-luna	OpenAI Standard	$0.20	$0.02	$0.25	$1.20
gpt-5.6-luna	BetterToken	$0.136	$0.0136	$0.17	$0.816

BetterToken 가격은 동적으로 바뀔 수 있으므로 게시하거나 구매하는 날 현재 가격 확인을 하고 그날 페이지에 표시된 값을 사용해야 합니다. BetterToken은 OpenAI 공식 제품이 아닙니다. 위 가격은 API, Codex, custom Base URL을 지원하는 도구에서 사용하는 GPT 그룹의 종량제이며, ChatGPT 또는 Codex 구독 한도가 아닙니다.

이 모델들의 OpenAI Batch와 Flex 가격은 Standard의 50%이므로 여기에 표시한 BetterToken 가격보다 낮습니다. 본 비교에는 포함하지 않습니다. 따라서 이 표를 근거로 BetterToken이 모든 OpenAI 처리 방식보다 저렴하다고 말할 수는 없습니다.

272K 초과: 입력을 먼저 줄이고 필요하면 긴 문맥 요금을 쓴다

작업을 나눌 수 있다면 임계값을 넘기기 전에 불필요한 파일을 제외하고 기록을 줄이거나 일을 분할하세요. 임계값은 캐시 부분을 포함한 전체 입력 문맥으로 판단하며, 272K를 넘으면 입력·캐시 읽기·쓰기는 짧은 문맥 요금의 2배, 출력은 1.5배가 됩니다.

Model ID	제공자	입력	캐시 읽기	캐시 쓰기	출력
gpt-6-luna	OpenAI Standard	$0.20	$0.02	$0.25	$0.75
gpt-6-luna	BetterToken	$0.136	$0.0136	$0.17	$0.51
gpt-5.6-luna	OpenAI Standard	$0.40	$0.04	$0.50	$1.80
gpt-5.6-luna	BetterToken	$0.272	$0.0272	$0.34	$1.224

네 가지 토큰 항목을 분리하면 한 번의 시도 비용을 재계산할 수 있다

Codex 한 번의 시도를 계산할 때 비캐시 입력, 캐시 읽기, 캐시 쓰기, 출력을 나눠 기록하세요. 아래의 동일한 가상 사용량은 계산 방법을 보여 줍니다. 자신의 청구 내역으로 바꾸면 실제 시도당 비용을 구할 수 있습니다.

• 캐시되지 않은 입력 32,000토큰
• 캐시 읽기 160,000토큰
• 캐시 쓰기 16,000토큰
• 출력 8,000토큰
• 각 요청의 전체 입력 context가 272K 이하이므로 short-context 가격 적용

계산식은 다음과 같습니다.

작업 비용 = 캐시되지 않은 입력 / 1,000,000 × 입력 단가
          + 캐시 읽기 / 1,000,000 × 캐시 읽기 단가
          + 캐시 쓰기 / 1,000,000 × 캐시 쓰기 단가
          + 출력 / 1,000,000 × 출력 단가

Model ID	제공자	입력 비용	캐시 읽기 비용	캐시 쓰기 비용	출력 비용	시도 1회 합계
gpt-6-luna	OpenAI Standard	$0.003200	$0.001600	$0.002000	$0.004000	$0.010800
gpt-6-luna	BetterToken	$0.002176	$0.001088	$0.001360	$0.002720	$0.007344
gpt-5.6-luna	OpenAI Standard	$0.006400	$0.003200	$0.004000	$0.009600	$0.023200
gpt-5.6-luna	BetterToken	$0.004352	$0.002176	$0.002720	$0.006528	$0.015776

이 가상 토큰 구성에서 gpt-6-luna의 시도 1회 비용은 gpt-5.6-luna의 약 **46.6%**입니다. BetterToken은 두 모델에 동일한 가격 배수를 적용하므로 모델 간 비율은 두 제공자에서 같습니다. 그러나 이는 시도당 비용일 뿐, 성공한 작업당 비용은 아닙니다.

캐시 읽기를 따로 세지 않으면 비용을 과대·과소평가한다

캐시 읽기를 일반 입력 가격으로 계산해서도, 청구에서 빼서도 안 됩니다. Codex는 저장소 문맥, 대화 기록, 도구 결과를 반복해서 읽습니다. 캐시 토큰은 보통 더 싸지만 양이 많을 수 있어 “입력” 하나의 숫자로 합치면 계산이 틀립니다.

각 실행마다 input, cached input, cache write, output을 따로 보관해야 합니다. 접근 계층이 최종 금액만 보여 주고 네 가지 토큰 범주를 제공하지 않으면 어떤 모델이나 작업의 비용이 더 높은 이유를 설명하기 어렵습니다.

기본 모델은 성공 작업당 비용으로 선택한다

싼 호출이 싼 완료 작업을 보장하지는 않습니다. 실패, 롤백, 재시도의 API 비용을 모두 포함해야 합니다. 더 유용한 지표는 다음과 같습니다.

승인된 작업당 비용 = 모든 시도의 API 총비용 / 승인된 작업 수

최소한 다음 항목을 기록합니다.

• 승인률: 개발자가 해결책을 다시 작성하지 않고 사전 정의한 기준을 통과한 작업 비율
• 재시도: 동일 작업에 대한 추가 prompt, rollback, 새 model run
• 전체 소요 시간: 첫 토큰 지연이 아니라 시작부터 승인 가능한 diff까지의 시간
• 수동 수정: 개발자가 생성 코드를 수정했는지와 소요 시간
• 토큰 구성: 캐시되지 않은 입력, 캐시 읽기, 캐시 쓰기, 출력

위의 가상 OpenAI Standard 비용에서 시도당 비율은 0.010800 / 0.023200 ≈ 46.6%입니다. 토큰 구성이 동일하다고 가정하면 gpt-6-luna의 승인률이 gpt-5.6-luna 승인률의 약 46.6%를 넘는 동안 예상 API 비용은 더 낮습니다. 이는 가상 가격에서 나온 손익분기 관계일 뿐, 측정된 품질 결론은 아닙니다. 토큰 사용량, 재시도, 작업 구성이 바뀌면 기준도 달라집니다.

비교를 믿기 전에 다섯 가지 조건을 고정한다

각 모델을 한 번씩 실행하는 것은 신뢰할 만한 비교가 아닙니다. 같은 시작 상태, 동등한 작업, 같은 승인 기준이 필요합니다. 다음 다섯 단계는 캐시, 실행 순서, 사람의 판단에서 생기는 편향을 줄입니다.

1. 환경을 고정하기

두 모델에 동일한 Codex 버전, 시작 Git commit, 설정, tool 권한, reasoning effort, prompt, 승인 명령을 사용합니다. 한 모델은 OpenAI Standard로, 다른 모델은 다른 접근 경로로 호출한 뒤 지연이나 실패 차이를 전부 모델 탓으로 돌리면 안 됩니다.

2. 작업 유형을 분리하기

최소 세 가지 작업 유형을 따로 관리합니다.

작업 유형	예시	권장 승인 기준
작은 수정	한두 파일의 명확한 결함	대상 테스트 통과, 관련 없는 파일은 변경하지 않음
여러 파일 변경	기능, 리팩터링, 연동된 인터페이스 변경	전체 테스트와 lint 통과, 요구한 동작 구현
리뷰와 진단	버그 찾기, 위험 설명, 수정 제안	알려진 문제를 찾고 구체적인 코드 근거 제시

세 유형을 하나의 평균으로 합치지 마십시오. 작은 수정에서는 두 모델이 비슷해도 여러 파일 작업의 재시도율은 크게 다를 수 있습니다.

3. 모델 실행 전에 승인 기준 정하기

필수 테스트, 수정 가능한 디렉터리, 의존성 정책, 실패 조건을 미리 고정합니다. 출력을 본 뒤 기준을 낮추면 승인률은 의미가 없어집니다.

4. 모델 실행 순서 번갈아 바꾸기

항상 같은 모델을 먼저 실행하지 마십시오. 순서를 번갈아 바꾸거나 가능한 경우 동등한 독립 작업을 사용해 첫 실행 캐시, 환경 복구, 운영자 숙련도가 한쪽에 계속 유리하게 작용하지 않도록 합니다.

5. 작업별 원시 기록 보관하기

유용한 한 행에는 작업 ID, 작업 유형, Model ID, 제공자, 처리 tier, reasoning effort, 시작·종료 시간, 네 가지 토큰 범주, 시도 횟수, 통과 여부, 실패 이유, 수동 수정 시간, 최종 비용이 들어갑니다. 원시 행을 보관한 뒤 작업 유형별로 집계하십시오.

gpt-6-luna를 유지할 때와 gpt-5.6-luna로 바꿀 때

gpt-6-luna의 승인률이 가격 이점을 유지하고 수동 수정 시간도 비슷하다면 기본 후보로 계속 사용하세요. 작업 유형에 따라 결과가 달라지면 하나의 전역 모델을 강제하지 말고 유형별로 라우팅합니다.

관찰한 결과	권장 조치
gpt-6-luna 승인률이 gpt-5.6-luna 승인률의 약 46.6%를 넘고 토큰 구성과 수정 시간이 비슷함	gpt-6-luna 유지. 기대 API 비용이 더 낮음
gpt-6-luna가 손익분기점 아래이거나 재시도·수정으로 총비용이 더 커짐	해당 작업 유형을 gpt-5.6-luna로 전환
작은 수정은 gpt-6-luna가 싸고 여러 파일 작업은 gpt-5.6-luna의 재작업이 적음	작업 유형별로 라우팅하고 하나의 범용 기본값을 고집하지 않음
차이가 주로 provider 지연, 오류, 제한에서 발생	같은 접속 경로로 다시 실행한 뒤 모델 차이로 판단
입력이 자주 272K를 초과	문맥을 최적화한 뒤 재시험하고 요금 구간 변화를 품질 차이로 오해하지 않음

46.6%는 위의 가상 토큰 구성에만 해당합니다. 출력 길이, 캐시 사용, 재시도 횟수가 다르면 각 모델의 실제 시도당 비용으로 손익분기점을 다시 계산하세요.

권고: gpt-6-luna로 기준선을 만들고 성공 작업 비용으로 결정한다

오늘 하나를 골라야 한다면 범위가 명확하고 자동 검증할 수 있는 작업은 gpt-6-luna부터 시작하세요. 복잡한 작업의 대표 표본은 남겨 같은 조건에서 gpt-5.6-luna를 대조군으로 실행하고, 한 번의 호출 가격만 비교하지 마세요.

동등한 작업 묶음을 완료한 뒤 승인률, 평균 재시도, 수동 수정 시간, 성공 작업당 비용을 계산합니다. gpt-6-luna가 계속 더 싸면 기본값으로 유지하고, 특정 유형에서 gpt-5.6-luna가 높은 단가를 상쇄할 만큼 재작업을 줄이면 그 유형만 전환하세요.

공식 자료

모델 사양과 OpenAI 가격은 아래 세 공식 페이지에서 다시 확인하면 됩니다.

• GPT-6 Luna 모델 페이지
• GPT-5.6 Luna 모델 페이지
• OpenAI API 가격