OpenAI는 July 30, 2026 GPT-5.6 가격과 API 처리 방식을 바꾸며, 효율 개선으로 기업 고객이 더 많은 업무에서 비용 대비 성능을 높일 수 있다고 밝혔다. GPT-5.6 Luna 가격은 80% 낮아졌고 GPT-5.6 Terra 가격은 20% 인하됐다. GPT-5.6 Sol 가격은 그대로 유지되지만, 새 API Fast mode가 Priority Processing을 대체해 지능 변화 없이 Standard 처리보다 최대 2.5× 빠른 속도를 2배 가격에 제공한다.

Luna와 Terra의 가격 인하는 Codex와 ChatGPT Work 유료 구독에서 사용량이 계산되는 방식에도 영향을 준다. OpenAI는 Luna가 도구 사용과 다단계 워크플로를 포함한 대량 작업을 높은 품질로 처리하도록 설계됐다고 설명했다. Terra와 Luna는 ChatGPT Work, Codex, OpenAI API에서 계속 제공되며, Terra는 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $12다. Luna는 입력 토큰 100만 개당 $0.20, 출력 토큰 100만 개당 $1.20다.

OpenAI에 따르면 Luna는 1년 전 frontier-class였던 모델들과 비슷한 성능을 작업당 약 6 cents on the dollar 비용과 거의 9배 빠른 속도로 제공한다. 전문 업무를 Agents’ Last Exam으로 측정했을 때 Luna는 Fable 5를 앞섰고, 추정 작업당 비용은 거의 99% 낮았다. OpenAI는 기업이 평가를 활용해 더 높은 지능이 결과를 개선하는 영역과 더 빠르고 저렴한 처리가 같은 품질을 내는 영역을 구분할 수 있다고 밝혔다.

OpenAI는 GPT-5.6의 효율 개선이 모델 개선, inference systems(모델을 실행하는 소프트웨어), agentic harness(도구와 문맥 조정 계층)에서 나왔다고 설명했다. 회사는 GPT-5.6 Sol이 사람이 주도하는 과정 안에서 production kernels를 자율적으로 다시 작성하고 최적화해 모델 제공의 end-to-end 비용을 20% 줄였다고 밝혔다. 또한 수백 건의 실험을 실행해 토큰 생성 효율을 15% 넘게 높였다고 덧붙였다.

OpenAI는 July 30, 2026 GPT-5.6 가격과 API 처리 방식을 바꾸며, 효율 개선으로 기업 고객이 더 많은 업무에서 비용 대비 성능을 높일 수 있다고 밝혔다. GPT-5.6 Luna 가격은 80% 낮아졌고 GPT-5.6 Terra 가격은 20% 인하됐다. GPT-5.6 Sol 가격은 그대로 유지되지만, 새 API Fast mode가 Priority Processing을 대체해 지능 변화 없이 Standard 처리보다 최대 2.5× 빠른 속도를 2배 가격에 제공한다.

Luna와 Terra의 가격 인하는 Codex와 ChatGPT Work 유료 구독에서 사용량이 계산되는 방식에도 영향을 준다. OpenAI는 Luna가 도구 사용과 다단계 워크플로를 포함한 대량 작업을 높은 품질로 처리하도록 설계됐다고 설명했다. Terra와 Luna는 ChatGPT Work, Codex, OpenAI API에서 계속 제공되며, Terra는 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $12다. Luna는 입력 토큰 100만 개당 $0.20, 출력 토큰 100만 개당 $1.20다.

OpenAI에 따르면 Luna는 1년 전 frontier-class였던 모델들과 비슷한 성능을 작업당 약 6 cents on the dollar 비용과 거의 9배 빠른 속도로 제공한다. 전문 업무를 Agents’ Last Exam으로 측정했을 때 Luna는 Fable 5를 앞섰고, 추정 작업당 비용은 거의 99% 낮았다. OpenAI는 기업이 평가를 활용해 더 높은 지능이 결과를 개선하는 영역과 더 빠르고 저렴한 처리가 같은 품질을 내는 영역을 구분할 수 있다고 밝혔다.

OpenAI는 GPT-5.6의 효율 개선이 모델 개선, inference systems(모델을 실행하는 소프트웨어), agentic harness(도구와 문맥 조정 계층)에서 나왔다고 설명했다. 회사는 GPT-5.6 Sol이 사람이 주도하는 과정 안에서 production kernels를 자율적으로 다시 작성하고 최적화해 모델 제공의 end-to-end 비용을 20% 줄였다고 밝혔다. 또한 수백 건의 실험을 실행해 토큰 생성 효율을 15% 넘게 높였다고 덧붙였다.