GPT-6 Luna가 Felo Search에 출시: 백만 토큰이 10센트
GPT-6 Luna가 Felo Search에 출시되었습니다: 1.05M 컨텍스트와 최첨단 읽기 성능을 백만 입력 토큰당 10센트에 제공합니다. GPT-6 계열 중 가장 저렴한 등급입니다.
OpenAI는 9월 22일 GPT-6 Sol과 함께 GPT-6 Luna를 공개했다. Luna는 GPT-6 계열에서 가장 저렴한 모델이다. 백만 입력 토큰당 10센트, 백만 출력 토큰당 50센트로 Sol의 약 20분의 1, Astra 플래그십의 100분의 1 가격이다.
지금 Felo Search에서 바로 사용할 수 있다. Luna가 검색창 뒤에서 가장 똑똑한 모델인지가 중요한 질문은 아니다. 문서를 읽는 비용이 거의 들지 않을 때 가능한 일이 무엇인지가 핵심이다.
GPT-6 Luna의 실제 정체
Luna는 GPT-6 세대에서 가장 아래에 위치한다. GPT-6 Sol 아래, GPT-6 Astra와는 큰 차이가 있다. 이름 체계는 이전 세대와 반대다.
GPT-5.6 세대에서는 Sol이 플래그십이었고, Terra와 Luna가 그 아래에 있었다. GPT-6에서는 순서가 뒤집힌다. Astra가 $10/$50로 맨 위, Sol이 $2/$10로 중간, Luna가 $0.10/$0.50로 맨 아래를 맡는다. 이름은 같지만 순위는 반대다. GPT-5.6의 관성을 가지고 있다면 가격이 어떤 Luna인지 가장 빨리 구분할 수 있다.
| Spec | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Maker | OpenAI |
| Released | September 22, 2026 |
| Context window | 1,050,000 tokens |
| Max input | 922,000 tokens |
| Max output | 128,000 tokens |
| Input | Text, image |
| Output | Text |
| Reasoning effort | none / low / medium (default) / high / xhigh / max |
| Price | $0.10 per million input, $0.50 per million output |
| Long context | $0.20 in / $0.75 out above 272,000 input tokens |
| Cached input | $0.01 per million tokens |
| Knowledge cutoff | May 18, 2026 |
컨텍스트 행과 가격 행을 함께 보면 된다. Luna는 플래그십과 동일한 1,050,000 토큰 윈도우(입력 922,000, 출력 128,000)를 Astra 입력 가격의 100분의 1에 제공한다. OpenAI는 가격을 맞추기 위해 윈도우를 줄이지 않았다. 더 저렴한 모델에 같은 윈도우를 적용했다.
아래 세 가지 항목은 실제 작업에서 모델의 동작을 바꾼다.
캐시 입력 비용은 백만 토큰당 1센트다. 같은 소스 집합을 20가지 질문에 반복 적용해도 사실상 무료다.
추론 노력 설정이 여섯 가지다. 기본값은 medium이다. 이번 주 공개된 네 모델 중 reasoning을 끌 수 있는 유일한 모델이다. none은 필요 없는 작업에서 추론을 완전히 건너뛴다. 비용뿐 아니라 지연 시간도 줄인다. 분류, 추출, 라우팅 작업에서는 생각하지 않는 답이 가장 빠르고 정확하다.
Batch와 Flex는 가격을 다시 반으로 줄인다. 실시간 답변이 필요 없는 작업에서는 백만 출력 토큰당 50센트가 최저가다.
저렴한 읽기가 바꾸는 것
대부분의 연구 예산은 통합이 아니라 읽기에 쓰인다. 중요한 여섯 개를 찾기 위해 40개 소스를 열고, 그 여섯 개를 자세히 읽는다. 이 첫 번째 과정은 프런티어 모델이 더 저렴한 모델이 할 수 있는 일을 맡기 때문에 비싸다.
백만 입력 토큰당 10센트면 계산이 완전히 달라진다. 이제 Felo Search에서 실제로 이런 일이 가능하다.
- 중요한 것을 결정하기 전에 모두 읽는다. 전체 결과를 하나의 컨텍스트에 모아 특정 질문과의 관련성에 따라 이유와 함께 순위를 매긴다. 10만 토큰 입력 비용은 1센트다.
- 평소보다 더 많은 소스에 같은 질문을 적용한다. 열 개 소스를 읽는 이유는 범위 때문이고, 세 개만 읽는 이유는 비용 때문이다. 이 가격에서는 제약이 달라진다.
- 추론 전에 추출한다. Luna가 40개 문서를 숫자, 날짜, 주장 등 구조화된 표로 변환하고, 각 행에 소스를 붙인다. 그 표를 더 강한 모델에 넘긴다.
- 난이도에 따라 라우팅한다. 쉬운 절반은 Luna에 맡기고, 깊이가 필요한 질문만 상위 모델로 보낸다. 트리아지가 절감 효과를 극대화한다.
점수도 Luna의 1차 패스 활용을 뒷받침한다. OpenAI가 공개한 DeepSWE v1.1은 장기 소프트웨어 엔지니어링에서 66.6%, Agents' Last Exam은 0.51, HealthBench Professional은 60.8%다. SEC-Bench Pro 점수는 34.2%로, 금융 분야 작업이 이 등급의 모든 모델에서 일반 독해보다 더 어렵다는 사실을 보여준다.
Luna가 아닌 것
정직하게 말하면, Luna는 추론 깊이를 비용과 바꾼다. 이 교환은 실제다.
공개된 표에서 Luna는 계열의 최하위다. OpenAI가 밝힌 기본 설정(medium effort) 수치는 Sol과 Astra가 높은 노력에서 내는 결과보다 낮다. 오픈 도메인 리콜 수치는 이전 Luna보다 크게 올랐지만, 중요한 질문의 최종 답변에 기대하는 수치는 아니다.
이 점이 Luna를 피할 이유는 아니다. 작업의 올바른 절반에 쓰면 된다. Luna가 읽고, 더 강한 모델이 결정한다. Felo Search에서는 두 모델이 같은 작업 공간에 있다. Luna로 넓게 읽고, 모델을 바꿔 추출된 증거를 그대로 두고 최종 질문을 한다.
Felo Search에서 GPT-6 Luna 사용하는 법
1. 모델 선택기에서 GPT-6 Luna를 고른다. 같은 검색창, 같은 소스다.
2. 넓게 시작한다. 평소라면 비용 때문에 읽지 않을 소스까지 읽어야 하는 질문을 던진다. "이 항목의 모든 공개 수치와 출처, 날짜를 찾아줘."
3. 서술이 아니라 구조를 요구한다. 표, 목록, 추출 필드는 저렴한 모델이 잘 처리한다. 서술 통합은 비싼 패스에 맡긴다.
4. 질문이 어려워지면 노력 설정을 올린다. 기본값은 medium이지만, 작업이 필요하면 high와 xhigh도 있다.
5. 최종 답변에는 모델을 바꾼다. 증거는 그대로 두고 모델만 바꾼다. 선택기는 제어 장치일 뿐, 약속이 아니다.
Felo Search에 함께 있는 다른 세 모델
Luna는 세 형제와 함께 출시됐고, 네 모델 모두 Felo Search에 있다.
| Model | Released by | Price per million tokens | Context | Built for |
|---|---|---|---|---|
| Grok 4.7 | SpaceXAI | $2 in / $6 out | 500K | 장기 추론과 지식 작업 |
| Claude Opus 5.5 | Anthropic | $4 in / $20 out | 1M | 검증을 견디는 답변 |
| GPT-6 Luna | OpenAI | $0.10 in / $0.50 out | 1.05M | 최저 비용 대량 검색 |
| GPT-6 Sol | OpenAI | $2 in / $10 out | 1.05M | 에이전트 루프와 반복 호출, 중간 가격대 |
Luna는 네 모델 중 압도적으로 저렴하고, reasoning-off 설정을 제공하는 유일한 모델이다. 저렴한 모델이 일회성 질문용이라고 생각했다면, 백만 토큰 윈도우가 생각을 바꿀 수 있다.
Felo Search에서 GPT-6 Luna를 체험해보세요
GPT-6 Luna는 1,050,000 토큰 컨텍스트 윈도우, 여섯 가지 추론 노력 설정, $0.10/$0.50 가격으로 Felo Search에서 바로 사용할 수 있다. 모든 것을 읽는 것이 저렴한 선택이 되는 모델이다.
Open GPT-6 Luna in Felo Search →
이 글은 다음 언어로도 읽을 수 있습니다: English, 简体中文, 日本語, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা, Português.