GPT-5.6을 둘러싼 초기 평가는 대체로 성능 이야기로 흘러갑니다. 더 어려운 코딩 문제를 풀었는지, 추론이 더 길게 이어지는지, 복잡한 지시를 얼마나 잘 지키는지가 먼저 비교됩니다. 그런데 실제로 AI 에이전트를 매일 쓰는 사람에게는 다른 질문이 더 중요합니다. 같은 업무 결과를 얻는 데 얼마를 쓰는가입니다.
이번 비교 대상은 OpenAI의 GPT-5.6 계열과 Claude Code에서 주목받는 Anthropic의 Claude Fable 5입니다. 2026년 7월 14일 기준 공식 문서를 확인하면, GPT-5.6은 gpt-5.6-sol, gpt-5.6-terra, gpt-5.6-luna로 나뉘고, Claude Fable 5는 고난도 추론과 장기 에이전트 작업을 겨냥한 Anthropic의 상위 모델입니다.
이 글은 “누가 더 똑똑한가”보다 “어떤 작업에서 돈을 더 잘 쓰게 해 주는가”에 초점을 맞춥니다. 성능 자체는 벤치마크와 실제 업무에서 계속 바뀌지만, 가격 구조는 사용 습관과 월 비용을 바로 바꾸기 때문입니다.
비교 기준: 성능 점수보다 작업 단가
AI 모델 비용을 볼 때 가장 흔한 실수는 입력 토큰 가격만 비교하는 것입니다. 실제 에이전트 작업에서는 입력, 출력, 캐시, 장문 컨텍스트, 재시도, 도구 호출이 함께 비용을 만듭니다.
특히 코드 에이전트는 한 번의 답변보다 여러 번의 왕복이 중요합니다. 저장소를 읽고, 파일을 수정하고, 테스트를 실행하고, 실패 로그를 다시 읽고, 수정안을 다시 만드는 과정에서 입력 토큰이 계속 쌓입니다. 출력 토큰도 코드 패치, 설명, 테스트 로그 요약 때문에 적지 않습니다.
그래서 이 글의 판단 기준은 세 가지입니다.
- 같은 결과를 얻기 위한 기본 토큰 단가
- 긴 컨텍스트와 캐시를 쓸 때의 비용 변화
- 고성능 모델을 매번 쓰지 않아도 되는 선택지의 폭
이 기준으로 보면 GPT-5.6은 단일 모델 하나가 아니라 가격대가 다른 세 모델을 나눠 제공한다는 점이 비용 전략의 핵심입니다. Claude Fable 5는 강한 상위 모델이지만, 기본 단가가 높아 “모든 작업에 항상 켜 두기”에는 부담이 큽니다.
공식 가격으로 본 기본 단가
OpenAI 공식 가격표 기준으로 GPT-5.6 Sol의 짧은 컨텍스트 API 가격은 입력 100만 토큰당 2.50달러, 출력 100만 토큰당 15달러입니다. Terra는 입력 1.25달러, 출력 7.50달러이고, Luna는 입력 0.50달러, 출력 3달러입니다.
Anthropic 공식 문서 기준으로 Claude Fable 5는 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러입니다. 즉 단순 기본 단가만 놓고 보면 Fable 5는 GPT-5.6 Sol보다 입력은 4배, 출력은 약 3.3배 비쌉니다. Terra와 비교하면 차이는 더 커지고, Luna와 비교하면 고빈도 작업에서 비용 격차가 매우 큽니다.
| 모델 | 입력 1M 토큰 | 출력 1M 토큰 | 비용 포지션 |
|---|---|---|---|
| GPT-5.6 Luna | $0.50 | $3.00 | 대량·반복 작업용 |
| GPT-5.6 Terra | $1.25 | $7.50 | 일반 업무 균형형 |
| GPT-5.6 Sol | $2.50 | $15.00 | 고성능 기본 선택지 |
| Claude Fable 5 | $10.00 | $50.00 | 고난도 장기 추론용 |
이 표만 보면 결론은 단순해 보입니다. 그러나 실제 판단은 조금 더 섬세해야 합니다. Fable 5가 한 번에 더 정확히 끝내서 재시도를 줄인다면 높은 단가 일부를 상쇄할 수 있습니다. 반대로 GPT-5.6 Sol이나 Terra가 충분히 안정적으로 끝내는 작업이라면, Fable 5의 성능 우위가 있어도 비용 대비 효율은 낮아질 수 있습니다.
예산 감각: 일반 작업 1회 비용으로 바꿔 보기
모델 가격은 100만 토큰 단위라 직관적으로 느껴지지 않습니다. 그래서 입력 100만 토큰, 출력 20만 토큰을 쓰는 작업을 가정해 보겠습니다. 큰 코드베이스 일부를 읽고, 계획과 패치를 만들고, 검증 결과를 정리하는 에이전트 작업에 가까운 규모입니다.
이 경우 Claude Fable 5는 입력 10달러와 출력 10달러를 더해 약 20달러입니다. GPT-5.6 Sol은 입력 2.50달러와 출력 3달러를 더해 약 5.50달러입니다. Terra는 약 2.75달러, Luna는 약 1.10달러입니다.
같은 규모 작업을 100번 반복한다면 차이는 더 분명합니다.
| 작업 100회 가정 | 예상 비용 |
|---|---|
| GPT-5.6 Luna | 약 $110 |
| GPT-5.6 Terra | 약 $275 |
| GPT-5.6 Sol | 약 $550 |
| Claude Fable 5 | 약 $2,000 |
이 계산은 모델 성능을 무시하자는 뜻이 아닙니다. 오히려 반대입니다. 성능이 아주 중요한 작업에는 고급 모델을 쓰되, 대부분의 반복 작업은 더 낮은 단가의 모델로 보내야 전체 생산성이 올라갑니다. 성능 리뷰만 보면 최고 모델 하나를 고르게 되지만, 비용 리뷰까지 하면 작업 분류가 먼저 필요합니다.
Claude Fable 5가 유리한 구간
Fable 5의 장점은 가격표가 아니라 작업 성격에서 나옵니다. Anthropic 문서는 Fable 5를 가장 demanding한 reasoning과 long-horizon agentic work에 맞춘 모델로 설명합니다. 또한 기본 100만 토큰 컨텍스트와 최대 128k 출력 토큰을 제공합니다.
이 특성은 긴 문서, 대형 코드베이스, 긴 대화 상태, 장시간 에이전트 작업에서 의미가 있습니다. 예를 들어 여러 저장소를 동시에 이해해야 하거나, 제품 요구사항과 설계 문서와 코드 변경을 한 번에 맞춰야 하는 작업에서는 컨텍스트 여유가 실제 품질로 이어질 수 있습니다.
또 하나의 장점은 장기 작업을 한 모델에 계속 맡길 때의 일관성입니다. Claude Code 사용자들이 Fable 5를 높게 평가하는 지점도 대개 여기입니다. 짧은 답변의 영리함보다 긴 작업을 붙잡고 가는 능력이 중요할 때, Fable 5는 비용을 감수할 이유가 생깁니다.
다만 이 장점은 모든 작업에 적용되지 않습니다. 짧은 코드 리뷰, 블로그 초안, 요약, 간단한 리팩터링, 반복적인 포맷 변환은 Fable 5의 장문 추론 능력을 충분히 쓰지 못할 가능성이 큽니다.
GPT-5.6이 비용 대비 효율에서 강한 이유
GPT-5.6의 비용 장점은 Sol 하나가 Fable 5보다 싸다는 데서 끝나지 않습니다. 더 중요한 점은 같은 계열 안에서 Sol, Terra, Luna를 선택할 수 있다는 것입니다.
OpenAI 문서는 gpt-5.6 별칭이 Sol로 라우팅되고, Terra는 낮은 가격의 강한 성능, Luna는 고효율 대량 작업에 맞는 모델이라고 설명합니다. 이 구조는 실무에서 매우 중요합니다. 모든 요청을 최고 모델로 보내지 않고, 작업 난도에 맞춰 모델을 나누면 비용이 급격히 줄어듭니다.
예를 들어 다음과 같이 나눌 수 있습니다.
- 요구사항 해석, 설계 판단, 까다로운 디버깅: GPT-5.6 Sol
- 일반 코드 수정, 글 초안, 비교 분석, 문서 정리: GPT-5.6 Terra
- 로그 분류, 제목 후보, 형식 변환, 짧은 요약: GPT-5.6 Luna
이 방식은 “성능이 낮은 모델을 쓰자”가 아닙니다. 비싼 추론을 필요한 순간에만 쓰자는 뜻입니다. 실제 비용은 최고 모델의 성능보다 라우팅 전략에서 더 많이 절약됩니다.
캐시와 긴 컨텍스트 비용도 봐야 한다
에이전트 작업에서는 같은 시스템 지시, 저장소 구조, 정책 문서, 긴 요구사항이 반복해서 들어갑니다. 이때 캐시 비용이 중요합니다.
OpenAI 가격표에 따르면 GPT-5.6 Sol의 짧은 컨텍스트 캐시 입력은 100만 토큰당 0.25달러입니다. Claude Fable 5의 캐시 히트와 리프레시는 100만 토큰당 1달러입니다. 둘 다 캐시를 잘 쓰면 비용이 줄지만, 반복 입력 비용만 보면 GPT-5.6 쪽이 더 낮습니다.
장문 컨텍스트에서는 GPT-5.6 Sol 가격이 입력 5달러, 출력 22.50달러로 올라갑니다. 그래도 Fable 5의 입력 10달러, 출력 50달러보다 낮습니다. 물론 Fable 5는 기본 100만 토큰 컨텍스트라는 장점이 있으므로, 아주 긴 단일 작업에서는 단가만으로 판단하면 안 됩니다. 하지만 “긴 문맥을 자주 읽는 반복 업무”라면 캐시와 모델 라우팅을 함께 쓰는 GPT-5.6 전략이 비용 면에서 강합니다.
실무 추천: Fable 5는 특수 임무, GPT-5.6은 운영 기본값
비용 대비 성능 관점의 결론은 단순합니다. Claude Fable 5는 가장 어려운 장기 추론 작업에 남겨 두는 편이 좋습니다. 전체 업무의 기본 모델로 쓰기에는 단가가 높습니다.
반대로 GPT-5.6은 운영 기본값으로 쓰기 좋습니다. Sol은 고성능 작업, Terra는 균형형 작업, Luna는 대량 반복 작업으로 나누면 같은 예산에서 더 많은 시도를 할 수 있습니다. AI 에이전트는 한 번의 완벽한 답보다 반복과 검증이 중요한 경우가 많기 때문에, 더 많은 안전한 반복을 살 수 있는 모델 구조가 실질 생산성에 유리합니다.
제가 실제 운영 기준을 세운다면 이렇게 나눕니다.
| 작업 유형 | 우선 선택 | 이유 |
|---|---|---|
| 대형 코드베이스의 장시간 설계 변경 | Claude Fable 5 또는 GPT-5.6 Sol | 실패 비용이 커서 최고 성능이 필요 |
| 일반 개발, 문서화, 분석 글 작성 | GPT-5.6 Terra 또는 Sol | 품질과 비용 균형 |
| 대량 요약, 분류, 제목 후보, 로그 정리 | GPT-5.6 Luna | 단가가 낮아 반복에 유리 |
| 컨텍스트가 매우 길고 한 번에 끝내야 하는 작업 | Claude Fable 5 | 1M 컨텍스트와 긴 출력의 가치 |
| 매일 반복되는 에이전트 운영 | GPT-5.6 계열 라우팅 | 비용 통제가 쉬움 |
비용 대비 효율을 높이는 사용법
모델 선택보다 중요한 것은 작업을 나누는 방식입니다. 아무리 싼 모델도 불필요한 전체 파일 탐색과 반복 설명을 계속 시키면 비용이 커지고 운영 부담도 커집니다.
첫째, 처음부터 최고 모델을 쓰지 말고 초안과 탐색은 저렴한 모델에 맡깁니다. 둘째, 실패 비용이 큰 판단만 상위 모델로 승격합니다. 셋째, 같은 문서나 정책은 캐시가 먹히도록 고정된 형태로 제공합니다. 넷째, 에이전트에게 “먼저 읽을 파일”과 “수정하지 말 파일”을 명확히 알려 줍니다.
이렇게 하면 Fable 5를 쓰든 GPT-5.6을 쓰든 비용이 줄어듭니다. 하지만 모델 계층이 더 촘촘한 GPT-5.6 쪽이 이런 운영 전략을 적용하기 쉽습니다.
결론: 벤치마크보다 월 청구서를 보자
성능 리뷰만 보면 가장 강한 모델이 항상 좋아 보입니다. 하지만 실제 업무에서는 모델이 얼마나 똑똑한가보다, 같은 예산으로 몇 번 검증하고 몇 번 수정할 수 있는지가 더 중요할 때가 많습니다.
Claude Fable 5는 어려운 장기 에이전트 작업에서 강력한 선택지입니다. 그러나 기본 단가가 높기 때문에 모든 업무의 기본값으로 쓰기에는 부담이 큽니다. GPT-5.6은 Sol, Terra, Luna로 작업을 나눌 수 있고, 공식 가격 기준으로 Fable 5보다 낮은 단가를 제공합니다.
따라서 비용 대비 성능만 놓고 보면, 일반 운영의 기본값은 GPT-5.6 계열이 더 합리적입니다. Fable 5는 최고 난도 작업, 긴 컨텍스트가 반드시 필요한 작업, 실패 비용이 큰 작업에 선택적으로 쓰는 편이 낫습니다.
성능 경쟁은 계속 바뀝니다. 하지만 비용 구조를 이해하고 모델을 나눠 쓰는 습관은 어떤 모델이 나오더라도 계속 유효합니다.
점검 체크리스트
- 공식 가격표 기준으로 입력·출력 토큰 단가를 비교했다.
- 단순 성능이 아니라 실제 에이전트 작업 비용을 기준으로 판단했다.
- 캐시와 긴 컨텍스트 비용을 별도로 확인했다.
- 작업 유형별 추천 모델을 구분했다.
- 출처 링크를 함께 정리했다.