GPT-6.1 Terra 입력 100만 토큰은 1달러다. 끝낸 작업의 비용은 얼마일까?

아래에 정리한 출처를 바탕으로 Ken Jo가 제작한 설명 도식입니다.

화면 한쪽에는 청구서, 다른 쪽에는 회계 입력 양식이 있습니다. 금액을 읽는 것은 한 가지 작업입니다. 올바른 공급업체를 선택하고, 통화를 정확히 입력하고, 저장된 기록이 실제로 존재하는지 확인하는 것은 더 큰 작업입니다. AI 모델이 클릭을 담당한다면 이 차이는 특히 중요합니다.

OpenAI는 2026년 10월 26일 GPT-6.1 Terra를 발표했습니다. 표준 API 가격은 입력 100만 토큰당 1달러, 캐시 입력 100만 토큰당 0.05달러, 출력 100만 토큰당 5달러입니다. 회사는 시각 추론, 컴퓨터 사용, 글쓰기를 주요 용도로 설명하며, 이 표준 요금이 GPT-5.6 Terra와 GPT-6.1 Sol보다 50% 낮다고 밝혔습니다. 공식 발표, 발표일이 명시된 시스템 카드.

가격이 낮아지면 더 많은 실험을 감당할 수 있습니다. 하지만 어떤 실험을 실제 업무 흐름으로 발전시킬지는 다른 기준으로 판단해야 합니다. 받아들일 수 있는 결과를 얻는 데 드는 비용입니다. 이 글에서는 세 가지 활용 사례, 가정을 공개한 비용 계산, 성공한 도구 호출을 완료된 업무와 혼동하지 않는 평가 방법을 살펴봅니다.

모델은 시스템 안에서 행동을 선택하고 시스템이 실행한다

Terra는 ChatGPT와 Codex를 만든 OpenAI가 제공하는 모델입니다. 이 모델을 선택하면 애플리케이션은 특정한 언어·시각 능력을 얻습니다. 하지만 어떤 화면을 볼 수 있는지, 어떤 도구를 호출할 수 있는지, 그 도구가 어떤 계정에 접근하는지는 주변 애플리케이션이 결정합니다.

청구서 예시를 가상의 업무 흐름으로 생각해 보겠습니다. 모델이 양식을 관찰하고 행동을 제안하면, 도구가 이를 실행한 뒤 갱신된 화면을 돌려줍니다. 정확해 보였던 클릭이 다른 패널을 열거나, 유효성 검사 오류를 드러내거나, 저장을 끝내지 못할 수 있으므로 새 화면이 중요합니다. 다음 단계로 넘어가기 전에 결과 상태를 알아야 합니다.

따라서 컴퓨터 사용은 한 번의 답변이 아니라 반복 과정입니다. 유용한 연동은 관찰, 행동, 결과 상태 확인을 이어 줍니다. 언제 중단하고, 사람에게 묻고, 필요한 입력이 없다고 보고할지도 정합니다. 화면 해석 능력이 좋은 모델을 쓰더라도 이러한 결정은 애플리케이션 설계에 속합니다.

10월 27일 확인한 OpenAI 컴퓨터 사용 문서는 브라우저 활동 이벤트와 전체 턴의 최종 상태를 구분합니다. 스트리밍 출력에 스크린샷을 포함하는 설정도 제공합니다. 개발자는 이벤트로 진행 상황을 보여 주면서, 요청한 결과가 실제로 존재하는지는 별도로 확인할 수 있습니다.

컴퓨터 사용의 반복 과정을 설명하는 예시입니다. 애플리케이션이 도구와 권한을 제공하고, 수락 검사가 요청한 업무의 완료 여부를 판단합니다. OpenAI 인터페이스 스크린샷이 아닌 자체 설명도입니다.

가격표는 업무 예산의 출발점이다

10월 26일 발표의 표준 요금은 동일한 청구 조건에서 비교하면 명확합니다. 입력과 출력의 가격이 다르고, 캐시 입력은 별도 항목입니다. 따라서 사용자 요청 수가 같아도 답변이 길어지거나 화면 관찰을 반복하면 청구액이 달라질 수 있습니다.

10월 27일 확인한 모델 카드에는 추가 청구 조건이 있습니다. 캐시 쓰기에는 별도 요금이 있고, 입력이 272,000토큰을 넘으면 긴 문맥 요금 조정이 적용되며, 서비스 모드에 따라 가격이 달라질 수 있습니다. 가격표에서 가장 낮은 값을 보편적인 요금으로 쓰지 말고, 실제 요청에 해당하는 가격을 적용해야 합니다.

아래 계산은 표준 처리, 캐시 미사용, 긴 문맥 기준 미만의 요청을 가정합니다. 한 번 시도할 때 청구 대상 입력 10,000토큰과 출력 1,000토큰을 소비한다고 합시다. 토큰 비용은 시도당 0.01달러 + 0.005달러 = 0.015달러입니다. 이 수치는 계산을 위해 정한 입력값이며 Terra나 청구서 업무의 실측값이 아닙니다.

유용한 예산은 이 구분에서 시작합니다. 먼저 가정을 명시하고 시도 한 번의 청구액을 정합니다. 이어서 업무에 몇 번의 시도가 필요한지, 어떤 다른 서비스를 사용하는지, 사람이 결과를 받아들이기 전까지 검토가 얼마나 필요한지 묻습니다.

재시도와 검토가 수락한 작업의 비용을 바꾼다

가상의 배치에 요청된 작업 100개가 있다고 합시다. 첫 시나리오에서는 100번 시도해 90개를 수락합니다. 다른 시나리오에서는 복구 작업 때문에 150번 시도하고 95개를 수락합니다. 성공이 늘어난 것은 유용하지만 비용 비교도 달라집니다.

표에는 30개 항목을 각각 20초 검토하며 인건비를 시간당 30달러로 가정한 세 번째 경우를 추가했습니다. 총 600초, 즉 10분으로 비용은 5달러입니다. 모든 업무량, 수락 건수, 인건비 가정은 설명용이며 실측 제품 결과가 아닙니다.

분모는 생성한 답변이 아니라 수락한 작업입니다. 기록을 잘못 저장했다면 매끄러운 완료 메시지는 분모를 늘리지 못합니다. 반대로 짧은 확인 질문을 하는 흐름이 정보가 빠진 채 자신 있게 진행하는 흐름보다 더 유용한 결과를 낼 수 있습니다.

이 추가 작업을 완료 비용 명세서라고 부를 수 있습니다. 시도한 행동을 받아들일 수 있는 결과로 바꾸는 데 필요한 자원입니다. 토큰 가격은 그 명세서의 한 항목입니다. 도구 요금, 실행 환경, 복구, 사람의 검토도 추가될 수 있습니다. 위 표는 계산을 분명히 보여 주기 위해 이런 부가 서비스를 제외했지만, 실제 운영 예산에는 연동에서 사용하는 항목을 포함해야 합니다.

우리의 관점에서 모델 가격 하락의 가장 큰 가치는 완료 품질을 개선할 여유입니다. 팀은 지시를 비교하고, 실패 사례를 살피고, 복구 경로를 시험하는 데 비용을 쓸 수 있습니다. 검증하지 않은 답변을 더 싸게 만드는 것보다, 절약한 비용으로 수정이 덜 필요한 일을 만드는 편이 유용합니다.

완료 기준이 분명한 청구서 초안 기록부터 시작한다

첫 번째 사례는 받은 청구서로 지급 관리용 초안 기록을 만드는 보조 도구입니다. 테스트 계정과 범위를 제한한 예시 문서를 사용합니다. 모델이 양식을 조작하기 전에 필수 공급업체, 통화, 금액, 참조 필드를 정해야 합니다.

이 사례에서 수락할 결과는 원본과 필드가 일치하며 기록 식별자를 다시 조회할 수 있는 저장된 초안입니다. 저장 버튼 클릭은 중간 이벤트입니다. 흐름은 실제 기록이나 확인 상태를 살피고, 미해결 필드는 그럴듯한 추측으로 채우는 대신 보고해야 합니다.

시험에는 일반 문서와 의도적으로 어려운 예시를 함께 넣습니다. 불명확한 통화, 빠진 공급업체 식별자, 이미 존재하는 청구서 번호 등입니다. 각 예시는 다른 실패 유형을 드러냅니다. 텍스트를 정확히 읽는 일, 올바른 계정을 고르는 일, 중복 기록을 막는 일은 서로 다른 업무 요소입니다.

처음에는 모든 결과를 검토할 수 있을 만큼 작게 시험합니다. 실패하면 지시 전체를 한꺼번에 다시 쓰기보다 최초로 잘못된 관찰이나 행동을 찾습니다. 진단 범위를 좁혀야 문서 해석, 탐색, 계정 데이터, 수락 검사 중 어디에 문제가 있는지 배울 수 있습니다.

이는 애플리케이션 설계 예시이지, Terra가 회계 연결기를 제공하거나 이 글에서 특정 회계 제품을 시험했다는 뜻이 아닙니다. 도구와 업무 규칙을 별도로 제공해야 하는 흐름에서 모델은 한 구성 요소입니다.

카탈로그 매칭은 행동 전에 시각적 판단을 시험한다

두 번째 사례는 제품 사진을 기존 카탈로그 항목과 연결하는 것입니다. 10월 27일 확인한 OpenAI 모델 카드는 Terra의 활용 용도 중 하나로 제품 사진 매칭을 명시합니다. 소매업체에 유용한 결과는, 비슷해 보이는 제품과 정확히 같은 상품을 검토자가 구분할 수 있는 근거를 갖춘 매칭 제안입니다.

쉬운 일치, 비슷한 포장, 세부 정보가 보이지 않는 사진을 포함한 작은 평가 세트를 만듭니다. 정답 카탈로그 식별자는 모델에 주는 지시와 분리해 보관합니다. 모델에게 식별자 제안과 그 선택을 뒷받침하는 눈에 보이는 특징을 요구하되, 사진이 불충분하면 미해결로 답할 수 있게 명시합니다.

미해결이 정답일 수 있습니다. 두 포장의 차이가 보이지 않는 정보에만 있다면, 다른 사진이나 비시각적 식별자가 필요합니다. 포장을 유창하게 설명한다고 입력에 없던 근거가 생기지는 않습니다.

카탈로그 수정을 허용하기 전에 매칭 제안부터 시작합니다. 수락 기준을 살피기 쉽고 팀이 이해할 수 있는 오류 사례도 얻습니다. 나중에 글쓰기 단계를 추가한다면, 설명 초안이 시각적 유사성에서 확인하지 않은 세부 사항을 끌어오는 대신 검증된 카탈로그 사실을 보존하는지 평가해야 합니다.

오래된 포털에서는 복구도 작업의 일부다

세 번째 사례는 브라우저 인터페이스를 제공하는 사내 포털에서 수정 초안을 준비하는 것입니다. 기록을 찾고, 전달받은 설명을 바꾸고, 사람이 승인할 수 있는 상태로 남기는 일을 맡길 수 있습니다. 이해하기 쉬운 업무 요청을 일련의 화면 조작으로 연결하는 데 가치가 있습니다.

어려운 경우는 상태와 관련되는 일이 많습니다. 세션이 만료되거나, 앞선 선택 뒤에 필수 입력란이 생기거나, 페이지 갱신이 예상보다 오래 걸릴 수 있습니다. 유용한 평가는 가장 쉬운 탐색 경로만 세지 않고 이런 조건에 어떻게 대응하는지 기록합니다.

시험 전에 복구 한도를 정합니다. 예를 들어 저장 여부가 불확실하면 한 번 더 관찰을 허용하고, 그래도 명확하지 않으면 검토를 위해 멈추게 할 수 있습니다. 이는 정책의 예시이지 Terra 제품의 제한이 아닙니다. 시험할 수 있는 제한된 행동을 정하고, 성과 없는 반복이 자원을 쓰는 일을 막는 방법입니다.

연동 실패와 모델 실패도 구분해야 합니다. 도구가 목표 페이지에 접근하지 못한 경우, 계정에 수정 권한이 없는 경우, 모델이 잘못된 컨트롤을 선택한 경우에는 다른 수정이 필요합니다. 이 구분이 보여야 비용 추정과 품질 개선 모두 의미 있어집니다.

제공 여부는 시작점을 알려 줄 뿐 모든 계정의 작업 범위를 정하지 않는다

10월 26일 발표는 Plus, Pro, Enterprise, Edu의 ChatGPT Work와 Codex, 그리고 API 식별자 gpt-6.1-terra를 통한 Terra 제공을 알렸습니다. 이는 모델 접근 경로입니다. 실제 업무에서 사용 가능한 도구와 권한은 제품, 계정, 연동에 따라 달라집니다.

10월 27일 확인한 개발자용 모델 카드는 도구 호출에 Responses API를 사용하며, 기본 추론 노력이 medium이라고 명시합니다. 두 시험을 의미 있게 비교하려면 선택한 모델과 추론 설정을 기록해야 합니다. 모델, 지시, 도구 환경을 동시에 바꾸면 결과 차이를 해석하기 어렵습니다.

Work나 Codex를 사용하는 팀은 이미 지원되는 흐름에서 시작해 실제 제어 기능을 확인해야 합니다. 자체 애플리케이션은 최신 컴퓨터 사용 연동 문서로 실행 환경과 허용 행동을 구성합니다. 모델 식별자만으로 회사 애플리케이션에 인증된 연결이 생기지는 않습니다.

같은 수락 기준과 작업으로 구성을 비교한다

첫 시험은 전부 검토할 만큼 작으면서도 실제 업무가 만날 조건을 포함할 만큼 다양해야 합니다. 생성 결과를 보기 전에 수락 규칙을 선택합니다. 아래 절차는 제안하는 평가 방법이지 벤치마크 결과가 아닙니다.

1. 범위를 한정한 작업 하나를 고릅니다. 필요한 출력과 수락 여부를 결정할 사람을 정합니다. 첫 시험에는 초안이나 테스트 환경의 행동이 적합합니다.
2. 고정된 사례 묶음을 준비합니다. 일반 입력, 누락 정보, 관련된 화면 중단 상황을 포함합니다. 예상 결과는 모델 지시 밖에 보관합니다.
3. 구성을 기록합니다. 모델 ID, 추론 설정, 지시, 도구 버전, 관련 계정 권한을 저장합니다.
4. 중단과 복구 규칙을 정합니다. 추가 관찰을 언제 허용하고, 재시도가 언제 유용하며, 어떤 불확실성을 사람이 해결해야 하는지 명시합니다.
5. 관찰 가능한 결과를 수집합니다. 수락, 오류, 미해결, 시도 횟수, 경과 시간, 청구 사용량을 기록합니다. 도구 작업 상태는 기록의 일부일 뿐입니다.
6. 실제 운영 비용을 더합니다. 해당 도구와 환경의 요금, 측정한 검토 시간을 포함합니다. 동일한 정의로 수락한 작업 수로 나눕니다.
7. 의미 있는 변수 하나를 바꿉니다. 같은 사례에서 지시 수정이나 추론 설정을 비교한 뒤, 어떤 실패가 바뀌었는지 확인하고 시험을 확대합니다.

제안하는 비용 모델입니다. 실제 업무가 소비하는 자원을 더한 뒤 수락한 작업 수로 나눕니다. 구성 요소는 평가 틀이며 공개된 Terra 운영 실측값이 아닙니다.

이 기록은 첫 시험이 실망스러워도 유용합니다. 개선 대상이 시각 해석인지, 흐름 설계인지, 도구 신뢰성인지, 사람의 수정량인지 알려 주기 때문입니다. 요청당 평균 비용만 보는 것보다 다음 자동화 대상을 결정하는 데 훨씬 좋은 근거가 됩니다.

컴퓨터 사용의 가격 하락은 업무를 끝내는 부담이 줄어들 때 의미가 있다

Terra의 낮은 표준 토큰 가격은 더 꼼꼼히 시험하고 같은 예산으로 더 많은 업무를 지원할 기회입니다. 사업 관점의 질문은 특정 연동이 그 기회를, 감당할 수 있는 검토·복구 노력으로 수락 가능한 결과로 바꿀 수 있느냐는 것입니다.

화면을 읽고 클릭을 선택하는 모델은 유용합니다. 무엇이 바뀌었는지 보여 주고, 언제 끝났는지 인식하고, 거기까지 필요한 노력을 계산하는 흐름은 팀이 평가하고 개선할 수 있는 대상입니다.

출처

• Introducing GPT-6.1 Terra, OpenAI, 2026년 10월 26일: 제품 방향, 출시 표준 가격, 접근 경로.
• GPT-6.1 Terra 시스템 카드, OpenAI, 2026년 10월 26일: 발표일과 평가 배경.
• GPT-6.1 Terra 모델 카드, 2026년 10월 27일 확인: 모델 ID, 도구 호출 엔드포인트, 추론 설정, 청구 조건.
• 컴퓨터 사용 연동 문서, 2026년 10월 27일 확인: 브라우저 활동, 스크린샷, 연동 방식.

세 가지 업무 시나리오, 비용 입력값, 평가 절차는 설명용입니다. 달러 계산에는 명시한 표준 요금과 선택한 가정을 사용했으며, 지연 시간·정확도·운영 비용의 실측 결과가 아닙니다.

---

Telli.sh 추천: 시험 노트, 참고 자료, 업무 흐름을 수정한 이유를 다시 찾기 쉽게 보관하세요. Telli.sh 계정을 만들고 평가 노트를 정리해 보세요.