OpenRouter에서 GPT-5.6 Sol 가격 50% 인하, 공식 가격은 그대로

Who Should Read

LLM API 비용을 줄이려고 모델과 제공 경로를 비교하는 백엔드 개발자

Core Mechanics

• GPT-5.6 Sol 가격과 규격
  • OpenRouter 표기는 입력 $4, 출력 $20(100만 토큰당)이다.
  • 컨텍스트는 1.1M, 최대 출력은 128,000 토큰이다.
• 추론 강도별 점수 차이가 크다
  • Artificial Analysis Intelligence Index는 Low 33.5, Xhigh 44.0, Max 47.0이다.
  • Non-reasoning은 28.3이다.
• 제공 경로마다 가격이 다르다
  • OpenAI와 Azure 표준 경로는 $4/$20, 캐시 읽기는 $0.40이다.
  • Flex는 $2/$10이고 Fast는 $8/$40이다.
• 캐시 쓰기 과금에 주의해야 한다
  • 1024토큰 이상 프롬프트는 자동 캐시되고 캐시 쓰기 비용이 매번 붙는다.
  • prompt_cache_options.mode를 "explicit"으로 두면 끌 수 있다.
• 함수 호출과 구조화 출력을 지원한다
  • tools와 tool_choice로 함수 호출을 쓸 수 있다.
  • response_format의 JSON schema로 구조화 출력도 된다.

Community Reactions

• 공식 가격은 그대로라는 지적
  • 인하는 OpenRouter 한정이라 제목이 오해를 부른다는 의견이 있었다.
  • OpenAI 공식 문서에는 할인 전 가격이 그대로라는 댓글이 여럿이다.
• ZDR 사용자는 혜택이 없을 수 있다는 의견
  • 할인이 ZDR(데이터 비보존) 아닌 OpenAI 경로에만 적용되고 Azure는 옛 가격이라는 추측이 나왔다.
  • ZDR 전용 설정을 켠 사용자는 못 받을 거라는 의견이다.
• 중국 오픈 모델과 가격 경쟁 경험
  • 자체 평가에서 Kimi K3가 Opus나 Sol과 맞먹거나 나았다는 경험이 있었다.
  • 개발자 전원이 K3로 옮겼고 새 Sol 가격이 K3와 비슷하다고 했다.
• 실사용 후기는 엇갈린다
  • Sol 5.6이 토큰과 사고 시간을 적게 쓴다며 Claude 구독 해지를 고민한다는 후기가 있었다.
  • 코딩 세션 하나에 $680이 들고 코드베이스를 망가뜨렸다는 반대 경험도 있었다.

How to Apply

• 내 요청을 가격 경로별로 계산하기
  • 최근 하루치 입력·출력·캐시 토큰 수를 뽑아 $4/$20과 Flex $2/$10으로 각각 곱해 보자.
  • 경로 차이가 월 비용에 얼마인지 표로 남기자.
• 캐시 쓰기 과금 켜고 끄기 비교하기
  • 프롬프트가 1024토큰 이상이고 재사용이 드문 요청에 prompt_cache_options.mode를 "explicit"으로 보내자.
  • 같은 요청의 청구 금액을 전후로 비교하자.
• ZDR 필수 서비스는 라우팅 제한 확인하기
  • OpenRouter에서 ZDR 전용을 켜면 할인 경로가 제외되는지 실제 청구서로 확인하자.
  • 제외되면 Azure 등 $4.40/$22 경로 기준으로 예산을 잡자.
• 추론 강도를 업무별로 나누기
  • 단순 요청은 Low나 Medium, 어려운 작업만 Xhigh로 보내자.
  • 같은 평가 세트로 점수와 비용을 함께 기록하자.

Try It

# OpenRouter 경유 GPT-5.6 Sol 호출 후 캐시 쓰기 과금 끄기 (원문 FAQ 기준, 터미널에서 실행)
# pip install openai

import os
from openai import OpenAI

client = OpenAI(base_url="https://openrouter.ai/api/v1", api_key=os.environ["OPENROUTER_API_KEY"])
r = client.chat.completions.create(
    model="openai/gpt-5.6-sol",
    messages=[{"role": "user", "content": "{{질문}}"}],
    extra_body={"prompt_cache_options": {"mode": "explicit"}},
)
print(r.choices[0].message.content)
print(r.usage)

# 이어서 해 볼 것: extra_body 줄을 지우고 같은 요청을 다시 보내 usage와 청구 금액을 비교하기

Terminology

관련 논문

• Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상

  Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준

• Timestral: Mistral의 시계열 파운데이션 모델

  209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다

• DeepSeek V4.1 Flash 1017 (Max) 성능·속도·가격 분석

  DeepSeek V4.1 Flash 1017 Max는 지능 지수 45에 211 tok/s, 입력 $0.30

• LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나

  자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다

• DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델

  DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델

• DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델

  DeepSeek V4.1 Flash 마이너 업데이트로 코딩·에이전트 벤치 점수↑, 실행 시간·출력 길이↓

• Llmspeed: 로컬 LLM 속도를 하드웨어 구매 전에 체감해 보는 시뮬레이터

  GPU·모델을 고르면 로컬 LLM 속도를 미리 체감하게 해 주는 시뮬레이터

Related Resources

• https://openrouter.ai/openai/gpt-5.6-sol
• https://developers.openai.com/api/docs/models/gpt-5.6-sol
• https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode