GPT-5.6 Sol 가격 인하: 입력 20%, 출력 33% 내렸다

Who Should Read

GPT-5.5나 GPT-5.4로 API 비용을 계산 중이라 모델 교체 여부를 따져야 하는 백엔드 개발자

Core Mechanics

• Sol 가격은 입력 $4, 출력 $20
  • 100만 토큰 기준이며 캐시 입력은 $0.40이다.
  • 원문은 입력 20%, 출력 33% 인하라고 밝힌다.
• GPT-5.5 입력가는 $5, GPT-5.4는 $2.50
  • 원문 비교표에 나온 입력 단가다.
  • Sol은 GPT-5.5보다 입력이 $1 싸고 GPT-5.4보다는 $1.50 비싸다.
• 프로모션 가격은 최소 2026년 11월 21일까지
  • 원문은 그 날짜까지는 프로모션 가격이 적용된다고 쓴다.
  • 그 이후 가격은 원문에 없다.
• 입력 27만 2천 토큰을 넘으면 요청 전체가 할증
  • 입력 단가는 2배, 출력 단가는 1.5배가 된다.
  • 캐시 쓰기는 일반 입력 단가의 1.25배로 청구된다.
• 컨텍스트 105만, 최대 출력 12만 8천 토큰
  • 지식 컷오프는 2026년 2월 16일이다.
  • reasoning.effort는 none, low, medium(기본), high, xhigh, max를 지원한다.

Community Reactions

• 가격 인하가 3개월 한정이라는 지적
  • 헤드라인이 오해를 부른다며 정정을 요구한 댓글이 있었다.
  • 영구화될 수도 있다고 보는 의견도 있었다.
• chat-latest가 Sol보다 비싸다는 불만
  • 사고 없는 즉답 모델을 쓰는 사람에게는 chat-latest가 선택지라는 의견이 있었다.
  • 그런데 그 모델이 Sol보다 비싼 건 말이 안 된다는 반응이었다.
• GitHub Copilot에서 Sol이 2/10으로 표시됐다는 경험
  • Terra보다 싸게 나와 오류가 아닌지 의심했다는 댓글이 있었다.
• 경쟁 구도 때문이라는 해석
  • DeepSeek 같은 저가 경쟁 덕분에 가격이 내려갔다는 의견이 여럿이었다.
  • 구독 사용 한도도 같이 늘어나는지 묻는 댓글도 있었다.

How to Apply

• 지금 쓰는 호출의 월 비용을 다시 계산하기
  • 최근 한 달의 입력·출력·캐시 토큰 수를 뽑아라.
  • 입력 $4, 캐시 $0.40, 출력 $20으로 곱해 현재 모델 비용과 비교하라.
• 27만 2천 토큰 초과 요청 비율 확인하기
  • 요청별 입력 토큰 로그에서 272K 초과 건수를 세어라.
  • 초과 건은 입력 2배, 출력 1.5배로 다시 계산하라.
• 프로모션 종료일을 비용 가정에 넣기
  • 11월 21일 이후 가격이 바뀔 수 있다고 보고 예산에 여유 시나리오를 만들어라.
  • 모델 이름은 별칭 대신 스냅샷으로 고정할지 정하라.
• reasoning.effort별 비용 비교 테스트하기
  • 같은 평가 셋을 medium과 high로 돌려 출력 토큰 수를 기록하라.
  • 출력 단가가 입력의 5배이므로 출력 토큰 증가분부터 확인하라.

Try It

# Claude나 ChatGPT에 그대로 붙여넣기. 월 API 비용 비교용 프롬프트

아래 가격표로 내 서비스의 월 비용을 계산해 줘. 가격은 100만 토큰 기준이다.
- GPT-5.6 Sol: 입력 $4, 캐시 입력 $0.40, 출력 $20
- GPT-5.5: 입력 $5 (캐시·출력 단가는 내가 아래에 적는다)
- GPT-5.4: 입력 $2.50 (캐시·출력 단가는 내가 아래에 적는다)
- 입력 토큰이 272K를 넘는 요청은 그 요청 전체에 입력 2배, 출력 1.5배를 적용한다.
- 캐시 쓰기는 일반 입력 단가의 1.25배다.

내 월 사용량:
- 일반 입력 토큰: {{월 입력 토큰 수}}
- 캐시 읽기 토큰: {{월 캐시 토큰 수}}
- 출력 토큰: {{월 출력 토큰 수}}
- 272K 초과 요청 비율: {{비율}}

표로 모델별 월 비용을 보여주고, 계산식도 같이 적어 줘. 모르는 단가는 추측하지 말고 나에게 물어봐.

이어서 해 볼 것: 프로모션이 끝나 가격이 오른다고 가정한 시나리오도 계산해 달라고 해 보기.

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://developers.openai.com/api/docs/models/gpt-5.6-sol
• https://x.com/openai/status/2090885187634905500