GPT-6.1 Terra 화면 작업, GPT-5.6 Terra와 성능·API 요금 비교

2026년 11월 기준 — 화면을 읽고 앱을 조작하는 AI 업무 자동화를 고민하는 팀이 모델 선택 전에 확인할 것들

이 비교가 필요한 사람과 결론 요지

GPT-6.1 Terra는 OpenAI가 공개한 평가에서 GPT-5.6 Terra보다 높은 점수를 냈고, 표준 API 단가도 절반 이하입니다. 다만 이 개선이 곧바로 "내 업무의 성공률 상승"이나 "내 비용의 절반"을 뜻하지는 않습니다. 화면 작업은 모델 하나로 끝나지 않고, 실행 환경과 안전장치까지 갖춰야 비로소 돌아가기 때문입니다.

이 글은 다음과 같은 분에게 필요합니다.

① 반복적인 화면 업무(양식 입력, 문서 정리, 자료 검토)를 AI로 줄여 보려는 실무자

② 이미 GPT-5.6 Terra로 화면 자동화 프로토타입을 만들었고 교체를 검토하는 개발자

③ ChatGPT Work나 Codex를 쓰는 중인데 API 방식과 무엇이 다른지 궁금한 운영 담당자

결론을 먼저 정리하면 이렇습니다.

첫째, 성능과 단가만 놓고 보면 공개된 자료상 GPT-6.1 Terra가 앞섭니다.

둘째, 그 우위는 OpenAI가 발표한 특정 벤치마크의 결과입니다.

셋째, 화면 자동화를 직접 구현한다면 모델 교체보다 도구 루프, 격리 환경, 승인 절차가 비용과 안정성을 더 크게 좌우할 수 있습니다.

넷째, 이용 가능 여부는 계정·요금제·워크스페이스 설정에 따라 달라질 수 있으므로 도입 전에 직접 확인해야 합니다.

두 모델을 어떤 기준으로 비교하나

이 글은 다섯 가지 기준으로 두 모델을 나란히 봅니다. 점수나 가중치는 매기지 않고, 기준마다 공개된 근거가 있는 내용만 비교합니다.

① 화면 작업 성능: 공개된 평가 결과가 무엇을 보여 주고, 무엇을 보여 주지 않는지

② API 단가: 입력·캐시 입력·출력 토큰 요금의 차이

③ 제공 경로: API, ChatGPT Work, Codex 중 어디에서 쓸 수 있는지

④ 구현 부담: 모델 선택 외에 직접 마련해야 하는 것

⑤ 안전 운영: 실제 계정과 데이터를 다룰 때 지켜야 할 조건

여기서 한 가지 전제를 둡니다. 두 모델의 비교 근거는 대부분 OpenAI가 직접 발표한 자료입니다. 제3의 기관이 같은 조건으로 재현한 결과가 공개된 자료에서는 확인되지 않으므로, 이 글의 성능 수치는 모두 "OpenAI가 밝힌 결과"로 읽어야 합니다.

또 하나, 비교 시점입니다. 요금은 2026년 10월 28일에 확인한 표준 API 요금이고, GPT-5.6 Terra 요금은 7월 30일 가격 인하가 이미 반영된 값입니다. 따라서 이 글의 비교는 현재 판매 중인 가격끼리의 비교이며, GPT-5.6 Terra의 최초 출시가와는 비교하지 않습니다.

GPT-6.1 Terra: 화면 이해와 조작을 겨냥한 최신 모델

GPT-6.1 Terra는 2026년 10월 26일 공개된 모델로, 화면과 이미지를 해석하고 앱에서 행동을 수행하는 작업을 겨냥합니다. OpenAI는 활용 예로 기술 도면 해석, 화면 속 양식 작성, 제안서 작성, 영상 검토·편집을 들었습니다.

이 목록은 공개된 사용 사례이지 보장 범위가 아닙니다. 모든 데스크톱 앱 작업이 자동으로 처리된다는 뜻이 아니며, 내 업무에 맞는지는 직접 시험해 봐야 합니다.

공개된 평가에서 드러난 개선점

OpenAI가 발표한 평가는 세 가지입니다. 각각 무엇을 말해 주는지 구분해서 읽어야 합니다.

Agents' Last Exam

중간 추론 설정의 GPT-6.1 Terra는 GPT-5.6 Terra보다 15%포인트 높은 점수를 냈고, 작업당 비용은 약 3분의 1이었습니다. 점수와 비용이 동시에 개선됐다는 점이 눈에 띕니다. 다만 이는 이 벤치마크의 작업 구성과 설정에서 나온 결과입니다. 내 업무의 작업당 비용이 3분의 1이 된다는 뜻은 아닙니다.

OSWorld 2.1 오프라인 세트

데스크톱 앱의 다단계 작업을 평가하는 이 세트에서 OpenAI는 중간 추론 설정의 Terra가 GPT-5.6 Terra의 최고 점수를 넘어섰다고 밝혔습니다. 눈여겨볼 점은 발표문이 구체적인 점수와 전체 실행 조건을 본문에 제시하지 않았다는 것입니다. 그래서 "얼마나 높은가"는 알 수 없고, "넘어섰다"는 방향만 확인됩니다. 이 글에서도 점수 차이를 추정해 적지 않습니다.

MMMU-Pro

시각 추론을 평가하는 이 벤치마크에서는 GPT-6.1 Terra가 모든 추론 설정에서 GPT-5.6 Terra보다 높은 결과를 냈다고 발표됐습니다. 특정 설정에서만 앞선 것이 아니라 설정 전반에서 앞섰다는 점이 의미 있습니다. 다만 이것도 공개 벤치마크의 결과이며, 개별 이미지나 화면 작업의 정확도와 같다고 볼 수는 없습니다.

세 평가를 종합하면 방향은 일관됩니다. 화면 이해, 다단계 조작, 비용 효율 모두에서 GPT-6.1 Terra가 앞선다는 것이 OpenAI의 설명입니다. 하지만 "일관된 방향"과 "내 업무에서의 크기"는 별개의 문제입니다.

제공 경로와 확인할 점

GPT-6.1 Terra는 OpenAI API와 ChatGPT Work·Codex에 순차적으로 제공되고 있으며, 일반 Chat 대화의 모델 선택지로는 제공되지 않습니다. 10월 28일 확인 기준으로 실제 이용 가능 여부는 계정·요금제·워크스페이스 설정에 따라 달라질 수 있습니다.

그래서 "나왔다고 하니 바로 쓰겠지"라고 가정하지 말고, 도입 계획을 세우기 전에 내 계정과 워크스페이스에서 모델이 보이는지부터 확인하는 것이 안전합니다.

GPT-5.6 Terra: 인하된 가격으로 남은 선택지

GPT-5.6 Terra는 7월 30일 가격 인하가 반영된 지금도 현역 선택지이며, 이미 이 모델로 구축한 자동화가 있다면 교체 판단의 기준점이 됩니다.

이 모델에 대해 공개된 자료에서 확인되는 것은 주로 GPT-6.1 Terra와 비교된 상대적 위치입니다. 앞서 본 세 평가에서 GPT-6.1 Terra가 앞섰다는 것은, 같은 평가에서 GPT-5.6 Terra가 기준선 역할을 했다는 뜻이기도 합니다.

GPT-5.6 Terra의 현재 표준 API 요금은 입력 100만 토큰당 2달러, 캐시 입력 0.20달러, 출력 12달러입니다. 인하 이후에도 GPT-6.1 Terra와는 입력 2배, 캐시 입력 4배, 출력 2.4배 차이가 납니다.

이 모델을 계속 쓰는 쪽이 합리적일 수 있는 경우도 있습니다.

① 이미 검증을 마친 프롬프트와 도구 루프가 있어, 모델을 바꾸면 재검증 비용이 드는 경우

② 현재 결과에 만족하고 있고, 비용이 병목이 아닌 경우

③ 새 모델이 내 계정·요금제에서 아직 보이지 않는 경우

다만 이 항목들은 공개된 성능 근거가 아니라 운영 현실에 따른 판단 기준입니다. GPT-5.6 Terra가 특정 작업에서 더 낫다는 공개 근거는 확인되지 않습니다.

화면 작업의 실제 구조: 모델 선택만으로 끝나지 않는 이유

API로 화면 자동화를 구현하려면 모델이 행동을 제안하고, 내가 만든 앱이 그 행동을 실행한 뒤 바뀐 화면을 다시 모델에 돌려주는 루프를 직접 마련해야 합니다. 모델 카탈로그는 GPT-6.1 Terra의 컴퓨터 사용 지원을 명시하지만, 실제 실행 환경과 행동 권한은 API를 연동하는 쪽이 책임집니다.

구현 요건을 순서대로 정리하면 다음과 같습니다.

① Responses API 사용: 컴퓨터 조작 도구는 Responses API에서 쓸 수 있습니다.

② 실행 환경 마련: 모델이 반환한 행동(클릭, 입력 등)을 실제 브라우저나 데스크톱에서 수행할 환경이 필요합니다.

③ 스크린샷 처리: 행동 후 바뀐 화면을 캡처해 모델에 다시 전달해야 합니다.

④ 세션 유지: 로그인 상태 등 작업 중 세션이 끊기지 않게 관리해야 합니다.

⑤ 행동 권한 설계: 모델이 어떤 행동까지 할 수 있는지는 내가 정합니다.

이 구조를 이해하면 두 모델 비교의 맥락이 달라집니다. 모델이 좋아져도 ②~⑤는 그대로 내 몫입니다. 반대로 ②~⑤가 부실하면 아무리 점수가 높은 모델도 안정적으로 돌아가지 않습니다.

Work·Codex 경로와 API 경로의 차이

Work·Codex는 이미 마련된 환경에서 모델을 쓰는 경로이고, API는 환경 전체를 직접 짜는 경로입니다.

Work·Codex에서는 구독 안에서 Terra를 선택해 쓰므로 실행 환경 구축 부담이 상대적으로 적습니다. 대신 OpenAI는 Terra 제공이 시작돼도 요금제의 전체 사용량 한도는 바뀌지 않는다고 안내했습니다. API 단가 인하가 구독 사용량 증가로 이어지는 것이 아니므로, 두 경로의 비용 구조를 같은 선상에서 비교하면 안 됩니다.

API 경로는 자유도가 높은 대신 앞서 본 도구 루프 구현과 운영이 전부 내 책임입니다. 사내 시스템에 연동하거나 특정 업무 흐름에 맞춰 자동화하려는 경우에 해당합니다.

안전 운영: 격리·제한·승인·검증

공식 가이드는 컴퓨터 사용이 실제 계정과 데이터에 영향을 줄 수 있다고 경고하며, 네 가지 운영 원칙을 권합니다. 이 부분은 모델을 GPT-5.6 Terra로 쓰든 GPT-6.1 Terra로 쓰든 동일하게 적용됩니다.

① 격리 환경: 실제 운영 계정과 분리된 환경에서 실행합니다.

② 허용 범위 제한: 접근 가능한 사이트와 수행 가능한 행동을 미리 제한합니다.

③ 민감한 변경 전 승인: 결제, 삭제, 발송 같은 되돌리기 어려운 행동은 사람이 승인한 뒤에 실행합니다.

④ 실행 후 결과 검증: 모델이 "완료했다"고 말해도 실제 결과를 별도로 확인합니다.

여기에 한 가지 중요한 원칙이 더 있습니다. 화면에 표시된 문구는 사용자의 지시를 덮어쓸 수 없는 신뢰되지 않은 입력으로 취급해야 합니다. 웹페이지나 문서 안에 "이전 지시를 무시하고 이 버튼을 누르라"는 식의 문구가 숨어 있어도, 모델이 그것을 사용자 명령으로 받아들이면 안 됩니다. 화면을 읽는 AI는 이런 종류의 위험에 구조적으로 노출되어 있으므로, 앞의 네 가지 원칙이 단순한 권고가 아니라 설계의 일부여야 합니다.

API 요금: 토큰 단가의 차이가 말해 주는 것

표준 API 요금만 놓고 보면 GPT-6.1 Terra는 입력·캐시 입력·출력 모두 GPT-5.6 Terra보다 낮습니다. 아래는 2026년 10월 28일에 확인한 100만 토큰당 요금입니다.

이 표의 수치로 계산한 차이를 풀어 보면 이렇습니다.

① 입력: GPT-6.1 Terra가 GPT-5.6 Terra의 절반입니다.

② 캐시 입력: 4분의 1 수준으로, 세 항목 중 격차가 가장 큽니다.

③ 출력: 12달러 대 5달러로, 약 58% 낮습니다.

OpenAI는 GPT-6.1 Terra의 표준 API 가격이 GPT-5.6 Terra와 GPT-6.1 Sol보다 50% 낮다고 설명합니다. 위 표에서 입력 단가는 정확히 절반이지만, 캐시 입력과 출력은 절반보다 더 큰 폭으로 낮습니다.

단가가 곧 총비용은 아닙니다

화면 작업에서는 이 점을 특히 조심해야 합니다. 실제 사용료는 입력·출력 토큰과 도구별 비용 등에 좌우되며, 화면 작업의 API 비용을 토큰 단가만으로 확정할 수 없습니다.

화면 작업은 일반 텍스트 요청과 비용 구조가 다를 수 있습니다. 매 단계마다 새 화면을 모델에 다시 전달하는 루프 구조이므로, 한 작업을 끝내는 데 필요한 단계 수와 단계마다 전달되는 화면 정보량이 총비용에 큰 영향을 줍니다. 이 값은 업무마다 다르고 공개된 자료에서 일반화할 수 없습니다.

그래서 Agents' Last Exam의 "작업당 비용 약 3분의 1"이라는 결과가 의미 있는 것입니다. 단가뿐 아니라 작업을 끝내는 데 드는 총량까지 줄었다는 신호이기 때문입니다. 하지만 이 역시 특정 벤치마크에서의 결과이므로, 내 업무에서의 비용은 소규모 시험 실행으로 직접 측정하는 것이 가장 정확합니다.

구독 사용량과 API 비용은 별개입니다

Work·Codex를 쓰는 경우는 따로 구분해야 합니다. Terra 제공이 시작돼도 전체 사용량 한도는 바뀌지 않으므로, API 단가 인하 폭만큼 구독에서 더 많이 쓸 수 있게 되는 것이 아닙니다. 구독 사용량과 API 비용은 서로 다른 체계로 움직입니다.

한눈에 비교

두 모델의 차이는 공개된 근거가 있는 항목과 확인되지 않는 항목으로 나눠 보면 가장 정확합니다.

이 표를 읽을 때 유의할 점은 세 가지입니다.

첫째, 벤치마크 항목은 전부 OpenAI가 발표한 결과입니다.

둘째, 요금 항목만이 확정된 수치이며, 이마저도 총비용이 아닌 토큰 단가입니다.

셋째, 구현 부담과 안전 운영은 두 모델에 공통으로 적용되므로 표에서 차이가 나는 항목이 아닙니다.

상황별 선택 기준

어떤 모델이 낫다기보다, 내 상황이 어디에 해당하는지가 선택을 결정합니다. 아래 기준은 공개된 자료에서 도출할 수 있는 범위 안에서만 제시합니다.

새로 화면 자동화를 시작하는 경우

이런 경우라면 GPT-6.1 Terra를 먼저 시험해 볼 이유가 분명합니다. 공개된 평가에서 앞서고 단가도 낮으며, 새로 시작하므로 기존 자산을 바꾸는 비용이 없습니다. 다만 내 계정에서 모델이 보이는지부터 확인해야 합니다.

이미 GPT-5.6 Terra로 운영 중인 경우

바로 교체하기보다 같은 업무 샘플로 두 모델을 나란히 돌려 비교하는 쪽이 안전합니다. 확인할 항목은 다음과 같습니다.

① 작업 성공 여부와 재시도 횟수

② 작업 1건당 실제 토큰 사용량과 비용

③ 결과 검증 단계에서 걸러진 오류의 비율

공개된 벤치마크는 방향을 알려 줄 뿐, 내 업무의 성공률은 알려 주지 않습니다.

구독 안에서 쓰는 경우 (Work·Codex)

실행 환경을 직접 짤 필요가 없으므로 가장 가볍게 시작할 수 있습니다. 대신 API 단가 인하가 구독 사용량 확대로 이어지지 않는다는 점을 기억해야 합니다. 구독 한도 안에서 업무가 충분히 소화되는지가 판단 기준입니다.

사내 시스템에 연동하는 경우 (API)

모델 선택보다 먼저 실행 환경, 권한 범위, 승인 절차 설계가 우선입니다. 모델은 나중에 바꿀 수 있지만, 격리와 승인 구조를 나중에 덧붙이기는 어렵습니다. 모델 교체가 쉽도록 모델명을 설정값으로 분리해 두면 두 모델을 비교 실험하기도 수월합니다.

실제 계정·결제·삭제가 걸린 작업인 경우

모델이 무엇이든 민감한 변경 전 사람의 승인이 필요합니다. 벤치마크 점수가 높다는 사실은 승인 절차를 생략할 근거가 되지 않습니다.

도입 전 점검 절차

비교 결과를 실제 결정으로 옮기려면 다음 순서로 확인하는 것을 권합니다.

1단계: 내 계정·요금제·워크스페이스에서 GPT-6.1 Terra가 이용 가능한지 확인합니다.

2단계: 자동화할 업무를 한 가지로 좁히고, 성공 기준(무엇이 되면 성공인지)을 문장으로 적습니다.

3단계: 격리된 테스트 환경에서 소수 샘플로 실행합니다. 실제 계정과 데이터는 쓰지 않습니다.

4단계: 작업 1건당 토큰 사용량과 비용, 성공·실패 사례를 기록합니다.

5단계: 두 모델을 같은 샘플로 비교하고, 단가가 아니라 작업 1건당 총비용과 성공률로 판단합니다.

6단계: 허용 사이트·행동 제한과 승인 단계를 붙인 뒤에야 범위를 넓힙니다.

자주 묻는 질문

GPT-6.1 Terra를 일반 Chat 대화에서도 고를 수 있나요?

공개된 안내에 따르면 GPT-6.1 Terra는 OpenAI API와 ChatGPT Work·Codex에 순차 제공되며, 일반 Chat 대화의 모델 선택지로는 제공되지 않습니다. 그래서 일반 대화창에서 모델 목록을 찾아도 보이지 않는 것이 정상입니다. Work·Codex에서의 이용 가능 여부도 계정과 워크스페이스 설정에 따라 달라질 수 있으니 직접 확인해야 합니다.

모델을 바꾸면 기존 화면 자동화 코드도 그대로 쓸 수 있나요?

공개된 자료만으로는 호환성을 단정할 수 없습니다. 확실한 것은 컴퓨터 조작 도구를 쓰려면 Responses API를 사용해야 하고, 도구 루프(행동 실행과 화면 재전달)는 연동하는 쪽이 구현한다는 점입니다. 모델명을 설정값으로 분리해 두었다면 교체 실험이 쉬우니, 격리된 환경에서 먼저 같은 샘플로 동작을 비교해 보는 것이 안전합니다.

벤치마크 점수가 높으면 오류 걱정은 덜어도 되나요?

그렇지 않습니다. 발표된 점수는 OpenAI가 특정 조건에서 측정한 결과이며, 개별 업무의 성공률과 같지 않습니다. 또 화면 속 문구를 지시로 오인하는 문제는 모델 점수와 별개로 설계에서 막아야 합니다. 점수가 높아도 격리 환경, 허용 범위 제한, 민감한 변경 전 승인, 실행 후 검증은 그대로 필요합니다.

마무리: 개선은 분명하지만, 판단은 내 업무 기준으로

GPT-6.1 Terra는 공개된 세 가지 평가에서 GPT-5.6 Terra를 앞섰고, 표준 API 단가도 입력은 절반, 캐시 입력은 4분의 1 수준, 출력은 약 58% 낮습니다. 신규 구축이라면 먼저 시험해 볼 충분한 이유가 있습니다.

그러나 이 비교에서 가장 오래 남는 교훈은 모델 간 차이가 아닙니다. 화면 자동화는 모델, 실행 환경, 안전장치 세 가지가 함께 맞아야 완성됩니다. 모델이 개선돼도 격리와 승인 구조가 없으면 위험하고, 벤치마크가 좋아도 내 업무에서의 비용과 성공률은 직접 재 봐야만 알 수 있습니다.

정리하면 순서는 이렇습니다. 먼저 내 계정에서 이용 가능한지 확인하고, 작은 업무 하나를 격리된 환경에서 두 모델로 돌려 보고, 작업당 비용과 성공률을 기록한 뒤, 그 결과로 선택하는 것입니다.