[AI] 이틀 만에 4개 랩이 신모델을 냈다: 2026년 9월 프론티어 가격 전쟁

2026년 9월 21일과 22일, 이틀 사이에 네 개 랩이 신모델을 냈다. xAI의 Grok 4.7, Xiaomi의 MiMo-V2.6 Pro/Flash, Anthropic의 Claude Opus 5.5, OpenAI의 GPT-6 Sol/Luna다. 출시 자체보다 눈에 띄는 것은 가격표다. Simon Willison은 같은 날 글에서 이 상황을 “a new price war"라고 불렀다. 이 글은 네 모델의 공개 스펙과 가격을 한 표로 놓고, 가격 구조가 의미하는 바와 벤치마크 수치를 읽을 때 조심할 점, 모델을 고르는 기준을 정리한다.

네 모델을 한 표로 보기

아래 표는 각 랩의 공식 문서와 보도에서 확인되는 값을 모은 것이다. 가격 단위는 100만 토큰당 달러(입력/출력)다.

모델	랩	출시일	컨텍스트	입력/출력 ($/1M)	포지셔닝	라이선스
Grok 4.7	xAI	09-21	500K	$2 / $6 (200K 이하), $4 / $12 (초과)	코딩·에이전틱·지식 작업	폐쇄형
MiMo-V2.6-Pro	Xiaomi	09-21	1M	$0.435 / 출력 별도	옴니모달, 총 1.02조·활성 420억 파라미터	MIT
MiMo-V2.6-Flash	Xiaomi	09-21	1M	$0.14 / —	Pro의 경량판	MIT
Claude Opus 5.5	Anthropic	09-22	1M	$4 / $20	장시간 에이전틱 코딩·지식 작업	폐쇄형
GPT-6 Sol	OpenAI	09-22	1.05M	$2 / $10	코드 리뷰·디버깅 등 복잡한 개발 작업	폐쇄형
GPT-6 Luna	OpenAI	09-22	1.05M	$0.10 / $0.50	요약·데이터 추출 등 고용량 단순 작업	폐쇄형

MiMo-V2.6 Pro/Flash의 출력 단가는 이 글에서 확인한 자료에 명시되지 않아 비워 두었다. 입력 단가만으로 비교하면 MiMo가 가장 싸지만, 출력 비중이 큰 작업에서는 결과가 달라질 수 있다.

가격 전쟁의 구조

OpenAI는 GPT-6 Sol/Luna의 가격이 “permanent prices, not promotional or introductory pricing"이라고 VentureBeat에 밝혔다. 한시적 프로모션이 아니라 정가 인하라는 뜻이다. 이 점이 중요한 이유는, 팀이 프로모션 가격을 전제로 비용 모델을 세우면 프로모션이 끝날 때 예산이 틀어지기 때문이다.

OpenAI의 라인업은 이제 세 단으로 나뉜다. Astra($10/$50)는 최고 난도 작업용, Sol($2/$10)은 복잡한 개발 작업용, Luna($0.10/$0.50)는 고용량 단순 작업용이다. 같은 벤더 안에서 작업 난도별로 가격을 100배 가까이 벌려 놓은 셈이어서, “어떤 작업을 어떤 모델에 보낼지"를 라우팅하는 설계가 곧 비용 설계가 된다.

경쟁 구도에서 눈에 띄는 배치는 Sol이다. Sol의 $2/$10은 Anthropic Sonnet 5와 같은 가격대이고, 새로 나온 Opus 5.5($4/$20)보다는 정확히 절반이다. 두 모델이 겹치는 영역인 에이전틱 코딩·개발 작업에서 가격만 보면 Sol이 절반 값에 들어오는 구도다. Anthropic은 Opus 5.5가 Opus 5 대비 워크로드 비용을 40% 낮췄다고 밝혔으므로, 양쪽 모두 같은 주에 비용을 내린 셈이다.

같은 주에 Xiaomi는 MiMo-V2.6을 MIT 라이선스 오픈웨이트로 공개했고, Artificial Analysis Intelligence Index v4.3에서 46.32점을 기록했다고 보도됐다. 폐쇄형 모델의 가격 압력이 폐쇄형 경쟁사끼리만 오가는 것이 아니라 오픈웨이트 진영에서도 동시에 오고 있다는 신호다.

같은 작업에 얼마가 드는가

가격표를 실제 부하로 환산해 보자. 입력 1,000만 토큰, 출력 200만 토큰을 쓰는 작업을 가정한다. 이 가정은 설명용이며, 실제 비율은 작업에 따라 다르다. 계산은 위 표의 단가를 그대로 곱한 값이다.

모델	입력 비용	출력 비용	합계
Claude Opus 5.5	$40	$40	$80
GPT-6 Sol	$20	$20	$40
Grok 4.7 (컨텍스트 200K 이하)	$20	$12	$32
GPT-6 Luna	$1	$1	$2

Opus 5.5와 Sol의 차이는 정확히 2배이고, Sol과 Luna의 차이는 20배다. 즉 가장 큰 절감 레버는 “랩을 바꾸는 것"보다 “단순 작업을 싼 티어로 내리는 것"이다. 다만 Luna로 내려도 품질이 충분한지는 작업별로 따로 검증해야 한다.

벤치마크 수치를 읽는 법

VentureBeat 보도에 따르면 Sol은 AutomationBench에서 Opus 5 대비 약 11배 낮은 비용(과업당 $0.27)으로 더 높은 점수(33.2%)를 기록했다. 인상적인 숫자지만 두 가지를 짚어야 한다.

이 수치는 서로 다른 설정에서 측정된 것이라 직접 비교가 어렵다. 같은 하네스, 같은 시도 횟수, 같은 도구 권한에서 돌린 결과가 아니면 “11배 저렴하면서 더 잘한다"는 결론은 과하다.
비교 대상이 Opus 5이지 이번에 출시된 Opus 5.5가 아니다. Opus 5.5는 워크로드 비용을 40% 낮췄다고 하므로, 격차의 일부는 이미 좁혀졌을 수 있다.

벤더가 보고하는 벤치마크는 마케팅 자료로 먼저 읽는 것이 안전하다. 의사결정에 쓰려면 자신의 과제로 직접 돌려 봐야 한다.

모델을 고르는 기준

복잡한 코딩·디버깅 작업의 기본값: Sol과 Opus 5.5가 같은 영역에 있고 가격은 2배 차이다. 먼저 Sol로 자신의 과제 샘플을 돌려 보고, 실패하는 유형에만 Opus 5.5를 쓰는 단계적 접근이 비용 면에서 합리적이다.
고용량 단순 작업: 요약·추출·분류는 Luna급 티어에서 먼저 시험한다. 품질이 모자라면 올리는 쪽이 처음부터 큰 모델을 쓰는 것보다 싸다.
긴 컨텍스트: 컨텍스트 창은 Opus 5.5 1M, Sol/Luna 약 1.05M, MiMo 1M으로 비슷하다. Grok 4.7은 500K이고 200K를 넘으면 단가가 두 배($4/$12)가 되므로 긴 입력에서는 계산을 다시 해야 한다.
자체 호스팅·데이터 주권: 오픈웨이트가 필요하다면 MIT 라이선스의 MiMo-V2.6이 선택지다. 다만 활성 420억 파라미터급 모델을 직접 서빙하는 비용은 API 단가표에 나오지 않는다.
가격 고정 가정 금지: 같은 주에 두 랩이 가격을 내렸다는 것은 가격이 다시 움직일 수 있다는 뜻이다. 모델 호출부를 추상화해 두면 교체 비용이 낮아진다.

정리

2026년 9월 말의 변화는 성능 경쟁에서 “같은 성능대의 비용 경쟁"으로 무게중심이 옮겨 가는 장면으로 읽힌다. 실무에서 가져갈 점은 세 가지다. 작업 난도별로 모델 티어를 나누는 라우팅이 가장 큰 비용 레버이고, 벤더 벤치마크는 직접 재현 전에는 참고 수준으로만 쓰며, 모델 호출 계층을 갈아끼우기 쉽게 만들어 두는 것이다. 이 글의 가격은 2026년 9월 22–23일 기준 공개 자료이므로 적용 전에 각 공식 페이지에서 현재 가격을 다시 확인해야 한다.