GPT-6.1 Terra Took 70 Seconds. Sonnet Took 12 Minutes.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

GPT-6.1 Terra는 같은 게임 제작 요청을 70초에 끝냈지만, 12분을 쓴 Sonnet은 시각적 완성도가 높아 속도·비용과 결과물 품질을 작업별로 판단해야 한다.

📌 핵심 요점

1. 동일한 Star Fox풍 게임 제작 요청에서 Terra는 1분 10초, Sonnet은 12분 4초가 걸렸다. Terra는 기본 조작이 가능한 소박한 결과물을, Sonnet은 협곡·빛·레이저 표현이 풍부한 결과물을 만들었다.
2. 영상이 인용한 Artificial Analysis 지능 지수는 Terra 48점, Sonnet 56점, Argon 53점이었다. 반면 과제당 비용은 Terra 약 0.40달러, Sonnet 약 5.46달러로 소개돼 지능 점수와 비용 효율이 다른 순서를 보였다.
3. 완료 시간은 초당 출력 속도와 다르다. Sonnet은 초당 약 140토큰으로 Terra의 약 90토큰보다 빨랐지만, 게임 제작에서 약 8만 6천 토큰을 사용해 약 6천 토큰을 사용한 Terra보다 오래 걸렸다.
4. 버그 탐지·수정 시험에서는 Terra와 Sonnet이 모두 16점 만점을 받았다. Terra는 37초·약 3센트, Sonnet은 74초·약 23센트로 제시됐다. 다만 단일 실행이며, Argon 채점에는 출제자가 의도하지 않은 실제 버그를 감점한 문제가 있었다.
5. 영상의 권고는 작업별 선택이다. 시각적 완성도가 중요한 게임·3D 장면은 Sonnet, 양식 입력·목록 정리·반복적인 작은 작업은 Terra가 유력하다. Argon의 제작 시험 중단은 모델 성능보다 실행 환경 문제일 가능성이 있다고 설명한다.

🧩 배경과 문제 정의

영상은 같은 게임 제작 요청을 받은 GPT-6.1 Terra와 Claude Sonnet 5.5의 완료 시간이 크게 달랐다는 사례에서 출발한다. 핵심 질문은 Terra가 상위 모델을 전반적으로 대체하는지, 아니면 빠르고 저렴한 일상 작업에 적합한 별도 선택지인지다.

이를 살펴보기 위해 영상은 제품 포지셔닝과 가격, 제조사 발표 수치, Artificial Analysis의 비교 결과, 공개 사용자 사례, 자체 제작·버그 시험을 차례로 제시한다. 제조사 주장과 독립 평가, 사용자 단일 사례와 자체 단일 실행은 근거의 성격이 다르므로 구분해서 읽어야 한다.

🕒 시간순 섹션별 상세정리

1. 같은 게임 요청에서 출발한 Terra의 위치와 가격

• 두 모델에 도움 없이 한 번에 Star Fox풍 게임을 만들라고 요청했다. Terra는 70초 만에 거친 초안을, Sonnet은 약 12분 만에 더 풍부한 시각적 결과물을 만들었으며, Argon은 파일 저장에 실패했다고 예고한다. [00:42]
• 영상은 Terra를 10월 26일 출시된 중간급 일상 모델로 보여준다. 유료 ChatGPT 요금제, Codex, API 등에서 사용할 수 있고, 기본 API 가격은 100만 토큰당 입력 1달러·출력 5달러라고 보여준다. [01:48]
• 약 100만 토큰의 문맥 창을 제공하지만 입력이 27만 2천 토큰을 넘으면 요청 전체의 입력 요금은 두 배, 출력 요금은 1.5배가 된다고 한다. Terminal Bench 4.0의 50.3%와 상위 모델 대비 세 배 이상 빠른 완료 시간은 제조사 발표 수치임을 명시한다. [02:27]

2. 독립 평가가 보여준 지능·비용·완료 시간의 차이

• 제작자 교육 서비스 홍보 뒤 Artificial Analysis 결과를 보여준다. 지능 지수는 Terra 48점·25위, Sonnet 56점·2위, Argon 53점·9위였고, Soul은 52점으로 Terra보다 높았다. [03:25]
• 같은 지수 평가의 과제당 비용은 Terra 약 0.40달러, Argon 약 1.62달러, Sonnet 약 5.46달러로 묶인다. 전체 사용량은 각각 약 1억 3천만·1억 1천만·4억 2천만 토큰으로, 출력량이 실제 비용 차이를 키웠다고 보여준다. [03:58]
• 초당 출력 속도는 Sonnet 약 140토큰, Terra 약 90토큰, Argon 약 80토큰이었다. Terra가 빠르다는 표현은 출력 속도보다 과제를 일찍 끝낸다는 의미로 해석해야 한다고 강조한다. [04:15]

3. 상위 모델 대체설과 컴퓨터 사용 중심의 실제 용도

• Terra가 Soul을 더 싸게 능가한다는 출시 전 보도와 달리, 영상이 인용한 OpenAI 안내는 심층 연구나 복잡한 코딩에 Soul·Astra를 권한다. Terra의 주된 제안은 화면 조작·양식 입력·앱 사용을 빠르고 저렴하게 처리하는 것이다. [04:57]
• 영상은 제조사 안전성 문서의 사이버 역량 등급과 일부 시험에서 장벽을 우회했다는 결과를 언급한다. 이어 그림판 초상화, 긴 웹 양식 입력, Blender 제작 등의 공개 사례를 소개하지만, 일부는 한 번의 실행 결과임을 함께 드러낸다. [06:28]
• 낮은 지능 지수와 고래 장면의 부족한 표현력을 비판한 반응도 보여준다. 제작자는 최고급 모델처럼 사용하면 실망할 수 있지만 일상적인 컴퓨터 작업의 속도와 비용으로 평가해야 한다는 관점을 제시한다. [07:16]

4. 자체 시험 조건과 Argon의 실행 환경 문제

• 세 모델에 같은 프롬프트를 주고, 빈 폴더에서 높은 추론 노력 설정과 웹 검색 비활성화 조건으로 한 번씩 실행했다. 추가 도움이나 후속 요청은 제공하지 않았다. [07:41]
• Terra는 Codex, Sonnet은 Claude Code의 구독 환경에서 실행했다. 표시된 비용은 해당 구독의 실제 청구액이 아니라 같은 실행을 API로 수행했을 때의 환산액이라고 보여준다. [07:53]
• Argon은 OpenRouter 연결을 통한 첫 환경에서 네 번 모두 API 오류가 났고, 다른 환경에서도 두 제작 작업이 24분·30분 동안 파일을 저장하지 못한 채 멈췄다. 제작자는 환경 문제일 가능성을 인정해 제작 시험의 패배로 처리하지 않았고, 단일 실행만으로 확정적인 판정을 내릴 수 없다고 덧붙인다. [08:37]

5. 게임과 고래 장면에서 드러난 시각적 완성도 차이

• 단일 HTML 게임에서 Terra는 1분 10초·약 4센트로 기본 조작이 가능한 결과물을 만들었다. Sonnet은 12분 4초가 걸렸고 협곡·햇빛·발광 레이저 등의 표현이 우수했다. 사용 토큰은 약 6천 대 8만 6천이었으며, Sonnet 비용의 자막 표기는 후반 전체 비용과 대조가 필요하다. [09:34]
• 석양의 바다에서 혹등고래가 뛰어오르는 3D 장면은 Terra가 54초·약 4센트, Sonnet이 22분·2.93달러로 제시됐다. Terra는 동작과 물결 요소를 구현했지만 고래 형태가 부족했고, Sonnet은 고래의 형태와 수면·물보라 표현이 더 좋았다고 평가한다. [10:34]
• 제작자는 더 좋은 결과물에 추가 비용을 지불할 가치가 작업에 따라 다르다고 본다. 시각적 완성도가 필요한 랜딩 페이지와 하루 수백 건의 작은 업무는 서로 다른 판단이 필요하다는 것이다. [10:44]

6. 버그 시험의 동점 결과와 채점상의 한계

• 약 740줄·세 파일의 공동 지출 앱에 버그 여덟 개와 정상 코드인 함정 세 개를 넣었다. 페이지 처리, 금액 저장, 접근 권한, 검색 데이터 노출 등을 대상으로 수정 성공에 점수를 주고 오탐에는 감점했으며, 모델명을 가린 답안을 두 외부 모델이 채점했다. [11:43]
• Terra는 37초·약 3센트, Sonnet은 74초·약 23센트로 모두 16점 만점을 받았다. 둘 다 의도된 버그 여덟 개를 찾았고 함정에는 걸리지 않았다. [11:58]
• Argon은 그룹 전환 시 잘못된 지출이 표시되는 경쟁 상태 버그를 놓쳐 13점을 받았다. 다만 추가 지적에 대한 감점은 출제자가 의도하지 않은 실제 버그였으므로 부당했다고 인정한다. 두 채점 모델의 점수는 일치했으며, 제작자는 이 시험에서 Terra가 Sonnet과 동점으로 더 빠르고 저렴했다고 정리한다. [12:30]

7. 작업별 선택과 제작자의 최종 사용 방침

• 게임·3D 장면·시각적 완성도가 중요한 랜딩 페이지는 Sonnet을 권한다. 반면 작은 작업을 많이 처리하거나 컴퓨터 조작 에이전트를 쓰려는 경우에는 Terra가 유력하다고 평가한다. [13:05]
• 자신의 재판매 업무에서는 양식 입력과 상품 목록 정리처럼 빠르고 저렴하게 끝내야 하는 일에 Terra를 쓰겠다고 한다. Argon은 독립 평가에서 Terra보다 높았지만 사용하는 코딩 도구와의 연결 문제가 해결돼야 추천하기 쉽다고 보여준다. [13:28]
• 주력 코딩 모델은 여전히 Opus 5.5이며, Terra는 가격상 이점 때문에 계속 사용할 계획이라고 드러낸다. 시청자에게 Terra와 Sonnet 중 어떤 모델을 사용할지 묻고 반응을 요청하며 마무리한다. [13:47]

🧾 결론

• 이번 비교에서 Terra의 강점은 짧은 완료 시간과 낮은 비용이었다. 이것만으로 종합 지능이나 모든 코딩 작업의 우위를 뜻하지는 않는다.
• Sonnet은 두 시각적 제작 시험에서 더 좋은 결과물을 보여줬다. 추가 시간과 비용의 가치는 결과물이 요구하는 완성도에 달려 있다.
• 버그 시험의 동점은 Terra의 실용성을 보여주는 사례지만, 한 번의 실행과 제한된 과제로 일반적인 동등성을 확정하기는 어렵다.
• 제작자는 Terra를 반복 업무용으로 유지하겠다고 했으며, 자신의 주력 코딩 모델은 여전히 Opus 5.5라고 밝혔다.

📈 투자·시사 포인트

• 에이전트 도입 비용은 토큰 단가뿐 아니라 실제 사용 토큰 수와 과제 완료 비용으로 비교해야 한다. 영상에서는 단가 차이보다 과제당 비용 차이가 크게 나타났다.
• 업무 자동화에서는 최고 지능 점수 외에 처리 시간과 반복 실행 비용이 선택 기준이 될 수 있다. 양식 입력과 목록 정리는 영상이 제시한 적용 사례다.
• 시각적 결과물이 중요한 작업에서는 제작 비용을 낮추는 것과 완성도를 높이는 것 사이의 판단이 필요하다. 영상의 게임·고래 장면은 이 차이를 보여준다.
• 모델을 실제 업무에 도입하려면 사용하는 코딩 에이전트와 API 연결의 안정성도 평가해야 한다. Argon 사례에서는 실행 환경이 비교 자체를 제한했다.

⚠️ 불확실하거나 확인이 필요한 부분

• 각 자체 시험은 모델별 단일 실행이다. 동일 프롬프트라도 반복 실행에 따른 품질·시간·비용 변동은 확인되지 않았다.
• 게임 제작의 Sonnet 비용은 자막에 $143으로 나오지만, 마지막에는 Sonnet 전체 시험 비용이 약 4.60달러라고 제시된다. 두 수치는 상충하므로 원본 화면이나 사용량 기록을 확인하기 전까지 게임 비용과 비용 배수를 확정하면 안 된다.
• Terra와 Sonnet은 서로 다른 구독형 코딩 도구에서 실행됐고, 표시 비용은 실제 구독 청구액이 아니라 같은 실행을 API로 수행했을 때의 환산 비용이다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복 업무, 버그 수정, 시각적 제작을 나누고 각 작업의 최소 통과 기준을 정한다.
• 실제 사용할 도구에서 같은 과제를 여러 번 실행해 완료율·소요 시간·사용 토큰·결과물 품질을 함께 기록한다.
• 게임 제작 비용의 $143 표기와 전체 비용을 원본 화면 또는 사용량 기록으로 대조한다.
• 긴 입력을 사용하는 경우 영상이 설명한 27만 2천 토큰 초과 요금 조건이 적용되는지 확인하고 예상 비용을 계산한다.

❓ 열린 질문

• 같은 작업을 반복 실행해도 Terra의 완료 시간과 비용 우위, Sonnet의 시각적 품질 우위가 유지되는가?
• 검수와 재작업까지 포함하면 각 모델의 최종 작업당 비용은 어떻게 달라지는가?
• 실제 업무에서 Sonnet의 추가 완성도가 더 긴 대기 시간과 높은 비용을 정당화하는 기준은 무엇인가?