GPT-5.6 모델군이 Sol, Luna, Terra 세 갈래로 나뉜다는 얘기가 돌고 있는데, 아직 제한 프리뷰 또는 제한 접근 상태로 언급되는 자료가 많아서 “무조건 이게 정답”처럼 받아들이긴 어렵습니다. 다만 현재 공개된 스니펫 기준으로 포지션은 꽤 명확합니다. Sol은 플래그십, Terra는 균형형, Luna는 경량 고속형입니다.

바이브 코딩에서 중요한 건 “어느 모델이 제일 똑똑한가”보다 “어느 단계에서 돈과 시간을 태울 가치가 있는가”입니다. 저는 모델을 고를 때 작업을 세 종류로 나눕니다. 설계 판단이 필요한 작업, 구현 밀도가 높은 작업, 반복 변환 작업입니다.

Sol은 설계 판단이 필요한 작업에 몰아 쓰는 쪽이 맞습니다. 복잡한 아키텍처 설계, 여러 파일을 넘나드는 디버깅, 인증·권한·결제·보안처럼 한 번 틀리면 되돌리기 비싼 영역은 Sol이 어울립니다. 검색 스니펫에서도 Sol이 세 모델 중 최고 성능 또는 플래그십이고, 고난도 추론과 복잡한 코딩, 보안 작업에 적합하다고 소개되는 흐름입니다.

여기서 실무 팁 하나는 Sol을 “코드 많이 뽑는 모델”로 쓰지 않는 겁니다. Sol에는 바로 구현을 맡기기보다 먼저 `변경 영향 범위`, `파일별 수정 순서`, `실패 가능성이 높은 지점 3개`, `테스트 관찰 포인트`를 뽑게 하는 게 효율이 좋습니다. 체감상 긴 코드 생성을 한 번에 시키는 것보다, 1차로 20~30줄짜리 실행 계획을 만들고 그 계획을 Terra나 Luna로 쪼개 처리하는 편이 삽질이 줄어듭니다.

Terra는 실제로 가장 많이 쓰게 될 포지션입니다. 스니펫 기준으로도 성능과 비용의 균형을 노린 중간급 모델이고, 일반 기능 구현, 코드 리뷰 보조, 문서화, 업무 자동화에 적합하다고 설명됩니다. “대부분의 PR 단위 작업”은 Terra로 시작하는 게 제일 무난합니다.

제가 쓰는 기준은 간단합니다. 한 번의 요청에서 수정 대상 파일이 1~5개이고, 요구사항이 이미 정해져 있고, 새로운 구조 판단보다 기존 패턴을 따라가는 일이면 Terra부터 씁니다. 예를 들면 API 응답 필드 추가, 폼 유효성 검사 추가, 관리자 페이지 테이블 컬럼 추가, 기존 훅 재사용 같은 작업입니다.

Luna는 빠른 응답과 낮은 비용을 중시하는 모델로 보면 됩니다. 요약, 초안 작성, 대량 자동화, 단순 반복 작업에 적합하다는 설명이 많습니다. 바이브 코딩에서는 “생각”보다 “처리량”이 중요한 곳에 붙이면 좋습니다.

예를 들어 30개 파일에서 import 경로를 바꾸거나, 컴포넌트 이름을 규칙에 맞게 바꾸거나, 기존 코드에서 TODO 목록만 추출하는 작업은 Luna 쪽이 더 어울립니다. 다만 Luna에는 “왜 이렇게 바꿔야 하는지 판단”을 오래 맡기지 않는 게 좋습니다. 빠르게 초안을 뽑고, Terra로 검수하거나 Sol로 설계 리스크만 보는 식이 낫습니다.

추론 수준은 Sol이 가장 높고, Terra가 중간, Luna가 가장 가벼운 처리 중심이라고 보는 게 현재 자료와도 맞습니다. 다만 일부 스니펫에서 GPT-5.6에 깊은 추론 옵션이나 새 추론 모드가 있다는 언급은 있지만, 구체적인 모드명이나 동작 방식은 확정하기 어렵습니다. 그래서 지금 단계에서는 “추론 모드 이름”보다 “작업 분배 방식”을 먼저 잡는 게 안전합니다.

제가 추천하는 기본 라우팅은 이렇습니다. 처음 보는 레거시 코드, 장애 원인 분석, DB 스키마 변경, 권한 흐름 변경은 Sol로 시작합니다. 이미 방향이 정해진 기능 구현과 리팩터링은 Terra로 갑니다. 변환, 요약, 문서 초안, 반복 패턴 적용은 Luna로 돌립니다.

조금 더 실무적으로는 프롬프트 맨 앞에 예산을 박아두면 모델 선택 실패가 줄어듭니다. 예를 들어 Sol에는 “코드를 작성하지 말고 의사결정만 하라”고 제한하고, Terra에는 “수정 파일별 diff 계획을 먼저 쓰고 그 다음 코드 작성”을 시킵니다. Luna에는 “판단하지 말고 입력 형식 유지, 변환만 수행”이라고 못 박는 게 좋습니다.

제가 자주 쓰는 문장은 이런 식입니다.

역할: 이 요청은 구현이 아니라 변경 계획 수립용입니다.
출력 제한: 코드 작성 금지.
반드시 포함: 영향 파일, 수정 순서, 깨질 수 있는 케이스 3개, 확인할 테스트 포인트.
모호하면 구현하지 말고 질문 목록만 작성.

이 프롬프트는 Sol에 특히 잘 맞습니다. 바로 코드를 뽑게 하면 모델이 똑똑할수록 “알아서 많이” 고치려는 경향이 있는데, 바이브 코딩에서는 그게 오히려 비용입니다. 먼저 변경 계획을 고정하면 이후 Terra에게 구현을 넘길 때 컨텍스트가 훨씬 깔끔해집니다.

Terra용으로는 조금 다르게 씁니다.

기존 코드 스타일을 우선 따르세요.
새 추상화는 만들지 마세요.
수정 범위가 5개 파일을 넘으면 멈추고 먼저 계획만 제시하세요.
각 파일별 변경 이유를 한 줄로 붙이세요.

여기서 `5개 파일` 제한이 은근 중요합니다. 일반 기능 구현인 줄 알고 시작했는데 6~8개 파일로 퍼지면, 그건 이미 구조 판단이 섞였다는 신호일 때가 많습니다. 이때는 Terra에서 계속 밀어붙이지 말고 Sol로 한 번 올려서 설계 검토만 받는 편이 낫습니다.

Luna에는 반대로 설명을 줄이는 게 좋습니다. “왜”를 많이 묻는 순간 장점이 줄어듭니다. 입력과 출력 포맷을 고정하고, 예시 1개를 넣은 뒤 대량 처리시키는 방식이 제일 깔끔합니다.

아래 목록을 같은 순서로 변환하세요.
설명은 쓰지 마세요.
출력은 markdown table만 사용하세요.
규칙: camelCase는 kebab-case로 변환, 접두사 use는 제거하지 않음.

Luna를 쓸 때 자주 생기는 함정은 “간단한 작업처럼 보이지만 도메인 의미가 필요한 변환”입니다. 예를 들어 `isPaidUser`를 단순히 `paid-user`로 바꾸는 건 쉽지만, 실제 코드에서는 `subscriber`, `member`, `billingAccount` 중 어떤 개념인지 판단해야 할 수 있습니다. 이런 건 Luna가 아니라 Terra 이상으로 올리는 게 맞습니다.

세 모델을 한 요청 안에서 섞어 쓰는 방식도 꽤 쓸 만합니다. Sol로 설계 초안과 위험 지점을 뽑고, Terra로 구현 diff를 만들고, Luna로 문서·체인지로그·마이그레이션 안내문을 뽑는 식입니다. 이 흐름을 쓰면 비싼 모델은 판단에만 쓰고, 반복 산출물은 가벼운 모델로 뺄 수 있습니다.

판단 기준을 하나만 가져가라면 저는 “되돌리기 비용”을 봅니다. 잘못 생성된 문서 초안은 Luna로 충분합니다. 잘못된 컴포넌트 구현은 Terra에서 고칠 수 있습니다. 잘못된 권한 설계나 DB 마이그레이션은 Sol부터 태우는 게 맞습니다.

현재 GPT-5.6 접근 정책이나 실제 벤치마크 수치는 아직 외부 검증이 더 필요해 보입니다. 일부 스니펫에서는 Sol이 보안 테스트나 코딩 벤치마크에서 높게 나왔다고 하고, Terra가 GPT-5.5급 성능을 더 낮은 비용으로 제공하는 포지션이라고도 하지만, 이런 숫자는 실제 API 가격과 제한이 열려야 체감이 가능합니다.

그래도 바이브 코딩 실무에서 모델 선택 원칙은 지금도 세울 수 있습니다. Sol은 “결정”, Terra는 “구현”, Luna는 “처리”로 나누면 됩니다. 이 기준으로 라우팅하면 모델 이름이 조금 바뀌거나 추론 옵션이 추가돼도 워크플로는 크게 흔들리지 않습니다.