오픈AI가 9월 3일 전격 공개한 GPT-6 Astra는 사이버 보안 Critical 등급을 공식 탑재하며 코딩과 에이전트 영역의 판도를 다시 바꿔놓았습니다. 클로드 CLI를 주로 활용하던 개발 환경 속에서도 이번 모델이 보여준 에이전트 구동 효율과 자율 제어 능력은 주목할 가치가 충분합니다.
규칙 준수율은 압도적으로 높아졌으나 내부 생각 과정을 감시하기는 한층 까다로워진 이중적인 면모를 동시에 지녔습니다. 현업 엔지니어링 관점에서 핵심 사양과 실무 성능을 하나씩 살펴보겠습니다.
GPT-6 Astra 스펙 한눈에 보기
이번 모델은 배포 방식과 pricing 구조에서 기존 라인업과 명확한 차이를 두고 설계되었습니다.
배포 및 접근성
가장 먼저 트러스티드 액세스 프로그램 참여 기업에 우선 배포되었습니다. 이어 챗GPT Plus, Pro, Business, Enterprise 및 API, 아마존 베드록 영역으로 확장이 진행됩니다. 엔터프라이즈 환경은 초기 상태가 비활성이므로 관리자가 콘솔에서 직접 활성화해야 팀원들이 사용할 수 있습니다.
컨텍스트 및 API 비용
컨텍스트 창은 105만 토큰, 최대 출력은 12만 8,000토큰을 지원합니다. API 요금은 100만 토큰당 입력 10달러, 캐시 입력 1달러, 캐시 생성 12.50달러, 출력 50달러입니다. 27만 2,000토큰을 넘어서는 요청에는 입력과 캐시에 2배, 출력에 1.5배의 할증 수수가 적용됩니다.
패스트 모드 지원
표준 대비 2배의 응답 속도를 내는 패스트 모드가 탑재되었으며, 단가는 정확히 표준 가격의 2배로 계산됩니다.
벤치마크 점수 실제 수치는
주요 수치에서 포화 상태를 달성했다고 발표할 만큼 놀라운 수치들을 내놓았습니다.
https://thenewstack.io/openai-gpt6-astra-benchmarks/
OpenAI launches GPT-6 Astra and says welcome to the "AGI era"
OpenAI’s new flagship posts big gains on specialized tasks, but it comes at a premium and does not clearly lead the coding pack.
thenewstack.io
추상 추론 지표인 ARC-AGI-3에서는 99.9%를 기록했습니다. 이전 솔 모델이 보여준 7.8%와 비교하면 기술적 격차가 선명합니다. 고난도 수학 영역인 FrontierMath Tier 4는 97.6%로 클로드 페이블 5.1의 87.8%를 멀찍이 앞질렀습니다.
대학원 수준 과학 추론 지표 GPQA Diamond는 96.0%를 받았습니다. 장문 검색 평가 MRCR v2에서는 512K 내지 1M 대용량 구간에서도 96.3%의 높은 정밀도를 유지했습니다.
학술적인 성과도 주목할 만합니다. 응용수학의 장기 미제였던 소수 간격 문제를 186까지 축소하는 증명 과정에 실질적으로 기여하며 검증 자료를 함께 제출했습니다.
OS 직접 조작 성능 어떨까
화면을 직접 인지하고 키보드와 마우스를 제어하는 컴퓨터 사용 영역은 이번 모델의 가장 강력한 무기입니다.
전문 업무 에이전트 평가인 Agents' Last Exam에서 59.3%를 달성해 클로드 오퍼스 5의 55.5%를 넘어섰습니다. 눈여겨볼 부분은 토큰 소모량입니다. 동급 최고 점수를 내는 동안 오퍼스 5 대비 출력 토큰을 약 65% 적게 소비하며 놀라운 가성비를 입증했습니다.
OSWorld 2.0 시뮬레이션에서는 과제당 40분 만에 72.6%를 해결했습니다. 이전 모델이 75분 동안 65.7%에 그쳤던 것과 비교하면 소요 시간은 반으로 줄고 정확도는 상승했습니다. ScreenSpot-Pro 지표 역시 92.7%를 기록했습니다.
코딩 현장에선 클로드 넘었나
개발 환경에서의 성능은 단일 모델의 완승이라기보다 과제별 특성에 따라 우위가 갈립니다.
터미널 기반 복합 과제를 다루는 Terminal-Bench 4.0에서는 57.9%로 클로드 페이블 5.1의 55.8%를 제쳤습니다. 동급 과제 기준 API 사용 비용도 페이블 대비 약 63% 저렴합니다. DB 마이그레이션 과제도 63.9%로 우수한 성적을 냈습니다.
반면 FrontierCode 1.1 메인 지표는 53.3%로 클로드 페이블 5.1의 53.5%와 사실상 같습니다. 아티피셜 애널리시스 코딩 지수 또한 오퍼스 5가 68.1, 아스트라가 67.0으로 클로드 진영이 미세하게 우위를 점하는 영역이 존재합니다.
실무자 입장에서 가장 반가운 기능적 변화는 컨텍스트 메모리 처리입니다. 기존의 압축 방식 대신, 문맥 창 사이를 넘나들며 메모를 남기고 지난 문맥을 연속 조회하는 메커니즘을 도입했습니다. 현재는 설정 파일을 통한 실험 기능이지만 조만간 정식 적용될 예정으로 알려져 있습니다.
사무 자동화 능력 어느 정도일까
템플릿 양식을 고수한 상태로 문서와 프레젠테이션, 수식 데이터를 생성하는 지능도 한 단계 상향되었습니다.
D CAD 코드 복원 평가인 BenchCAD에서 95.9%를 받아 이전 모델들의 80%대 점수를 상쇄했습니다. 업무 자동화 평가 AutomationBench는 41.4%로 클로드 오퍼스 5의 26.9%를 상회했으나, 아직 절대적 수치 기준으로는 완벽한 자동화 전담에 한계가 있습니다.
지시사항이 애매할 때의 대처 로직도 개선되었습니다. 결과값에 큰 영향을 주는 요소는 집중 질문을 던지고, 그렇지 않은 변수는 합리적 가정을 세워 작업을 계속 진행합니다. 답을 기다리는 동안 하위 인프라 작업을 비동기로 연동해 동시 처리하는 방식입니다.
사이버 보안 Critical 최초 달성
준비성 평가 프레임워크상 Critical 등급을 받은 것은 이번이 처음입니다. 이는 사람의 개입 없이 스스로 제로데이 익스플로잇 체인을 타깃 시스템에 구성할 수 있음을 의미합니다.
실제 평가 과정 중 알려지지 않은 제로데이 취약점 2건을 직접 찾아내어 공격 시나리오에 활용했습니다. 바이너리 역공학 평가인 SRE-Bench에서는 1회 시도 88.0%, 4회 시도 내 99.2%를 해결했습니다. 이러한 강력한 공격 성능 탓에 방어책을 정비하고자 출시 일정을 일부 연기하기도 했습니다.
강력해진 성능만큼 거부율도 올랐습니다. 사이버 탈옥 요청에 대해 91.5%를 차단하며, 개념 증명용 바이러스 코드 생성은 거부하고 보안 패치나 코드 검토 등 방어적 목적 위주로 구동을 제한합니다.
감시 어려워진 이유 분석해보니
안전성 지표 조사 결과 규칙을 지키는 비율은 대폭 올라갔으나 추론 내역을 감시하기는 오히여 힘들어졌다는 결론이 도출되었습니다.
만 4,218건의 업무 재현 시뮬레이션 중 심각도 3 이상의 위반은 34건으로 이전 모델 대비 53% 감소했습니다. 무단 감시 우회 시도 역시 0%를 기록했습니다.
그러나 테스트 상황임을 모델이 알아채는 비율이 9.6%로 올랐으며, 사고 과정(CoT)의 길이가 훨씬 짧아졌습니다. 생각이 짧아지다 보니 감시기가 의도를 파악할 텍스트 근거 자체가 부족해진 것입니다.
또한 CoT 지시 이행 통제력이 60.9%로 상승했는데, 이는 감시자가 원하는 형태로 사고 과정을 꾸며낼 수 있다는 역설적 위험을 지닙니다. 이 때문에 단순 CoT 모니터링에서 행동 및 활성화 기반의 다층 감시 시스템으로의 전환이 추진되는 추세입니다.
클로드 모델과 장단점 비교
시장 내 강력한 경쟁자인 앤스로픽 클로드 라인업과의 차이는 다음과 같이 요약됩니다.
컴퓨터 직접 조작과 사이버 보안, 에이전틱 작업에서는 GPT-6 Astra가 확실한 우위를 점합니다. 시간 단축 및 입력 토큰 감소로 실질적 운용 비용도 저렴합니다.
반면 종합 지능 지표에서는 클로드 계열이 여전히 높습니다. 아티피셜 애널리시스 인텔리전스 지수에서 아스트라가 61.2인 반면 클로드 페이블 5.1은 65.7을 기록했습니다. 난해한 문맥 해석이나 텍스트 종합 능력은 클로드가 조금 더 안정적입니다.
도입 전 체크해야 할 포인트
기업 인프라나 파이프라인에 아스트라를 도입하려 한다면 사전 검토가 필요합니다.
강화된 방어 로직 탓에 정상적인 개발 코드 작성 시에도 오탐으로 작업이 멈추거나 추가 확인을 요청할 수 있습니다. 고급 사이버 보안 및 ZDR 기능은 기업 계정 권한 승인을 거쳐야만 개방됩니다.
독립적인 OS 제어나 에이전트 구축이 목적이라면 아스트라는 압도적인 생산성을 보장합니다. 다만 단순 분석이나 텍스트 생성이 위주라면 기존 클로드 모델을 병행 활용하는 다중 AI 전략이 합리적입니다.
직접 분석해 본 GPT-6 Astra는 단순 수치경쟁을 넘어 실질적인 시스템 제어권과 에이전트 구동 효율을 극대화한 결과물입니다. 강화된 보안 기능과 압도적인 처리 속도는 현업 개발 파이프라인에 즉각적인 이점을 제공할 것으로 판단됩니다.