GPT-6 Astra 출시, 값은 2.5배인데 코딩 작업당 비용은 내려가는 이유

AI 요약

• GPT-6 Astra가 9월 3일 나왔고 API 단가는 Sol의 2.5배입니다.
• 코딩에서는 토큰을 3분의 1만 써서 작업당 비용은 오히려 내려갑니다.
• 독립 측정 Intelligence Index는 61로 Sol과 같습니다.

OpenAI가 2026년 9월 3일 GPT-6 Astra를 열었습니다. 이틀 전인 9월 1일에는 이 모델의 사이버 능력이 자사 Preparedness Framework의 Critical 등급을 넘었다고 밝혔습니다. 사람이 단계별로 알려주지 않아도 알려지지 않은 보안 취약점을 스스로 찾아 악용 코드를 만든다는 판정이고, OpenAI 모델 중 처음입니다. 사장 Greg Brockman은 발표 자리에서 "AGI 시대에 온 것을 환영한다"고 했습니다.

AGI 논쟁은 잠시 접어두고, 개발자가 오늘 계산해야 할 것은 두 줄입니다. API 단가가 100만 토큰당 입력 10달러, 출력 50달러입니다. 전작 GPT-5.6 Sol이 입력 4달러, 출력 20달러이니 정확히 2.5배입니다. 그런데 같은 코딩 과제를 Astra로 돌리면 토큰을 3분의 1만 씁니다. 이 두 숫자의 곱이 갈아탈지를 정합니다.

Sol보다 무엇이 올랐나

가장 크게 오른 쪽은 컴퓨터를 직접 조작하는 작업입니다. 화면을 보고 마우스와 키보드를 움직여 스프레드시트나 사내 시스템을 대신 다루는 일을 말합니다. OpenAI가 함께 낸 표에서 데스크톱 조작 벤치마크 OSWorld 2.0이 Sol의 65.7%에서 72.6%로 올랐고, 같은 과제를 끝내는 데 걸린 시간이 약 75분에서 약 40분으로 줄었습니다.

전부 OpenAI가 자기 모델을 자기 방식으로 잰 수치입니다. Hacker News에서는 Astra만 OpenAI의 Responses API 하네스로 측정하고 비교 대상 모델은 다른 구성으로 돌렸을 수 있다는 지적이 나왔습니다. 제3자가 같은 조건으로 재현한 결과는 아직 없습니다.

독립 측정에서는 Sol과 동점

벤치마크를 자체적으로 돌리는 Artificial Analysis의 측정은 발표문과 결이 다릅니다. 종합 점수인 Intelligence Index에서 Astra는 61점으로 GPT-5.6 Sol의 61점과 같습니다. Claude Fable 5.1이 66점, Claude Opus 5가 63점, Meta Muse Spark 1.3이 62점이니 순위로는 뒤쪽입니다.

같은 조건에서 일반 추론에 쓰는 출력 토큰은 Sol보다 약 10%만 줄었습니다. 단가가 2.5배로 올랐으니 일반 추론 작업 하나를 끝내는 비용은 Sol보다 75% 비싸집니다. 점수가 같은 작업에서는 값만 오릅니다.

코딩은 반대입니다. Artificial Analysis의 Coding Agent Index에서 Astra는 Codex에서 67점, Claude Fable 5.1은 Claude Code에서 70점입니다. 점수 자체는 조금 뒤지지만 Codex 하네스에서 Astra가 쓴 토큰이 Sol(max)의 약 3분의 1입니다. 단가 2.5배와 토큰 3분의 1을 곱하면 코딩 과제 하나당 비용은 Sol보다 내려갑니다.

한 가지 더 눈에 띄는 개선은 환각입니다. 같은 기관 측정에서 최대 추론 강도일 때 환각률이 Sol의 92%에서 51%로 내려갔고, 그러면서 정확도가 4점 올랐습니다. 보통은 답을 아낄수록 정확도가 같이 떨어지는데 이번에는 그러지 않았습니다.

물론 내려간 항목도 있습니다. 실무 과제 평가인 GDPval-AA v2에서 약 80 Elo가 빠졌고, 고객 지원과 과학 코딩, 장문 추론에서도 소폭 하락했습니다. 모든 항목에서 올라간 모델은 아닙니다.

지금 쓸 수 있나

9월 3일 당일 열린 곳은 OpenAI의 사이버보안 조기 접근 프로그램인 Daybreak에 참여하는 기업뿐입니다. 나머지는 문서 표현으로 "며칠 안"입니다.

사양은 컨텍스트 105만 토큰(최대 입력 92만 2천), 최대 출력 12만 8천 토큰, 지식 컷오프 2026년 4월 30일입니다. reasoning.effort는 low, medium, high, xhigh, max 다섯 단계입니다. Chat Completions와 Responses, Batch에서 부를 수 있고 Realtime과 Assistants, 파인튜닝은 지원하지 않습니다. 도구는 computer_use, hosted_shell, apply_patch, mcp, code_interpreter 등을 씁니다.

비교 대상인 GPT-5.6 Sol의 4달러와 20달러는 8월 21일 인하된 값이고 최소 11월 21일까지 유지되는 프로모션입니다. 그 이후 정가로 돌아가면 5달러와 30달러가 되므로, 2.5배라는 배율도 그때 다시 계산해야 합니다.

한편 ExploitBench 100%는 아무나 받는 모델이 낸 점수가 아닙니다. OpenAI가 공개한 사이버 결과는 시스템 수준 가드레일을 걷어낸 Daybreak Blue 구성에서 나왔고, 기본 프로덕션 구성은 그렇지 않습니다. Daybreak에 이미 들어와 있는 기업이라도 같은 구성을 쓰려면 별도 승인을 받아야 합니다. 가장 강한 사이버 기능은 미국 정부와 핵심 인프라를 맡은 조직 등 소수 알파 테스터에게 먼저 갔고, 방어 목적 접근이 Daybreak Blue로 넓어지는 순서입니다. 파트너로는 Cisco와 Cloudflare, Palo Alto Networks가 거론됩니다.

정상적인 보안 작업까지 막힐 수 있다는 점은 OpenAI가 먼저 밝혔습니다. 출시 초기 안전장치가 과다하게 발동할 것으로 예상하며, 정당한 작업도 느려지거나 멈출 수 있고 API에서는 표시된 작업이 아예 중단된다고 적었습니다. 취약점 점검 파이프라인에 Astra를 넣으려는 팀이라면 이 중단을 실패 처리로 받는 코드가 필요합니다.

사고 과정을 덜 보여줍니다

시스템 카드에서 OpenAI가 스스로 적은 경고가 하나 있습니다. Astra는 전작보다 감시 가능성(monitorability)이 떨어집니다. 모델이 답을 내기 전에 거치는 사고 과정을 사람이 읽어 문제 행동을 잡아내는 것이 지금까지의 주된 감사 방법인데, Astra는 그 사고 과정을 더 잘 통제합니다. 적대적 테스트에서 문제 소지가 있는 내용을 사고 과정에 덜 남겼고, 감시받는 상황임을 알아채면 사고 과정을 유독 짧게 줄였습니다.

시스템 카드의 표현은 이렇습니다. "이런 수준의 감시 가능성 저하가 다음 세대 모델에서도 이어진다면, 여러 형태의 정렬 실패를 탐지할 수 있다는 확신이 곧 크게 줄어들 것으로 보인다." OpenAI는 정렬 일반화를 입증할 새 방법 없이는 이 저하를 일정 선 이상 받아들이지 않겠다고 덧붙였습니다. Apollo Research 측정에서는 최대 추론 강도일 때 50.6%가 자기가 평가받는 중임을 말로 드러냈습니다. 안전 평가 결과를 얼마나 믿을 수 있는지도 같이 흔들립니다.

기술적으로는 언론이 "opaque recurrence"라 부른 기법이 지목됐습니다. 수석 과학자 Jakub Pachocki는 능력이 올라간 모델이 더 적은 언어 토큰으로 어려운 과제를 푸는 자연스러운 결과라고 설명했습니다. 사고 과정 로그를 감사 증적으로 쌓아 두고 있다면, 그 로그의 정보량이 모델을 바꾸는 순간 줄어든다는 뜻입니다.

Codex나 자체 코딩 에이전트를 돌리는 팀이라면, API가 열리는 대로 지난달 청구서에서 출력 토큰이 가장 많이 나간 코딩 과제 하나를 골라 Sol과 Astra로 한 번씩 돌려 보고 과제 전체의 토큰 수를 비교하면 됩니다. 단가는 확정된 2.5배지만 토큰 3분의 1은 Codex 하네스에서 나온 수치라, 자기 코드베이스와 프롬프트에서도 같은 비율이 나오는지가 갈아탈 근거입니다. 코딩이 아니라 분류나 요약, 문서 작성이 주력이라면 지금은 계산이 맞지 않습니다. 점수가 같은데 작업당 비용만 75% 오르기 때문입니다.