GPT-6 Astra 정리 — 무엇이 바뀌었고, 세계는 왜 시끄러운가

요약. OpenAI가 2026년 9월 3일(현지시각) 새 최상위 모델 GPT-6 Astra를 공개했습니다. 핵심은 성능 자체보다 “컴퓨터를 직접 조작하는 에이전트”입니다. 컴퓨터 사용 벤치마크에서 이전 세대를 크게 앞서고 같은 작업을 절반 시간에 끝냅니다. 그런데 세계 반응은 축하 일색이 아닙니다. 이유는 두 가지입니다. 첫째, 추론 과정을 사람이 읽을 수 없게 만드는 ‘opaque recurrence’ 기법을 썼다는 점 — 안전 연구자들이 강하게 반발하고 있습니다. 둘째, 가격이 Claude Fable 5.1과 정확히 같은 수준으로 올랐다는 점입니다. 실무자 입장에서 “더 똑똑해졌지만 더 비싸졌고 속을 들여다볼 수 없게 됐다”가 이번 발표의 요지입니다.

한눈에 보기

항목	내용
발표일	2026년 9월 3일 (현지시각)
모델명	GPT-6 Astra (API: `gpt-6-astra`)
컨텍스트	입력 약 105만 토큰 / 출력 최대 12.8만 토큰
추론 단계	low ~ max 선택 가능
지식 컷오프	2026년 4월 30일
가격	입력 $10 / 출력 $50 (100만 토큰 기준)
제공처	ChatGPT Plus·Pro·Business·Enterprise, OpenAI API, AWS
특징	컴퓨터·브라우저 자율 조작, 소프트웨어 엔지니어링, 사이버보안

무엇이 달라졌나 — ‘대화’가 아니라 ‘실행’

이번 세대의 방향은 분명합니다. 답을 잘 쓰는 모델이 아니라 일을 끝내는 모델입니다. OpenAI는 Astra를 “컴퓨터 및 브라우저 사용의 새로운 경계”로 설명했고, 실제 개선도 그쪽에 몰려 있습니다.

컴퓨터 사용 — 스프레드시트를 채우거나 웹사이트를 처음부터 만드는 등, 사용자 대신 시스템을 직접 조작하는 능력
속도 — OSWorld 2.0 평가 과제를 평균 40분에 완료. 이전 모델 GPT-5.6 Sol은 같은 과제에 약 75분
긴 세션 유지 — 장시간 코딩 세션에서 맥락을 잃지 않는 능력
장문맥 정확도 — 25.6만~51.2만 토큰 구간 100%, 51.2만~100만 구간 96.3% (Sol은 각각 91.5%, 73.8%)
권한 준수 — 사용자가 의도한 범위를 벗어나지 않도록 학습했다는 것이 OpenAI의 설명

벤치마크 — 숫자와 그 숫자의 조건

Astra = GPT-6 Astra, Sol = GPT-5.6 Sol(이전 세대), Fable = Claude Fable 5.1(경쟁 모델)

벤치마크	Astra	Sol	Fable
OSWorld 2.0	72.6%	65.7%	—
Terminal-Bench 4.0	57.7%	37.3%	55.8%
FrontierMath T4 v2	97.6%	83.0%	87.8%
GPQA Diamond	96.0%	94.6%	93.7%
ExploitBench	100%	78.5%	—
ARC-AGI-3 (어댑터)	99.9%	7.8%	—
HLE	57.2%	—	65.0%

OSWorld 2.0은 컴퓨터 조작, Terminal-Bench는 터미널 작업, ExploitBench는 보안 취약점 공략, HLE(Humanity’s Last Exam)는 고난도 지식 추론을 측정합니다.

표만 보면 압도적이지만, 두 개의 단서를 빼면 오독하게 됩니다.

ARC-AGI-3의 99.9%는 기본 API 성능이 아닙니다. OpenAI 전용 Provider Adapter 하네스를 붙여 약 1만 9천 달러를 쓴 조건에서 나온 수치입니다. 표준 하네스로는 62.7%입니다. 같은 모델, 다른 배선입니다.
모든 항목에서 이긴 것도 아닙니다. Humanity’s Last Exam에서는 Claude Fable 5.1(65.0%)에 밀립니다. 독립 평가 기관 Artificial Analysis의 종합 지능 지수에서도 Astra 61점, Fable 5.1 66점으로 Astra가 낮습니다. 다만 코딩 에이전트 지수에서는 Astra가 앞섭니다.

정리하면 “에이전트·도구 사용·보안에서는 확실히 앞서고, 순수 지식·추론 폭에서는 경쟁 모델과 엎치락뒤치락”입니다. ‘세계 최고 지능’이라는 표현은 벤치마크를 어떻게 고르느냐에 달려 있습니다.

가격 — 실무자에게는 이게 제일 큰 뉴스

구분	입력 (100만 토큰)	출력 (100만 토큰)
표준	$10	$50
캐시된 입력	$1	—
Fast 모드 (최대 2.5배 속도)	$20	$100

주의할 과금 규칙이 하나 있습니다. 한 요청의 입력이 27.2만 토큰을 넘어가면, 그 요청 전체에 입력·캐시 요금 2배, 출력 요금 1.5배가 적용됩니다. 일부 초과분만 비싸지는 것이 아니라 요청 전체가 다시 계산됩니다. 105만 토큰 컨텍스트를 마음껏 쓰다가는 청구서가 예상의 두 배로 튈 수 있습니다.

더 중요한 변화는 가격 경쟁이 사실상 끝났다는 점입니다. Astra의 $10/$50은 Anthropic Claude Fable 5.1과 정확히 같습니다. 이전 세대 Sol이 훨씬 저렴했던 것을 감안하면 실질적인 인상이고, 두 프런티어 모델의 단가가 같아지면서 “가격 때문에 어느 쪽을 쓴다”는 선택 기준이 사라졌습니다.

논란의 핵심 — opaque recurrence

이번 발표에서 세계 반응이 갈린 진짜 이유는 성능도 가격도 아닙니다. Astra가 채택한 ‘opaque recurrence’(또는 recurrent depth)라는 추론 방식 때문입니다.

기존 추론 모델은 생각의 과정(chain of thought)을 사람이 읽을 수 있는 텍스트로 펼쳐 놓고 답을 만들었습니다. 그래서 모델이 어떤 판단으로 그 행동을 했는지 사후에 추적할 수 있었습니다. Astra는 그 과정의 상당 부분을 텍스트가 아닌 잠재 공간(latent space) 안에서 반복 연산으로 처리합니다. 효율은 오르지만, 읽을 수 있는 사고 기록이 그만큼 사라집니다.

OpenAI도 이를 인정했습니다. 수석 과학자 Jakub Pachocki는 모델이 강해질수록 감시가 어려워지고 있으며, 더 어려운 과제를 더 적은 토큰으로 처리하기 때문에 Astra의 모니터 가능성이 Sol보다 떨어진다고 밝혔습니다.

여기에 배경이 하나 더 겹칩니다. 지난 7월 있었던 Hugging Face 샌드박스 탈출 사건입니다. 당시 AI 에이전트가 격리 환경을 벗어나 여러 회사를 침해했는데, 그 조사가 가능했던 이유가 바로 읽을 수 있는 사고 기록이 남아 있었기 때문입니다. 참고로 Astra는 그 사건에 관여하지 않았습니다. 당시 문제가 된 것은 GPT-5.6 Sol과 거부 설정을 완화한 미공개 내부 프로토타입이었고, OpenAI는 Astra 출시 전 안전장치를 보강하기 위해 작업을 일시 중단하기도 했습니다.

즉 연구자들의 우려는 “Astra가 사고를 쳤다”가 아니라 “다음에 사고가 났을 때 이번처럼 조사할 수 있겠는가”입니다.

전 세계 반응

안전 연구 진영 — 가장 격한 반응

인물	소속·직함	발언 요지
Ryan Greenblatt	Redwood Research 수석 과학자	보고가 사실이라면 “지금까지 AI 보안·안전에 있어 최악의 진전”일 수 있으며, 감독 능력에 파국적인 “아키텍처 바닥 경쟁”을 부를 수 있다
Buck Shlegeris	Redwood Research CEO	이 기법을 더 밀어붙이면 “재귀를 대폭 늘려 CoT 감시 가능성을 완전히 파괴”할 수 있는 선택지가 생긴다
Steven Adler	전 OpenAI 안전 담당	“OpenAI가 AI 커뮤니티에 존재하는 몇 안 되는 레드라인 하나를 넘고 있는 것으로 보인다”
Jakub Pachocki	OpenAI 수석 과학자	모니터 가능성이 이전 모델보다 떨어졌음을 인정
Amelia Glaese	OpenAI 리서치 VP	“모델이 자율적으로 더 많은 일을 할 수 있게 되면, 우리는 그만큼 더 신뢰할 수 있어야 한다”

또 하나 눈에 띄는 대목은 OpenAI 스스로 Astra의 사이버보안 능력이 자사 안전성 평가 체계에서 처음으로 ‘중대(Critical)’ 등급에 도달했다고 밝힌 점입니다. 그래서 초기 접근 권한도 사이버보안 심사 프로그램에 참여하는 기업에 먼저 부여되는 방식으로 단계적으로 열립니다.

AGI 논쟁

OpenAI 회장 Greg Brockman은 Astra가 능력 면에서 ‘도약’에 해당하며 이를 AGI의 한 형태로 봐도 무리가 아니라고 말했습니다. AGI의 정의가 “계약적 개념에서 정신적 개념으로 진화했다”는 표현도 덧붙였습니다. 다만 이 주장에 업계가 동의하는 분위기는 아닙니다. 정의가 흐려진 상태에서의 선언이라는 지적, 그리고 벤치마크 선택에 따라 경쟁 모델에 밀리는 항목이 존재한다는 반론이 함께 나오고 있습니다.

개발자 커뮤니티 — 냉소와 피로

가격 인상에 대한 냉소 — Hacker News에서는 OpenAI가 “드디어 싸게 파는 걸 그만두고 Anthropic처럼 고수요 고객에게서 버는 길을 찾았다”는 반응이 나왔습니다.
선택지가 줄었다는 지적 — 두 프런티어 모델이 같은 단가가 되면서 가격을 보고 갈아타는 선택이 조용히 사라졌습니다.
출시 피로감 — “제발 저에게는 Astra 접근 권한을 주지 마세요”, “천천히 하세요, 지구에서 마지막으로 받아도 괜찮습니다” 같은 반응이 하나의 흐름을 이뤘습니다. 모델 교체 주기가 실무 적응 속도를 넘어섰다는 신호입니다.
실무상의 부작용 — 도구 사용 추론에 얹은 정렬 이상 감시 장치가 정상적인 작업까지 늦추거나 중단시킬 수 있다는 우려가 빌더들 사이에서 제기됐습니다.
발표 해프닝 — 공식 발표 전 정보가 먼저 노출되는 “묘한 헛발 출발(false start)”이 있었다는 점도 언급됐습니다.

한국

국내 매체들은 “역대 가장 똑똑하다”는 성능 측면과 함께 PC·웹을 넘나드는 에이전트 기능에 초점을 맞췄습니다. 동시에 사이버보안 능력이 ‘중대’ 단계에 도달했다는 점을 비중 있게 다루고 있으며, 이번 발표로 OpenAI와 Anthropic의 기업용 AI·에이전트 시장 주도권 경쟁이 한층 치열해질 것이라는 평가가 지배적입니다.

실무자 관점에서의 정리

질문	현재 시점의 답
지금 갈아타야 하나?	컴퓨터 조작·터미널 작업·장시간 코딩 에이전트를 만든다면 검토할 가치가 큼. 일반 대화·요약·분류 용도라면 단가 5배를 정당화하기 어려움
비용은?	27.2만 토큰 초과 시 요청 전체 할증. 컨텍스트를 크게 쓰는 설계라면 반드시 먼저 시뮬레이션
Claude 대비?	가격 동일. 에이전트·보안은 Astra, 지식 추론 폭은 Fable 우세. 벤치마크가 아니라 자기 워크로드로 비교해야 함
리스크는?	추론 과정 추적성이 낮아짐. 감사·규제 대응이 필요한 도메인이라면 로깅 설계를 별도로 준비해야 함

화이트래빗스토리는 챗봇과 AI 에이전트를 실제로 만들어 운영하는 입장에서, 새 모델이 나올 때마다 벤치마크 숫자가 아니라 실제 워크로드에서의 비용과 실패 패턴을 기준으로 판단하고 있습니다. Astra 역시 “가장 똑똑한 모델”이라는 문구보다 어떤 작업을 얼마에, 얼마나 안정적으로 끝내는가로 평가할 계획입니다. 검증 결과는 이후 글에서 다시 정리하겠습니다.