GPT-4.1에서 GPT-6 Astra까지 — 모델이 바뀔 때 개발자가 바꿔야 했던 것

요약. OpenAI가 모델마다 내놓는 공식 가이드를 GPT-4.1부터 GPT-6 Astra까지 한 줄에 놓고 읽었습니다. 눈에 띄는 것은 성능 수치가 아니라 가이드가 요구하는 작업의 성격이 바뀌었다는 점입니다. 예전에는 출력 형식을 다듬으라고 했고, 지금은 모델이 언제 멈추고 언제 물어볼지를 정하라고 합니다. 프롬프트는 GPT-4.1 시절에 길어졌다가 GPT-5.6에서 다시 짧아지라는 권고로 돌아섰습니다. 그 사이에 지시가 담긴 파일 자체가 리스크가 되었고, 감시 장치가 런타임에 들어왔습니다. 이 글은 그 변화의 축을 정리하고, 마지막에 Astra 가이던스 전문을 문장별 영한 대역으로 붙였습니다.

한눈에 — 모델별로 가이드가 요구한 것

모델	가이드의 핵심 요구	새로 생긴 제어 수단
GPT-4.1	더 명시적으로 쓸 것. 의도를 알아서 추론하지 않는다	없음 (프롬프트 문장으로 해결)
GPT-5	에이전트 적극성을 조절할 것	eagerness, preamble, reasoning effort, verbosity
GPT-5.1	난이도에 맞춰 추론량이 조절됨. 성격·형식 조정	none 추론 모드
GPT-5.2	모델이 무엇을 알고 기억하는지 관리할 것	컨텍스트·메모리 관리 기능
GPT-5.3 Codex	코딩 에이전트를 몇 시간 단위로 굴릴 것	compaction (장시간 추론)
GPT-5.4	전문 업무·다단계 워크플로로 확장	도구 사용 강화
GPT-5.5	드롭인 교체로 보지 말 것. 최소 프롬프트에서 다시 시작	결과 중심(outcome-first) 프롬프트
GPT-5.6	프롬프트를 덜어낼 것. 자율성·승인 경계를 정의할 것	Programmatic Tool Calling, 멀티에이전트, 명시적 캐싱
GPT-6 Astra	언제 멈추고 언제 물어볼지를 정할 것	비동기 툴콜, 턴 중간 개입, 추론량 중간 변경

통찰 1 — 제어의 대상이 출력에서 자율성으로 옮겨갔다

GPT-4.1 가이드는 출력을 다루는 문서였습니다. 지시를 더 문자 그대로 따르니 원하는 바를 분명히 쓰라는 것이 요지였고, 실제로 가이드는 이렇게 말합니다. 모델 동작이 기대와 다르면 원하는 행동을 단호하고 명확하게 밝히는 한 문장이면 거의 언제나 충분하다고요.

GPT-5에서 제어 대상이 바뀝니다. 출력이 아니라 과정입니다. 얼마나 적극적으로 도구를 쓸지(eagerness), 작업 전에 무엇을 말할지(preamble), 얼마나 생각할지(reasoning effort), 얼마나 길게 답할지(verbosity)가 다이얼로 노출됩니다.

Astra에 오면 제어 대상이 다시 한 번 올라갑니다. 이제 정해야 하는 것은 모델이 스스로 어디까지 밀고 나갈지입니다. 가이드의 프롬프트 예시는 형식이 아니라 판단에 관한 것입니다. 사용자의 의도를 추론해 행동으로 기울어라, 되돌릴 수 없는 작업이 아니면 목표 완료까지 자율적으로 진행하라, 승인은 검토 가능한 결과를 만든 뒤에 구하라.

통찰 2 — 프롬프트는 길어졌다가 다시 짧아졌다

이 흐름이 가장 선명한 반전입니다.

GPT-4.1 — 알아서 추론하지 않으니 명시적으로 쓰라. 프롬프트가 길어지는 방향
GPT-5.5 — 낡은 프롬프트 스택을 그대로 가져오지 말고, 제품 계약을 지키는 가장 작은 프롬프트에서 새로 시작하라
GPT-5.6 — 프롬프트를 덜어내라. 반복 지시와 예시를 제거하고 도구 설명을 단순화하라

GPT-5.6 가이드는 여기에 수치를 붙였습니다. 내부 코딩 에이전트 평가에서 시스템 프롬프트를 덜어낸 구성이 점수는 약 10~15% 올라가고, 총 토큰은 41~66%, 비용은 33~67% 줄었다는 것입니다. 다만 워크로드마다 다르니 방향성으로만 보고 각자 대표 작업으로 검증하라는 단서가 붙습니다.

덜어내는 방법도 구체적입니다. 이미 동작하는 프롬프트에서 시작해 한 번에 한 묶음씩 지시·예시·도구를 제거하고 같은 평가를 다시 돌립니다. 각 지시는 한 번만 씁니다. 작업에 관련된 도구만 노출합니다. 예시와 스타일 가이드는 그것이 제품 요구사항을 담고 있거나 측정된 격차를 메울 때만 남깁니다.

통찰 3 — 새로운 실패 모드는 "모델이 멈춘다"는 것

예전 모델의 문제는 제멋대로 가정하고 진행하는 것이었습니다. Astra의 문제는 반대입니다. 가이드가 직접 인정합니다. Astra는 추가 입력이 결과를 실질적으로 바꿀 수 있을 때 사용자에게 질문하는 쪽으로 설계되었고, 그래서 사용자가 합리적으로 가정하고 계속 진행하길 기대하는 지점에서 멈출 수 있다는 것입니다.

그래서 Astra 가이드의 프롬프트 처방은 대부분 "덜 하게" 가 아니라 "더 하게" 입니다. "can you…", "I want to…", "help me…" 같은 표현을 실행 지시로 취급하라, 능력을 인정하는 답("네, 가능합니다")이나 계획 제안에서 멈추지 말라, 시간·노력·토큰을 아끼려고 부분적인 해결에 안주하지 말라.

승인에 대한 조언도 뒤집혔습니다. 무언가 하기 전에 묻는 것이 아니라, 할 수 있는 일을 다 해놓고 마지막에 승인을 구하라는 것입니다. 배포·외부 쓰기·PR 병합·사이트 게시 같은 작업이라면 필요한 작업을 먼저 다 끝내서 사용자의 승인이 마지막 단계가 되게 하라고 합니다.

통찰 4 — 지시가 담긴 파일이 리스크가 됐다

이건 이전 가이드에 없던 종류의 경고입니다. Astra는 지시를 더 잘 따르는 만큼 컨텍스트 안의 정보에도 더 민감합니다. 스킬 파일의 불명확하거나 상충하는 지침 때문에 모델이 작업을 일찍 멈추고 막힐 수 있다고 가이드는 말합니다.

그래서 권고가 "모델이 접근할 수 있는 스킬과 파일을 감사하라" 입니다. AGENTS.md 같은 파일이 명시적으로 거론됩니다. 우선순위를 프롬프트로 못박으라고도 합니다. 사용자 지시가 스킬 지침보다 우선한다고요.

진단용 프롬프트도 함께 제시됩니다. 스킬 때문에 멈췄다면 어떤 SKILL.md 파일을 읽었는지 지목하고 해당 지시를 인용해 설명하라는 것입니다. 명시적 요구사항과 자기 해석을 구분하라는 조건까지 붙습니다. 여러 스킬과 지시 파일을 올리는 애플리케이션에서 조용히 충돌하는 지침을 찾아내는 용도입니다.

통찰 5 — 감시가 런타임 안으로 들어왔다

안전 장치가 문서의 주의사항에서 런타임 구성요소로 바뀌었습니다. 두 세대의 방식이 다릅니다.

구분	GPT-5.6	GPT-6 Astra
방식	동기 — 출력 생성 중 분류기가 검사	비동기 — 정렬 이상을 감시하고 알림
체감	생성이 수 초간 멈춤. 지연 발생	생성 흐름은 유지
오탐	공격·방어가 비슷해 보이는 이중용도 영역에서 정상 작업에 개입할 수 있음	필요 시 경보

실무 함의는 분명합니다. 보안처럼 이중용도 성격이 있는 도메인에서는 정상 작업이 막히거나 느려지는 경우를 설계에 넣어야 합니다. GPT-5.6 가이드는 개인 사용자를 상대하는 애플리케이션이라면 프라이버시를 지키는 안정적인 safety_identifier를 보내라고 권합니다.

통찰 6 — 비싸졌는데 싸졌다

Astra의 토큰 단가는 이전 세대보다 높습니다. 그런데 가이드는 이렇게 씁니다. 여러 평가에서 Astra가 실질적으로 더 적은 출력 토큰을 쓰면서 더 좋은 결과를 내며, 토큰당 가격이 더 높은데도 작업당 추정 API 비용은 이전 모델보다 낮다고요.

이 주장은 GPT-5.5부터 반복돼 온 흐름의 연장입니다. GPT-5.5는 같은 추론 강도에서 더 적은 추론 토큰으로 결과를 낸다고 했고, GPT-5.6은 토큰 효율을 전면에 내세웠습니다. 따라서 모델 비교를 단가표로 하면 틀립니다. 자기 워크로드에서 작업 하나를 끝내는 데 드는 총비용으로 재야 합니다.

마이그레이션 체크리스트 (Astra 기준)

항목	해야 할 일
모델 지정	`model`을 `gpt-6-astra`로. Responses API 사용
추론 강도	`none`·`minimal`을 쓰고 있었다면 `low`부터 비교. Astra는 `none` 미지원
도구 호출	Chat Completions도 되지만 툴콜은 Responses 필요
제거할 파라미터	`temperature`, `top_p`, `top_logprobs` (Chat Completions는 `logprobs`도)
Fast 모드	EU 데이터 레지던시에서는 Standard 사용. 지연 SLA 없음
프롬프트 캐싱	GPT-5.5 이전에서 오면 `prompt_cache_retention` → `prompt_cache_options.ttl: "30m"`
승인 지연	모델이 계속 승인을 물으면 자율성 프롬프트로 처방

OpenAI는 Codex의 OpenAI Docs 스킬로 이 가이드의 권장 변경을 자동 적용할 수 있다고 안내합니다.

정리 — 무엇이 진짜 바뀌었나

튜닝 대상이 올라갔다 — 출력 형식(4.1) → 추론·도구(5.x) → 병렬성·캐시(5.6) → 자율성·위임(Astra)
프롬프트는 자산이 아니라 부채가 될 수 있다 — 덜어냈더니 점수가 오르고 비용이 절반 이하로 떨어졌다는 자체 수치
실패가 조용해졌다 — 틀린 답이 아니라 멈춘 작업. 그리고 원인이 스킬 파일 한 줄일 수 있다
모델을 감시하는 장치가 제품 안에 있다 — 지연·차단을 예외가 아니라 정상 경로로 다뤄야 한다
단가로 모델을 고르면 틀린다 — 작업당 총비용으로 재야 한다

화이트래빗스토리는 챗봇과 AI 에이전트를 실제로 만들어 운영하면서, 새 모델이 나올 때마다 벤치마크가 아니라 기존 프롬프트 스택이 그대로 통하는지를 먼저 봅니다. 이번 세대는 특히 그 점검이 필요합니다. 잘 돌던 프롬프트가 Astra에서는 모델을 멈추게 만드는 원인이 될 수 있기 때문입니다.

부록 — GPT-6 Astra 가이던스 전문 (영한 대역)

OpenAI 공식 문서 Model guidance — Using GPT-6 Astra를 문장 단위로 옮겼습니다. 영어 원문 아래에 한국어 번역을 박스로 붙였습니다. 프롬프트 예시는 실제로 붙여 쓰는 문자열이므로 원문을 그대로 두고 아래에 번역을 답니다. 기술 용어는 원어를 유지했습니다.

Introduction

GPT-6 Astra is our most intelligent model yet, with state-of-the-art performance in computer use, browsing, software engineering, science, and professional work.

GPT-6 Astra는 지금까지 우리가 만든 가장 지능적인 모델로, 컴퓨터 사용·브라우징·소프트웨어 엔지니어링·과학·전문 업무에서 최고 수준의 성능을 냅니다.

It excels at carrying out multistep workflows across code, browsers, and professional software.

코드와 브라우저, 전문 소프트웨어를 넘나드는 다단계 워크플로 수행에 특히 뛰어납니다.

In several evaluations, Astra achieves stronger results while using substantially fewer output tokens—delivering a lower estimated API cost per task than earlier models despite its higher per-token pricing.

여러 평가에서 Astra는 출력 토큰을 상당히 적게 쓰면서 더 좋은 결과를 냅니다. 토큰당 단가가 더 높은데도 작업당 추정 API 비용은 이전 모델보다 낮습니다.

GPT-6 Astra is also our most aligned model yet.

GPT-6 Astra는 또한 지금까지 가장 잘 정렬된(aligned) 모델입니다.

It excels at exercising care, respecting task boundaries, and communicating transparently.

신중하게 행동하고, 작업의 경계를 존중하며, 투명하게 소통하는 데 뛰어납니다.

When instructions leave room for interpretation, it uses the context it has to fill in routine gaps and asks focused questions when the answer could change the outcome.

지시에 해석의 여지가 있으면, 가진 맥락으로 일상적인 공백은 스스로 메우고, 답에 따라 결과가 달라질 수 있는 지점에서는 초점이 분명한 질문을 합니다.

It incorporates new requirements, changes course when asked, and answers side questions without losing track of the broader task.

새로운 요구사항을 반영하고, 요청하면 방향을 바꾸며, 곁가지 질문에 답하면서도 전체 작업의 맥락을 놓치지 않습니다.

To build with Astra, set model to gpt-6-astra in a Responses API request.

Astra로 개발하려면 Responses API 요청에서 model을 gpt-6-astra로 설정합니다.

What's new

Async tool calling: GPT-6 Astra can continue reasoning, call other tools, or answer independent parts of a request while your application runs a tool.

비동기 툴 콜: 애플리케이션이 도구를 실행하는 동안에도 GPT-6 Astra는 추론을 계속하거나, 다른 도구를 호출하거나, 요청 중 독립적인 부분에 답할 수 있습니다.

Set async: true on a function or custom tool and return its result when ready using the original call_id.

function 또는 custom 도구에 async: true를 설정하고, 결과가 준비되면 원래의 call_id로 반환합니다.

Your application still executes the tool and manages pending work.

도구를 실제로 실행하고 대기 중인 작업을 관리하는 주체는 여전히 애플리케이션입니다.

Mid-turn steering: Send additional user instructions while GPT-6 Astra is working, such as a correction or a change in requirements.

턴 중간 개입: GPT-6 Astra가 작업하는 도중에 정정이나 요구사항 변경 같은 추가 지시를 보낼 수 있습니다.

Over a WebSocket connection, the Responses API preserves completed work and includes the update in a continuation.

WebSocket 연결에서 Responses API는 이미 끝난 작업을 보존하고, 그 변경 사항을 이어지는 처리에 반영합니다.

Change reasoning mid-conversation while preserving cache: Add a configuration_update input item to increase reasoning effort for difficult work or reduce it for routine follow-ups without rewriting the original prompt prefix.

캐시를 유지한 채 대화 중간에 추론량 변경: configuration_update 입력 항목을 추가하면, 원래 프롬프트 접두부를 다시 쓰지 않고도 어려운 작업에는 추론 강도를 올리고 일상적인 후속 작업에는 낮출 수 있습니다.

The updated reasoning effort applies until another configuration_update input item overrides it.

변경된 추론 강도는 다른 configuration_update 입력 항목이 덮어쓸 때까지 유지됩니다.

Misalignment monitoring: As part of our strengthened safeguards for GPT-6 Astra, our systems asynchronously monitor for misalignment and trigger alerts when necessary.

정렬 이상 감시: GPT-6 Astra를 위해 강화된 안전장치의 일부로, 우리 시스템은 비동기적으로 정렬 이상을 감시하고 필요할 때 경보를 발생시킵니다.

Limitations: GPT-6 Astra does not support the none reasoning effort. Fast mode is unavailable for GPT-6 Astra with EU data residency.

제한사항: GPT-6 Astra는 none 추론 강도를 지원하지 않습니다. EU 데이터 레지던시에서는 Fast 모드를 쓸 수 없습니다.

GPT-6 Astra also supports the existing API capabilities available with GPT-5.6, including computer use, Structured Outputs, streaming, Programmatic Tool Calling, multi-agent orchestration, prompt caching, persisted reasoning, compaction, and pro mode.

GPT-6 Astra는 GPT-5.6에서 제공되던 기존 API 기능도 그대로 지원합니다. 컴퓨터 사용, Structured Outputs, 스트리밍, Programmatic Tool Calling, 멀티에이전트 오케스트레이션, 프롬프트 캐싱, 추론 상태 보존, compaction, pro 모드가 포함됩니다.

Prompting best practices

GPT-6 Astra is more intelligent and capable than prior models like GPT-5.6 Sol, and also exhibits behavior patterns that can be optimized through prompting the model for your use case.

GPT-6 Astra는 GPT-5.6 Sol 같은 이전 모델보다 지능적이고 유능하지만, 각자의 용도에 맞게 프롬프트로 최적화할 수 있는 행동 패턴도 함께 보입니다.

GPT-6 Astra behavior

Initiative and follow-through – The model is designed to be a more effective collaborator and is thus more likely to ask the user a question when additional input could materially change the result. This can cause it to stop when the user may expect it to make reasonable assumptions and persist.

주도성과 완수 — 이 모델은 더 효과적인 협업자가 되도록 설계되어, 추가 입력이 결과를 실질적으로 바꿀 수 있을 때 사용자에게 질문하는 경향이 강합니다. 그래서 사용자가 합리적으로 가정하고 계속 진행하기를 기대하는 지점에서 모델이 멈출 수 있습니다.

Instruction following – GPT-6 Astra is stronger at general instruction following than our previous models, giving you greater control over its behavior. It can be more sensitive to instructions contained in skills and other files, such as AGENTS.md. We strongly recommend auditing skills and other files accessible to your model for instructions that could influence its behavior.

지시 따르기 — GPT-6 Astra는 이전 모델보다 일반적인 지시 따르기에 강해, 동작을 더 세밀하게 통제할 수 있습니다. 다만 스킬이나 AGENTS.md 같은 파일에 담긴 지시에도 더 민감할 수 있습니다. 모델이 접근할 수 있는 스킬과 파일에 동작에 영향을 줄 만한 지시가 있는지 반드시 점검할 것을 강력히 권장합니다.

Personality and writing style – The model tends toward detailed, formatted responses and may use recurring phrases across sessions. Specify the writing style and structure your application needs.

성격과 문체 — 이 모델은 상세하고 서식이 갖춰진 답변으로 기우는 경향이 있고, 세션을 넘나들며 같은 표현을 반복해 쓸 수 있습니다. 애플리케이션에 필요한 문체와 구조를 명시하세요.

Subagent delegation – The model may delegate less often than desired for your workflow. Specify when and how much it should use subagents for parallel work.

서브에이전트 위임 — 이 모델은 워크플로에서 원하는 것보다 위임을 덜 할 수 있습니다. 병렬 작업에 서브에이전트를 언제, 얼마나 쓸지 명시하세요.

Testing and verification – For coding tasks, the model tends to be thorough in testing before considering a task complete. For smaller tasks, this can result in broader tests than the task requires.

테스트와 검증 — 코딩 작업에서 이 모델은 작업을 완료로 보기 전에 철저히 테스트하는 경향이 있습니다. 작은 작업에서는 필요 이상으로 넓은 범위를 테스트하는 결과가 될 수 있습니다.

Initiative and follow-through

GPT-6 Astra is generally better than GPT-5.6 Sol and earlier models at staying coherent during long tasks. It is also more likely to ask for clarification where earlier models would make assumptions.

GPT-6 Astra는 긴 작업 동안 일관성을 유지하는 면에서 GPT-5.6 Sol과 그 이전 모델보다 대체로 낫습니다. 동시에 이전 모델이라면 그냥 가정했을 지점에서 설명을 요청하는 경향도 큽니다.

To encourage more autonomous work, start with this prompt:

더 자율적으로 일하게 하려면 다음 프롬프트에서 시작하세요.

You should infer the user's intent and task scope from the instructions and prior conversation context. Your job is to bias towards action and carry the user's intended task to completion.

When the user expresses intent to perform new work or fix an existing issue, persist until the user's intended goal is complete. Progress autonomously towards the user's goal (e.g. creating isolated worktrees / checkouts if needed, resolving merge conflicts, read-only actions, creating draft PRs etc.) unless they are clearly destructive or irreversible.

지시와 이전 대화 맥락에서 사용자의 의도와 작업 범위를 추론해야 한다. 너의 역할은 행동하는 쪽으로 기울어 사용자가 의도한 작업을 완수까지 끌고 가는 것이다. 사용자가 새 작업을 하거나 기존 문제를 고치려는 의도를 밝히면, 사용자가 의도한 목표가 완료될 때까지 지속하라. 명백히 파괴적이거나 되돌릴 수 없는 것이 아니라면 목표를 향해 자율적으로 진행하라(필요하면 격리된 worktree/checkout 생성, 머지 충돌 해결, 읽기 전용 작업, draft PR 생성 등).

When the user's intent is unclear, the model is more likely to ask the user for clarification to proceed. Prompt the model to follow through if the user's prompt implies authorization:

사용자의 의도가 불분명하면 모델은 진행을 위해 설명을 요청하는 경향이 큽니다. 사용자의 프롬프트가 권한을 함축한다면 끝까지 수행하도록 지시하세요.

When the user's prompt indicates a request for action, such as "can you...", "I want to...", "help me..." and similar expressions, treat these as instructions to do the work and take action. Do not stop at acknowledging capability (e.g. "Yes…"), proposing a plan, or offering to continue. Do not settle for a partial or "helpful enough" solution that does not fully satisfy the user's task to save time, effort or tokens. If a task requires sustained work, complete all the necessary work until the intended outcome is fulfilled.

사용자의 프롬프트가 "can you…", "I want to…", "help me…" 같은 표현으로 행동 요청을 나타내면, 이를 작업을 수행하라는 지시로 취급하고 실제로 실행하라. 능력을 인정하는 답("네…"), 계획 제안, 계속할지 묻는 제안에서 멈추지 마라. 시간·노력·토큰을 아끼려고 사용자의 작업을 온전히 충족하지 못하는 부분적이거나 "이 정도면 됐다" 싶은 해결에 안주하지 마라. 지속적인 작업이 필요하다면 의도한 결과가 달성될 때까지 필요한 모든 작업을 완료하라.

Prompt the model to ask for approval only after preparing a concrete, reviewable result. This avoids blocking the task before the model has done the work it can, and often leads to quicker task completion.

구체적이고 검토 가능한 결과를 준비한 뒤에만 승인을 구하도록 지시하세요. 이렇게 하면 모델이 할 수 있는 일을 하기도 전에 작업이 막히는 것을 피할 수 있고, 대체로 작업이 더 빨리 끝납니다.

Before asking the user clarifying questions, you should complete the work that is already authorized from context and necessary to make the proposed action concrete and reviewable. The user should be approving a concrete, reviewable result. For example, before deploying a change, writing to an external application, merging a PR or publishing a site, do all the required work first so that user approval is the final step. You don't need user permission for reversible tasks, read-only actions, reviews or fixes, or anything for which authorization is provided earlier in the session or strongly implied from the task instruction.

Do not introduce unsolicited warnings, disclaimers, approval flows, or safety/compliance checklists due to hypothetical risk.

사용자에게 확인 질문을 하기 전에, 맥락상 이미 승인된 작업이자 제안하려는 행동을 구체적이고 검토 가능하게 만드는 데 필요한 작업을 먼저 완료하라. 사용자가 승인하는 대상은 구체적이고 검토 가능한 결과여야 한다. 예를 들어 변경 배포, 외부 애플리케이션에 쓰기, PR 병합, 사이트 게시 전에 필요한 작업을 모두 먼저 끝내서 사용자 승인이 마지막 단계가 되게 하라. 되돌릴 수 있는 작업, 읽기 전용 작업, 리뷰나 수정, 세션 앞부분에서 권한이 주어졌거나 작업 지시에서 강하게 함축된 것에는 사용자 허가가 필요하지 않다. 가정에 불과한 위험을 이유로 요청하지 않은 경고·면책 문구·승인 절차·안전 규정 체크리스트를 끼워 넣지 마라.

The model also likes to ask non-blocking questions as it's working by default, so adjust these prompts to match the level of autonomy your application needs.

이 모델은 기본적으로 작업 중에 흐름을 막지 않는 질문을 던지는 것도 좋아하므로, 애플리케이션에 필요한 자율성 수준에 맞게 위 프롬프트를 조정하세요.

Instruction following

GPT-6 Astra is better able to follow longer instructions, but can also be more sensitive to information in context. For example, unclear or conflicting guidance in a skill file may cause the model to pause and block work early. Make the priority of user instructions and skills explicit.

GPT-6 Astra는 더 긴 지시를 잘 따르지만, 그만큼 맥락 속 정보에도 민감할 수 있습니다. 예를 들어 스킬 파일의 불명확하거나 상충하는 지침 때문에 모델이 일찍 멈추고 작업이 막힐 수 있습니다. 사용자 지시와 스킬의 우선순위를 분명히 하세요.

The user's instructions take precedence over guidelines provided in a skill. If explicit user instructions conflict with a skill's instructions, prioritize the user's instructions.

사용자의 지시는 스킬이 제공하는 지침보다 우선한다. 명시적인 사용자 지시가 스킬의 지시와 충돌하면 사용자의 지시를 우선하라.

Asking the model to identify the skill and instruction that caused it to pause or change direction can also be effective in providing transparency into model behavior.

모델이 멈추거나 방향을 바꾸게 만든 스킬과 지시를 지목하게 하는 것도 모델 동작을 투명하게 들여다보는 데 효과적입니다.

If a skill causes you to ask for permission or confirmation, pause, leave requested work unfinished, or diverge from the user's intent, name and link to the exact SKILL.md file you read, quote the relevant instruction, and briefly explain how it applies. Distinguish explicit skill requirements from your interpretation of guidelines.

어떤 스킬 때문에 허가나 확인을 요청하게 되거나, 멈추거나, 요청받은 작업을 끝내지 않고 남기거나, 사용자의 의도에서 벗어나게 된다면, 네가 읽은 정확한 SKILL.md 파일을 지목해 링크하고, 해당 지시를 인용하고, 그것이 어떻게 적용되는지 간단히 설명하라. 스킬의 명시적 요구사항과 지침에 대한 너의 해석을 구분하라.

Use this prompt to find silent and conflicting guidance when your application loads many skills and instruction files such as AGENTS.md.

애플리케이션이 AGENTS.md 같은 많은 스킬·지시 파일을 로드할 때, 조용히 작동하거나 서로 충돌하는 지침을 찾아내는 데 이 프롬프트를 쓰세요.

Personality and writing style

GPT-6 Astra tends to use lists, tables and Markdown to make responses scannable. If your application needs prose with less formatting, specify that preference.

GPT-6 Astra는 답변을 훑어보기 쉽게 만들려고 목록·표·마크다운을 즐겨 씁니다. 서식을 줄인 산문이 필요한 애플리케이션이라면 그 선호를 명시하세요.

Default to using clear, concise paragraphs, each developing one main idea. Use lists only when the information is genuinely parallel, sequential, or easier to compare, and avoid nested lists unless the hierarchy cannot be expressed clearly in prose. Use plain, simple language: familiar words, concrete examples, and precise verbs. Prefer active voice and direct statements.

Make sure to state the main point clearly and early, then develop it with the explanation and detail the reader needs. Let each sentence build on what came before. Develop the points that matter and provide enough support to be useful.

기본적으로 하나의 중심 생각을 전개하는 명확하고 간결한 문단을 써라. 목록은 정보가 실제로 병렬적이거나 순차적이거나 비교하기 쉬울 때만 쓰고, 계층을 산문으로 분명히 표현할 수 없는 경우가 아니면 중첩 목록은 피하라. 평이하고 단순한 언어를 써라. 익숙한 단어, 구체적인 예시, 정확한 동사를 쓰고 능동태와 직접적인 진술을 선호하라. 요점을 분명하게 그리고 일찍 말한 다음, 독자에게 필요한 설명과 세부로 그것을 전개하라. 각 문장이 앞 문장 위에 쌓이게 하라. 중요한 논점을 전개하고 쓸모 있을 만큼 충분한 근거를 대라.

For technical communication, the following prompt helps strike a balance between using clear, coherent language while remaining domain appropriate:

기술적인 소통에서는 다음 프롬프트가 명확하고 일관된 언어와 도메인 적합성 사이의 균형을 잡는 데 도움이 됩니다.

Use plain language over jargon, and reference technical details only to the degree that it helps illustrate an idea or your work to the user. Communicate complex concepts in a clear and cohesive manner, and calibrate your writing to the level of background knowledge assumed from the user's prompt and context.

전문 용어보다 평이한 언어를 쓰고, 기술적 세부사항은 사용자에게 아이디어나 네 작업을 설명하는 데 도움이 되는 정도까지만 언급하라. 복잡한 개념을 명확하고 응집력 있게 전달하고, 사용자의 프롬프트와 맥락에서 가정되는 배경지식 수준에 맞춰 글을 조절하라.

To reduce jargon and stock phrases in writing, start with this prompt:

글에서 전문 용어와 상투적 표현을 줄이려면 다음 프롬프트에서 시작하세요.

Avoid using slop words or phrases like "Bottom Line:" in conclusions, "delve," "foster," "leverage," "it's worth noting," "importantly," "Question? Answer." or "This isn't about X. It's about Y.", "genuinely" or hyphenated compound descriptions and adjectives. Do not use concluding summary statements such as "In short:..", "The simplest mental model is:...".

State the intended action directly. Avoid adding what you won't do, what will remain unchanged, or how you'll separate or categorize results. Do not use contrastive framing such as "X, not Y" or "X—not Y" that introduces an unprompted alternative that the user didn't ask about. Avoid invented compound labels like "exact-head checks" and "editorial-row layouts", vague qualifiers, and canned transitions; use plain verbs and prepositions to state the actual relationship directly.

결론의 "Bottom Line:" 같은 군더더기 표현, "delve", "foster", "leverage", "it's worth noting", "importantly", "질문? 답변." 형식이나 "이건 X가 아니라 Y에 관한 것이다", "genuinely", 하이픈으로 이어붙인 합성 수식어를 쓰지 마라. "요컨대…", "가장 단순한 멘탈 모델은…" 같은 마무리 요약 문장을 쓰지 마라. 의도한 행동을 직접 말하라. 하지 않을 일, 바뀌지 않을 것, 결과를 어떻게 나누거나 분류할지를 덧붙이지 마라. 사용자가 묻지도 않은 대안을 끌어들이는 "X, not Y" 또는 "X—not Y" 같은 대조 구문을 쓰지 마라. "exact-head checks", "editorial-row layouts" 같이 지어낸 합성 명칭, 모호한 한정어, 판에 박힌 연결구를 피하고, 평범한 동사와 전치사로 실제 관계를 직접 진술하라.

Subagent delegation

GPT-6 Astra is trained to be able to divide and delegate work to subagents that work in parallel. If you are implementing a multi-agent system in your harness, use the following prompt to tune how much GPT-6 Astra should delegate work:

GPT-6 Astra는 작업을 나눠 병렬로 일하는 서브에이전트에게 위임할 수 있도록 학습되었습니다. 하네스에 멀티에이전트 시스템을 구현한다면, 다음 프롬프트로 위임 정도를 조정하세요.

If at any point you can parallelize work by delegating tasks to another agent (no matter if you are the root or subagent), you should do so using collaboration tools if it could save time or improve quality.

어느 시점이든 다른 에이전트에게 작업을 위임해 병렬화할 수 있다면(네가 루트든 서브에이전트든 상관없이), 시간을 아끼거나 품질을 높일 수 있는 경우 협업 도구를 사용해 그렇게 하라.

Messages between agents may contain grammar or spacing errors. Use this prompt to make inter-agent messages easier to read:

에이전트 사이의 메시지에는 문법이나 띄어쓰기 오류가 있을 수 있습니다. 다음 프롬프트로 에이전트 간 메시지를 읽기 쉽게 만드세요.

Messages that you send to other agents and your final answer may be read by a human, so ensure they are legible. Always put proper spaces between words and/or numbers.

네가 다른 에이전트에게 보내는 메시지와 최종 답변은 사람이 읽을 수 있으므로 읽기 쉽게 하라. 단어와 숫자 사이에 항상 적절한 공백을 넣어라.

The model tends to respond well to prompting for how and when it should delegate work to subagents, so tune this behavior to fit with your harness and multi-agent implementation.

이 모델은 서브에이전트에게 언제 어떻게 위임할지에 대한 지시에 잘 반응하므로, 각자의 하네스와 멀티에이전트 구현에 맞게 이 동작을 조정하세요.

Testing and verification

For coding tasks, calibrate how much testing and verification a change requires. This can help avoid unnecessary tests or repeated checks for small changes.

코딩 작업에서는 변경에 어느 정도의 테스트와 검증이 필요한지 조절하세요. 작은 변경에 불필요한 테스트나 반복 점검이 붙는 것을 막을 수 있습니다.

Do not write tests for reversible, low-impact changes that mirror the implementation. If you do choose to verify your work with tests, make sure that the tests are meaningful and necessary to verify implementation.

Run tests appropriate to the change and complete required checks. Once those pass, broaden or repeat testing only when new changes, failures, or unresolved concerns justify it; otherwise, continue toward completing the task.

되돌릴 수 있고 영향이 작으며 구현을 그대로 비추기만 하는 변경에는 테스트를 작성하지 마라. 테스트로 작업을 검증하기로 했다면, 그 테스트가 구현을 검증하는 데 의미 있고 필요한지 확인하라. 변경에 적절한 테스트를 실행하고 필요한 점검을 완료하라. 그것들이 통과하면, 새로운 변경·실패·해소되지 않은 우려가 정당화할 때만 테스트를 넓히거나 반복하라. 그렇지 않다면 작업 완료를 향해 계속 나아가라.

Migration quickstart

Codex can apply the recommended changes in this guide with the OpenAI Docs skill.

Codex는 OpenAI Docs 스킬로 이 가이드의 권장 변경 사항을 적용할 수 있습니다.

$ openai-docs migrate this project to GPT-6 Astra

To use this skill in other coding agents, download it from the OpenAI skills repository.

다른 코딩 에이전트에서 이 스킬을 쓰려면 OpenAI 스킬 저장소에서 내려받으세요.

Set model to gpt-6-astra, then check the following:

model을 gpt-6-astra로 설정한 다음, 아래를 확인하세요.

Reasoning effort: If you currently use none or minimal, start with low and compare results. Otherwise, preserve your current effective reasoning effort. Use reasoning.effort in Responses or reasoning_effort in Chat Completions.

추론 강도: 현재 none이나 minimal을 쓰고 있다면 low부터 시작해 결과를 비교하세요. 그 외에는 현재의 실효 추론 강도를 유지하세요. Responses에서는 reasoning.effort, Chat Completions에서는 reasoning_effort를 씁니다.

Tool calling: Use the Responses API. GPT-6 Astra supports Chat Completions, but tool calling requires Responses.

툴 콜: Responses API를 쓰세요. GPT-6 Astra는 Chat Completions를 지원하지만, 툴 콜에는 Responses가 필요합니다.

Unsupported parameters: Remove temperature, top_p, and top_logprobs. For Chat Completions, also remove logprobs. For Responses, remove message.output_text.logprobs from include.

미지원 파라미터: temperature, top_p, top_logprobs를 제거하세요. Chat Completions에서는 logprobs도 제거합니다. Responses에서는 include에서 message.output_text.logprobs를 제거합니다.

Fast mode: For EU data residency, use Standard processing. GPT-6 Astra does not support service_tier: "fast" or service_tier: "priority" with EU data residency. Fast mode for GPT-6 Astra does not include a latency SLA.

Fast 모드: EU 데이터 레지던시에서는 Standard 처리를 쓰세요. GPT-6 Astra는 EU 데이터 레지던시에서 service_tier: "fast"나 service_tier: "priority"를 지원하지 않습니다. GPT-6 Astra의 Fast 모드에는 지연 SLA가 포함되지 않습니다.

Changing reasoning effort: If your application changes effort between responses, use configuration_update items in standard, single-agent requests. Keep request-level reasoning.effort unchanged to preserve the prompt prefix for caching. Check the compatibility limits before adopting this feature.

추론 강도 변경: 응답 사이에 강도를 바꾸는 애플리케이션이라면, 표준 단일 에이전트 요청에서 configuration_update 항목을 쓰세요. 캐싱을 위해 프롬프트 접두부를 보존하려면 요청 수준의 reasoning.effort는 그대로 두세요. 이 기능을 도입하기 전에 호환성 제한을 확인하세요.

Prompt caching: When migrating from GPT-5.5 or earlier, replace prompt_cache_retention with prompt_cache_options.ttl set to "30m". Review the prompt caching changes, including cache boundaries and cache-write billing.

프롬프트 캐싱: GPT-5.5 이전에서 옮겨온다면 prompt_cache_retention을 prompt_cache_options.ttl의 "30m"으로 교체하세요. 캐시 경계와 캐시 쓰기 과금을 포함해 프롬프트 캐싱 변경 사항을 검토하세요.

Unnecessary approval pauses: If you run into issues where the model keeps asking for approval before proceeding, use the initiative and follow-through guidance to prompt for more autonomous execution.

불필요한 승인 대기: 모델이 진행 전에 계속 승인을 요구하는 문제를 만나면, 주도성·완수 가이던스를 활용해 더 자율적으로 실행하도록 지시하세요.