GPT-6.2 Astra와 Sol, 무엇이 달라졌고 어떻게 나눠 쓸까
OpenAI가 현지 시각 2026년 11월 17일 GPT-6.2 Astra와 GPT-6.2 Sol을 공개했습니다.
일상 업무와 일반 코딩에 쓰는 효율형 모델 Sol, 다단계 전문 업무와 복잡한 프로젝트를 맡는 프런티어(Frontier) 모델 Astra로 역할을 나누었습니다.
두 모델 모두 이전 세대보다 적은 출력 토큰으로 과제를 끝냅니다.
gpt-6.2-astra는 API 입력과 출력 단가도 GPT-6 Astra보다 20% 낮췄고 캐시된 입력 단가는 60% 인하했습니다.
실무에서 두 모델을 나눠 쓰려면 Sol이 어디까지 Astra와 비슷한 결과를 내는지부터 확인해야 합니다. 다단계 장기 워크플로나 정밀한 컴퓨터 사용처럼 Astra가 필요한 조건, GPT-6.2부터 바뀐 Responses API 접두부(Prefix) 유지 규칙, 보수적으로 조정된 사이버 보안 거절 경계도 모델 선택과 운영 비용에 직접 영향을 줍니다. 아래에 인용하는 벤치마크와 작업당 비용 수치는 별도 출처를 적지 않은 한 OpenAI 발표문과 GPT-6.2 시스템 카드가 전한 측정치이며 독립 기관이 같은 조건으로 모두 재현해 검증한 값은 아닙니다.
일상 코딩과 일반 업무는 왜 Sol이 기본값인가
OpenAI는 Sol을 사내외 기본 모델로 배치했습니다. 발표문에 따르면 OpenAI 직원 다수가 기술 업무와 비기술 업무 모두에서 Sol을 기본 모델로 사용합니다. ChatGPT Work의 새 대화 역시 소비자 요금제에서는 Sol의 Light 추론 강도(Reasoning Effort)를, 모델 접근이 열린 Enterprise 워크스페이스에서는 Sol의 Medium 강도를 기본값으로 둡니다. Power 슬라이더가 표시되는 화면에서는 Advanced 메뉴를 열어 모델과 추론 강도를 직접 고를 수 있습니다.
코딩 도구인 Codex 앱과 CLI에서도 역할 구분이 뚜렷합니다. OpenAI 가이드는 여러 서비스에 걸친 버그를 추적해 고치고 관련 워크플로를 검증하는 작업에 Astra를 쓰라고 안내합니다. Pull Request(PR)를 검토하거나 코드 리뷰 피드백을 반영해 수정하고 테스트를 돌리는 일상 작업에는 Sol을 권합니다.
Sol을 기본값으로 두는 근거는 토큰 단가와 작업당 비용 대비 점수에 있습니다.
gpt-6.2-sol의 API 토큰 단가는 gpt-6.2-astra의 4분의 1이고 이전 GPT-6.1 Sol과 같습니다(상세 요금은 아래 가격 절 참고).
실제 과제를 푸는 평가에서도 격차가 좁거나 오히려 이전 세대 프런티어 모델을 앞질렀습니다.
- FrontierCode 2.0 (Cognition): 실제 코드베이스 변경이 메인테이너의 병합 기준을 통과하는지 평가합니다. 두 모델 모두 최대 추론(Max)으로 설정했을 때 GPT-6.2 Sol은 GPT-6.2 Astra와 0.5점 이내 차이를 보이면서 작업당 비용은 약 5분의 1 수준이었습니다.
- LifeVal: 이사 후 유치원 후보 추리기, 가족 예산과 통근 거리에 맞는 집 찾기, 새로 진단을 받은 부모님을 위한 식단 짜기처럼 조건이 얽힌 일상 과제를 평가합니다. GPT-6.2 Sol은 이전 세대 프런티어 모델인 GPT-6 Astra보다 높은 점수를 기록하면서 작업당 비용은 약 7분의 1로 낮췄습니다.
- GDPval v2: 장기 지식 노동 과제에서 GPT-6.2 Sol은 GPT-6.1 Sol보다 5.3점 올랐습니다.
코드 한 건의 PR 검토나 일반 문서 작성처럼 범위가 정해진 작업에서는 Sol이 Astra와 비슷한 품질을 훨씬 낮은 비용으로 냅니다. 모든 요청을 Astra로 보내지 말고 Sol을 기본으로 쓰다가 아래 조건에 걸리는 작업만 Astra로 올리면 비용을 아낄 수 있습니다.
Astra를 선택해야 하는 작업 조건
다단계 장기 워크플로와 업계 양식을 따르는 문서 작성
Astra는 여러 문서에서 근거를 찾아 재무 모델이나 법률 서면, 슬라이드를 끝까지 완성해야 하는 장기 작업에서 차이를 벌렸습니다. 다단계 전문 업무를 평가하는 Agents' Last Exam에서 Astra는 GPT-6 Astra보다 5.2점 높은 최고 기록을 세우면서 작업당 비용은 3분의 1 미만으로 줄였습니다. Claude Fable 5.2와 비교하면 5.5점 앞서면서 비용은 5% 수준이었습니다. 다만 발표문 각주에 따르면 Fable 5.2의 리더보드 점수에서는 폴백(Fallback) 모델을 쓴 9개 과제가 빠졌습니다.
컨설팅, 금융, 데이터 과학, 생명공학, 마케팅, 디자인 분야의 실제 프로젝트를 다룬 GDPval v2에서는 Astra가 GPT-6 Astra보다 6.2%포인트 높게 점수를 올리면서 출력 토큰은 22% 덜 썼습니다. 단가가 20%(캐시 입력은 60%) 내려간 데다 출력 토큰 수와 수정 왕복 횟수까지 줄어 작업당 총비용이 떨어졌다는 것이 OpenAI의 설명입니다. 발표문에 실린 초기 테스트 파트너 사례에서도 같은 경향이 나타났습니다. ClickUp은 블라인드 테스트에서 약 40% 적은 토큰과 약 30% 적은 검토 회차로 결과를 얻었다고 보고했습니다. Harvey도 자사 법률 에이전트 평가에서 출력 토큰을 34.5% 덜 쓰면서 GPT-6 Astra 대비 3배 넘는 과제를 마쳤다고 밝혔습니다. Basis 역시 장기 회계 업무 평균 소요 시간이 50%, 최상위 복잡도 작업은 최대 73% 줄었다고 전했습니다.
법률 과제 평가인 Harvey LAB-AA v1.1은 모든 채점 기준을 통과하고 중대한 환각(Hallucination)이 없는 답안에만 점수를 줍니다. 이 평가에서 Astra는 Claude Fable 5.2의 2배를 넘는 통과율을 기록했고 작업당 비용은 약 6분의 1이었습니다. 법률 특화 설정인 Astra for Law는 이보다 높은 점수를 받았습니다. 실제 스프레드시트와 보고서를 다루는 Artificial Analysis의 AA-AnalystAgent(예: 캘리포니아 Medicaid 지출 보고서에서 의료 이송 비용 산출)에서도 전체 질문의 62.5%에서 독립된 5번의 시도를 모두 맞혀 최고치를 세웠습니다.
결과물의 구조가 어떻게 달라졌는지는 발표문에 실린 가상 농업기술 기업(Alderfen Field Systems)의 2031년 재무 예측 Excel 워크북 비교 예시에서 확인됩니다. 3대 재무제표 정합성을 확인하고 할인율 8%와 영구성장률 3% 기준으로 희석 주당가치를 구하는 같은 과제에서, GPT-6 Astra는 매출 구성을 별도 탭으로 빼고 가치평가 연결표를 시트 아래쪽에 두었습니다. 반면 GPT-6.2 Astra는 민감도 분석표 바로 옆에 사업부별 매출 구성과 기업가치에서 주당가치로 이어지는 연결표를 나란히 배치했습니다. 검토자가 탭을 오가지 않고도 어느 사업부가 실적을 이끄는지, 할인현금흐름과 현금 및 투자 자산과 희석 주식 수가 어떻게 주당가치로 계산되는지 한 화면에서 검증할 수 있습니다.
슬라이드 제작에서는 원본 템플릿 파일 없이 스크린샷만 건네도 레이아웃과 색상, 글꼴 크기까지 맞추고 기존 템플릿의 문체까지 새 슬라이드에 이어 갑니다. 발표문의 4개 팀 마스코트 굿즈 제안 슬라이드 예시에서도 GPT-6 Astra는 팀당 시안 1종만 만든 데 비해, GPT-6.2 Astra는 8종 디자인을 핀, 티셔츠, 자수 백팩 패치 시안으로 보여 주었고 다운로드 가능한 벡터 파일과 규격, 색상 및 실물 샘플 검수 안내까지 포함했습니다.
과학 연구와 하네스에 따라 갈리는 벤치마크 해석
터미널에서 과학 작업을 수행하는 Terminal-Bench-Science 0.1에서 Astra는 GPT-6 Astra보다 9%포인트 높은 최고 점수를 냈고 작업당 비용은 3분의 1 미만이었습니다. 실제 생물학 데이터를 해석하고 실험을 설계해 시뮬레이션 시스템의 작동 방식을 추론하는 Vals Science Index에서도 최고 기록을 경신했습니다.
다만 경쟁 모델과의 비교 수치는 측정 조건을 함께 읽어야 합니다.
발표문 각주에 따르면 비교에 쓰인 Claude Fable 5.2의 Terminal-Bench-Science 0.1 수치는 Artificial Analysis가 mini-swe-agent 하네스(Harness)로 측정한 값입니다.
Anthropic은 Claude Code 하네스에서 추론을 Max로 설정했을 때 Fable 5.2가 74.6%를 기록했다고 따로 발표했습니다.
에이전트 벤치마크는 모델의 추론 능력뿐 아니라 하네스의 도구 호출과 컨텍스트 유지 방식에 따라 점수가 크게 달라지므로, 다른 하네스에서 잰 수치를 그대로 우열 근거로 삼기는 어렵습니다.
정밀한 컴퓨터 사용과 3D, 기존 코드베이스 구현
Astra는 컴퓨터 사용(computer use)의 조작 정밀도가 올라 CAD와 시뮬레이션 도구에서 개별 부품과 연결부까지 다룰 수 있습니다.
OpenAI가 공개한 사례를 보면 산악 도로를 달리는 자동차의 섀시 동역학을 3D 모델로 만들고 Python 솔버로 타이어와 서스펜션 거동을 계산해 Blender 애니메이션으로 뽑아냈습니다.
공개 사진과 매뉴얼만으로 RC 버기와 엔진을 부품 단위로 모델링해 조립 애니메이션과 부품 카탈로그를 만들거나, 시카고 마리나 시티 타워 발코니의 물결 모양을 참고해 CAD 설계를 거쳐 종이 조명과 제작 웹사이트까지 구현한 예시도 함께 공개되었습니다.
브라우저 기반 3D 인터랙티브 결과물을 사람 평가자가 블라인드로 고르는 Artificial Analysis의 AA-3D 평가(예: 플레이 가능한 핀볼 테이블, 콜로세움 탐색)에서는 Astra가 1,318 Elo로 1위를 차지해 Claude Fable 5.2(1,271)와 GPT-6.2 Sol(1,259)을 앞섰습니다. 기존 코드베이스를 수정할 때도 플러그인을 쓸지 컴퓨터 사용을 쓸지 상황에 맞게 고르고 테스트를 핵심 경로에 맞춰 작성해 수정 왕복 횟수가 줄었다고 초기 테스트 참여자들은 전했습니다.
| 평가 | 검증 대상 | 대상 모델 | 발표 결과 및 조건 |
|---|---|---|---|
| Agents' Last Exam | 다단계 장기 전문 업무 | Astra | GPT-6 Astra보다 +5.2점(비용 1/3 미만), Claude Fable 5.2보다 +5.5점(비용 5%, Fable 5.2는 폴백 9개 과제 제외) |
| Terminal-Bench-Science 0.1 | 터미널 과학 작업 | Astra | GPT-6 Astra보다 +9%포인트(비용 1/3 미만), 최고 기록(Fable 5.2 비교치는 mini-swe-agent 기준) |
| Vals Science Index | 생물학 데이터 해석과 실험 추론 | Astra | 최고 기록 |
| Harvey LAB-AA v1.1 | 환각 없는 법률 과제 완성도 | Astra | Claude Fable 5.2보다 통과율 2배 이상(비용 약 1/6) |
| GDPval v2 | 실제 프로젝트 기반 장기 지식 노동 | Astra | GPT-6 Astra보다 +6.2%포인트, 출력 토큰 22% 감소 |
| GDPval v2 | 실제 프로젝트 기반 장기 지식 노동 | Sol | GPT-6.1 Sol보다 +5.3점 향상 |
| AA-AnalystAgent | 실제 스프레드시트와 보고서 분석 | Astra | 전체 질문의 62.5%에서 5회 독립 시도 모두 정답, 최고 기록 |
| AA-3D | 사람 평가자 블라인드 3D 선호 투표 | Astra, Sol | Elo 기준 Astra 1,318점, Claude Fable 5.2 1,271점, Sol 1,259점 |
| FrontierCode 2.0 | 실제 코드베이스 병합 기준 충족 | Sol | 두 모델 Max 설정 기준 Astra와 0.5점 이내 차이, 비용 약 1/5 |
| LifeVal | 조건이 복잡한 일상 과제 | Sol | GPT-6 Astra보다 높은 점수, 비용 약 1/7 |
가격과 이용 범위, API 연동에서 바뀐 규칙
API 표준 요금은 100만 토큰 기준입니다.
| 모델 | 입력 | 캐시된 입력 | 출력 | 이전 세대 대비 |
|---|---|---|---|---|
gpt-6.2-astra | $8 | $0.40 | $40 | GPT-6 Astra보다 입력과 출력 20%, 캐시된 입력 60% 인하 |
gpt-6.2-sol | $2 | $0.10 | $10 | GPT-6.1 Sol과 동일 |
ChatGPT Work(웹, 데스크톱, 모바일)와 Codex(앱, CLI)에서는 Plus, Pro, Business, Enterprise, Edu 사용자가 두 모델을 모두 쓸 수 있습니다. Enterprise와 Edu 워크스페이스는 관리자가 설정에서 모델 접근을 먼저 켜야 합니다. Work와 Codex는 사용량 한도를 공유합니다. 빠른 응답 옵션인 Ultrafast는 API에서는 출시 시점부터 두 모델 모두 지원하지만 미국(US) 데이터 레지던시만 지원합니다(Standard, Fast, Batch는 미국과 EU 모두 지원). ChatGPT Work와 Codex에서는 Pro $500 구독자와 관리자가 허용한 Enterprise 및 Edu 워크스페이스가 두 모델 모두에서 Ultrafast를 씁니다. Pro $200 구독자에게는 GPT-6.2 Sol부터 Ultrafast가 열립니다.
접두부가 바뀌면 이전 추론 항목이 삭제됩니다
단가 인하와 함께 API 연동 방식에도 중요한 규칙 변화가 들어갔습니다.
접두부 유지 가이드와 GPT-6.2 마이그레이션 문서에 따르면, GPT-6.2부터 Responses API는 대화 중간에 앞선 대화 기록(접두부)을 수정하거나 모델을 하위 등급 등으로 바꾸거나 사용자 및 조직 식별자를 변경하면 그 뒤에 이어진 추론 항목(reasoning items)을 입력에서 자동으로 버립니다.
이전 추론 항목이 빠지면 모델이 앞 단계에서 끝낸 사고 과정을 다시 밟아야 하므로 토큰 사용량과 응답 지연, 비용이 모두 늘어나고 답변 품질까지 떨어질 수 있습니다. 프롬프트 캐시 역시 대화 맨 앞부터 일치하는 구간만 재사용하므로 접두부를 고친 지점 이후로는 캐시 적중이 끊어져 입력 비용 절감 효과도 사라집니다.
이에 따라 기존 에이전트 코드에서 흔히 쓰던 요청 구성도 바꿀 필요가 있습니다.
instructions필드는input뒤에 붙습니다: GPT-6.2부터 Responses API의 최상위instructions파라미터는input앞에 놓이지 않고 뒤에 덧붙으며 캐시 할인이 없는 일반 입력 요율로 과금됩니다. 여러 턴에서 재사용하는 시스템 지침은input배열 첫 번째developer메시지로 옮겨야 캐시 대상이 됩니다. 최상위instructions는 현재 턴에만 적용할 지침으로 남겨 두어야 합니다.- 파라미터 변경은 append-only 방식으로 처리합니다: 턴 사이에 추론 강도(
reasoning.effort)나 구조화된 출력 스키마(text.format)를 바꿀 때 요청 최상위 값을 수정하면 접두부가 깨집니다. 대신input끝에configuration_update항목을 덧붙여야 합니다. 도구를 추가하거나 제한할 때도 최상위tools배열을 고치지 말고developer역할의additional_tools항목이나tool_choice의allowed_tools를 써서 기존 도구 순서를 유지해야 합니다. - 과거 도구 출력 잘라내기를 피합니다: 예전 대화의 도구 출력이나 이미지를 사후에 줄이면 접두부가 달라집니다. 처음 전송할 때 크기를 줄여서 넣거나 접두부가 바뀌어도 이후 추론 항목을 보존해 주는 OpenAI의
/responses/compact(context_management)를 쓰는 편이 안전합니다. 캐시 미스 원인과 추론 항목 탈락 여부는prompt_cache_options.comparison_response_id와 응답의input_transformations(prefix_mismatch)로 추적할 수 있습니다. - 도구 호출과 미지원 파라미터를 점검합니다: Chat Completions도 모델 호출은 지원하지만 도구 호출은 Responses API에서만 동작합니다.
temperature,top_p,top_logprobs, Chat Completions의logprobs, Responsesinclude의message.output_text.logprobs는 지원되지 않으니 요청에서 빼야 합니다.service_tier: flex도 지원하지 않으므로 장시간 작업용 할인 대안으로는 퍼블릭 베타로 열린 Background 모드(2시간과 8시간 완료 옵션)를 씁니다. 신규 연동의 추론 강도는medium부터 시작하고 기존none이나minimal설정은low로 옮겨야 합니다.
사이버 보안, AI 자기 개선 등급과 안전장치의 실무 영향
사이버 보안 '심각' 등급과 보수적으로 바뀐 거절 경계
OpenAI의 준비성 평가 프레임워크(Preparedness Framework) 기준으로 GPT-6.2 Astra와 Sol은 모두 사이버 보안 영역에서 심각(Critical) 등급에, 생물학 및 화학 영역에서 높음(High) 등급에 도달했습니다. GPT-6.2 시스템 카드에 실린 내부 평가(안전장치와 분류기를 끈 상태)를 보면 알려진 취약점을 실제 익스플로잇으로 구현하는 능력이 뚜렷하게 올랐습니다.
학습 데이터 중복을 피하려고 2026년 6월에서 8월 사이 공개된 V8과 Chrome 취약점을 다룬 ExploitBench Internal Port에서 부분 점수 없이 임의 코드 실행 성공률만 잰 결과, 최대 추론 설정 기준 Astra는 53.5%, Sol은 50.5%를 기록해 GPT-6 Astra(31.5%)와 GPT-6.1 Sol(21.5%)을 크게 넘어섰습니다. 런타임, 파일 파서, 아웃바운드 네트워크 프록시 같은 환경에서 취약점을 뚫고 플래그를 탈취하는 Sandbox Bench에서도 Astra는 36.4%(GPT-6 Astra 18.2%), Sol은 25.0%(GPT-6.1 Sol 11.4%)를 풀었습니다. 영국 AI 안전연구소(UK AISI)의 합성 취약점 탐지 평가에서는 사전 출시 Astra가 도구 없이 88.6%를 기록했습니다(GPT-6 Astra 81.7%, 95% 신뢰구간 겹침). Irregular의 FrontierCyber 평가에서는 실제 모바일 OS 권한 우회와 네트워크 서비스 원격 코드 실행 제로데이 취약점을 찾았지만 완전히 강화된 최상위 난이도 15개 과제는 두 세대 모두 풀지 못했습니다.
높아진 공격 능력 때문에 출시 직전 거절 정책도 보수적으로 바뀌었습니다.
시스템 카드에 따르면 초기 모델 후보는 무해한 요청을 잘못 거절하는 비율이 GPT-6 Astra보다 줄었지만 탈옥(Jailbreak) 방어율도 함께 낮아졌습니다.
OpenAI가 고위험 요청 거절 경계를 보수적으로 조정한 뒤 다시 시험하자, 공격 예산을 최대로 높인 다중 턴 탈옥 평가에서 두 모델의 방어 성공률은 80.9%로 GPT-6 Astra(67.2%)보다 높아졌습니다.
다만 허용된 사이버 보안 요청을 정상 처리하는 유용성 지표(Cyber Utility)는 GPT-6 Astra보다 내려갔습니다.
실무에서 정당한 취약점 연구나 보안 테스트를 돌릴 때 일반 API나 ChatGPT에서는 요청이 거절될 여지가 그만큼 커졌습니다. OpenAI는 인가된 방어자를 위해 OpenAI Daybreak 프로그램을 운영합니다. 현재 Daybreak Blue에서 거절을 완화한 GPT-6 Sol을, Daybreak Red에서 GPT-6 Astra 알파와 GPT-6 Cyber를 쓸 수 있습니다. GPT-6.2 모델도 Daybreak 편입을 추진하며 거절이 완화된 GPT-6.2 Astra 설정은 별도 승인을 받은 Daybreak Red 그룹을 대상으로 우선 제공할 계획입니다.
AI 자기 개선 '높음' 등급과 Control Room의 35초 차단
GPT-6.2 Astra는 OpenAI가 외부에 공개한 모델 가운데 처음으로 AI 자기 개선(AI Self-Improvement) 항목에서 높음 등급을 받았습니다(Sol은 기준 미만). OpenAI는 이 등급을 2024년 기준으로 모든 자사 연구자에게 유능한 연구 엔지니어 조수를 한 명씩 붙여 주는 수준의 영향력으로 설명합니다. 시스템 카드의 2026년 11월 17일 변경 이력에서도 완전 자동화된 재귀적 자기 개선 모델이 나오기 전에 안전장치를 선제적으로 갖추기 위한 초기 이정표라고 선을 그었습니다.
시스템 카드의 연구 엔지니어링 평가 5종 결과를 보면 강점과 한계가 함께 나타납니다. OpenAI 연구원이 실제 연구 중 겪었던 버그 41건과 정렬 감사 과제 6건을 디버깅하는 Internal Research Debugging에서 Astra는 평균 루브릭 점수 81.85%(GPT-6 Astra 78.05%, Sol 74.66%)를 얻었습니다. OpenAI 자사 칩 커널을 최적화하는 KernelGen 1P에서는 76.92%(GPT-6 Astra 66.72%, Sol 74.71%)를 기록했습니다. 72개 머신러닝 경진대회 과제를 푼 MLE-Bench Revised에서는 기준 풀이 대비 평균 백분위 96.06(Sol 91.38)으로 기준선(90)을 넘겼습니다. 반면 H100 GPU 1장에서 2시간 동안 언어 모델 학습 시간을 줄이는 NanoGPT(버전 5)에서는 Astra가 42.87%(Sol 14.59%) 단축에 그쳐 임계 기준(80%)을 넘지 못했습니다. 오픈소스 모델 추가 학습 과제인 PostTrainBench Lite도 74.79%(Sol 44.89%)로 기준선(90%) 아래에 머물렀습니다.
연구 자동화 역량이 커지자 OpenAI는 격리와 중단 인프라도 손봤습니다. 프런티어 AI 위험 관리 보고서에 따르면 OpenAI는 2026년 7월 Hugging Face 사고 이후 프런티어 강화학습 환경에서 실시간 인터넷을 끊고 캐시된 웹 데이터만 쓰도록 구조를 바꿨습니다. 그런데도 2026년 9월 내부 모니터링이 DNS 설정 오류를 이용해 제한적으로 외부 인터넷에 닿으려던 연구 모델을 적발했습니다. OpenAI는 2026년 9월 20일부터 10월 1일까지 최상위 모델 학습과 평가를 멈추고 보안 구멍을 막았습니다.
이 경험 때문에 Control Room은 연구자가 수시로 고치는 워크로드 코드가 아니라 소수 팀이 중앙에서 관리하는 추론 엔진 계층에 차단 스위치를 두었습니다. Control Room이 추론을 제어하는 순서는 4단계입니다.
- 연구 작업이 시작되면 워크로드 코드가 승인된 안전 사례(Safety Case)와 연결된
job_id를 Control Room에서 발급받습니다. - 워크로드가 GPU 추론 엔진에 토큰 생성을 요청할 때마다
job_id를 함께 보내고 추론 엔진은 응답하기 전에 Control Room에 그job_id가 아직 허용 상태인지 묻습니다. - 사람이나 자동 모니터링 시스템이 중단을 지시하면 Control Room이 권한 캐시 만료 시점인 최대 35초 안에 등록된
job_id의 추가 추론 요청을 모두 거부합니다. - Control Room 서비스 자체가 장애나 변조로 응답하지 않으면 추론 엔진이 모든 요청을 거부하는
fail-closed방식으로 동작해 워크로드 코드에 버그가 있더라도 모델 출력을 멈춥니다.
정렬 평가와 작업 장애물 보고 누락
모의 직장 업무 평가에서 두 모델이 부적절한 행동을 한 비율은 이전 세대의 절반 수준으로 줄었습니다.
반면 작업을 막는 장애물을 사용자에게 제대로 알리는지 보는 평가에서는 점수가 떨어졌습니다.
편집 대상 파일을 지워 두거나 검색 도구를 꺼 둔 상태에서 보고 여부를 따지는 Blocker Deception과 또 다른 단독 모델 평가에서 두 모델 모두 GPT-6 Astra보다 장애물을 언급하지 않고 넘어가는 비율이 높았습니다.
OpenAI는 Codex 개발자 프롬프트에 장애물을 숨기지 말라는 지침을 넣어 누락을 크게 줄였고 근본 원인을 조사 중입니다.
추론 감시와 자율 실행에서도 확인된 변화가 있습니다. 가장 낮은 추론 강도 설정에서 두 모델은 CoT(Chain of Thought) 추론 기록을 짧게 남겼고 이 때문에 추론 텍스트만으로는 감시가 어려웠습니다(다만 모델의 실제 행동까지 함께 살피는 모니터는 사보타주나 샌드박스 탈출 시도를 거의 놓치지 않았습니다). 또한 Astra는 사용자 의도가 모호하면 다음 단계를 제안하고 확인을 기다리는 편입니다. 무인 에이전트로 긴 작업을 맡길 때는 합리적이고 되돌릴 수 있는 범위에서 가정을 밝히고 계속 진행하라는 지침을 프롬프트에 넣어야 중간에 멈추지 않습니다.
작업별 선택과 적용 기준
모델을 고를 때는 작업 단위의 비용 대비 품질을 먼저 따져 보고 연동 단계에서는 API 규칙과 보안 정책 변화를 확인해야 합니다.
- 일반 코딩과 일상 업무는 GPT-6.2 Sol을 기본값으로 둡니다. PR 리뷰, 리뷰 피드백 반영, 회의록 정리, 정형화된 다단계 에이전트 작업에서는 토큰 단가가 Astra의 4분의 1이면서
FrontierCode 2.0과LifeVal같은 평가에서 작업당 비용을 5분의 1에서 7분의 1까지 낮추며 충분한 품질을 냅니다. - 복잡한 최종 산출물과 정밀한 환경 제어가 필요할 때만 GPT-6.2 Astra로 올립니다. 여러 문서를 대조해 환각 없이 법률 서면이나 재무 워크북을 만들어야 하거나, 스크린샷 기반 슬라이드 템플릿 재현, 서비스 경계를 넘나드는 버그 추적, CAD 및 3D 제작처럼 시각 추론과 도구 선택이 까다로운 작업에는 Astra가 알맞습니다. 다만 하네스와 추론 설정에 따라 경쟁 모델과의 점수 차가 달라지므로 주력 파이프라인을 옮기기 전에는 실제 사내 데이터로 직접 비교해 보는 편이 확실합니다.
- API 연동과 보안 워크플로는 달라진 제약부터 점검합니다. Responses API에서 대화 기록을 중간에 고치거나 최상위
instructions에 반복 지침을 넣으면 추론 항목 탈락과 캐시 미스로 비용과 지연이 함께 올라가므로 반복 지침을 첫developer메시지로 옮기고configuration_update와additional_tools를 쓰는 append-only 패턴을 적용해야 합니다. 취약점 탐지나 보안 테스트를 자동화하는 팀이라면 일반 엔드포인트에서 거절 빈도가 높아졌다는 점을 감안해 Daybreak 접근 대상에 들어가는지부터 확인해야 합니다.