GPT-6 아스트라, 코딩 성능 올랐지만 가격 2.5배… 실속은 어디에?

오픈AI가 새 모델 GPT-6 아스트라를 내놨다. 인공분석(Artificial Analysis)이 3일 공개한 두 가지 지수 결과다. 코딩 에이전트 지수에선 파이블 5와 동점(67점)을 기록했고, 토큰 사용량은 전작 GPT-5.6 솔 대비 70% 줄었다. 그런데 가격이 2.5배 올랐다. 입력·출력 토큰당 요금이 4달러·20달러에서 10달러·50달러로 뛰었다. 작업당 실제 비용은 전작보다 75% 비싸졌다.

코딩 성능은 올랐는데 지능은 제자리

인공분석은 '코딩 에이전트 지수'와 '지능 지수'를 따로 운영한다. 아스트라는 전자에서만 의미 있는 진전을 보였다. 코덱스(Codex) 하네스에서 파이블 5, 클로드 오퍼스 5, 뮤즈 스파크 1.3과 어깨를 나란히 했다. 선두는 파이블 5.1(70점)이다.

반면 지능 지수에선 61점으로 전작 솔과 똑같다. 파이블 5.1(66점), 뮤즈 스파크 1.3(맥스)보다 뒤처진다. 토큰 효율은 10% 개선됐지만 가격 인상분이 상쇄했다. 인공분석 표현을 빌리면 "파레토 전면에 앉았으나 비용 효율 전면에서는 전작 뒤에 머문다."

환각률 92% → 51%… 지식 작업은 엇갈려

AA-옴니사이언스(지식·환각 벤치마크)에서 환각률이 92%에서 51%로 뚝 떨어졌다. 정확도도 4점 올랐다. 이건 분명한 진전이다.

하지만 에이전틱 지식 작업 평가는 갈린다. AA-브리프케이스(다주간 프로젝트, 수천 개 파일)에선 엘로 80점 올랐다. 루브릭 점수와 분석 품질이 둘 다 좋아졌다. 반면 프레젠테이션 품질은 전작 솔(맥스)이 여전히 1위다.

GDPval-AA v2(44개 직업 경제 가치 과제)에선 엘로 80점 떨어졌다. τ³-뱅킹(고객 지원), 사이코드(과학 파이썬), AA-LCR(장문 추론)에서도 2~3점씩 후퇴했다. "혼합된 진전"이라는 인공분석 평가가 정확하다.

커뮤니티 반응: "벤치마크 간 격차 커졌다"

해커뉴스 댓글 8개 중 핵심을 추리면 세 가지다.

첫째, 미러코드(MirrorCode) 벤치마크에선 파이블 5 아래라는 지적이다. 에포크 AI 리더보드 링크가 달렸다.

둘째, 지능 지수에서 솔과 동점(61), 에이전틱 지수에선 솔보다 낮음(51 vs 58). "이게 그리 대단해 보이진 않는다"는 회의론이 나왔다.

셋째, ECI(에포크 코딩 지수)와 인공분석 지수가 다르게 나온다. "현재 벤치마크 한계가 실무 적용성과 멀어지고 있다"는 자조다.

본지가 오늘 다룬 오픈AI 'GPT-6 아스트라' 언급에 커뮤니티는 회의적 반응에서도 "검증부터"라는 목소리가 컸다. 이번 지수 공개로 데이터가 생겼지만, 검증 요구는 여전하다.

쉽게 풀어보면

오픈AI가 GPT-6 아스트라를 내놨습니다. 뷔페에 비유하면 이렇습니다. 접시 크기(토큰 한도)는 그대로인데, 음식을 3분의 1만 담아도 배가 부르도록 요리법(토큰 효율)을 바꿨습니다. 코딩 뷔페에선 1등 그룹과 동점입니다.

문제는 식권 가격입니다. 2.5배 올랐습니다. 접시 수를 줄여도 총계산서는 전작보다 75% 비쌉니다. 일반 지식 뷔페(지능 지수)에선 전작과 점수가 똑같습니다. 경쟁자 파이블 5.1, 뮤즈 스파크 1.3보다 낮습니다.

환각(거짓말) 비율은 92%에서 51%로 절반 줄었습니다. 이건 반가운 소식입니다. 장기 프로젝트(AA-브리프케이스) 성적도 올랐습니다. 하지만 경제 가치 과제(GDPval)에선 크게 떨어졌고, 고객 지원·과학 코딩·장문 추론에서도 소폭 후퇴했습니다.

커뮤니티에선 "벤치마크마다 순위가 다르니 뭘 믿나"라는 말이 나옵니다. 에포크 AI 지수와 인공분석 지수가 엇갈립니다. 본지가 9일 전 다룬 대학생 6851명 블라인드 테스트에서도 벤치마크 점수와 실사용 선호가 달랐던 전례가 있습니다.

나에게 미치는 영향

지금 바로 쓸 수 있는 판단 기준 세 가지.

코딩 위주 업무라면 — 아스트라 맥스 에포트가 전작 솔 맥스와 작업당 비용 비슷하면서 점수 2점 높습니다. 파이블 5보다 작업당 절반 비용입니다. API로 코딩 에이전트 돌리는 팀이라면 테스트해 볼 만합니다.
일반 지식·글쓰기·분석 위주라면 — 지능 지수에서 전작과 동점, 경쟁 모델보다 낮습니다. 가격만 올랐습니다. 챗GPT 플러스·프로 구독자면 모델 선택창에서 아스트라 떠도 당분간 솔이나 타사 모델 쓰는 게 낫습니다.
환각이 치명적인 분야라면 — 환각률 51%는 여전히 높습니다. "절반 줄었다"지만 2번 중 1번은 틀립니다. 팩트 체크 없이 결과물 쓰면 안 됩니다. 검증 루프를 직접 짜야 합니다.

오늘 확인해 볼 것: 챗GPT나 API 플레이그라운드에서 아스트라가 떠 있는지, 본인 용도(코딩/일반/장문)에 맞춰 소량 테스트해 보세요. 비용 청구서 보고 결정해도 늦지 않습니다.

남은 쟁점

무료·저가 티어 여부: 인공분석 자료엔 맥스 에포트 기준만 있다. 저렴한 티어(로우/미디엄 에포트) 가격·성능은 미공개다. 소규모 팀·개인은 이쪽이 중요하다.
한국어·국내 환경 검증: 벤치마크는 영문 코덱스·위키 중심이다. 한국어 코딩·문서 작업에서 같은 효율 나오는지 모른다.
장기 메모리·도구 사용: AA-브리프케이스 상승은 고무적이나 프레젠테이션 품질 하락은 실무 문서 자동화에 걸림돌일 수 있다.
경쟁 모델 대응: 메타 뮤즈 스파크 1.3이 지능 지수에서 아스트라를 앞선다. 본지가 오늘 전한 메타 '뮤즈 스파크 1.3' 기사처럼 오픈소스 진영 추격이 만만치 않다.

이 모델을 지금 써야 할 팀: 코딩 에이전트 API 비용이 병목인 중대형 팀, 환각률 개선이 급한 파이프라인 보유 팀.
기다려도 되는 팀: 일반 대화·요약·번역 위주 사용자, 비용 민감한 소규모 팀, 한국어 특화 검증 필요한 팀.