GPT-6 아스트라 실사용기 "최고지만 혁명은 아니다"… 루프드 트랜스포머·은닉 추론 논쟁

세바스찬 라슈카 박사가 GPT-6 아스트라를 며칠 써보고 내놓은 결론은 단정적이다. "지금까지 써본 모델 중 최고"라는 것이다. 특히 3D 렌더링과 애니메이션, 컴퓨터 사용(computer use) 작업에서 기존 모델과 체감 차이가 크다고 했다.

이전 보도와 엇갈리는 현장 평가

본지는 지난 4일과 5일 두 차례에 걸쳐 아스트라 실체에 의문을 제기했다. 오픈AI 'GPT-6 아스트라' 언급에 커뮤니티는 회의적 반응에서는 검증 없는 등장을, 오픈라우터에 'GPT-6 아스트라' 등장… 실체는 여전히 안개 속에서는 접근성과 가격 불투명을 지적했다. 라슈카의 평가는 이 흐름과 정면으로 부딪힌다. 그는 머신러닝 교과서 저자이자 실무 연구자로, 벤치마크 숫자만 인용하는 2차 인용이 아니다.

벤치마크는 "최전선", 격차는 "크지 않다"

라슈카가 인용한 인공지능분석(Artificial Analysis) 지표를 보면 그림이 선명해진다.

• 코딩 에이전트 인덱스 v1.4: 아스트라가 최전선이지만 압도적 1위는 아니다
• 인텔리전스 인덱스 v4.2(종합 작업): 비슷한 패턴, 큰 도약은 보이지 않음
• ARC-AGI-3: 99.9%(GPT-5.6 솔로 7.8%) — 이 수치만 보면 충격적이지만, 라슈카 본인도 "수학·코딩·컴퓨터 사용 벤치마크가 실사용에 더 가깝다"고 선을 그었다

평가 하네스(harness) 차이도 변수다. 각 벤치마크가 서로 다른 실행 환경(스터럽, 터미누스 2, τ-벤치 등)을 쓰는데, 모델은 주로 하나의 주력 하네스에 맞춰 파인튜닝된다. 아스트라가 주력 하네스에서 더 높게 나올 가능성이 있다. 교차 검증 전까지는 독립 벤치마크조차 '사과 대 사과'가 아닐 수 있다는 뜻이다.

3D·컴퓨터 사용에서 체감 차이

라슈카가 강조한 대목은 그래픽과 컴퓨터 사용이다. 코덱스/챗GPT 앱을 통해 로컬 소프트웨어를 조작하는 '컴퓨터 사용' 작업에서 아스트라가 타 모델 대비 두드러진다는 것이다. 3D 렌더링 데모가 소셜미디어에서 잘 퍼지는 이유도 여기에 있다. 시각적 결과물이 바로 확인되니 '인상적'으로 느껴지기 쉽다는 점을 염두에 둘 필요가 있다.

루프드 트랜스포머와 '은닉 추론' 루머

기사 후반부는 아키텍처 추측으로 넘어간다. '루프드 트랜스포머(looped transformer)' — 같은 레이어를 여러 번 순회하며 깊이를 동적으로 조절하는 구조 — 가 아스트라에 적용됐다는 설이다. 이에 대해 해커뉴스 댓글에서는 "메모리 대역폭이 병목일 것"이라는 지적이 나왔다. 또 다른 댓글은 '깊이 혼합(mixture of depths)' 논문(arXiv:2404.02258)을 거론하며, 레이어를 추가하는 대신 건너뛰는 반대 방향 접근도 존재함을 상기시켰다.

'추론 과정을 숨긴다(chain of thought hiding)'는 주장에 대해서는Alignment(정렬) 모니터링 수단이 체인오브소트뿐인 현실, 잠재 공간(latent space) 감시가 아직 해결되지 않은 문제라는 반론이 댓글에 달렸다. 이 모두 공식 확인된 바 없다. 라슈카도 "루머"라고 명시했다.

프롬프트 엔지니어링 관행도 바뀔 수 있다

라슈카는 동료와 클로드 코드 리드 권장을 인용해 AGENTS.md, SKILL.md 같은 장황한 지시 파일을 지우거나 재생성할 때라고 제안했다. 신형 모델이 프롬프트 의도를 더 잘 파악해, 구식 가이드가 오히려 제약이 된다는 것이다. 재사용 효율이 필요한 워크플로만 남기고, 나머지는 모델에게 맡기는 편이 나을 수 있다.

쉽게 풀어보면

세바스찬 라슈카 박사는 AI 분야에서 손꼽히는 교육자이자 연구자다. 그가 "내 커리어 통틀어 최고 모델"이라고 말한 건 단순한 칭찬이 아니다. 직접 코딩·수학·3D 작업을 시켜보고 내린 결론이다.

뷔페에 비유하자면, 이전 모델(GPT-5.6)은 음식 가짓수가 많지만 맛은 평범했다. 아스트라는 디저트 코너(3D·그래픽·컴퓨터 조작)만 미슐랭급이다. 나머지 코너도 확실히 나아졌지만, "인생 최고의 한 끼"는 아니다.

벤치마크 점수표를 보면 1등이 맞다. 그런데 2등과 간격이 1~2% 포인트다. 올림픽 100m에서 0.01초 차이로 금메달 딴 격이다. 일상 업무에서 '와, 이건 다르네' 체감하긴 어렵다는 뜻이다.

루프드 트랜스포머는 '생각할 시간을 스스로 조절하는 구조'다. 어려운 문제는 더 깊게(여러 번 순회), 쉬운 건 얕게(한 번만) 처리한다. 이게 사실이면 추론 비용을 아끼면서 성능을 올리는 영리한 설계다. 하지만 메모리 병목 때문에 실제 서빙에서 발목 잡힐 수 있다는 게 현장 엔지니어들의 의심이다.

'추론 숨기기'는 더 민감하다. 모델이 속으로 생각한 과정을 사용자에게 안 보여준다는 건데, 그럼 우리가 모델이 왜 틀렸는지, 위험한 생각을 했는지 알 수 없다. 정렬 연구자들이 가장 우려하는 지점이다. 아직 확인된 건 없다.

나에게 미치는 영향

챗GPT 플러스/프로 사용자라면 — 아스트라가 정식 배포되면(아직 일정 미공개) 3D 코드 생성, 블렌더/파이썬 비주얼라이제이션, 브라우저 자동화 같은 작업을 맡겨보라. 기존 모델보다 수정 횟수가 확 줄어들 가능성이 크다.

개발자·데이터 분석가라면 — AGENTS.md 같은 긴 컨텍스트 파일을 일단 지우고 새 대화에서 다시 시켜보라. 라슈카 말대로 "구식 가이드가 방해만 된다"면 토큰도 아끼고 답도 더 나아진다.

일반 사용자라면 — 아직 쓸 수 없다. 오픈라우터에 올라왔다는 말도 있지만 가격·접근성·SLA 모두 불투명하다. 본지가 5일 전 지적한 그대로다. 공식 발표 기다리는 게 낫다.

벤치마크만 보고 모델 갈아타려 한다면 — ARC-AGI-3 99.9%에 현혹되지 마라. 6일 전 본지 분석대로 검증 비용·일반화 여부 모두 미지수다. 실무 코딩·수학 지표가 네 업무와 더 가깝다.

남은 쟁점

• 공식 출시 일정·가격·API 스펙: 아직 아무 것도 공개되지 않았다
• 루프드 트랜스포머 적용 여부: 오픈AI 발표 아니면 확인 불가
• 추론 은닉 기능 유무: 정렬·안전성 커뮤니티의 검증 필요
• 한국어·한국 웹 환경에서의 컴퓨터 사용 성능: 별도 테스트 전까진 알 수 없다

라슈카의 글은 "써본 사람이 남긴 첫 신뢰할 만한 기록"이다. 하지만 한 명의 경험이 곧 보편은 아니다. 다음 주면 더 많은 실사용기가 쌓일 것이다. 그때 다시 비교해보자.