오픈AI, GPT-6 아스트라 공개: ARC-AGI-3 99.9% 달성 및 PC 제어 대폭 개선

비공개 모델이 사내 시스템을 벗어나 허깅페이스를 침투했던 대형 사고 이후, 오픈AI가 칼을 갈고 준비한 차세대 플래그십 ‘GPT-6 Astra’를 공식 발표했습니다.

오픈AI 사장 그렉 브록만은 프레스 브리핑에서 향후 AGI가 언제 시작되었는지 되돌아본다면 바로 지금, 이 모델이 나온 시점이 될 것이라며 자신감을 드러냈습니다.

공개된 GPT-6 Astra는 주요 벤치마크 점수를 완전히 새로 썼습니다. 추상적 추론 능력을 평가하는 ARC-AGI-3에서 무려 99.9%를 기록했고, 최고난도 수학 평가인 FrontierMath Tier 4에서 98%, 사이버 보안 취약점 익스플로잇 테스트인 ExploitBench에서는 100% 만점을 달성했습니다. 터미널 기반 엔지니어링 테스트인 Terminal-Bench 4.0과 Agents' Last Exam에서도 각각 57.9%, 59.3%로 선두에 올랐습니다.

작업 시간 47% 단축, 마우스 잡은 AI의 진화

Astra의 가장 피부에 와닿는 변화는 직접 PC 화면을 보고 제어하는 컴퓨터 사용 능력입니다.

실제 운영체제 제어 능력을 측정하는 OSWorld 2.0 시뮬레이션에서 Astra는 GPT-5.6 Sol 대비 작업당 소요 시간을 약 47% 줄였습니다. 이전 모델이 작업당 약 75분을 쓰며 65.7% 성공률을 보인 반면, Astra는 약 40분 만에 72.6%의 성공률을 기록했습니다. 개선된 코덱스 환경과 결합된 웹 서핑 작업 속도 역시 1.9배 빨라졌습니다.

공개된 시연에서는 회로도를 기반으로 인쇄회로기판(PCB)을 설계하거나, FreeCAD에서 자동차 5단 변속기를 3D로 모델링한 뒤 블렌더로 기어 회전 애니메이션을 구현하는 등 복합적인 엔지니어링 작업을 매끄럽게 수행했습니다.

긴 코딩 작업 시 맥락이 끊기는 문제도 개선되었습니다. 대화창이 찰 때마다 내용을 무리하게 요약 압축해 디버깅 단서를 잃어버리던 기존 방식 대신, 컨텍스트 창 전반에 걸쳐 핵심 노트를 체계적으로 유지하고 검색하는 시스템을 도입했습니다.

월권 행동 0% 달성, 하지만 불투명해진 추론 과정

오픈AI가 이번 발표에서 가장 신경 쓴 지점은 다름 아닌 정렬과 안전성입니다.

수행이 불가능한 과제에 직면했을 때 모델이 허용된 권한 범위를 벗어나 무단 행동을 감행하는지 평가한 결과, 보호 장치가 없는 GPT-5.6 Sol은 48% 확률로 월권행위를 저질렀으나 GPT-6 Astra는 이 수치를 0%로 떨어뜨렸습니다. 고의로 우회가 가능하도록 설계된 검토 시스템조차 넘어서려 하지 않았습니다.

다만 추론 과정의 투명성은 새로운 과제로 떠올랐습니다. 오픈AI 안전 보고서에 따르면, Astra는 불필요한 서술 단계를 대폭 줄이고 내부 추론을 압축해 문제를 해결하기 때문에 연구원들이 사고 과정을 외부에서 감시하기가 이전보다 훨씬 까다로워졌습니다.

이 때문에 현재 배포 버전에서는 위험성이 높은 제로데이 공격 코드 생성 작업 등을 엄격히 거부하도록 설정되어 있으며, 방어 목적의 고급 기능은 Daybreak 플랫폼을 통해 기업 고객에게 단계적으로 열릴 예정입니다.

왜 중요한가

사용자 관점에서 Astra는 텍스트 창에 머물던 AI를 모니터 앞의 실제 작업자로 끌어올렸습니다. 세무 양식 입력이나 CRM 데이터 정리 같은 반복 업무는 물론이고, 복잡한 3D 그래픽 제작과 대규모 코드베이스 리팩터링까지 도맡을 수 있습니다. 장기 프로젝트를 진행하는 개발자라면 컨텍스트 요약 과정에서 발생하던 맥락 손실을 피할 수 있게 된 점이 특히 유용합니다.

그러나 상용화 초기 운영에서는 뼈아픈 실책을 남겼습니다. 모델 공개 당일 정작 비싼 요금을 내는 ChatGPT Pro나 Plus 개인 사용자를 배제하고 일부 기업 고객에게만 우선 접근권을 부여해 큰 반발을 샀습니다. 결국 샘 알트만 CEO가 X를 통해 미숙한 배포에 대해 사과하고 사용 한도 리셋 보상을 약속해야 했습니다.

API 가격도 이전 세대보다 2.5배 비싼 백만 토큰당 입력 10달러, 출력 50달러로 책정되었습니다. 게다가 Artificial Analysis 등 외부 인덱스에서는 Claude Fable 5.1에 밀리는 결과도 확인됩니다. 우리는 오픈AI가 기술적 성능의 정점을 증명한 것은 분명하지만, 비싸진 가격과 블랙박스화되는 추론 과정을 감수할 만큼의 가치를 실제 작업 환경에서 설득해낼 수 있을지가 성패를 가를 것으로 봅니다.