[CBC뉴스] 오픈AI가 차세대 인공지능 모델 ‘GPT-6 아스트라(Astra)’를 공개하면서 기존 GPT-5.6 Sol과의 성능 격차에 관심이 쏠리고 있다. 단순한 답변 정확도를 넘어 컴퓨터 활용과 코딩, 과학 연구, 장기 작업 유지, 사이버보안 등 실제 업무 수행 능력에서 큰 폭의 변화가 나타났다는 게 오픈AI의 설명이다.

가장 눈에 띄는 차이는 컴퓨터를 직접 다루는 능력이다. GPT-6 아스트라는 온라인 양식 작성과 일정 관리, 고객관리시스템 기록 수정, 웹 조사, 문서 작성, 데이터 분석, 웹사이트 제작 등 여러 단계로 이어지는 작업을 수행하도록 설계됐다. 오픈AI는 아스트라가 컴퓨터 사용의 속도와 정확성, 안전성에서 기존 모델보다 개선됐다고 밝혔다.

실제 평가에서도 격차가 나타났다. OSWorld 2.0에서 GPT-6 아스트라는 72.6%를 기록해 GPT-5.6 Sol의 65.7%를 웃돌았다. 오픈AI가 공개한 작업 시간 시뮬레이션에서는 아스트라가 약 40분 만에 해당 성능을 기록한 반면 GPT-5.6 Sol은 약 75분이 걸렸다.

즉 단순히 문제를 더 잘 푸는 데 그치지 않고, 실제 컴퓨터 환경에서 같은 업무를 더 빠르게 끝내는 방향으로 발전했다는 의미다.

코딩 능력에서도 차이가 컸다. Terminal-Bench 4.0에서 GPT-6 아스트라는 57.9%를 기록한 반면 GPT-5.6 Sol은 37.3%에 그쳤다. DeepSWE v1.1에서도 아스트라는 74.1%, Sol은 72.7%를 기록했다. 데이터베이스 마이그레이션 관련 내부 평가에서는 아스트라가 63.9%, Sol이 42.7%로 격차가 더 크게 나타났다.

오픈AI는 GPT-6 아스트라를 자사 모델 가운데 현재까지 가장 뛰어난 소프트웨어 엔지니어링 모델이라고 설명했다. 특히 긴 코딩 작업에서 이전 맥락을 유지하는 방식도 달라졌다.

GPT-5.6 Sol을 포함한 기존 모델은 긴 작업이 이어지면 과거 내용을 압축해 요약하는 방식을 주로 사용했다. 이 과정에서 이전에 실패한 수정 이유나 세부 테스트 결과 등이 빠질 가능성이 있었다.

반면 GPT-6 아스트라는 Codex에서 여러 컨텍스트 창에 걸쳐 메모를 유지하고 이전 작업 기록을 다시 검색할 수 있도록 설계됐다. 긴 디버깅이나 대규모 코드 수정 작업에서 앞선 맥락을 잃지 않는 능력이 강화된 셈이다.

추상적 문제 해결 능력에서는 격차가 더욱 두드러진다. ARC-AGI-3에서 GPT-6 아스트라는 99.9%를 기록했다. GPT-5.6 Sol의 점수는 7.8%였다. ARC-AGI-2에서는 아스트라가 95.0%, Sol이 92.5%를 기록했다.

과학 분야에서도 아스트라가 한 단계 올라섰다. 대학원 수준의 과학 추론을 평가하는 GPQA Diamond에서 아스트라는 96.0%, GPT-5.6 Sol은 94.6%를 기록했다. FrontierMath Tier 4에서는 아스트라가 97.6%, Sol은 83.0%였다.

업무용 문서 제작 능력도 변화했다. 오픈AI는 GPT-6 아스트라가 기존 템플릿을 유지하면서 문서와 프레젠테이션, 스프레드시트 등을 작성하는 능력이 강화됐다고 설명했다. 필요하지 않은 정보를 반복하기보다 해당 업무에 필요한 맥락만 추려 결과물에 반영하도록 훈련했다는 설명이다.

3차원 설계 능력을 평가하는 BenchCAD에서도 아스트라는 95.9%를 기록해 GPT-5.6 Sol의 83.3%를 크게 웃돌았다.

사이버보안 성능은 가장 민감하면서도 큰 변화가 나타난 영역 중 하나다.

ExploitBench에서 GPT-6 아스트라는 100%를 기록했고 GPT-5.6 Sol은 78.5%였다. ExploitGym에서도 아스트라는 42.4%, Sol은 30.3%를 기록했다. SRE-Bench에서는 아스트라가 88.0%, Sol은 55.9%로 차이가 컸다.

오픈AI는 평가 과정에서 아스트라가 이전에 알려지지 않았던 제로데이 취약점 두 건을 발견하고 활용했다고 밝혔다. 동시에 이 같은 능력이 악용될 가능성을 고려해 실제 서비스에서는 고급 공격용 개념증명 코드 제작 등 일부 사이버보안 작업에 제한을 두고 있다.

안전성과 사용자 지시 준수 능력 역시 GPT-5.6 Sol과 차이가 나타났다.

오픈AI 내부 컴퓨터 사용 안전 평가에서 낮을수록 좋은 오류율 기준으로 GPT-6 아스트라는 2.4%를 기록했다. GPT-5.6 Sol은 22.0%였다. 자동 검토 기능을 적용하면 아스트라는 1.8%, Sol은 4.3%로 낮아졌다.

또 ExploitGym 허니팟 평가에서는 GPT-5.6 Sol이 허용된 목표 범위를 벗어나는 행동을 한 비율이 48.2%였던 반면 아스트라는 0%를 기록했다. 오픈AI는 이를 사용자 의도와 작업 범위를 유지하는 능력이 개선된 사례로 제시했다.

정리하면 GPT-5.6 Sol에서 GPT-6 아스트라로의 변화는 단순한 답변 성능 향상이라기보다 ‘실제 작업을 끝까지 수행하는 능력’의 강화에 가깝다.

GPT-5.6 Sol이 복잡한 질문에 답하고 코드를 작성하는 고성능 AI 모델이었다면, GPT-6 아스트라는 컴퓨터와 브라우저, 개발 도구를 직접 활용하면서 여러 단계의 업무를 이어가고 결과물까지 완성하는 에이전트형 AI에 더 가까워졌다.

오픈AI는 GPT-6 아스트라를 일부 조직부터 제공한 뒤 ChatGPT Plus와 Pro, Business, Enterprise 사용자로 확대할 계획이다. OpenAI API와 Microsoft Azure, AWS Bedrock에서도 제공하며 API 모델명은 ‘gpt-6-astra’다.

결국 GPT-5.6 Sol과 GPT-6 아스트라의 가장 큰 차이는 ‘얼마나 잘 대답하느냐’에서 ‘얼마나 복잡한 일을 실제로 맡아 끝낼 수 있느냐’로 경쟁의 기준이 이동했다는 점으로 요약할 수 있다.

[이 기사는 OpenAI가 공개한 GPT-6 Astra 공식 자료를 토대로 AI의 도움을 받아 작성됐습니다. 기사에 포함된 성능 수치와 비교 결과는 OpenAI가 제시한 벤치마크 및 내부 평가 결과를 기준으로 하며, 실제 서비스 환경과 사용 조건에 따라 체감 성능은 달라질 수 있습니다. 특정 AI 서비스의 이용을 권유하거나 성능을 보증하기 위한 내용은 아닙니다.AI가 일부 조력했습니다.]

★ 네티즌 어워즈 투표하러 가기 ▶
★ 전 세계 팬덤의 결집, cbcglobe.com ▶
★ 돈돈돈, 남몰래 혼자 보는 – 돈 되는 뉴스 ▶

▮ CBC뉴스ㅣCBCNEWS 심우일 기자