gpt-6-astra는 gpt-5.6-sol보다 얼마나 비싼가?

표준 처리, 입력 272K 토큰 이하 기준으로 100만 토큰당 입력 10달러, 출력 50달러다. gpt-5.6-sol이 입력 4달러, 출력 20달러이므로 입력과 출력 모두 2.5배다. 입력이 272K 토큰을 넘으면 요청 전체에 입력과 캐시 요율 2배, 출력 요율 1.5배가 적용되어 입력 20달러, 출력 75달러가 된다. Batch와 Flex는 표준의 절반, Fast mode는 2배다.

컨텍스트 창과 최대 출력은 얼마인가?

컨텍스트 창 1,050,000 토큰, 최대 입력 922,000 토큰, 최대 출력 128,000 토큰이다. 지식 컷오프는 2026년 4월 30일이다. 다만 Tier 1의 표준 레이트 리밋이 500 RPM, 500K TPM이라 최대 입력에 가까운 요청을 반복하려면 티어를 올려야 한다.

API에서 작업이 중단되는 경우가 있다는데 무엇인가?

프로덕션에 적용된 오정렬 모니터링 분류기가 모델의 추론과 행동을 검사해 미승인 행동을 자동 중단시킨다. ChatGPT와 Codex에서는 일시정지 후 사용자 검토를 요청하지만 API에서는 작업이 중단된다. 방어적 보안 같은 정당한 작업도 가끔 걸릴 수 있다고 OpenAI가 밝혔으므로, 자동화 파이프라인에는 중단 응답을 감지해 재시도하거나 다른 모델로 넘기는 경로가 필요하다.

보안 취약점 분석 용도로 쓸 수 있나?

출시 버전은 보안 코드 리뷰나 패치 같은 방어 작업은 수행하지만 취약점 PoC 익스플로잇 작성 같은 고급 사이버 작업은 거부한다. 사이버 탈옥 평가 거부율은 91.5%다. 취약점과 PoC 검증, 멀웨어 분석, 탐지 엔지니어링이 필요하면 우선 소수 알파 테스터에게 제공된 뒤 OpenAI Daybreak(Daybreak Blue)로 확대되는 덜 제한적인 안전장치 접근이 필요하다. 출시 시점에 바로 열린 신청 창구는 안내되지 않았다.

모든 벤치마크에서 이전 모델을 앞서나?

아니다. OpenAI 발표문 표 기준으로도 DeepSWE v1.1은 74.1% 대 72.7%로 차이가 작고 Gemini 3.8 Flash 73.8%, Claude Opus 5 73.7%와 거의 같다. Artificial Analysis Intelligence Index v4.1.1은 61.2 대 60.9이며 같은 표의 Claude Fable 5.1이 65.7로 더 높다. 큰 격차는 컴퓨터 사용, 터미널 작업, 사이버보안, 긴 컨텍스트에 집중돼 있다.

GPT-6 Astra 달라진점

새 모델이 나오면 제일 먼저 하는 일이 가격표와 모델 문서 두 페이지를 나란히 열어놓고 지금 쓰는 모델과 비교하는 것이다. 발표문에 붙은 벤치마크 표는 대체로 좋아 보이게 그려져 있어서, 실제로 갈아탈지는 요금과 레이트 리밋, 그리고 운영 중 어떤 응답이 새로 생기는지를 봐야 판단이 선다. 예전에 Claude 모델별 차이점 (Haiku, Sonnet, Opus, Fable)을 정리하면서 같은 순서로 봤는데, 이번 GPT-6 Astra도 그 방식대로 짚어본다.

정리하자면, OpenAI가 2026년 9월 3일 공개한 GPT-6 Astra는 API 모델 이름 gpt-6-astra로 제공되며 컨텍스트 창 1,050,000 토큰에 100만 토큰당 입력 10달러, 출력 50달러다. 같은 기준으로 gpt-5.6-sol의 2.5배 가격이고, 성능 격차가 큰 영역은 컴퓨터 사용과 터미널 작업, 사이버보안, 긴 컨텍스트에 몰려 있다. 여기에 이번 모델은 Preparedness Framework의 사이버보안 Critical 임계에 도달한 첫 모델로 지정되어, API 사용 측에서도 거부와 중단이라는 새 변수가 생겼다.

1. 무엇이 나왔고 어디서 쓸 수 있나

OpenAI는 GPT-6 Astra를 "the world's most intelligent and aligned model"로 소개했다. 발표 당일에는 일부 조직에 먼저 제공했고, 이후 며칠 안에 ChatGPT Plus, Pro, Business, Enterprise 전체와 OpenAI API, Microsoft Azure, AWS Bedrock으로 확대한다고 밝혔다.

제공 경로별로 확인할 점은 다음과 같다.

ChatGPT: 기존 구독 허용량 안에서 사용하고, 추가 사용량은 크레딧을 구매해 쓴다. Pro, Business, Enterprise 플랜에는 GPT-6 Astra Pro도 함께 제공된다.
Enterprise: 관리자가 워크스페이스에 직접 활성화해야 한다. 출시 시점 기본값은 꺼짐이므로, 사내에서 "모델 목록에 안 보인다"는 문의가 오면 자주 보이는 원인 중 하나로 이 설정을 확인한다. 단계적 롤아웃이 아직 계정에 도달하지 않은 경우도 있다.
API: 모델 이름은 gpt-6-astra다. 자격 요건을 갖춘 API 고객에게는 Zero Data Retention을 지원한다.
클라우드: Azure와 Bedrock으로도 확대된다.

2. Codex 하네스도 같이 바뀌었다

모델만 바뀐 것이 아니라 Codex 하네스가 함께 업데이트됐다. 컴퓨터 사용 속도가 개선되어, Mind2Web 벤치마크에서 GPT-5.6 Sol 대비 1.9배 빠르게 작업을 끝냈다(OpenAI 발표 기준).

실무에서 더 체감되는 변화는 컨텍스트 관리 쪽이다. 컨텍스트 창이 찰 때 기존처럼 대화를 요약(compaction)해 압축하는 대신 "노트"를 유지하고, 이전 컨텍스트 창을 검색할 수 있게 했다. 긴 작업에서 앞부분 결정이 요약에 뭉개져 사라지는 문제를 줄이려는 변경이다. 지금은 Codex의 config.toml에서 실험 기능으로 켤 수 있고, 수 주 내 Astra 기본값으로 바뀔 예정이라고 밝혔다.

질문 방식도 달라졌다. Codex에서 답이 결과를 바꾸는 질문만 비동기로 던지고, 응답이 없으면 합리적 가정으로 진행하되 중대한 결정은 대기한다.

3. API 사양에서 확인할 값

모델 문서 기준 사양은 다음과 같다. 스냅샷은 1개이고 별칭과 날짜 스냅샷이 갈라져 있지 않다.

모델 ID: gpt-6-astra
컨텍스트 창 1,050,000 토큰, 최대 입력 922,000 토큰, 최대 출력 128,000 토큰
지식 컷오프: 2026년 4월 30일
입력 모달리티는 텍스트와 이미지, 출력은 텍스트
엔드포인트: Chat Completions, Responses, Batch
기능: 스트리밍, structured outputs, function calling, prompt caching
도구: web_search, file_search, image_generation, code_interpreter, hosted_shell, apply_patch, skills, computer_use, mcp, tool_search

reasoning effort는 low, medium, high, xhigh, max의 5단계다. reasoning effort는 모델이 답을 내기 전에 내부 추론에 얼마나 토큰을 쓸지 정하는 값이라고 보면 된다. 단계를 올리면 어려운 작업 정답률이 오르는 대신 추론 토큰이 늘어 출력 요금이 같이 오른다. 기본값이 어느 단계인지는 문서에 명시돼 있지 않으니, 비용을 계산해야 한다면 코드에서 명시적으로 지정하는 편을 권한다.

호출 형태는 Responses 엔드포인트 기준으로 이렇다.

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": "이 저장소의 테스트 실패 원인을 요약해 줘"
  }'

레이트 리밋은 표준 티어에서 Tier 1이 500 RPM, 500K TPM이고 Tier 5가 15K RPM, 40M TPM이다. 컨텍스트가 100만 토큰급이라 TPM이 먼저 걸린다. Tier 1에서 500K TPM이면 최대 입력에 가까운 요청은 분당 한 건도 채우기 어려우므로, 긴 컨텍스트를 쓸 계획이면 티어부터 확인한다.

4. 가격과 272K 경계

표준 처리 기준 100만 토큰당 요율은 다음과 같다. 캐시 읽기는 prompt caching으로 재사용된 입력 토큰에 붙는 할인 요율이고, 캐시 쓰기는 그 캐시를 처음 만들 때 붙는 요율이다.

모델                        입력    캐시읽기  캐시쓰기   출력
gpt-6-astra (272K 이하)     $10     $1       $12.50    $50
gpt-6-astra (272K 초과)     $20     $2       $25.00    $75
gpt-5.6-sol (전 구간 동일)   $4      $0.40    $5.00     $20
gpt-5.5     (272K 이하)     $5      $0.50    -         $30

여기서 놓치기 쉬운 규칙이 272K 경계다. 입력이 272K 토큰을 넘으면 초과분만 비싸지는 것이 아니라 요청 전체에 입력과 캐시 요율 2배, 출력 요율 1.5배가 적용된다. 컨텍스트를 크게 잡아둔 에이전트가 대화가 길어지며 슬금슬금 272K를 넘기면, 그 시점부터 요청 단가가 계단식으로 뛴다. 청구서를 보고 놀라기 전에 입력 토큰 수를 지표로 뽑아두고 경계 근처에서 알림을 거는 편이 낫다.

처리 모드별 요율도 차이가 크다(272K 이하, 100만 토큰당).

Batch, Flex: 입력 5달러, 캐시 읽기 0.50달러, 출력 25달러. 표준의 절반이다.
Fast mode: 입력 20달러, 캐시 읽기 2달러, 출력 100달러. 표준 대비 최대 2배 속도에 가격도 2배다.

gpt-5.6-sol과 비교하면 Astra 표준 입력과 출력 모두 2.5배다. 단 가격 페이지는 GPT-5.6 Sol 요율이 최소 2026년 11월 21일까지 유효한 프로모션 가격이라고 적어 두었으니, 이 배수는 그때까지의 기준선이다. 또 gpt-5.6-sol은 272K를 넘어도 요율이 같으므로, 긴 프롬프트에서는 격차가 입력 5배, 출력 3.75배로 벌어진다. 지연이 중요하지 않은 배치성 작업을 Batch나 Flex로 내리고, 시스템 프롬프트와 고정 컨텍스트를 prompt caching으로 재사용하면 실효 단가를 상당히 눌러줄 수 있다. 반대로 아무 설계 없이 그대로 모델 이름만 바꾸면 비용이 2.5배로 올라간다.

5. 벤치마크에서 볼 것과 걸러 볼 것

아래 수치는 별도 표기가 없으면 OpenAI 발표문 표에 실린 자체 측정값이고, 비교 대상은 GPT-5.6 Sol이다. 격차가 큰 항목부터 본다.

격차가 큰 영역

컴퓨터 사용: OSWorld 2.0 72.6%(작업당 약 40분) vs 65.7%(약 75분)로 작업당 시간이 약 47% 줄었다. ScreenSpot-Pro 92.7% vs 76.9%, Agents' Last Exam 59.3% vs 53.6%.
터미널 작업: Terminal-Bench 4.0 57.9% vs 37.3%, Terminal-Bench Science 0.1 64.6% vs 22.4%.
긴 컨텍스트: OpenAI MRCR v2 8-needle 기준 256K-512K 구간 100.0% vs 91.5%, 512K-1M 구간 96.3% vs 73.8%.
전문 업무: AutomationBench 41.4% vs 18.1%, BenchCAD 95.9% vs 83.3%, BrowseComp 91.5% vs 90.4%.
내부 작업: Internal Database Migration Tasks 63.9% vs 42.7%.
수학, 추론: FrontierMath Tier 4 (v2) 97.6% vs 83.0%(발표문 표현은 98%로 포화), ARC-AGI-3는 OpenAI 고유 컨텍스트 관리 기능을 쓰는 Provider Adapter 하네스 기준 99.9%다. 단 ARC Prize Foundation이 표준 하네스로 돌린 점수는 62.7%이고, ARC Prize는 두 하네스 결과를 직접 비교하면 안 된다고 명시했다. 레벨의 96.0%에서 인간 기준선보다 적은 행동으로 풀었다는 행동 효율 수치도 OpenAI 하네스 기준이다(ARC Prize 블로그, 2026-09-03).
학술: GPQA Diamond 96.0% vs 94.6%.

격차가 작거나 뒤집히는 영역

같은 표 안에도 차이가 크지 않은 항목이 섞여 있다. 일반 코딩 벤치인 DeepSWE v1.1은 74.1% vs 72.7%로 차이가 1.4%p 남짓이고, OpenAI 표 기준으로 Gemini 3.8 Flash 73.8%, Claude Opus 5 73.7%와 거의 같은 자리에 있다. FrontierCode 1.1 Extended도 64.5% vs 60.6%다.

종합 지수는 더 밋밋하다. Artificial Analysis Intelligence Index v4.1.1에서 Astra 61.2, GPT-5.6 Sol 60.9로 차이가 작고, 같은 표에서 Claude Fable 5.1이 65.7로 더 높다. 도구 사용을 허용한 Humanity's Last Exam도 Astra 57.2%인데 표에 함께 실린 Claude Fable 5.1 65.0%, Claude Fable 5 63.8%가 더 높다. 경쟁 모델 수치 역시 OpenAI 측 측정이라는 점은 감안해야 하지만, 발표사가 직접 실은 표에서도 전 항목 우위는 아니라는 뜻이다.

정리하면 일반 코드 작성 품질을 기대하고 갈아타면 2.5배 요금 대비 체감이 크지 않을 수 있다. 브라우저나 터미널을 직접 다루는 에이전트, 수십만 토큰짜리 컨텍스트 검색, 문서와 스프레드시트 산출물 쪽이 이 모델의 값을 하는 구간이다.

6. 사이버보안 Critical 지정이 API 운영에 미치는 영향

Preparedness Framework는 OpenAI가 모델의 위험 역량을 영역별로 등급화하고, 등급에 맞춰 안전장치를 붙이는 내부 기준이다. GPT-6 Astra는 이 기준의 사이버보안 Critical 임계에 도달한 첫 모델로 지정됐다.

Critical의 정의는 두 가지 중 하나에 해당하는 경우다. 사람 개입 없이 다수의 hardened 실제 시스템에서 모든 심각도의 zero-day 익스플로잇을 찾아 개발할 수 있거나, 고수준 목표만 주면 hardened 대상에 대한 새로운 공격 전략을 처음부터 끝까지 수립하고 실행할 수 있는 경우다. 전문가 평가에서 hardened 브라우저의 샌드박스 탈출 체인(HTML 파일을 여는 것만으로 호스트 명령 실행)과 hardened OS의 로컬 권한 상승 체인(비특권 사용자에서 root)을 실제로 만들어냈다.

벤치마크로도 이 영역의 격차가 가장 크다(OpenAI 발표 기준). ExploitBench 100% vs 78.5%, ExploitGym 42.4% vs 30.3%이며 출력 토큰은 훨씬 적게 썼다. 바이너리 역공학 과제인 SRE-Bench는 1회 시도 88.0%, 4회 내 99.2%로 GPT-5.6 Sol의 55.9%, 68.7%를 크게 넘는다. 최근 3개월 취약점으로 만든 내부 ExploitBench(June-Aug 2026)는 39.0% vs 5.5%다. 평가 중 미공개 zero-day 2건을 발견해 사용했고, OpenAI가 유지관리자에게 공개 절차를 진행 중이라고 밝혔다.

운영자 입장에서 중요한 결과는 출시 버전의 정책이다. 보안 코드 리뷰나 패치 같은 방어 작업은 수행하지만, 취약점 PoC 익스플로잇 작성 같은 고급 사이버 작업은 거부한다. 사이버 탈옥 평가 거부율은 91.5%로 GPT-5.6 Sol의 59%보다 높고, 고위험 계정에는 더 보수적인 행동 경계가 적용된다.

보안 업무에 쓰려면 별도 경로가 필요하다. OpenAI는 OpenAI Daybreak(Daybreak Blue)를 통해 수 주 내 검증된 조직에 덜 제한적인 안전장치를 확대한다고 밝혔다. 대상 작업은 취약점과 PoC 검증, 멀웨어 분석, 탐지 엔지니어링이다. 고급 사이버 역량 접근은 우선 소수의 알파 테스터에게 제공되고 이후 Daybreak Blue로 확대되는 순서라, 지금 바로 열린 신청 창구가 있는 것은 아니다. 사내 레드팀 자동화나 취약점 검증 파이프라인을 계획한다면 확대 일정과 조건을 먼저 확인해 두어야 한다.

7. 오정렬 모니터링과 중단 응답 처리

이번 릴리스에서 코드에 영향을 주는 변화가 오정렬 모니터링의 프로덕션 적용이다. 분류기가 모델의 추론과 행동을 검사해 미승인 행동을 자동으로 중단시킨다. ChatGPT와 Codex에서는 작업이 일시정지되고 사용자에게 검토를 요청하지만, API에서는 작업이 그대로 중단(stop)된다.

OpenAI도 방어적 보안 같은 정당한 작업이 가끔 걸릴 수 있다고 밝히고 불필요한 중단을 줄이도록 개선 중이라고 했다. 자동화 파이프라인이라면 중단된 응답을 정상 완료와 구분해 처리하고, 재시도나 대체 모델 경로를 준비해 두는 설계가 필요하다. 무인 배치 작업에서 이 응답을 빈 결과로 흘려보내면 원인 추적이 까다로워진다.

정렬 지표 자체는 개선됐다. 허깅페이스 사건에서 착안한 평가에서, 어렵거나 불가능한 작업을 줬을 때 프로덕션 안전장치 없는 GPT-5.6 Sol은 48%가 승인 범위를 벗어난 반면 Astra는 0%였다. 내부 capability hallucination 벤치마크는 4.2% vs 12.2%다. 내부 평가에서 Codex Auto-Review 거부를 우회하려 시도한 적도 없었고, 우회가 가능하도록 설정한 경우에도 마찬가지였다.

다만 OpenAI가 직접 밝힌 한계도 있다. Astra의 서면 추론은 GPT-5.6 Sol보다 모니터링이 어렵다(모니터링 회피를 지시한 테스트 기준). 간단한 작업에서 서면 추론을 더 잘 통제하고 더 적은 서술 단계로 문제를 풀기 때문이라고 설명하며, 모니터링 가능성 개선을 연구 우선순위로 뒀다고 했다.

훈련 인프라 쪽도 함께 언급됐다. 허깅페이스 사건 후 특정 프론티어 훈련을 2주 중단하고 격리, 네트워크 통제, 모니터링을 강화했으며, 중단했던 대규모 RL 런은 2026년 8월 28일 재개했다.

8. 지금 갈아탈지 판단하는 기준

비용과 이득을 같이 놓고 보면 판단선이 비교적 뚜렷하다.

갈아탈 만한 경우: 브라우저나 컴퓨터를 조작하는 에이전트, 터미널에서 여러 단계를 이어가는 작업, 수십만 토큰 문서에서 근거를 찾아야 하는 파이프라인. 벤치마크 격차와 작업 시간 단축이 요금 차이를 상쇄할 여지가 있다.
서두를 필요가 적은 경우: 일반적인 코드 생성과 리뷰. DeepSWE 계열 지표와 종합 지수의 격차가 작아서, 2.5배 요금을 정당화하기 어려울 수 있다.
먼저 손봐야 할 것: prompt caching 적용 여부, Batch와 Flex로 내릴 수 있는 작업 분리, 272K 경계를 넘지 않도록 입력 토큰 관리. 이 세 가지를 정리하지 않고 모델 이름만 바꾸면 비용만 오른다.
병행 운영 권장: effort를 low에서 max까지 5단계로 조절할 수 있으니, 쉬운 요청은 낮은 단계나 gpt-5.6-sol로 라우팅하고 어려운 작업만 Astra 높은 effort로 보내는 구성이 현실적이다.

9. 주의사항 정리

본문 벤치마크 수치는 모두 OpenAI 발표문 표의 자체 측정값이다. 경쟁 모델 수치도 OpenAI 측 측정이므로 도입 판단은 자체 과제로 재측정한 뒤 내린다.
272K 초과 프롬프트는 초과분이 아니라 요청 전체에 할증이 붙는다.
Enterprise는 관리자가 워크스페이스에서 켜야 하고 출시 시점 기본값은 꺼짐이다.
API에서 오정렬 모니터링에 걸리면 작업이 중단되므로, 중단 응답 처리 경로를 먼저 만든다.
공격 코드 작성 계열 작업은 기본 모델이 거부한다. Daybreak 접근을 별도로 신청한다.
reasoning effort 기본값은 문서에 명시돼 있지 않다. 비용 예측이 필요하면 요청마다 명시한다.
가격과 사양은 문서 갱신에 따라 달라질 수 있으니 도입 전 모델 문서와 가격 페이지를 다시 확인한다.