Introducing GPT-6.2 Astra and Sol
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약
OpenAI는 복잡한 전문 업무용 GPT-6.2 Astra와 일상 업무용 GPT-6.2 Sol을 공개하며, 두 모델이 이전 세대보다 적은 출력 토큰으로 까다로운 과제에서 더 좋은 결과를 냈다고 발표했다.
📌 핵심 요약
- 여러 단계의 전문 업무를 평가하는 Agents’ Last Exam에서 GPT-6.2 Astra는 GPT-6 Astra보다 5.2점 높았고 비용은 3분의 1 미만이었다. Claude Fable 5.2보다 5.5점 높았고 비용은 5% 수준이었다. Claude Fable 5.2의 순위 점수에서는 대체 모델을 사용한 9개 과제가 제외됐다.
- GPT-6.2 Astra는 과학 연구 평가인 Terminal-Bench-Science 0.1에서 GPT-6 Astra보다 9%포인트 높은 점수를 3분의 1 미만의 비용으로 기록했고, Vals Science Index에서도 최고점을 냈다. API의 입력·출력 토큰 단가는 GPT-6 Astra보다 20% 낮다.
- GPT-6.2 Sol은 GPT-6.1 Sol의 API 단가를 유지했다. 실제 코드 변경을 평가하는 FrontierCode 2.0에서 두 모델 모두 최대 연산 설정을 썼을 때 GPT-6.2 Sol은 GPT-6.2 Astra와 0.5점 이내의 차이를 보였고 비용은 약 5분의 1이었다. 일상 과제 평가인 LifeVal에서는 GPT-6 Astra를 약 7분의 1의 비용으로 앞섰다.
- OpenAI의 내부 전문 업무 평가인 GDPval v2에서 GPT-6.2 Astra는 GPT-6 Astra보다 출력 토큰을 22% 적게 쓰면서 6.2%포인트 높은 점수를 냈다. GPT-6.2 Sol도 GPT-6.1 Sol보다 5.3점 올랐다. 법률 업무 평가인 Harvey LAB-AA v1.1에서는 GPT-6.2 Astra의 통과율이 Claude Fable 5.2의 두 배를 넘었고 비용은 약 6분의 1이었다.
- OpenAI는 스프레드시트, 슬라이드, CAD, 웹 디자인 사례를 공개했다. 사람이 두 3D 결과물을 익명으로 비교하는 AA-3D에서는 GPT-6.2 Astra가 1,318 Elo로 1위였다. 두 모델 모두 OpenAI의 사이버보안 Critical 기준에 도달해 고위험 지원에 더 엄격한 보호 조치가 적용됐다.
🧩 주요 포인트
- 과제별 비용과 API 단가는 서로 다른 지표다. GPT-6.2 Astra의 입력·출력 단가 인하와 GDPval v2의 출력 토큰 감소는 전문 업무의 비용을 판단할 두 가지 근거다.
- FrontierCode 2.0의 근소한 점수 차이와 LifeVal의 결과는 코드 변경이나 일상 과제에서 GPT-6.2 Sol을 선택할 근거가 된다. 두 평가에서 비교 대상인 Astra의 세대는 다르다.
- Harvey LAB-AA v1.1은 모든 기준을 충족한 결과물의 통과율을, AA-3D는 사용자의 상대적 선호를 측정한다. 전문 문서의 정확성과 인터랙티브 디자인의 품질은 각 평가가 측정한 범위에서 해석해야 한다.
🧠 상세 정리
1. 여러 단계에 걸친 전문 업무에서의 성능과 비용
OpenAI는 장시간 이어지는 복잡한 프로젝트에 GPT-6.2 Astra를, 기술 업무부터 일상적인 글쓰기까지 폭넓게 처리하는 모델로 GPT-6.2 Sol을 제시했다. 두 모델의 공통된 개선점으로는 까다로운 과제에서 결과의 품질을 높이면서 출력 토큰을 줄여 같은 사용 한도 안에서 더 많은 일을 처리할 수 있다는 점을 들었다. 여러 단계로 구성된 전문 업무를 평가하는 Agents’ Last Exam에서 GPT-6.2 Astra는 GPT-6 Astra를 5.2점 앞섰고 과제 수행 비용은 3분의 1 미만이었다. Claude Fable 5.2와 비교하면 점수는 5.5점 높고 비용은 5% 수준이었다. 이 비교에 쓰인 Claude Fable 5.2의 순위 점수에는 대체 모델이 수행한 9개 과제가 포함되지 않았다.
2. 과학 연구 평가와 Astra의 API 요금
OpenAI는 GPT-6.2 Astra를 과학자에게 가장 적합한 모델이라고 평가하며, 서로 다른 연구 역량을 측정하는 두 가지 결과를 근거로 제시했다. 터미널 환경에서 과학 연구 과제를 수행하는 Terminal-Bench-Science 0.1에서는 GPT-6 Astra보다 9%포인트 높은 점수를 기록했고, 수행 비용은 이전 모델의 3분의 1 미만이었다. 실제 생물학 데이터를 해석하고 모의 시스템의 작동 원리를 추론하는 능력을 보는 Vals Science Index에서도 최고점을 기록했다고 밝혔다. API에서 GPT-6.2 Astra의 100만 토큰당 요금은 입력 8달러, 캐시된 입력 0.40달러, 출력 40달러다. 일반 입력과 출력의 토큰 단가는 각각 GPT-6 Astra보다 20% 낮다.
3. Sol의 코드 변경 성능과 일상 과제 처리
GPT-6.2 Sol은 GPT-6.1 Sol의 API 토큰 단가를 유지하면서 여러 단계의 업무 처리와 글쓰기 효율을 높인 모델로 소개됐다. Cognition의 FrontierCode 2.0은 실제 코드베이스에 가한 변경이 유지보수자가 병합할 만한 기준에 도달했는지를 평가한다. 두 모델을 모두 최대 연산 설정으로 평가했을 때 GPT-6.2 Sol과 GPT-6.2 Astra의 점수 차이는 0.5점 이내였고, Sol의 비용은 Astra의 약 5분의 1이었다. 개인의 여건을 반영해야 하는 일상 과제를 다루는 OpenAI의 LifeVal에서는 GPT-6.2 Sol이 이전 세대인 GPT-6 Astra보다 높은 점수를 약 7분의 1의 비용으로 냈다. LifeVal에는 이사 후 유치원 후보를 추리거나 가족의 예산과 통근 여건에 맞는 집을 찾는 일처럼 여러 조건을 함께 고려해야 하는 문제가 포함된다.
4. 법률 문서의 통과 기준과 실제 프로젝트 평가
OpenAI는 GPT-6.2 Astra가 법률, 영업, 재무, 회계 분야의 작성 관행과 사용자가 제공한 서식을 더 충실하게 따르고, 문서에서 상투적인 결론과 불필요한 설명을 줄이도록 훈련했다고 밝혔다. Harvey LAB-AA v1.1은 여러 원문에서 관련 사실을 찾아 법률 업무의 세부 요구 사항에 적용하는 능력을 평가한다. 모든 채점 기준을 충족하고 중대한 사실 오류가 없어야 통과하는 이 평가에서 GPT-6.2 Astra의 통과율은 Claude Fable 5.2의 두 배를 넘었고 비용은 약 6분의 1이었다. 변호사용으로 구성한 Astra for Law는 같은 평가에서 더 높은 점수를 기록했다. 컨설팅, 금융, 디자인 등의 실제 프로젝트에서 가져온 장기 과제를 다루는 내부 평가 GDPval v2에서는 GPT-6.2 Astra가 출력 토큰을 22% 적게 쓰면서 GPT-6 Astra보다 6.2%포인트 높은 점수를 냈고, GPT-6.2 Sol도 GPT-6.1 Sol보다 5.3점 올랐다.
5. 재무 계산의 일관성과 슬라이드 서식 재현
실제 스프레드시트와 보고서를 분석하는 AA-AnalystAgent에서 GPT-6.2 Astra는 전체 질문의 62.5%에 대해 다섯 번의 독립 시도 모두 정답을 냈다. 여기에는 캘리포니아 Medicaid 지출 보고서에서 의료 운송 지출액을 산출하는 문제가 포함됐다. 가상 농업기술 기업 Alderfen Field Systems의 가치평가 사례에서는 매출 구성과 기업가치에서 주당가치로 이어지는 계산 내역을 민감도 표 옆에 배치해, 독자가 전망의 근거와 가정 변화의 영향을 한눈에 살펴볼 수 있게 했다. 슬라이드에서는 원본 파일이나 스크린샷을 바탕으로 레이아웃, 색상, 글꼴 크기와 문체를 재현하는 능력을 강조했다. 네 팀의 기념품을 소개하는 예시에서는 여덟 가지 도안을 핀, 티셔츠, 패치에 적용해 비교할 수 있게 했고, 초기 사용자들은 요점이 드러나는 제목과 간결한 본문 덕분에 바로 활용하기까지 필요한 수정이 줄었다고 전했다.
6. 부품 단위의 CAD 작업과 물리 설계 사례
OpenAI는 GPT-6.2 Astra가 CAD와 시뮬레이션 도구에서 개별 부품과 연결부를 더 정밀하게 다룰 수 있게 됐다고 설명했다. 산길을 달리는 차량 사례에서 모델은 3D 차체를 만들고 타이어와 서스펜션의 상호작용을 계산하는 Python 프로그램을 작성한 뒤, 그 결과를 Blender 애니메이션으로 표현했다. 무선조종 버기 사례에서는 공개 사진과 조립 설명서를 바탕으로 차체와 엔진을 부품 단위로 모델링하고, 조립 과정을 보여주는 애니메이션과 그림이 담긴 부품 목록을 제작했다. 시카고 마리나 시티 타워의 굴곡진 발코니에서 형태를 따온 종이 조명은 디지털 설계가 실제 물건으로 이어진 사례다. OpenAI 팀은 GPT-6.2 Astra를 활용해 CAD 설계를 수정했고, 최종 조명은 사람이 직접 조립했다.
7. 브라우저 3D 경험과 기존 코드베이스 수정
웹 디자인 사례에서 OpenAI는 GPT-6.2 Astra가 사이트의 목적에 맞춰 화면 구성과 이미지를 선택하는 능력을 강조했고, 방문자가 차량 구성을 바꿔 볼 수 있는 캠핑카 사이트를 예로 들었다. 두 신형 모델이 만든 브라우저 경험에는 직접 플레이하는 핀볼과 여러 각도에서 둘러보는 콜로세움도 포함됐다. Artificial Analysis의 AA-3D에서는 사람이 같은 과제로 만든 두 결과물을 모델 이름을 모른 채 사용해 보고 선호하는 쪽에 투표한다. GPT-6.2 Astra는 1,318 Elo로 1위였고, Claude Fable 5.2가 1,271, GPT-6.2 Sol이 1,259로 뒤를 이었다. 기존 코드베이스 수정에 대해서는 초기 사용자들이 GPT-6.2 Astra의 코드가 더 읽기 쉽고 테스트가 변경 사항에 더 집중해 수정 횟수가 줄었다고 보고했다.
8. 사이버보안 역량과 정당한 보안 연구에 미치는 제약
OpenAI는 두 모델이 보안 결함을 찾아내고 더 안전한 코드를 작성하며 수정안을 만드는 능력을 높였다고 발표했다. 여러 보안 평가에서 토큰 효율도 개선됐으며, GPT-6.2 Astra와 GPT-6.2 Sol 모두 이전의 GPT-6 Astra와 마찬가지로 OpenAI 자체 대비 체계의 사이버보안 Critical 기준에 도달했다고 밝혔다. 회사는 이에 따라 고위험 사이버보안 지원에 더 엄격한 보호 조치를 적용했으며, 이 조치가 오용 위험을 줄이는 동시에 일부 정당한 취약점 연구와 보안 시험도 제약한다고 설명했다. 발표 당시 OpenAI Daybreak에서 방어 담당자가 이용할 수 있는 모델로는 Daybreak Blue의 GPT-6 Sol, 알파 단계의 GPT-6 Astra, 승인된 고급 보안 시험을 위한 Daybreak Red의 GPT-6 Cyber가 제시됐다. GPT-6.2 모델의 Daybreak 제공은 향후 계획으로 언급됐다.
🧾 핵심 주장 / 시사점
- GDPval v2의 출력 토큰 22% 감소는 응답 길이와 결과물의 완성도를 함께 볼 수 있는 사례다. 같은 평가에서 GPT-6.2 Astra의 점수도 6.2%포인트 올랐다.
- AA-AnalystAgent의 62.5%는 질문마다 한 번만 시도해 얻은 정답률로 읽으면 의미가 달라진다. 다섯 번의 독립 시도에서 매번 정답을 낸 질문의 비율이므로 반복 수행의 일관성까지 반영한다.
- 보호 조치를 강화하면 방어 담당자의 업무에도 제약이 생긴다는 점을 OpenAI가 직접 인정했다. 따라서 모델의 보안 평가 결과와 연구자가 실제로 이용할 수 있는 지원 범위는 구분해 살펴볼 필요가 있다.
✅ 액션 아이템
- 전문 업무 비용을 비교할 때 GPT-6.2 Astra의 API 단가 20% 인하와 GDPval v2의 출력 토큰 22% 감소를 구분해 반영한다.
- 코드 변경에 쓸 모델을 검토할 때 FrontierCode 2.0의 0.5점 이내 차이와 약 5분의 1 비용을 최대 연산 설정이라는 조건과 함께 살핀다.
- Agents’ Last Exam 결과를 인용할 때 Claude Fable 5.2의 순위 점수에서 대체 모델을 사용한 9개 과제가 제외됐음을 명시한다.
❓ 열린 질문
- GDPval v2에서 나타난 출력 토큰 22% 감소는 전문 업무의 종류에 따라 얼마나 달라지는가?
- FrontierCode 2.0에서 관찰된 GPT-6.2 Sol과 GPT-6.2 Astra의 0.5점 이내 차이는 최대 연산 설정을 바꾸면 어떻게 달라지는가?
- 두 모델이 사이버보안 Critical 기준에 도달하면서 적용된 보호 조치는 정당한 보안 시험을 어느 범위까지 제약하는가?