A model guide for the GPT-6 family
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 요약
GPT‑6 모델군 활용 가이드는 작업에 맞는 모델·추론 수준·속도를 선택하고, 명확한 지시와 장기 작업 관리, 비용·성공률 검증을 통해 프로덕션 운영을 준비하는 방법을 제시한다.
📌 핵심 요약
- 프로덕션 준비에서는 필요한 근거를 유지하면서 불필요한 문맥을 줄이고, 독립 작업을 병렬로 실행하며, prompt caching과 compaction을 활용한다. 캐시된 입력 토큰 비용은 모델에 따라 최대 95% 낮아질 수 있으며, 배포 전 대표 작업의 성공률·지연 시간·성공한 작업당 비용을 측정하고 행동 모니터링과 데이터 통제를 검토한다.
- GPT‑6 Astra는 최대 지능이 필요한 가장 어려운 추론 작업, GPT‑6.1 Sol은 복잡한 코딩·연구·컴퓨터 사용, GPT‑6 Luna는 송장 필드 추출·요청 분류·구조화된 요약처럼 목표가 명확한 반복 작업에 적합하다고 설명한다. 모델별 가격을 비교하고 Low·Medium·High 및 지원되는 Extra high / Max 추론 수준의 시간·비용 대비 효과를 평가한다.
- API의 Fast mode는 Standard 처리보다 토큰당 비용이 높지만 더 빠르고 일관된 응답 시간을 제공한다. Codex와 API의 Ultrafast는 추론 노력과 별개로 토큰 생성을 가속하며 GPT‑6 Astra에서 사용할 수 있고, 빠른 응답의 가치가 추가 비용을 정당화하는 경우에 활용한다.
- 프롬프트·스킬·AGENTS.md에는 원하는 결과, 대상 독자, 맥락과 제약, 독립적으로 수행할 수 있는 행동, 승인이 필요한 결정, 완료 기준을 일관되게 명시한다. 완료에는 구현·실행·결과 확인·실패 수정이 포함되며, 응답은 독자에게 맞는 기술적 설명과 변경 사항·검증 내용·남은 문제를 담도록 지정한다.
- 장기 작업에서는 실행 중 지시를 수정하는 steering, 느린 도구 실행 중 독립 작업을 이어가는 비동기 도구 호출, GPT‑6.1 Sol의 Responses API 다중 에이전트 기능을 활용하며 다중 에이전트는 현재 베타다. steering은 실행 중인 도구를 취소하거나 완료된 행동을 되돌리지 않고, 의존 작업은 도구 결과를 기다려야 한다. Codex에서는 질문과 요구 변경으로 작업을 조정하며, 컴퓨터 사용은 API나 연결 도구로 직접 처리하기 어려운 화면 조작에 활용한다.
🧩 주요 포인트
- 모델·추론 수준·속도를 각각 조정할 수 있음 → 작업 난도와 응답 시간 요구에 맞춰 능력·비용·지연 시간의 균형을 평가할 수 있다.
- prompt caching·compaction과 대표 작업 검증을 함께 적용 → 문맥 효율화의 효과를 성공률·지연 시간·성공한 작업당 비용으로 확인하는 운영 준비가 필요하다.
- 독립 수행·승인·완료 기준을 명시하고 장기 작업의 의존성을 관리 → 에이전트가 작업을 지속하면서도 중요한 결정과 후속 실행을 적절한 시점에 처리할 수 있다.
🧠 상세 정리
1. 프로덕션 준비와 문맥·비용 관리
가이드는 GPT‑6를 OpenAI의 가장 발전한 모델군으로 소개하고, 아이디어의 프로토타입 구현부터 기능 개발·테스트와 코드 저장소·데이터베이스·외부 API를 연결하는 작업까지 다룬다. 프로덕션 준비에서는 작업에 필요한 근거를 남기면서 불필요한 문맥을 줄이고, 애플리케이션이 지원하면 독립 작업을 함께 실행해 느린 단계가 다른 작업까지 지연시키지 않도록 한다. 반복 작업의 공통 문맥은 prompt caching으로 재사용하며, 캐시된 입력 토큰은 모델에 따라 일반 입력 토큰보다 최대 95% 저렴할 수 있다. 안정적인 지시와 참고 자료를 변경되는 작업 정보보다 앞에 배치하고 도구 정의를 일관되게 유지하며, 캐싱 대시보드와 진단 가이드로 재사용이 깨지는 지점을 확인하고 전체 비용에는 캐시 쓰기와 장문맥 요금도 반영한다. 긴 대화에는 계속 작업하는 데 필요한 상태를 보존하는 compaction을 사용하고, 배포 전 대표 작업의 성공률·지연 시간·성공한 작업당 비용을 측정하며 행동 모니터링과 데이터 통제를 검토한다.
2. 작업 성격에 따른 모델 선택
모델 선택과 추론 수준은 지능과 가격 사이의 절충으로 설명되며, 가이드는 작업 종류에 따라 GPT‑6 모델군을 구분해 제시한다. GPT‑6 Astra는 최대 지능이 필요한 가장 어려운 추론 작업을 위한 선택이고, GPT‑6.1 Sol은 복잡한 코딩과 연구, 컴퓨터 사용을 위한 모델이다. GPT‑6 Luna는 목표가 명확한 대규모 집중 작업과 일상적인 반복 작업에 적합하며, 송장 필드 추출·요청 분류·구조화된 요약이 예로 제시된다. 이 구분은 모델 하나를 모든 작업에 일괄 적용하기보다 작업의 요구 능력을 먼저 살피라는 방향으로 이어지며, 최적 모델을 평가할 때에는 각 모델의 가격도 비교하도록 권한다. 따라서 선택의 기준에는 필요한 능력뿐 아니라 비용과 지연 시간도 포함되며, 실제 작업에서 얻는 결과를 바탕으로 균형을 판단해야 한다.
3. 추론 수준과 응답 속도의 조정
API에서는 모델이 작업에 들이는 추론 노력을 선택할 수 있으며, Low는 사실 추출이나 작은 수정, Medium은 기능 계획이나 대안 비교처럼 판단이 필요한 작업에 대응한다. High는 어려운 디버깅·심층 분석·신중한 검토에 사용하고, High로 부족할 때에는 지원되는 환경에서 Extra high / Max를 시험하되 개선 효과가 추가 시간과 비용을 정당화할 때만 유지하도록 한다. Codex에서는 해당 모델의 기본 추론 수준에서 시작해 단순한 작업은 낮추고 더 깊은 분석이 필요하면 높이는 접근을 제시한다. API의 Fast mode는 채팅 앱이나 코딩 도구처럼 응답 시간이 중요한 경우에 더 빠르고 일관된 응답을 제공하지만, Standard 처리보다 토큰당 비용이 높다. Codex와 API의 Ultrafast는 추론 노력과 독립적으로 토큰 생성을 가속하며 GPT‑6 Astra에서 사용할 수 있고, 빠른 코딩 반복처럼 응답 속도의 가치가 추가 비용을 정당화하는 경우에 활용하도록 설명한다.
4. 프롬프트·스킬·AGENTS.md의 정비
지시 작성은 원하는 결과와 그 결과를 사용할 대상, 관련 맥락과 제약, 완료 기준을 명확히 전달하는 데서 시작한다. 가이드는 GPT‑6 Astra의 스킬과 프롬프트를 재검토하는 글을 바탕으로 스킬 개선, AGENTS.md 갱신, 의사결정 경계 설정, 작업 지속성과 완료 기준 명시라는 네 영역을 제시한다. 스킬 설명은 짧게 유지하되 언제 실행해야 하는지 분명히 쓰고, 보조 정보는 필요할 때만 불러오며, 경직된 절차 대신 팀이 사용하는 모델에 맞는 안내를 제공하도록 한다. AGENTS.md에는 특정 문서와 테스트가 언제 필요한지 설명하고, 임시 데이터를 사용하며 프로덕션에 접근하지 않는 로컬 테스트처럼 안전한 일상 작업을 명시적으로 허용한다. 또한 모든 행동에서 승인을 요구하는 포괄적 규칙을 구체적인 경계로 바꾸고, 완료에 구현·실행·결과 확인·실패 수정까지 포함시키면서 사용자 검토가 필요한 결정을 구분하도록 권한다.
5. 독립 수행 범위와 유용한 응답의 정의
Codex와 API 모두에서 모델이 스스로 결정할 수 있는 사항, 사용자 입력을 요청해야 하는 시점, 유용한 응답의 형태를 구체적으로 지정하도록 한다. 모델이 작업을 계속 진행할 만큼 충분한 방향을 주면서도 중요한 결정을 추측에 맡기지 않는 것이 이 지시의 목적이다. 예를 들어 요약의 구성 방식은 모델이 선택할 수 있지만 프로젝트 범위를 바꾸기 전에는 사용자에게 확인하도록 독립 수행과 승인 사이의 경계를 설정할 수 있다. 결과를 전달하는 방식도 쉬운 표현과 독자에게 맞는 기술적 세부 수준을 지정하고, 무엇이 바뀌었는지와 무엇을 확인했는지, 아직 주의가 필요한 사항이 무엇인지 짧게 설명하도록 정의한다. 이러한 기준은 앞서 제시한 프롬프트·스킬·저장소 지시의 일관성과 연결되며, 작업 권한과 완료 조건을 실제 응답까지 이어지게 한다.
6. API에서 장기 작업을 이어가는 방법
가이드는 GPT‑6 모델군으로 수 시간 또는 수일에 걸친 작업을 수행할 수 있다고 설명하며, API에서는 steering·비동기 도구 호출·병렬 작업으로 실행을 관리하도록 한다. Mid-turn steering은 Responses WebSocket API를 통해 모델이 작업하는 도중 수정 지시를 보내는 기능이며, 업데이트는 대기열에 들어가고 실행 중인 도구를 취소하거나 이미 완료한 행동을 되돌리지는 않는다. 비동기 도구 호출에서는 애플리케이션이 테스트 같은 느린 작업을 수행하는 동안 모델이 독립적인 다른 작업을 계속할 수 있고, 결과는 준비되는 대로 반환된다. 다만 해당 결과에 의존하는 후속 작업은 결과가 도착할 때까지 기다려야 하므로, 독립 작업과 의존 작업의 구분이 중요하다. GPT‑6.1 Sol은 Responses API에서 코드베이스의 서로 다른 부분을 조사하는 등의 독립 하위 작업을 하위 에이전트에 맡기고 결과를 통합할 수 있으며, 이 다중 에이전트 기능은 현재 베타다.
7. Codex의 질문과 요구 변경 대응
장기 작업에서는 최초 프롬프트에서 예상하지 못했던 결정이 드러날 수 있으므로, 가이드는 명확화 질문과 steering으로 진행 방향을 유지하도록 제안한다. GPT‑6 Astra를 사용하는 Codex는 작업 중에도 명확화를 요청할 수 있으며, 사용자는 다음 단계에 영향을 주는 질문에 답하고 결정하는 동안 계속 진행할 수 있는 독립 작업을 지정한다. 사용자가 자리를 비울 예정이라면 어떤 작업은 계속해도 되는지, 어느 시점부터 답변을 기다리며 멈춰야 하는지를 미리 알려야 한다. 요구사항이 바뀌면 활성 작업에 새 정보를 전달하면서 무엇을 바꾸고 무엇을 유지해야 하는지 설명해, 더 이상 요구에 맞지 않는 접근에 시간을 계속 쓰는 일을 줄인다. 이 방식은 처음부터 설정한 독립 수행 범위와 승인 경계를 장기 실행 중에 구체화하며, 새로 드러난 결정과 변경된 요구를 현재 작업에 반영하는 수단이다.
8. 컴퓨터 사용과 직접 연결 도구의 선택
컴퓨터 사용 기능은 GPT‑6 Astra·GPT‑6.1 Sol·GPT‑6 Luna가 웹사이트와 데스크톱 앱에 직접 상호작용하도록 하며, API가 없는 애플리케이션도 대상에 포함한다. 가이드는 버그를 조사하고 코드를 수정한 뒤 제품을 브라우저에서 열어 수정이 작동하는지 확인하는 작업을 예로 제시한다. 각 단계에서는 가장 단순하면서 신뢰할 수 있는 방법을 선택하고, API나 연결 도구가 작업을 직접 처리할 수 있으면 이를 사용하도록 한다. 화면을 읽거나 버튼을 클릭하거나 양식을 입력해야 할 때에는 컴퓨터 사용을 선택하므로, 도구 선택은 해당 단계에서 필요한 상호작용 방식에 따라 달라진다. 자체 애플리케이션에 컴퓨터 사용을 통합할 경우 모델에 브라우저나 데스크톱을 제어하는 코드를 실행할 도구를 제공하며, 브라우저에는 Playwright, 데스크톱 앱에는 PyAutoGUI를 사용할 수 있다고 설명한다.
🧾 핵심 주장 / 시사점
- 모델의 능력뿐 아니라 추론 수준과 처리 속도도 비용에 영향을 주므로, 작업별 선택은 추가 시간·비용을 정당화하는 결과 개선이 있는지에 달려 있다.
- 문맥을 줄이면서 필요한 근거와 이어갈 상태를 보존해야 하므로, prompt caching과 compaction의 비용 효과는 실제 작업 성공 여부와 함께 평가해야 한다.
- 장기 작업의 지속성은 자율 수행 범위와 사용자 개입 시점이 명확할 때 뒷받침되며, steering과 비동기 실행도 완료된 행동이나 작업 의존성을 없애지는 않는다.
✅ 액션 아이템
- 대표 작업에서 GPT‑6 Astra·GPT‑6.1 Sol·GPT‑6 Luna의 적합성과 추론 수준·속도 선택의 시간·비용 대비 효과를 비교한다.
- prompt caching과 compaction을 적용한 작업의 성공률·지연 시간·성공한 작업당 비용을 측정하고 행동 모니터링과 데이터 통제를 검토한다.
- 프롬프트·스킬·AGENTS.md에 독립 수행 범위·승인 조건·완료 기준을 명시하고, 장기 작업에서 도구 결과를 기다려야 하는 의존 작업을 구분한다.
❓ 열린 질문
- 대상 작업에서 GPT‑6 Astra·GPT‑6.1 Sol·GPT‑6 Luna의 적합성을 판단할 성공률·지연 시간·성공한 작업당 비용 기준은 무엇인가?
- High에서 Extra high / Max로 높이거나 Fast mode·Ultrafast를 사용할 때 추가 시간과 비용을 정당화하는 개선 수준은 어느 정도인가?
- 프롬프트·스킬·AGENTS.md에서 독립적으로 수행할 행동과 승인이 필요한 결정의 경계를 어디에 둘 것인가?
