GPT-6 전지전능? 허접? 팩트체크

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

영상 속 GPT-6 Astra는 시각 작업과 컴퓨터 조작에서 강점을 보이지만, 기능 누락과 사용량 한계가 있어 전지전능하다는 평가는 과장이다.

📌 핵심 요점

1. 맨해튼·서울 재현과 인물 그림 사례에서 Astra의 시각적 결과물이 돋보인다. 화자는 화면을 정확히 이해하는 능력이 컴퓨터 조작의 기반이라고 설명한다.
2. GTA 유사 게임 비교에서 Astra는 25분, Fable은 85분이 걸렸다고 소개된다. Astra는 그래픽이 그럴듯했지만 주요 기능이 빠졌고, Fable은 상대적으로 사용자 의도를 충실하게 구현했다는 평가다.
3. 빠른 초안 생성은 반복 개선에 유리할 수 있다. 다만 동일한 시간 동안 수정했을 때 Astra가 더 좋은 최종 결과를 냈다는 검증은 제시되지 않는다.
4. 모델의 경제성은 토큰 단가뿐 아니라 성공률·재시도·완료 시간을 포함한 작업당 비용으로 비교해야 한다는 것이 영상의 핵심 주장이다. 화자 자신은 높은 토큰 소모로 추가 실험에 제약을 겪었다.
5. 화자는 컴퓨터 조작 능력이 건축·3D 모델링·영상 편집 등으로 AI 활용을 넓힐 것으로 전망한다. 멀티모달 역량이 에이전트 실행력으로 이어진다는 해석이지만, 직업 대체와 반도체 수혜는 전망의 영역이다.

🧩 배경과 문제 정의

영상은 GPT-6 Astra를 둘러싼 전지전능론과 실망론 사이에서 실제 강점과 한계를 가려보려 한다. 화자는 직접 사용 중 토큰 한도에 도달해 계획한 실험을 충분히 수행하지 못했으며, 다른 이용자의 도시 재현·게임 제작·그림판 작업 사례와 자신의 사용 경험을 중심으로 평가한다.

핵심 질문은 시각적으로 그럴듯한 결과를 만드는 능력이 사용자 의도에 맞는 기능 구현과 실제 업무 완수로 이어지는가이다. 논의는 모델 비교에서 작업당 비용, 비개발 직군의 소프트웨어 사용, 멀티모달 전략, 에이전트와 반도체 투자 기대까지 확장된다. 아래 내용은 제공된 전사의 주장과 관찰을 정리한 것으로, 외부 자료를 통한 별도 사실 확인 결과는 아니다.

🕒 시간순 섹션별 상세정리

1. 전지전능론을 검토하려는 출발점

• 화자는 Astra에 관한 과장이 있지만 일부 평가는 타당해 보인다며, 실제 수준과 어설픈 부분을 함께 살펴보겠다고 드러낸다. [00:58]
• 직접 사용하면서 예상보다 빨리 토큰을 소모해 한도에 도달했고, 계획한 추가 실험을 진행하지 못했다고 보여준다. [01:13]

2. 도시 재현과 시각 이해의 강점

• 달력으로 만든 마이클 잭슨 사진 사례에 이어, 한 이용자가 일주일 동안 Astra로 언리얼 엔진 안에 맨해튼을 구현했다는 사례를 보여준다. 사진과 인터넷 자료로 거리·건물·스카이라인을 구성했을 것으로 보여준다. [01:44]
• 화자는 시각적 위치를 픽셀 수준으로 파악해야 원하는 기능을 클릭할 수 있다는 점에서 시각 이해와 컴퓨터 조작 능력을 연결한다. [02:25]
• 서울을 43분 만에 재현했다는 사례도 보여준다. 세부 묘사가 완벽하지는 않지만 경복궁·여의도·반포한강공원 등을 활용한 결과가 그럴듯하다고 평가한다. [02:53]

3. 모델 비교와 GTA 제작 과제

• Astra와 Claude Fable 3.5의 장면 제작 결과를 비교하며, 화자는 Astra 쪽이 시각적으로 더 높은 해상도의 세계를 표현하는 느낌이라고 드러낸다. [03:24]
• Code Factory의 코딩 비교를 인용한다. 인터넷에서 GTA를 조사하고 최대한 비슷한 게임을 만들라는 프롬프트로 두 모델을 시험했다고 보여준다. [04:15]

4. 빠르고 보기 좋지만 빠진 기능

• 소개된 제작 시간은 Astra 25분, Fable 3.5 1시간 25분이다. 화자는 시간과 그래픽 측면에서 Astra를 높게 평가한다. [04:47]
• 그러나 Astra 결과물에는 GTA에서 기대할 주요 기능이 빠졌고, 화면에 표시된 미션도 작동하지 않았다고 지적한다. 외형과 사용자 의도 구현 사이의 간극이 드러나는 사례다. [06:00]

5. 기능 충실도와 반복 개선의 가능성

• 이후 Fable 5.1로 호칭이 바뀐 비교 결과에서는 그래픽이 상대적으로 부족해도 경찰 등장·총 발사 등의 기능이 구현됐다고 보여준다. 한 번의 시도에서는 사용자 의도를 더 충실히 반영했다는 평가다. [06:31]
• Astra는 빠른 제작 덕분에 추가 수정 기회를 확보할 수 있다고 해석한다. 다만 이 구간의 약 10분의 1이라는 시간 표현은 앞서 제시한 25분 대 85분과 일치하지 않는다. [07:09]
• 화자는 Astra의 코딩을 전지전능하다고 보기는 어렵지만, 신속한 반복 개선에는 유리하다고 정리한다. [07:29]

6. 그림판 과제로 본 컴퓨터 조작

• 사진을 보고 그림판에 비슷하게 그리는 과제는 붓 두께·선 위치·정확한 좌표와 프로그램 기능을 함께 다뤄야 하므로 어렵다고 보여준다. [08:20]
• Alexei가 자신의 사진을 두 모델에 그리게 한 사례에서, 화자는 Astra의 결과가 더 뛰어나다며 시각 작업과 컴퓨터 사용의 강점으로 해석한다. [08:57]
• 자신의 컴퓨터 작업 경험도 인상적이었다고 평가하지만, 적은 요청에도 토큰 사용량 한도에 도달했다는 제약을 다시 언급한다. [09:25]

7. 토큰 가격보다 작업당 비용

• X 이용자 Day의 주장을 소개하며 저렴한 오픈소스 모델이 가성비로 승리한다는 서사에 의문을 제기한다. 영상에 제시된 출력 100만 토큰당 가격은 Astra 50달러, Kimi 15달러, GLM 약 4.4달러다. [10:17]
• Astra는 더 비싸도 성공률이 높고 빠르게 완료해 Kimi보다 작업당 비용이 낮을 수 있다고 보여준다. 잘못된 클릭과 우회·재시도가 토큰 소비를 늘린다는 논리다. [11:12]
• 화자는 API 단가 인하나 긴 추론 자체보다, 간결하게 과제를 해결하는 능력과 작업당 비용을 봐야 한다고 주장한다. [11:54]

8. 비개발 직군과 지식노동으로 확장

• 건축가·3D 모델러·영상 편집자도 모델을 적극 활용하기 시작했다는 논의를 보여준다. 기존에는 코드 생성만으로 자신들의 작업 프로그램을 직접 다룰 수 없었다는 설명이다. [12:48]
• AutoCAD·Excel·Final Cut 등의 소프트웨어를 AI가 조작하게 되면, 도구 숙련이 형성하던 전문직의 진입장벽과 업무 방식이 달라질 수 있다고 전망한다. [13:29]
• 코딩 관련 시장을 약 1조 달러, 더 넓은 지식노동 시장을 그 약 10배로 보는 추정을 제시한다. 핵심 변화는 코딩을 넘어 인간의 컴퓨터 사용 방식에 있다는 주장이다. [14:17]

9. 성능 향상을 사전학습 변화로 설명

• 화자는 Greg Brockman의 Time 인터뷰를 근거로, OpenAI가 GPT-4o 이후 같은 사전학습 기반을 활용하며 부분적인 개선을 해왔다고 보여준다. 인터뷰 원문은 전사에 제시되지 않는다. [15:29]
• 사전학습 재구축은 비용과 조직적 부담이 큰 작업이라고 설명하며, 2025년에 새로 시작한 결과가 Astra라는 해석을 내놓는다. 경쟁사 성장에 자극받았다는 대목에는 화자의 추측이 포함된다. [16:30]

10. 코딩 집중과 멀티모달 전략의 차이

• 화자는 Anthropic이 당장 수익을 내는 코딩에 집중했고, OpenAI는 이미지·음성·영상을 함께 이해하는 범용성을 추구했다고 해석한다. 이 설명은 자신의 생각과 온라인 의견을 바탕으로 한다고 드러낸다. [17:25]
• 컴퓨터 조작은 화면을 이해해야 하는 멀티모달 작업이므로, 이미지·영상·음악을 다뤄온 역량이 실제 소프트웨어 작업에서 강점으로 나타났다는 논리를 제시한다. [18:30]

11. 에이전트의 실제 실행력

• 기존 에이전트는 컴퓨터 조작이 서툴러 세밀한 작업에 코딩이 필요했다는 자신의 경험과 비교하며, Astra의 조작 능력을 큰 변화로 평가한다. [19:19]
• 컴퓨터 사용·시각 이해·장시간 작업 능력이 결합해 실용적인 에이전트에 가까워졌다고 주장한다. Open Interpreter를 소통 방식에, Astra를 지시받은 작업을 실행하는 기반에 비유한다. [19:54]

12. 향후 경쟁 기준과 인프라 기대

• 앞으로 AI 기업들이 코딩 실력뿐 아니라 컴퓨터 사용 능력을 강조하고, 6개월~1년 안에 더 적은 토큰으로 더 능숙하게 작업할 것으로 전망한다. [20:37]
• 화자는 최근 메모리 관련 주식과 필라델피아 반도체 지수의 상승을 언급하며, 시장이 AI 하드웨어 인프라와 설비투자 경쟁을 다시 주목하고 있다고 보여준다. [20:59]

13. 주가 판단을 유보하며 마무리

• 삼성전자와 하이닉스의 최근 주가 흐름을 언급하지만, 메모리 주식이 더 오를지에 대한 상세한 판단은 별도 영상으로 미룬다. [21:21]
• 미래가 가까워졌다는 소감을 밝히고, 후속 기술·주식 이야기를 예고하며 영상을 마친다. [21:38]

🧾 결론

• 제시된 사례는 Astra의 시각 작업 강점을 보여주지만, 전반적인 코딩 능력이나 모든 업무에서의 우위를 입증하지는 않는다.
• 결과물의 외형, 실제 기능, 사용자 의도 충족 여부를 따로 평가해야 한다. 화면에 미션이 표시돼도 작동하지 않는 게임 사례가 이를 보여준다.
• 빠른 실행과 반복 수정 가능성은 장점이지만, 최종 완성도와 사용량까지 확인해야 실용성을 판단할 수 있다.
• 영상의 큰 논지는 AI 경쟁의 평가 기준이 코드 생성에서 컴퓨터를 통한 실제 작업 수행으로 확장된다는 것이다.

📈 투자·시사 포인트

• AI 서비스의 경쟁력을 비교할 때 낮은 API 단가만 보기보다, 성공한 작업 하나를 완성하는 데 드는 총비용을 살펴볼 필요가 있다.
• 화자는 컴퓨터 조작형 AI가 기존 코딩 시장보다 넓은 지식노동 시장에 진입할 것으로 본다. 제시된 시장 규모와 확대 배수는 산출 근거가 없는 추정으로 구분해야 한다.
• 멀티모달 기술이 실제 소프트웨어 조작으로 연결되는지는 AI 기업의 제품 경쟁력을 평가할 관찰 지점이다. 영상의 기업별 전략 설명은 화자의 해석이다.
• 영상은 AI 설비투자 기대와 메모리·반도체 관련 주가 상승을 연결하지만, 메모리 주가 전망은 다음 영상으로 미룬다. 이 영상만으로 특정 종목의 추가 상승을 결론 내릴 수는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• 비교 대상이 초반에는 Claude Fable 3.5, 후반에는 Fable 5.1로 표기된다. 같은 실험을 설명하는지, 전사 오류인지 확인이 필요하다.
• 제작 시간은 25분과 85분으로 소개되지만, 뒤에서는 Astra가 약 10분의 1의 시간에 만들었다고 말한다. 앞선 수치대로라면 약 29%이므로 설명이 일치하지 않는다.
• 화자는 토큰 한도 때문에 직접 실험을 충분히 진행하지 못했다고 밝힌다. 도시 재현·게임·그림 사례는 주로 다른 사람의 결과를 소개한 것으로, 실행 조건과 재현성은 확인되지 않는다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 게임 비교 원본에서 모델명·버전·프롬프트·도구 접근 권한·실행 시간을 확인한다.
• 같은 과제를 같은 시간·비용 한도로 실행하고, 그래픽 품질과 필수 기능의 실제 작동 여부를 별도로 기록한다.
• 초안 이후 수정 횟수, 재시도, 토큰 사용량, 사람의 개입을 포함해 성공한 작업당 총비용을 비교한다.
• 그림판이나 실제 업무 프로그램에서 화면 인식·좌표 선택·기능 조작을 검증할 작은 과제를 정해 재현한다.

❓ 열린 질문

• Astra에 Fable과 동일한 총시간과 비용을 주고 반복 수정시키면 기능 완성도까지 앞설 수 있을까?
• 시각 작업에서 관찰된 강점이 CAD·영상 편집 등 복잡한 실제 업무에서도 안정적으로 재현될까?
• 높은 토큰 소모와 사용량 제한을 고려해도 Astra의 성공 작업당 비용 우위가 유지되는 과제는 무엇일까?