GPT-6 아스트라, 코딩은 절반 값·지능은 제자리

독립 벤치마크 기관 아티피셜 애널리시스(Artificial Analysis)가 9월 3일 오픈AI의 신형 모델 GPT-6 아스트라(GPT-6 Astra) 평가 결과를 내놓았다. 결론은 두 갈래다. 코딩 에이전트 작업에서는 토큰을 크게 아껴 경쟁 모델의 절반 비용으로 같은 점수를 냈지만, 일반 지능 지수에서는 전작과 같은 점수에 가격만 올라 과제당 비용이 되레 늘었다.

무슨 일인가 — 가격표부터 보자

가장 먼저 눈에 띄는 변화는 단가다. 전작 GPT-5.6 솔(GPT-5.6 Sol)의 입력 4달러·출력 20달러(100만 토큰 기준)가 아스트라에서는 입력 10달러·출력 50달러로 2.5배 뛰었다. 캐시 읽기 90% 할인과 캐시 쓰기 25% 할증 구조는 그대로다. 단가만 보면 명백한 인상이지만, 실제 청구액은 「단가 × 사용 토큰」이기 때문에 토큰을 얼마나 아끼느냐에 따라 체감 비용이 갈린다.

핵심 짚어보기 — 두 지수가 다른 이야기를 한다

코딩 에이전트 지수에서 아스트라는 코덱스(Codex) 환경에서 67점을 기록했다. 클로드 코드(Claude Code)에서 돌린 클로드 오퍼스 5(Claude Opus 5)·클로드 파블 5(Claude Fable 5), 메타의 뮤즈 스파크 1.3(Muse Spark 1.3)과 사실상 같은 수준이다. 1위는 클로드 파블 5.1의 70점이다. 주목할 대목은 효율이다. 아스트라는 같은 과제를 푸는 데 전작의 3분의 1, 클로드 오퍼스 5의 5분의 1 토큰만 썼다. 그 결과 최대 추론 모드에서 전작과 비슷한 비용으로 2점 높은 점수를 냈고, 과제당 비용은 같은 점수의 클로드 파블 5보다 절반 이하였다.

반면 종합 지능 지수는 61점으로 전작과 동일하다. 클로드 파블 5.1(66점)보다 5점 낮고 뮤즈 스파크 1.3에도 뒤진다. 출력 토큰은 약 10% 줄었지만 단가 인상폭이 훨씬 커서 일반 지식 작업의 과제당 비용은 전작보다 75% 비싸졌다.

세부 항목은 엇갈린다. 지식·환각 평가에서 환각률이 92%에서 51%로 반토막 났고 정확도도 4점 올랐다. 수 주짜리 장기 프로젝트를 흉내 내는 평가에서는 약 80 엘로 상승했다. 하지만 44개 직군의 경제적 과제를 재는 평가에서는 비슷한 폭으로 떨어졌고, 고객 응대·과학 코딩·장문 추론에서도 2~3점씩 물러섰다.

1인기업 실전 적용 포인트

• 용도별로 모델을 나눠 쓴다. 코드 생성·리팩터링·테스트 자동화처럼 에이전트가 오래 도는 작업은 아스트라가 비용 우위다. 요약·분류·고객 응답 초안 같은 텍스트 작업은 전작이나 타사 모델이 더 싸다.
• 환각률 개선을 활용할 곳을 정한다. 사실 확인이 중요한 리서치 초안·데이터 정리 작업은 환각률 절반이 곧 검수 시간 절감이다. 다만 여전히 51%이므로 사람 검수는 유지한다.
• 캐시 구조를 설계에 반영한다. 캐시 읽기 90% 할인은 그대로다. 시스템 프롬프트와 참고 문서를 앞에 고정하고 사용자 입력만 뒤에 붙이는 구조로 반복 호출 비용을 낮춘다.
• 정액 구독과 API를 비교한다. 단가가 오른 만큼 하루 수십 회 이상 돌리는 자동화는 종량 API보다 CLI 정액 구독이 유리할 수 있다. 월간 토큰량을 먼저 측정한 뒤 결정한다.

전망 / 주의점

이번 평가는 「토큰을 덜 쓰는 모델」이라는 새 경쟁축을 보여 준다. 성능이 같다면 승부는 과제당 비용에서 갈리고, 그 비용은 단가가 아니라 효율에서 결정된다. 같은 주에 클로드 파블 5.1이 지능 지수 1위에 오르고 구글이 제미나이 3.8 플래시(Gemini 3.8 Flash)를 59점에 내놓는 등 상위권 경쟁이 주 단위로 바뀌고 있다. 벤치마크 점수는 실제 업무와 다를 수 있으므로, 자신의 대표 작업 3개로 직접 비교하는 것이 가장 정확하다.

출처: HN / Artificial Analysis (https://artificialanalysis.ai/articles/benchmarking-gpt-6-astra)