요약:
아스트라가 출시되기 몇 시간 전, AI 커뮤니티는 혼란에 빠졌습니다. 9월 3일 저녁, ChatGPT, Claude, Grok은 거의 동시에 대규모 서비스 이상을 경험했습니다. 많은 수의 사용자가 모델을 열 수 없거나 요청이 실패했습니다. 이때 공식 ChatGPT 계정은 별을 올려다보고 있었습니다. "별이 거의 정렬되었습니다."
누군가가 곧 농담을 시작했습니다. Astra가 배포 중에 Anthropic과 xAI를 모두 해킹했고 결국에는 자신도 아끼지 않았습니까?
물론 이는 네티즌들이 만들어낸 농담일 뿐입니다. 현재 이 실패가 Astra와 관련이 있다는 증거는 없습니다.
그러나 이 농담은 적절한 시기에 나타났습니다. 불과 이틀 전, OpenAI는 아직 공식적으로 출시되지 않은 이 새로운 모델이 대비 프레임워크의 "중요" 사이버 보안 기능 임계값을 넘은 회사의 첫 번째 모델이 되었다고 발표했습니다.
그러자 별들은 정말 제자리에 떨어졌습니다.
베이징 시간으로 9월 4일 이른 아침, OpenAI는 GPT-6 Astra를 공식 출시했습니다.
그러나 그들 모두가 온라인에 있는 것은 아닙니다. Astra는 현재 Trusted Access/Daybreak 시스템의 소수 조직과 감사된 네트워크 보안 사용자에게만 열려 있습니다. Plus, Pro, Business, Enterprise 및 API 사용자는 며칠 더 기다려야 합니다.
아스트라는 오지만 타타가타
9월 4일 OpenAI는 GPT-6 Astra를 '내부적으로' 출시했습니다.
현재 Astra는 Trusted Access/Daybreak 시스템의 소수 기관에만 개방되어 있습니다. OpenAI는 Plus, Pro, Business, Enterprise 가입자 및 API가 앞으로 며칠 내에 액세스 권한을 얻게 될 것이라고 밝혔습니다.
이 '며칠'이 실제로 몇 일인지는 당분간 더 이상 구체적인 시간표가 나오지 않습니다.
출시 전 비공개 언론 브리핑에서 OpenAI 사장 Greg Brockman은 Astra에게 "AGI 시대에 오신 것을 환영합니다"라는 다소 과장된 각주를 주었습니다.
AGI 시대에 오신 것을 환영합니다.
OpenAI 연구 담당 부사장인 Aidan Clark는 Astra가 다른 관점에서 특별한 이유를 다음과 같이 설명했습니다. "텍사스의 Stargate 사이트에서 100,000개 이상의 GPU가 사전 훈련에 사용된 것은 이번이 처음입니다. 데이터 센터 네트워크부터 추론 코어, 모델 자체의 모양에 이르기까지 모든 것이 이 훈련 규모를 중심으로 처음부터 설계되었습니다."
Aidan은 또한 Astra가 구세대 모델이 훈련 과정에 깊이 관여할 수 있게 해주는 OpenAI의 첫 번째 제품이라고 말했습니다.
간단히 말하면, 차세대 AI를 양성하는 사람들은 이미 이전 세대 AI에서도 등장하기 시작했다는 것이다.
'AI가 스스로 훈련한다'는 것과는 거리가 멀지만, 차세대 모델 개발 과정에 들어섰다.
어제 Anthropic이 Fable/Mythos 5.1을 "세계에서 가장 진보된 코딩 및 지식 작업 모델"이라고 불렀던 데 이어 오늘 OpenAI는 Astra를 "세계에서 가장 강력하고 가장 정렬된 모델"이라고 불렀습니다.
벤치마크 테스트 측면에서 가장 무서운 수치는 ARC-AGI-3에서 나왔습니다.
모델이 이전에 본 적 없는 2D 환경에 진입할 수 있는지, 지속적인 시행착오를 통해 규칙을 발견하고 목표를 달성할 수 있는지 구체적으로 테스트하는 Agent 벤치마크입니다. 지식이 얼마나 외워졌는지를 확인하는 전통적인 시험과는 달리, '세상이 어떻게 돌아가는지' 스스로 알아내기 위해 AI를 낯선 게임에 던져넣는 것에 더 가깝다.
Astra는 OpenAI 자체 Provider Adapter 구성에서 99.9%라는 최고 점수를 달성했습니다.
하지만 이 번호는 분리되어야 합니다. ARC Prize는 또한 모든 제조업체가 균일하게 비교할 수 있는 표준 하네스 세트를 사용합니다. 여기서 Astra는 62.7%에 불과합니다.
둘 사이의 가장 큰 차이점은 주제가 바뀌었다는 점은 아닙니다. OpenAI는 이전에 Sol의 점수가 낮은 이유가 모델이 멍청해서가 아니라 하네스가 메모리를 계속 포맷하기 때문이라는 것을 발견했습니다. 따라서 OpenAI가 한 일은 ARC-AGI-3의 하네스를 자체 Responses API의 프로덕션 구성으로 교체한 다음 ARC-AGI-3에 대한 두 가지 특수 설정, 즉 추론 유지 및 압축을 특별히 준비하는 것이었습니다. 전자는 모델이 작업 사이의 이전 생각을 기억할 수 있도록 하는 반면, 후자는 대략적인 잘라내기 대신 요약을 사용합니다.
이 생산 시스템에 연결한 후 Astra는 62.7%에서 99.9%로 뛰어올랐습니다. 양 당사자가 성공적으로 완료한 작업에서 공급자 어댑터는 전체적으로 약 3.66배 더 빠르게 실행되었으며 토큰 소비는 49% 감소했습니다.
어떤 의미에서는 플러그인을 여는 것과 비슷합니다.
어려운 수학에서는 FrontierMath Tier 4가 97.6%입니다. FrontierMath가 기반을 둔 Epoch AI는 OpenAI가 벤치마크 개발에 자금을 지원했으며 일부 질문에 독점적으로 접근할 수 있다고 말했습니다.
주목할 만한 점수는 다음과 같습니다:
DeepSWE v1.1 74.1%
BenchCAD 95.9%
터미널-벤치 과학 과제 64.6%.
그러나 이번에 OpenAI는 분명히 Astra를 도입하기 위해 일련의 벤치마크에만 의존하지 않았습니다.
공식 홈페이지를 열면 거의 차례차례 사례가 올라오고 있습니다.
KiCad, Excel, Blender, Power BI, 브라우저 양식 작성, 웹사이트 QA; 그런 다음 집을 찾고, 의사를 찾고, DMV에서 약속을 잡고, 세금 양식을 작성하고, PPT를 만들고, 게임을 개발하고, 과학 연구 데이터를 분석합니다.
지난 몇 세대의 GPT 릴리스에서 OpenAI는 주로 사용자에게 모델이 대답할 수 있는 내용을 알려주었습니다. Astra를 사용하면 초점이 변경된 것 같습니다. AI에 직접 전달할 수 있는 것이 얼마나 남았습니까?
OpenAI는 Astra를 '세계 최고의 컴퓨터 사용 모델'이라고 직접 부르기도 했습니다.
'컴퓨터 사용'에서는 모델의 진행 상황이 점수보다 더 중요할 수 있습니다. Codex에서 Astra는 새로운 컨텍스트 메커니즘을 제공합니다. 컨텍스트 창이 가득 찼을 때 요약을 압축하는 대신 창 전체에 메모를 유지하고 이전 메시지 및 도구 출력을 검색할 수 있습니다.
Astra는 또한 특정 질문이 해결되지 않은 경우 답변에 의존하지 않는 부분에 대해 계속 작업하여 해결되지 않은 질문 하나가 전체 작업을 방해하는 것을 방지할 수 있습니다.
물론 성능도 가격에 직접적으로 반영됩니다.
GPT-6 Astra의 표준 API 가격은 입력 토큰 백만 개당 10달러, 캐시된 입력의 경우 1달러, 출력의 경우 50달러입니다.
GPT-5.6 Sol의 현재 4달러 입력, 0.4달러 캐시, 20달러 출력과 비교하면 Astra 전체 제품군의 가격이 2.5배로 직접 인상되었습니다. 이에 대한 OpenAI의 포지셔닝도 매우 명확합니다. 어떤 플래그십 모델을 선택해야 할지 모른다면 Astra를 선택할 수 있습니다. 비용이 더 중요하다면 GPT-5.6 Terra 또는 Luna를 계속 사용하세요.
여전히 105만 개의 토큰 컨텍스트와 최대 128,000개의 토큰 출력을 제공합니다. 그러나 긴 컨텍스트에는 추가 비용도 있습니다. GPT-5.6 시리즈처럼 단일 입력이 272K 토큰을 초과하면 전체 요청의 입력 비용은 2배로 계산되고 출력은 1.5배로 계산됩니다.
그래서 OpenAI는 실제로 Astra에 대해 더 비싼 스마트 계층을 설정했습니다.
질문만 하고 카피 몇 문단만 바꾸면 2.5배 가격을 쓸 가치가 없을 수도 있습니다.
그러나 모델이 실제로 컴퓨터 앞에 앉아 수십 분 또는 심지어 몇 시간 동안 지속적으로 작업하고 사람들이 소프트웨어를 전환하고, 정보를 확인하고, 양식을 작성하고, 파일을 수정해야 했던 전체 작업을 완료할 수 있다면 실제로 비교해야 할 것은 더 이상 백만 토큰당 돈이 얼마인지가 아닙니다.
주목할 만한 몇 가지 기술적 사항
Astra에는 벤치마크 자체보다 더 주목할 만한 몇 가지 기술적 사항도 있습니다.
첫 번째는 리버스 엔지니어링입니다.
OpenAI는 이번 릴리스에서 SRE-Bench를 인용했습니다. 이것은 Columbia DAPLab과 같은 팀이 올해 출시한 리버스 엔지니어링 벤치마크 세트입니다. 모델 소스 코드는 제공되지 않으며 컴파일된 바이너리 프로그램만 제공되어 프로그램 로직을 다시 이해하고 주요 동작을 찾을 수 있는지 확인합니다.
아스트라는 한 번의 시도에서 88.0%, 최대 4번의 시도에서 99.2%의 성공률을 보이고 있습니다.
동일한 규칙에 따라 GPT-5.6 Sol은 각각 55.9%와 68.7%에 불과합니다.
인간의 관점에서 볼 때, 컴파일되어 있고 사람이 읽을 수 있는 코드가 거의 없는 프로그램에 직면했을 때 AI는 기계 명령에서 조금씩 "복원"할 수 있기 시작합니다.
이는 악성 코드 분석, 펌웨어 연구, 취약점 마이닝 및 디지털 포렌식에 직접적인 영향을 미칩니다.
두 번째 변화는 Astra가 극도로 긴 임무에서 "더 이상 잃어버린 물건을 찾기가 쉽지 않다"는 것입니다.
MRCR v2 8핀 검색 테스트에서 Astra의 정확도는 256K에서 512K까지의 컨텍스트에서 100%에 도달했습니다. 512K에서 100만 개의 토큰에 관해서는 여전히 96.3%의 정확도를 보였습니다. 그러나 GPT-5.6 Sol은 이 두 구간에서 각각 91.5%와 73.8%에 불과합니다.
과거에는 많은 모델이 수백만 개의 컨텍스트를 지원한다고 주장했지만, 중요한 정보가 수십만 개의 토큰 외부에 묻혀 있다면 모델은 프로세스 후반부에 이를 거의 잊어버릴 수도 있습니다.
Astra는 '컨텍스트 창이 얼마나 큰지'에 대해 좀 더 실용적인 질문인 '상담원이 이전에 발생한 일을 얼마나 오래 기억할 수 있는지'에 대해 질문하기 시작했습니다.
수십 분 또는 심지어 몇 시간 동안 지속적으로 작업해야 하는 에이전트의 경우 이는 수십만 개의 토큰 창을 추가하는 것보다 더 중요할 수 있습니다.
이 외에도 아스트라에는 또 다른 특이한 변화가 있습니다.
더 잘 정렬되지만 모니터링하기가 더 어려워집니다.
OpenAI가 발표한 일련의 내부 컴퓨터 사용 보안 테스트에서 Astra의 위반률은 Sol의 22.0%에서 2.4%로 떨어졌습니다. 모델이 작업을 완료하기 위해 제한 사항을 우회하는지 여부를 구체적으로 관찰한 테스트에서 Astra의 비율은 0%였습니다. 내부 환각 테스트 역시 솔의 9.4%에서 아스트라의 2.0%로 떨어졌다.
적어도 OpenAI의 자체 테스트에 따르면 Astra는 "혼돈"이 훨씬 덜합니다. 하지만 OpenAI 수석과학자 야쿠브 파초키(Jakub Pachocki)도 “지능의 진보가 정렬의 진전을 보장하지 않는다”고 상기시켰다.
이유 중 하나는 Astra가 자신의 완전한 사고 과정을 점점 더 적게 작성하기 시작했다는 것입니다.
과거에는 매우 중요한 AI 보안 방법은 모델의 사고 사슬을 모니터링하는 것이었습니다. 모델이 권한을 초과하거나, 특정 시스템을 공격하거나, 비밀리에 목표를 변경하려는 경우 추론에서 단서를 미리 볼 수 있었습니다.
그러나 OpenAI는 Astra가 서면 추론에 대해 더 큰 통제력을 갖고 있음을 발견했습니다. 과거에는 여러 단계를 작성하여 해결해야 했던 일부 문제가 이제 덜 명확한 추론으로 해결될 수 있습니다. 모델이 자신의 사고 과정이 모니터링되고 있다는 것을 알고 있다면 이러한 내용은 크게 변경되거나 단축됩니다.
따라서 OpenAI는 더 이상 사고 사슬에만 집중할 수 없습니다.
Astra를 감시하고 이전에 Sol에 나타난 것과 동일한 공격을 저지르지 않도록 OpenAI는 프로덕션 환경에 '오정렬 모니터링'을 설치했습니다. 모델의 추론, 실제 동작, 도구 호출 및 전체 작업 궤적을 동시에 관찰합니다.
모델이 사용자의 원래 의도에서 크게 벗어날 수 있다고 시스템에서 판단하는 경우 작업을 직접 일시중지하거나 종료할 수도 있습니다.
API에서는 가로채는 작업이 직접 종료될 수 있습니다. ChatGPT 또는 Codex에서는 경우에 따라 사용자에게 먼저 재확인하라는 메시지가 표시됩니다.
"정말로 내가 하길 원하는 게 이게 맞나요?"
제품 수준에서 Astra의 API 모델 이름은 바로 gpt-6-astra이며 Amazon Bedrock에도 들어갑니다.
OpenAI도 빠른 모드를 출시했습니다. 가격은 2배, 최대 실행 속도는 약 2.5배입니다.
간단한 채팅의 경우에는 매력적이지 않을 수 있습니다. 그러나 에이전트가 원래 브라우저와 소프트웨어에서 40분 동안 실행되어야 하고 시간이 10~20분으로 단축된다면 속도 자체가 제품 기능의 일부가 됩니다.
구독 측면에서 Astra는 기존 구독 할당량에 포함됩니다. Pro, Business 및 Enterprise에서는 더욱 강력한 Astra Pro도 제공됩니다. Enterprise는 기본적으로 직접 켜지지 않으며 관리자가 수동으로 켜야 합니다.
아직은 열 수 없지만...
복잡한 역사, 제한된 공개
Astra는 현재까지 OpenAI의 가장 '역사적인' 모델 릴리스일 수 있습니다.
많은 모델이 먼저 출시되고 서서히 문제가 드러나지만 Astra는 그 반대입니다. 물론 일부 마케팅 방법도 배제되지 않습니다. 그러나 OpenAI는 공식적으로 출시되기 전에 왜 더 신중하게 훈련하고, 테스트하고, 개방해야 하는지 끊임없이 설명하는 데 거의 한 달을 보냈습니다.
8월 7일, OpenAI는 최근 내부 평가 결과 회사가 대비 프레임워크에 따라 Astra가 "중요" 사이버 보안 기능 임계값에 도달했을 가능성을 배제하는 것이 불가능해졌다고 처음으로 공개적으로 밝혔습니다.
9월 1일에 이 "가능성"은 공식적인 결론이 되었습니다. Astra는 네트워크 보안 기능에서 Critical로 평가된 OpenAI의 첫 번째 모델이 되었습니다.
OpenAI의 자체 표준에 따르면 이는 적절한 도구와 액세스 권한을 통해 Astra가 이전에 알려지지 않은 취약점을 독립적으로 발견하고 단계별 인간 안내 없이도 강화된 많은 실제 시스템에서 사용 가능한 익스플로잇을 개발할 수 있음을 의미합니다. 또는 높은 수준의 표적을 제공함으로써 강화된 표적에 대한 일련의 엔드투엔드 공격 전략을 설계하고 실행할 수도 있습니다.
이것은 더 이상 단순히 "공격 코드를 작성할 수 있는" 수준이 아닙니다. ExploitBench에서 Astra는 직접 100%를 기록했습니다.
모델이 공개 취약점만 기억하는 것을 방지하기 위해 OpenAI는 또 다른 내부 테스트 세트를 준비하고 2026년 6월부터 8월까지만 공개된 V8 고위험 취약점 20개를 추가했습니다. Astra는 GPT-5.6 Sol보다 더 적은 출력 토큰을 사용할 뿐만 아니라 훨씬 더 높은 임의 코드 실행 성공률을 달성합니다.
테스트 중에 이전에 알려지지 않았던 제로데이 2개를 발견하고 이를 악용하여 익스플로잇 체인에 연결하기도 했습니다. OpenAI는 현재 이 두 가지 취약점을 관리자에게 공개하고 있다고 밝혔습니다.
전문가 테스트는 실제 공격에 더 가깝습니다. 강화된 브라우저에 직면한 Astra는 알려지지 않은 취약점을 찾은 후 샌드박스에서 완전히 탈출하고 호스트 시스템에서 명령을 실행할 수 있습니다. 강화된 운영 체제에서는 일반 사용자로부터 루트 권한을 얻기 위해 여러 취약점을 로컬 권한 에스컬레이션 체인으로 묶습니다.
이 과정에서 OpenAI는 모델의 위험한 기능이 모델 자체의 학습 방식에 영향을 미치기 시작했다는 사실을 처음으로 발견했습니다.
8월 18일, OpenAI는 배포 예정이었던 최신 모델 강화 학습 훈련을 2주 동안 중단하는 등 훈련 규모 확장을 일시적으로 중단했음을 공개적으로 인정했습니다.
동시에 Astra와 관련된 다수의 교육 및 평가 작업이 아직 새로운 보안 환경으로 마이그레이션되지 않았기 때문에 계속 중단되고 있습니다.
과거에는 AI 안전성을 논의할 때 훈련 후 모델을 사용자에게 안전하게 전달할 수 있는지 여부를 주로 질문했습니다. 하지만 여기 Astra에서는 문제가 훈련 단계로 발전했습니다.
따라서 OpenAI는 전체 연구 환경을 다시 강화했습니다. 모델 생성 코드를 실행하는 작업에는 더 엄격한 샌드박싱이 필요합니다. 고위험 워크로드에는 더 강력한 네트워크 격리가 필요합니다. Astra 체크포인트는 암호화 및 액세스 제어를 추가합니다. 도구를 사용한 모든 Astra 추론에는 추가 모니터링이 적용됩니다.
이 모니터링 세트 자체는 저렴하지도 않습니다. OpenAI는 모니터링 시스템만으로 인해 발생하는 컴퓨팅 오버헤드가 모니터링되는 추론 컴퓨팅 성능의 약 20%에 해당한다고 추정합니다.
즉, Astra의 비용은 '더 큰 모델을 훈련시키는 것'일 뿐만 아니라 OpenAI도 모델이 무엇을 하는지 감시하기 위해 상당한 양의 추가 컴퓨팅 성능을 소비합니다.
이는 또한 Astra가 공식적으로 출시된 후 가장 발전된 네트워크 보안 기능이 모든 사람에게 직접 출시되지 않은 이유를 설명합니다.
OpenAI는 Astra의 기본 프로덕션 버전이 여전히 고위험 네트워크 공격 요청에 제한을 설정할 것임을 분명히 했습니다. 보다 발전된 네트워크 보안 워크플로우는 처음에는 소규모 알파 테스터 그룹에게 공개된 후 Daybreak Blue를 통해 감사를 받는 방어 사용자에게 점차 확대될 것입니다.
앞으로 며칠 내에 일반 사용자도 Astra를 받게 되지만, 이것이 모든 사람이 정확히 동일한 기능을 갖게 된다는 의미는 아닙니다.
이러한 제한은 우발적인 부상을 초래할 수도 있습니다. OpenAI는 추가 보안 검사로 인해 정상적인 작업이 느려지거나 일시 중단되거나 심지어 중지될 수도 있음을 미리 경고합니다. 네트워크 보안과 관련이 없는 것처럼 보이는 일부 장기 에이전트 작업에도 레이블이 잘못 지정될 수 있습니다.
ChatGPT 또는 Codex의 작업이 정렬 불량 모니터링으로 인해 일시 중단된 경우 사용자는 계속하기 전에 작업을 확인하기 위해 다시 돌아와야 할 수 있습니다. API의 작업은 직접 종료될 수 있습니다.
이 부분의 변화는 아스트라 출시 이후 'AGI'에 의해 쉽게 가려졌습니다.
모델의 능력이 높을수록 사람이 직접 얻을 수 있는 능력도 많아지고, 플랫폼이 사용자에게 얼마나 많은 권한을 부여할 의향이 있는지에 점점 더 의존하기 시작합니다.
그러다가 이런 일련의 "비판, 훈련 중단, 격리, 모니터링, 단계적 개방"을 거친 뒤 그렉 브록만은 아스트라 출시에 대한 언론 브리핑에서 "AGI 시대에 오신 것을 환영합니다"라고 말했다.
개인적으로 평가하자면 '우리가 이뤘다'고 생각한다고도 했다.
그런데 "OpenAI가 AGI 구현을 공식적으로 발표했나요?"라는 질문에 답했습니다. Brockman은 AGI가 정확하게 그려질 수 있는 기술 표준이라기보다는 "임무 개념"이나 "영적 개념"에 더 가까운 "회색의 모호한 것"이 되었다고 인정했습니다.
앞서 "Sources Podcast"에서 Altman은 "언제 AGI를 구현할 것인가"라는 문제에 대해 진지하게 논의하는 것을 꺼려했습니다. 그는 AGI라는 용어가 "기껏해야 매우 모호한 개념"이라고 믿었고 심지어 "하찮은 마케팅 용어"라고까지 부를 뻔했다.
그 이유는 OpenAI가 AGI에서 더 멀리 떨어져 있기 때문이 아닙니다. 오히려 알트만의 판단으로는 AGI가 더 이상 중요하지 않을 수도 있기 때문이다.
그가 정말로 걱정하기 시작한 것은 다음 단어인 초지능이었습니다.
Altman은 1년 전에는 OpenAI가 초지능을 향한 단기적인 궤도에 있다고 믿지 않았다고 말했습니다. 이제 그는 그것이 "일어날 수 있다"고 생각한다.
하지만 그래도 불평하고 싶습니다. ASI는 "하찮은 마케팅 용어"가 아닌가요?
댓글