GPT-6 아스트라 vs GPT-5.6 솔, 가격 2.5배 더 내고 갈아탈 값어치가 있나
오픈AI가 9월 3일 GPT-6 아스트라를 내놨습니다. “세계에서 가장 똑똑하고 가장 잘 정렬된 모델”이라는 표현까지 붙였는데, 정작 API 가격은 GPT-5.6 솔의 2.5배로 올랐습니다.
그런데 벤치마크를 뜯어보면 온도차가 큽니다. 에이전트와 컴퓨터 제어, 수학, 사이버보안 쪽은 세대가 바뀐 게 맞는데, 일반적인 대화나 지식 질문에서는 솔과 거의 차이가 없습니다. 가격만 2.5배 비싸진 셈이죠.
이 글에서는 두 모델의 벤치마크 점수와 요금, 속도, reasoning effort 티어를 나란히 놓고 “지금 솔을 쓰고 있다면 아스트라로 갈아탈 값어치가 있는가”를 작업 유형별로 따져봤습니다.
세 줄 요약
- 압도한 영역 : 터미널 작업(약 58% vs 37%), 컴퓨터 화면 조작(ScreenSpot-Pro 92.7% vs 76.9%), FrontierMath Tier 4(97.6% vs 83.0%), ExploitBench(100% vs 78.5%), 환각률(4.2% vs 12.2%)
- 거의 제자리 : Artificial Analysis 지능 지수 55 vs 51, GPQA Diamond 96.0% vs 94.6%. 일부 에이전트 벤치마크는 솔이 오히려 근소하게 앞섬
- 가격 : API 기준 입력 100만 토큰당 10달러, 출력 50달러로 솔(4달러 / 20달러)의 2.5배. 컨텍스트 창은 둘 다 100만 토큰
Artificial Analysis의 아스트라 vs 솔 하이라이트. 지능은 근소하게 앞서지만 속도는 느리고 작업당 비용은 두 배 수준이다 (이미지 : Artificial Analysis)
GPT-6 아스트라와 GPT-5.6 솔이 뭔지부터
둘 다 오픈AI의 추론(reasoning) 모델입니다. GPT-5.6 솔은 2026년 7월에 나온 직전 플래그십이고, GPT-6 아스트라는 9월 3일 공개된 최신 세대입니다.
아스트라의 핵심 변화는 성능보다 쓰임새 쪽입니다. 데스크톱을 직접 조작해 경비 정산이나 CRM 입력, QA 테스트 같은 여러 단계 작업을 끝까지 수행하는 컴퓨터 사용 능력, 템플릿에 맞춰 문서를 뽑아내는 기능, 그리고 요약 대신 검색 가능한 노트로 맥락을 이어가는 Codex 노트가 새로 들어갔습니다. 사이버보안은 출시 시점엔 방어 작업(보안 코드 리뷰, 패치)만 열려 있고, 공격 능력은 Daybreak라는 별도 신뢰 접근 프로그램으로 제한됩니다.
지식 컷오프는 2026년 4월 30일, 컨텍스트 창은 약 105만 토큰(입력 92만, 출력 12만 8천)입니다.
벤치마크 맞대결, 이긴 곳과 비긴 곳
오픈AI가 공개한 수치와 서드파티 측정을 합치면 이렇습니다.
| 벤치마크 | GPT-6 아스트라 | GPT-5.6 솔 | 성격 |
|---|---|---|---|
| Artificial Analysis 지능 지수 | 55 | 51 | 종합 지능 |
| Terminal-Bench 4.0 | 약 58% | 37.3% | 에이전트 코딩, 터미널 |
| OSWorld 2.0 | 72.6% | 65.7% | 컴퓨터 화면 조작 |
| ScreenSpot-Pro | 92.7% | 76.9% | 화면 요소 인식 |
| FrontierMath Tier 4 | 97.6% | 83.0% | 최상위 난도 수학 |
| GPQA Diamond | 96.0% | 94.6% | 대학원 수준 과학 |
| ARC-AGI-3 (어댑터 하네스) | 99.9% | 7.8% | 추상 추론 |
| ExploitBench | 100% | 78.5% | 취약점 분석 |
| 환각률 | 4.2% | 12.2% | 낮을수록 좋음 |
에이전트가 여러 단계에 걸쳐 도구를 쓰고 화면을 조작하는 작업, 그리고 어려운 수학과 취약점 분석에서는 격차가 확연합니다. OSWorld에서 아스트라는 같은 점수대를 솔보다 약 47% 짧은 시간에 냅니다.
ARC-AGI-3의 99.9% 대 7.8%는 극적으로 보이지만, 오픈AI가 자체 프로바이더 어댑터 하네스에서 측정한 값이라 그대로 받아들이긴 이릅니다.
반면 종합 지능 지수는 55 대 51, GPQA는 96.0% 대 94.6%로 사실상 오차 범위입니다. Artificial Analysis가 측정한 일부 에이전트 세부 항목에서는 솔이 근소하게 앞서기도 합니다(GDPval-AA v2에서 솔 56 대 아스트라 54, τ³-Banking 도구 사용에서 41 대 44). ComputingForGeeks의 정리 문구가 상황을 잘 요약합니다. “에이전트와 컴퓨터 사용, 사이버, 수학 작업에서는 세대 도약이 실재한다. 일반 지능에서는 거의 평평하다.”
max 티어끼리의 정면 비교. 지능만 아스트라가 앞서고 가격, 속도, 지연은 모두 솔이 낫다 (이미지 : Artificial Analysis)
가격은 전 항목 2.5배
API 요금이 세대가 바뀌면서 위로 뛰었습니다.
| 항목 (100만 토큰당) | GPT-6 아스트라 | GPT-5.6 솔 |
|---|---|---|
| 입력 | 10.00달러 | 4.00달러 |
| 출력 | 50.00달러 | 20.00달러 |
| 캐시 읽기 | 1.00달러 | 0.40달러 |
| 캐시 쓰기 | 12.50달러 | 5.00달러 |
| 배치 (입력 / 출력) | 5.00달러 / 25.00달러 | 2.00달러 / 10.00달러 |
| 롱 컨텍스트 272K 초과 (입력 / 출력) | 20.00달러 / 75.00달러 | 해당 없음 |
| Fast 모드 | 표준의 2배 (속도 2.5배) | 해당 없음 |
캐시 읽기 90% 할인과 캐시 쓰기 25% 할증 구조는 그대로 유지된 채 기준 단가만 2.5배로 올랐습니다. 22,500 토큰짜리 설정 파일을 반복 입력한 ComputingForGeeks 테스트에서 콜드 콜은 0.28달러, 캐시가 채워진 웜 콜은 0.023달러로 91.9% 절감됐습니다. 같은 컨텍스트를 계속 재사용하는 워크플로라면 프롬프트 캐싱이 실질 단가를 크게 낮춥니다.
캐시 읽기, 입력, 출력 세 항목 모두 아스트라가 솔의 2.5배다 (이미지 : Artificial Analysis)
reasoning effort 티어를 잘못 잡으면 요금이 10배
아스트라는 추론 강도를 low, medium, high, xhigh, max로 조절합니다. 강도가 올라갈수록 모델이 답하기 전에 소모하는 추론 토큰이 늘고, 그만큼 지연과 비용이 커집니다. ComputingForGeeks가 같은 작업을 강도만 바꿔 돌린 결과입니다.
| 강도 | 지연 | 추론 토큰 | 총 출력 토큰 | 비용 |
|---|---|---|---|---|
| low | 12.4초 | 213 | 599 | 0.031달러 |
| medium | 16.6초 | 459 | 775 | 0.039달러 |
| high | 36.6초 | 1,552 | 1,888 | 0.095달러 |
| xhigh | 68.0초 | 3,092 | 3,448 | 0.173달러 |
| max | 104.9초 | 5,684 | 6,000 | 0.301달러 |
low와 max의 비용 차이가 약 10배입니다. 그런데 Artificial Analysis 지능 지수로 보면 아스트라 medium이 이미 솔의 max 설정과 비슷하거나 그 이상입니다. 단발성 요청(추출, 분류, 초안 작성, 코드 리뷰, 일반 대화)은 medium으로 두고, 20분 넘게 도는 에이전트 루프처럼 중간에 헛도는 단계가 값비싼 재시도로 이어지는 경우에만 high 이상을 쓰는 게 합리적입니다.
API를 직접 붙인다면 바뀐 점 세 가지를 확인해야 합니다.
none강도가 사라졌습니다. 그대로 호출하면 400 에러가 납니다.- 도구 호출은 이제 Chat Completions가 아니라 Responses API를 써야 합니다.
- 대화 중간에 설정을 바꿔 넣어도 캐시가 무효화되지 않습니다. 단 표준 모드에서만 되고 Pro나 Batch에서는 안 됩니다.
속도와 지연은 솔이 낫다
아스트라는 더 많이 생각하는 만큼 느립니다. Artificial Analysis 측정에서 출력 속도는 아스트라 64 토큰/초, 솔 76 토큰/초이고, 첫 토큰까지 걸리는 시간은 아스트라 354초, 솔 256초입니다.
실제 디버깅 작업 하나를 돌린 ComputingForGeeks 테스트에서는 아스트라가 75.5초에 0.194달러, 솔이 39.3초에 0.048달러였습니다. 같은 답을 얻는 데 아스트라가 시간은 두 배 가까이, 비용은 네 배 들었습니다.
반대 사례도 있습니다. I Like Kill Nerds가 코딩 작업을 돌렸을 때는 아스트라 medium이 솔 high보다 빠르고(51분 대 75분) 쌌으며($25.67 대 $31.79) 비싼 쪽이 놓친 버그까지 잡았습니다. 강도 설정을 어떻게 잡느냐에 따라 결과가 갈립니다.
그래서 갈아타야 하나
아스트라로 갈아탈 이유가 분명한 경우
- 20분 이상 도는 에이전트 루프. 중간 단계 실패가 누적 비용으로 돌아오는 구조라 정확도 향상이 요금 인상을 상쇄합니다.
- 데스크톱이나 브라우저를 직접 조작하는 컴퓨터 사용 자동화. 여기가 가장 격차가 큰 영역입니다.
- 최상위 난도 수학, 취약점 분석, 보안 코드 리뷰.
- 환각을 줄이는 게 중요한 작업. 환각률이 12.2%에서 4.2%로 떨어졌습니다.
솔을 유지하는 게 나은 경우
- 일반 대화, 요약, 추출, 분류, 초안 작성. 지능 지수 차이가 오차 범위라 2.5배 요금이 정당화되지 않습니다.
- 응답 속도와 첫 토큰 지연이 중요한 실시간 인터페이스.
- 토큰 소비량이 큰 대량 배치 작업. 단가 차이가 그대로 총비용에 곱해집니다.
ChatGPT 구독자라면 선택 문제이기 이전에 한도 문제이기도 합니다. 아스트라의 메시지 한도는 모든 요금제에서 솔의 약 절반입니다. Plus는 아스트라 5~45개(솔은 10~100개), Pro 200달러는 아스트라 주당 200개 수준입니다. 무겁게 쓸수록 한도에 먼저 부딪힙니다.
정리
GPT-6 아스트라는 “모든 면에서 더 나은 모델”이 아니라 “특정 작업에서 확실히 더 나은 대신 2.5배 비싸고 느린 모델”입니다. 에이전트와 컴퓨터 제어, 수학, 사이버가 업무의 중심이면 갈아탈 값어치가 있고, 일반적인 텍스트 작업이 대부분이면 솔에 머무는 편이 비용 대비 낫습니다.
API로 붙인다면 아스트라를 쓰더라도 강도는 medium에서 시작해 실패를 측정한 뒤에만 올리는 게 요금을 지키는 방법입니다.
Leave a comment