GPT-6 아스트라 수능 만점, 실제로는 어디까지 진짜일까

오픈AI의 GPT-6 아스트라가 2026학년도 수능 문제를 전 과목 만점으로 풀었다는 소식이 퍼졌습니다. 국어, 수학, 영어, 한국사에 이어 까다롭기로 유명한 탐구 4과목까지 완전 정답을 받은 건 AI 모델 중 처음입니다. 다만 “AI가 수능 만점자의 사고 구조를 구현했다”는 표현이 정확히 뭘 가리키는지, 이 시험이 실제 수능과 어디까지 같고 어디부터 다른지는 헤드라인만 보고는 알기 어렵습니다. 원문 기준으로 하나씩 짚어봤습니다.

2026 수능 LLM 풀이 대시보드란 무엇인가

이번 결과는 순천향대학교 컴퓨터소프트웨어공학과에 재학 중인 구유겸 씨가 개인적으로 만든 벤치마크 프로젝트 “2026 수능 LLM 풀이 기록”에서 나왔습니다. 여러 AI 모델에 2026학년도 수능 문제를 그대로 입력해 채점한 결과를 깃허브와 대시보드 웹페이지에 공개하는 방식입니다.

종합 점수(450점 만점) 화면. GPT-6 아스트라 막대가 만점 지점까지 닿아 있다 (출처: 2026 수능 LLM 풀이 대시보드, hehee9.github.io)

시험은 외부 검색이나 계산기 같은 도구 없이, 별도 시스템 프롬프트도 주지 않은 상태에서 진행됐습니다. 지문은 OCR로 추출한 뒤 사람이 손으로 교정했고, 수식은 LaTeX로 변환했으며, 그래프나 도표는 필요한 것만 별도 이미지로 붙였습니다. AI가 시험지 자체를 못 읽어서 틀리는 상황을 최대한 줄인 환경입니다.

일반(쉬움) 모드에서 GPT-6 아스트라는 450점 만점을 받았습니다. 문제를 한 번에 여러 개씩 몰아서 주는 고난도 모드에서는 448.5점으로, 사회문화 1문항만 틀렸습니다. 뒤를 이어 GPT-5.6 Sol(max)이 448.5점, GPT-5.4(xhigh)가 448점, 클로드 페이블 5.1(high)이 447.5점, 제미나이 3.1 프로(high)가 445점을 받았습니다.

수능 만점자 사고 구조 구현이라는 말이 실제로 가리키는 것

이번 소식을 다룬 한국일보 기사에는 “AI가 ‘수능 만점자’의 사고 구조를 유지한 채 시험을 봤다”는 표현이 나옵니다. 이 문장만 보면 AI가 사람처럼 생각하는 방식을 흉내 냈다는 뜻으로 읽히기 쉽습니다.

실제로는 조금 다릅니다. 이 표현은 ‘Provider Adapter Harness’라는 모델 제어 구조를 설명하는 대목에서 나온 말입니다. 앞선 문제를 풀 때 거친 추론 과정을 압축해 다음 문제를 풀 때 재활용하는 엔지니어링 장치를 가리킵니다. 즉 AI가 사람의 사고 회로를 모방했다는 의미가 아니라, 문제 사이에 추론 맥락을 잃지 않도록 짜인 파이프라인 설계에 가깝습니다.

이 구조 덕분에 아스트라는 247개 문항을 푸는 데 총 357,000개 토큰을 썼습니다. 같은 시험에서 GPT-5.6은 429,000개, 클로드 페이블 5.1은 562,000개를 썼으니, 클로드 페이블 5.1 대비 약 36.5% 적은 토큰으로 더 높은 점수를 낸 셈입니다. 토큰을 적게 쓴다는 건 같은 작업을 더 적은 비용과 시간으로 끝낸다는 뜻이라, 실제로 의미 있는 차이는 만점 자체보다 이 효율 쪽에 가깝습니다.

이게 진짜 수능이라고 보기는 어려운 이유

가장 먼저 짚어야 할 건 이 시험이 한국교육과정평가원이 시행한 공식 수능이 아니라는 점입니다. 연구자 한 명이 2026학년도 수능 문제를 AI 평가용으로 재구성한 별도 벤치마크이고, 점수도 실제 수능의 표준점수나 백분위 방식이 아니라 자체 채점 기준으로 계산됩니다.

훈련 데이터 문제도 남습니다. 수능 문제는 시험이 끝나는 순간 전 국민에게 공개되는 자료라서, AI 모델이 이후 학습 과정에서 작년 이전 기출 문제와 풀이를 이미 봤을 가능성을 배제할 수 없습니다. 처음 보는 문제를 순수하게 풀어낸 능력인지, 비슷한 유형의 기출을 학습해둔 결과인지 벤치마크 구조만으로는 구분되지 않습니다.

이미지나 그래프가 포함된 문항에서는 텍스트 전용 문항보다 정답률이 낮게 나오는 경향도 함께 공개돼 있습니다. 물리, 화학, 사회문화처럼 도표와 그래프 해석이 핵심인 과목에서 AI가 여전히 시각적 추론과 수치 정밀도 쪽에 약점을 갖고 있다는 뜻입니다. 이번 만점은 그 약점이 사라졌다는 근거라기보다, 시험 환경 자체가 그 약점이 최대한 드러나지 않도록 다듬어진 결과에 가깝습니다.

국내 AI 업계 관계자들 사이에서도 신중한 반응이 나옵니다. 이 결과를 두고 “AI가 인간 수험생을 이겼다”고 부르는 건 과한 표현이고, 정확히는 “AI 벤치마크에서 높은 성적을 기록했다” 정도로 보는 게 맞다는 의견이 대표적입니다. 수능 점수 자체보다는, 아직 정답이 나오지 않은 실제 산업 현장의 문제를 AI가 얼마나 풀어내는지가 더 중요한 평가 기준이라는 지적도 함께 나왔습니다.

그럼에도 눈여겨볼 부분

점수 자체의 의미는 제한적이지만, 이번 결과가 완전히 무의미한 건 아닙니다. 토큰을 적게 쓰면서도 만점에 가까운 점수를 냈다는 건, 같은 수준의 답을 더 짧은 시간과 더 적은 비용으로 뽑아낼 수 있다는 뜻입니다. 실제 업무에 AI를 쓸 때 체감되는 차이는 벤치마크 점수보다 이런 처리 속도와 비용 쪽에서 먼저 나타납니다.

또한 GPT-6 아스트라는 이번 시험 외에도 웹페이지 탐색, 양식 작성, 문서 생성, 코드 실행 중 오류 수정까지 여러 단계를 이어서 처리하는 에이전트형 작업에서 강점을 보이는 모델로 소개되고 있습니다. 수능 점수는 이런 다단계 작업 능력을 보여주는 여러 지표 중 하나일 뿐, 그 자체가 목적은 아닙니다.

자주 묻는 질문

GPT-6 아스트라가 실제 수능을 본 건가요?

아닙니다. 한국교육과정평가원이 시행한 공식 시험이 아니라, 개인 연구자가 2026학년도 수능 문제를 재구성해 만든 별도 벤치마크입니다.

만점이라는 표현을 그대로 믿어도 되나요?

일반(쉬움) 모드 기준으로는 450점 만점이 맞습니다. 다만 문제를 한 번에 여러 개씩 주는 고난도 모드에서는 448.5점으로 1문항을 틀렸고, 채점 방식도 실제 수능의 표준점수나 백분위와는 다릅니다.

클로드나 제미나이는 왜 만점을 못 받았나요?

같은 시험에서 클로드 페이블 5.1은 447.5점, 제미나이 3.1 프로는 445점을 받았습니다. 순위 차이는 크지 않지만, 토큰 사용량에서는 아스트라가 클로드 페이블 5.1보다 약 36.5% 적게 쓰고도 더 높은 점수를 냈다는 차이가 있습니다.

AI 수능 벤치마크는 어디서 직접 볼 수 있나요?

구유겸 씨가 공개한 “2026 수능 LLM 풀이 기록” 깃허브 저장소와 연결 대시보드 웹페이지에서 과목별, 모델별 점수와 토큰 사용량을 모두 확인할 수 있습니다.