본문으로 건너뛰기

GPT-6.2 Astra와 Sol: 기능, 벤치마크, 테스트, 가격

OpenAI의 GPT-6.2 Astra와 Sol은 작업당 비용을 크게 낮춥니다. 새로운 점, 벤치마크, 사용할 티어, 가격, 그리고 GPT-6 Astra와의 실전 테스트를 다룹니다.

무료 계정 만들기

실습 문제하고 트랙하세요.

Google로 계속하기계속 진행하시면 다음 사항에 동의하는 것으로 간주됩니다: 이용약관 및 개인정보 처리방침 그리고 귀하의 데이터가 미국에 저장된다는 점에 동의하는 것으로 간주됩니다.

11월은 프런티어 모델이 붐빈 달이었습니다. Anthropic은 Claude Fable 5.2를 출시했고, Google은 Gemini 4 Carbon을 선보였습니다. 그리고 오늘, 일주일간의 추측 끝에 OpenAI가 한꺼번에 두 모델로 응답했습니다: GPT-6.2 Astra와 GPT-6.2 Sol.

GPT-6.2 Astra는 프레젠테이션, 재무 워크북, 법률 문서 작성, CAD, 장기 에이전트 실행 등 고난도 전문 작업을 위한 OpenAI의 새로운 프런티어 모델입니다. GPT-6.2 Sol은 코딩, 글쓰기, 에이전트 루프를 위한 더 저렴한 일상용 모델로, 토큰 가격의 약 4분의 1로 코딩 성능은 Astra와 비슷한 수준에 도달합니다.

방금 차이를 설명했지만, 두 모델 모두 대체하는 모델 대비 작업당 비용이 같거나 더 낮습니다. API에서 Astra의 입력 및 출력 가격은 GPT-6 Astra 대비 20% 낮고, Sol은 GPT-6.1 Sol의 가격을 유지합니다.

이 글에서는 GPT-6.2 Astra와 Sol의 모든 새로운 내용을 다룹니다. 새로운 기능을 살펴보고, 벤치마크를 검토하며, GPT-6 Astra와의 2가지 실전 테스트로 Astra를 점검합니다. 

보시다시피 새 모델 출시 속도가 매우 빠릅니다. AI와 데이터 분야를 따라가려면 주간 뉴스레터 The Median 구독을 권합니다.

요약

  • GPT-6.2 Astra는 고난도 전문 작업을 위한 OpenAI의 새 플래그십이며, GPT-6.2 Sol은 일상용 모델입니다.
  • 핵심 개선점은 작업당 비용입니다. Astra는 GPT-6 Astra보다 훨씬 저렴하게 더 많은 작업을 수행합니다.
  • Sol은 가격의 일부로 코딩에서 Astra에 근접하므로 기본 선택이 되어야 합니다.
  • Claude Fable 5.2는 여전히 여러 코딩 및 추론 벤치마크에서 선두이므로 OpenAI가 완승한 것은 아닙니다.
  • 직접 테스트에서는 Astra가 GPT-6 Astra보다 훨씬 저렴했지만, GPT-6 Astra가 지저분한 데이터셋을 더 합리적으로 읽었습니다.
  • 현재 GPT-6 Astra에 비용을 지불하고 있다면 전환하세요. 절감 효과만으로도 충분히 가치가 있습니다.

GPT-6.2 Astra와 Sol은 무엇인가요?

GPT-6.2 Astra는 최상위에서 GPT-6 Astra를 대체하고, Sol은 한 단계 아래에서 GPT-6.1 Sol을 대체합니다. 이들을 이전 세대와 구분하는 두 가지가 있습니다:

  • 약간 더 똑똑하고, 작업당 훨씬 더 저렴합니다. OpenAI의 자체 역량 지수에서 Astra는 GPT-6 Astra 대비 1.7점만 높지만, 여러 벤치마크에서 작업당 비용이 절반 이상 떨어졌습니다.
  • 새 위험 등급. Astra는 AI 자기개선에서 OpenAI의 High 임계값을 충족한 최초의 모델로, 지금까지 가장 엄격한 안전장치와 함께 배포됩니다.

다음은 GPT-6.2 Astra가 만든 한 장짜리 비용 요약입니다. (슬라이드 품질 개선도 새로운 기능 중 하나입니다. 곧 설명하겠습니다.)

GPT-6.2 Astra가 만든 슬라이드: Astra는 Agents' Last Exam에서 작업당 $2.89로 더 낮은 비용에 더 높은 점수를 기록

GPT-6.2 Astra와 Sol의 핵심 기능

대부분의 신규 사항은 순수 지능보다 전문 출력과 효율성에 초점을 맞춥니다. 중요한 네 가지 변화는 다음과 같습니다.

템플릿을 따르는 슬라이드, 워크북, 문서 제작

GPT-6.2 Astra는 슬라이드 템플릿을 원본 파일이나 스크린샷 형태로 받아, 레이아웃, 색상, 타이포그래피를 폰트 크기까지 맞출 수 있습니다. OpenAI는 법률, 영업, 재무, 회계 등 분야의 관례를 학습시켰고, 제목은 핵심 시사점을 담고 본문은 군더더기를 줄이는 스타일을 반영합니다.

이 글 전반에 걸쳐 위 슬라이드를 포함해 이 신규 기능을 테스트했습니다. Astra는 각 슬라이드를 HTML로 작성했고, 저는 변경 없이 이미지를 렌더링했습니다. 

같은 학습이 스프레드시트에도 드러납니다. 실제 스프레드시트와 보고서에서 수치를 찾게 하는 Artificial Analysis의 AA-AnalystAgent에서, Astra는 다섯 번의 독립 시도에서 평균 62.5%의 정답률을 기록했는데, OpenAI에 따르면 이 분야의 최고 기록입니다. ClickUp은 앱, 대시보드, 슬라이드를 만드는 ClickUp Brain의 블라인드 테스트에서 Astra가 프로덕션 모델을 근소하게 앞섰고, 검토 라운드가 약 30% 줄었다고 보고했습니다.

컴퓨터 사용으로 CAD와 시뮬레이션 도구에서 작업

GPT-6.2 Astra의 컴퓨터 사용은 이제 CAD와 시뮬레이션 도구에서 개별 부품과 연결 단위까지 작동합니다. 이는 기계 및 제품 엔지니어에게 큰 변화일 것으로 보입니다. OpenAI의 데모에는 Python 해석기로 타이어와 서스펜션을 풀고 Blender로 애니메이션을 만든 차량 섀시 동역학 시뮬레이션, 공개 사진과 제작 매뉴얼을 기반으로 부품 하나하나를 모델링한 1:8 스케일 RC 버기, 참고 사진에서 CAD 수정을 거쳐 설계한 종이 램프가 포함됩니다.

직접 CAD 프로젝트를 만들어 시험하기는 쉽지 않으므로, OpenAI의 주행 시뮬레이션 데모를 보겠습니다. Astra가 3D 차체를 만들고, 타이어와 서스펜션을 위한 Python 해석기를 작성했으며, 결과를 Blender에서 애니메이션화했습니다:

OpenAI의 GPT-6.2 Astra 주행 시뮬레이션 데모: 산길을 달리는 자동차와 전후 서스펜션 뷰, 타이어 접지 하중, 트랙션 서클, 운전자 입력, 파워트레인 지표

출처: OpenAI

에이전트 워크플로에서 토큰당 더 많은 성과

두 모델 모두 더 적은 출력 토큰으로 더 나은 결과에 도달하며, 상당한 비용 절감은 여기서 나옵니다. OpenAI의 내부 GDPval v2에서 GPT-6.2 Astra는 GPT-6 Astra보다 6.2점 높으면서 출력 토큰을 22% 덜 사용합니다. Astra는 플러그인을 컴퓨터 사용 대신 언제 쓸지 등 도구 선택도 더 잘 하며, Basis는 장기 회계 작업의 평균 소요 시간이 절반으로 줄었다고 보고합니다.

시스템 카드에는 프롬프트 인젝션에 대한 더 나은 소식도 있습니다. 이메일이나 웹페이지의 숨은 지시문이 에이전트를 탈취하려는 경우에 대한 저항력이 향상되었습니다. Astra가 슬라이드로 정리한 안전성 트레이드오프는 다음과 같습니다:

GPT-6.2 Astra가 만든 슬라이드: 두 모델 모두 프롬프트 인젝션에 더 잘 저항하며 Sol은 91.65% 저항

슬라이드: GPT-6.2 Astra

더 안전한 코드를, 더 엄격한 가드레일 안에서

GPT-6.2 Astra와 Sol은 취약점을 더 효과적으로 찾고 악용할 수 있으며, OpenAI는 의도한 동작을 유지하는 보안 코드와 패치를 작성하는 훈련 신호를 추가했습니다. 두 모델 모두 OpenAI의 대비 프레임워크에서 사이버보안 Critical 임계값을 충족하며, 이는 GPT-6 Astra와 동일합니다.

대신 거절이 더 늘었습니다. OpenAI는 정당한 취약점 연구와 보안 테스트의 일부까지 제한하는 더 엄격한 안전장치와 함께 두 모델을 출시했습니다. 승인된 수비자들은 여전히 OpenAI Daybreak를 통해 GPT-6 Astra와 2주 전 공개된 GPT-6 Cyber를 사용합니다.

GPT-6.2 Astra와 Sol의 벤치마크 성능은?

GPT-6.2 Astra는 OpenAI의 전문 작업 및 과학 벤치마크에서 선두를 달리지만, Claude Fable 5.2는 여러 코딩 및 추론 결과에서 앞섭니다. 

아래 표의 점수는 모두 공급업체가 보고한 수치입니다. 각 행의 최고 점수는 굵게 표시했습니다.

전문 작업 및 에이전틱 워크플로

긴 다단계 전문 워크플로를 평가하는 Agents' Last Exam v1.1에서 GPT-6.2 Astra는 작업당 $2.89에 78.3%를 기록합니다. GPT-6 Astra는 작업당 $8.99에 73.1%, Claude Fable 5.2는 $60.05에 72.8%입니다.

Agents' Last Exam v1.1 차트: GPT-6.2 Astra 78.3%($2.89)로 Gemini 4 Carbon 77.4%($4.60), GPT-6 Astra 73.1%($8.99), Claude Fable 5.2 72.8%($60.05) 앞섬

Gemini 4 Carbon이 77.4%로 가장 근접하지만 작업당 $4.60입니다. 다른 전문 작업 결과도 같은 패턴을 보입니다:

BenchmarkWhat it measuresGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Agents' Last Exam v1.1Long-horizon professional workflows78.3%73.0%73.1%72.5%72.8%
GDPval v2 (OpenAI internal)Multistep consulting, finance, and design assignments50.4%46.9%44.2%41.5%44.8%
Harvey LAB-AA v1.1Legal deliverables that meet every criterion15.0%11.1%8.6%6.9%7.2%
AutomationBench 1.0.6Business workflow automation52.4%41.2%41.4%36.1%51.4%
LifeVal (OpenAI)Challenging everyday tasks86.1%83.8%79.8%79.5%n/a

이 표에 포함된 모델 중 Astra가 모든 행에서 선두이며, Harvey의 법률 벤치마크에서는 Fable 5.2의 두 배입니다. Gemini 4 Carbon은 AutomationBench에서 53.9%로 여전히 근소하게 앞서고, GDPval v2에서는 Carbon의 48.8%가 Astra와 Sol 사이에 위치합니다.

OpenAI의 GDPval v2 차트는 절감의 근원을 보여줍니다. 동일한 출력 토큰 수로 새 모델이 이전 모델보다 더 높은 점수를 냅니다.

GDPval v2 차트: 모든 추론 노력에서 GPT-6.2 Astra와 Sol이 GPT-6 Astra와 GPT-6.1 Sol보다 적은 출력 토큰으로 더 높은 점수

코딩과 보안

코딩이야말로 Sol의 존재 이유를 보여줍니다. FrontierCode 2.0에서 Sol은 작업당 $1.29에 43.8%를 기록하며, Astra는 $5.97에 44.2%입니다.

BenchmarkWhat it measuresGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
FrontierCode 2.0Code changes that meet maintainers' standards for merging44.2%43.8%42.8%39.0%49.1%
SecureSWE (OpenAI internal)Functional and secure code for security-sensitive components65.7%55.6%48.7%49.7%n/a
PatchBenchSecurity patches79.7%75.6%70.9%71.0%n/a
ExploitBench Internal PortArbitrary code execution rate across V8 and Chrome53.5%50.5%31.5%21.5%n/a

Claude Fable 5.2는 FrontierCode 2.0에서 선두를 유지하고, Claude Opus 5.5의 최대 노력 점수(45.5%)도 GPT-6.2 두 모델을 앞섭니다. 보안 항목에서는 세대 점프가 가장 분명하지만, OpenAI는 이들에 대해 Fable 5.2의 결과를 보고하지 않았습니다.

OpenAI의 FrontierCode 차트는 Sol의 타당성을 보여줍니다. 최대 노력에서 Astra와 비슷한 점수에 작업당 비용은 약 5분의 1입니다.

FrontierCode 2.0 차트: GPT-6.2 Sol은 작업당 비용의 일부로 Astra에 근접, Claude Fable 5.2는 더 높은 비용으로 최고 점수

과학, CAD, 일반 추론

터미널에서 과학 작업을 테스트하는 Terminal-Bench-Science 0.1에서 GPT-6.2 Astra는 77.1%로, GPT-6 Astra보다 9점 높고 작업당 비용은 3분의 1 이하입니다.

BenchmarkWhat it measuresGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Terminal-Bench-Science 0.1Scientific research workflows in a terminal77.1%68.0%68.1%57.0%73.3%*
Vals Science Index v1Interpreting biological data and running experiments68.4%58.5%65.1%59.6%63.7%
BenchCAD 2.1 CoreCAD modeling tasks82.5%73.1%62.6%52.6%83.5%
Artificial Analysis Intelligence Index v5.0.1Composite of 9 evaluations (index score)62.157.356.954.664.6
GPQA Diamond (no tools)Graduate-level science questions97.0%96.0%96.0%n/an/a

Fable 5.2는 Intelligence Index와 BenchCAD에서 여전히 선두지만, 작업당 비용은 각각 $26.54와 $50.77로 Astra의 $4.00과 $5.43에 비해 매우 높습니다. 절대 최고 수준의 CAD 출력이 필요하다면 Fable이 선택지이고, 하루에도 여러 번 필요하다면 Astra가 약 10분의 1 가격으로 99% 수준까지 도달합니다.

Terminal-Bench-Science에서 Astra는 최대 노력으로 작업당 $7.15에 최고 점수에 도달했으며, GPT-6 Astra는 $23.80, Claude Fable 5.2는 $45.21입니다.

Terminal-Bench-Science 0.1 차트: GPT-6.2 Astra가 Claude Fable 5.2와 GPT-6 Astra 대비 작업당 비용의 일부로 최고 점수

어떤 티어를 써야 할까요?

기본은 GPT-6.2 Sol, 필요 시 GPT-6.2 Astra로 상향 전환하는 것을 권합니다. Sol은 Astra 토큰 가격의 4분의 1이며, 코딩에서는 1점도 안 되는 격차입니다.

어떤 GPT-6.2 티어를 사용할까: 일상 코딩과 에이전트 루프는 Sol, 프레젠테이션·워크북·법률 초안·CAD·시뮬레이션·과학 작업은 Astra

GPT-6.2 Astra 역시 자체 슬라이드에서 같은 주장을 펼쳤습니다:

GPT-6.2 Astra가 만든 슬라이드: Sol은 코딩 작업당 $1.29로 FrontierCode에서 Astra에 거의 근접

슬라이드: GPT-6.2 Astra

OpenAI의 차트에서 두 모델 모두 낮음부터 최대까지 5단계의 추론 노력을 제공합니다. 노력 설정은 티어만큼 중요합니다. Agents' Last Exam에서 Sol은 높은 노력(작업당 $0.69에 72.0%)에서 최대 노력의 GPT-6 Astra(작업당 $8.99에 73.1%)보다 약 1점 뒤처지며, 비용은 13분의 1입니다. 울트라패스트 모드는 API에서 두 모델 모두, ChatGPT에서는 Pro 500 구독자에게 제공됩니다.

Use caseTierWhy
일상 코딩, 리팩터링, 코드 리뷰SolFrontierCode 2.0에서 Astra 대비 0.5점 이내, 비용은 약 5분의 1
대량 에이전트 루프와 자동화Sol백만 토큰당 $2 / $10, GPT-6.1 Sol과 동일
클라이언트용 프레젠테이션, 재무 워크북, 메모Astra템플릿 매칭과 GDPval v2 선두는 Astra 전용
법률 문서 작성 및 리서치AstraHarvey LAB-AA에서 15.0%, Sol의 11.1% 대비 우위
CAD, 시뮬레이션, 과학 분석AstraBenchCAD와 Terminal-Bench-Science에서 Sol보다 약 9점 앞섬

GPT-6.2 Astra 테스트: 실전 예시

위 벤치마크는 OpenAI의 자료이므로, 동일한 프롬프트와 동일한 도구로 GPT-6.2 Astra와 이전 세대 GPT-6 Astra를 상대로 2가지 테스트를 진행했습니다. 대시보드 테스트에서 두 모델 모두 OpenCode에서 고정된 도구 표면(파일 읽기, 검색, 편집만 허용), 동일한 높은 추론 노력, 단일 시도, 신규 세션으로 실행했습니다.

테스트 1: 지저분한 데이터로 만드는 솔직한 대시보드

과제: 173개 미국 대학 전공의 소득과 고용 결과가 담긴 CSV로, 커리어 상담사가 클라이언트를 위해 분야를 비교할 수 있게 단일 파일 HTML 대시보드를 만듭니다. 카테고리별 소득과 고용 비교, 최고/최저 소득 전공 표시, 데이터를 가져오지 말고 내장, 하나의 1440×900 화면에 맞출 것.

진짜 시험은 프롬프트가 언급하지 않은 데이터의 문제들입니다:

  • 최고 소득 전공인 석유공학($110,000)은 표본 36명에 근거하며, 173개 전공 중 76개가 표본 100명 미만입니다.
  • 최저 소득 전공인 문헌정보학($22,000)은 표본 2명에 근거합니다.
  • 식품과학은 대학원생 합계가 누락되어 있습니다.
  • 카테고리는 단일 전공(비교과학, 졸업생 12,296명)부터 13개 전공과 130만 졸업생(경영)까지 다양해 평균 방식이 중요합니다.

이는 Astra의 더 나은 분석 워크북과 더 적은 출력 토큰으로 더 나은 결과라는 두 가지 출사표를 동시에 검증합니다. 다음은 GPT-6.2 Astra가 만든 결과입니다:

GPT-6.2 Astra의 대시보드는 전공 중앙값의 비가중 중앙값으로 카테고리를 순위화하여 Health를 $35,000로 10위에 둠

핵심 관찰:

  • 두 모델 모두 첫 시도에 동작하는 대시보드를 완성했습니다. 173개 전공을 모두 내장하고, 차트 라이브러리 없이 자체 SVG 차트를 그렸으며, 한 화면에 맞추고 오류 없이 로드했습니다.
  • 두 모델은 같은 데이터를 다르게 읽었고, 그 결과 카테고리 순서가 달라졌습니다. GPT-6.2 Astra는 각 카테고리를 전공 중앙값들의 중앙값으로 순위화해, 졸업생 몇 천 명 전공과 20만 명 전공을 동일하게 취급했습니다. GPT-6 Astra는 전공별 졸업생 수로 가중했습니다. 그 결과 간호(졸업생 209,394명, 중앙값 $48,000)의 비중이 반영되어, GPT-6.2 Astra 대시보드에서는 Health가 $35,000로 10위, GPT-6 Astra에서는 $40.6k로 4위에 올랐습니다.
  • GPT-6 Astra는 표본 크기를 전면에 배치했습니다. 메인 테이블에서 상위 4개 고소득 전공이 각각 표본 36, 7, 3, 16명에 근거함을 보여줍니다. GPT-6.2 Astra는 전공을 선택한 뒤에야 이를 표시하고, 순위가 불안정하다는 한 줄 경고를 덧붙였습니다.
  • GPT-6.2 Astra는 더 저렴하고 간결했습니다. 비용은 GPT-6 Astra의 $2.93 대비 $1.79였고, 출력 토큰은 35,298 대비 27,821개였습니다.

GPT-6 Astra 버전을 더 자세히 보겠습니다. 위의 GPT-6.2 Astra와 비교하면, 여기서는 Health가 4위이고 저쪽은 10위, 생물·생명과학은 6위에서 11위로 내려갑니다.

GPT-6 Astra 대시보드는 졸업생 수로 가중하여 Health를 $40.6k로 4위에 두고, 전공 옆에 표본 크기 열을 표시

수학적으로는 어느 쪽도 틀리지 않으며, GPT-6.2 Astra는 차트를 전공 중앙값의 중앙값으로 명확히 표기합니다. 하지만 커리어 상담사는 실제 졸업생들의 향방을 알고 싶고, 그 질문에는 졸업생 수 가중 방식만이 답이 됩니다.

테스트 2: 템플릿 스크린샷으로 만드는 슬라이드 덱

과제: 이 글의 리서치 노트를 바탕으로 전환 여부를 결정하는 엔지니어링 매니저용 5장짜리 덱을, 한 장의 템플릿 슬라이드 스타일로 만듭니다. 모델은 템플릿을 스크린샷으로만 받았고, 글꼴이나 크기 명시 없이 "폰트 크기까지" 맞추라고 지시했습니다.

OpenAI의 슬라이드 주장을 직접 시험합니다. 이미지를 봐야 했으므로, 각 모델은 동일한 높은 추론 노력으로 OpenRouter를 통한 단일 API 호출로 실행했고, 덱이 일상 작업이므로 GPT-6.2 Sol도 추가했습니다. 다음은 테스트를 위해 제가 디자인한 템플릿입니다:

모델에 제공한 슬라이드 템플릿: 녹색 강조 막대, 요약 제목, 세 개의 불릿, 회색 통계 카드가 있는 DataCamp 스타일

핵심 관찰:

  • 세 모델 모두 스크린샷만으로 템플릿을 재현했습니다. 각 모델이 폰트를 Poppins로 식별했고, 초록색 강조 막대, 키커 라인, 회색 통계 카드, 출처 라인, 페이지 번호를 유지했습니다. 모든 제목은 템플릿처럼 시사점을 담았습니다.
  • 세 모델 모두 템플릿과 매우 근접해 육안으로는 구분하기 어려웠습니다. 브라우저에서 확인한 결과, 템플릿의 폰트 크기를 정확히 맞춘 것은 GPT-6.2 Sol뿐이었습니다. "폰트 크기까지" 맞춘다고 한 Astra는 한두 픽셀 차이가 났습니다.
  • GPT-6.2 Astra는 두 Astra 중 더 경제적이었습니다. 비용은 $0.22, 출력 토큰 4,968개로, GPT-6 Astra의 $0.59, 11,247개 대비 저렴했습니다. Sol은 $0.07이 들었습니다.

Astra의 5장은 이 글에서 보신 캡션 달린 슬라이드이며, 모든 수치는 제 노트와 일치합니다. GPT-6 Astra의 덱도 동일하게 활용 가능했으므로, 이 과제에서는 세대 차이가 뚜렷하지 않았습니다.

그렇다면 GPT-6.2 Astra가 진정한 도약일까요? 비용 면에서는 그렇습니다. 두 테스트 모두 39%~63% 저렴하게 끝냈고, 이는 OpenAI의 효율성 주장을 뒷받침합니다. 판단 면에서는 다소 아쉽습니다. 오래된 모델이 커리어 상담사에게 필요한 방식으로 데이터를 가중했고, 슬라이드는 비슷하게 나왔습니다.

작업당 1회 실행으로 두 모델을 서열화할 수는 없지만, OpenAI의 Blocker Deception 발견과 맞닿습니다. GPT-6.2 Astra가 만든 것뿐 아니라 빠뜨린 것을 확인하세요.

GPT-6.2 Astra와 Sol의 가격과 제공

GPT-6.2 Astra는 입력/출력 토큰이 GPT-6 Astra 대비 20% 저렴하고, 캐시된 입력은 60% 저렴합니다. GPT-6.2 Sol은 GPT-6.1 Sol 가격을 유지합니다. 표준 API 요금(백만 토큰당):

ModelInputCached inputOutput
GPT-6.2 Astra$8.00$0.40$40.00
GPT-6.2 Sol$2.00$0.10$10.00

낮아진 단가만이 절감의 전부는 아닙니다. 두 모델 모두 출력 토큰을 덜 쓰므로 작업당 비용이 더 떨어집니다. 그래서 Astra의 Agents' Last Exam 실행 비용이 GPT-6 Astra의 3분의 1 미만인 것입니다. 또한 OpenAI는 프롬프트 접두부를 변경하지 않고 새 지시를 덧붙여 캐시 적중률을 높이고, 턴 간 추론을 보존할 것을 권장합니다.

Astra가 정리한 새 가격 요약:

GPT-6.2 Astra가 만든 슬라이드: Astra는 더 저렴하고 Sol의 API 가격은 동일, Astra는 GPT-6 Astra 대비 입력/출력 토큰당 20% 저렴

슬라이드: GPT-6.2 Astra

ChatGPT에서는 출시 당일부터 Plus, Pro, Enterprise, Edu 사용자가 ChatGPT Work와 Codex에서 두 모델을 사용할 수 있습니다. Enterprise와 Edu 사용자는 워크스페이스 관리자가 기능을 켜면 접근 가능합니다.

울트라패스트는 두 모델 모두 Pro 500 구독자에게 제공되며, Pro 200 구독자도 처음으로 사용할 수 있는데 GPT-6.2 Sol부터 시작합니다. OpenAI 발표에는 Free 요금제가 언급되지 않았습니다.

GPT-6.2 Astra와 Sol에 어떻게 접근하나요?

두 모델은 OpenAI API에서 gpt-6.2-astra와 gpt-6.2-sol로 일반 제공 중이며, 울트라패스트도 출시와 함께 지원합니다. OpenAI Python SDK로 보내는 최소 요청은 다음과 같습니다:

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6.2-sol",
    reasoning={"effort": "high"},
    input="Summarize this quarterly report in 5 bullet points: ...",
)
print(response.output_text)

두 모델은 OpenRouter(openai/gpt-6.2-astra, openai/gpt-6.2-sol)와 OpenCode 모델 카탈로그에도 등재되어 있습니다. 

이전 세대와의 전체 빌드는 GPT-6 Astra API 튜토리얼과 GPT-6.1 Sol 튜토리얼을 참고하세요. 모델 ID를 바꾸는 것이 주요 변경 사항입니다.

마무리

GPT-6.2는 가격 인하를 역량 출시로 전환했습니다. Astra는 OpenAI가 보고한 모든 전문 작업 벤치마크에서 GPT-6 Astra를 앞서며, 작업당 비용은 3분의 1 수준입니다. Sol은 코딩에서 충분히 근접해 대부분의 팀은 Sol부터 시작하는 편이 좋습니다.

다만 전체 경쟁 구도를 결정짓지는 못했습니다. Claude Fable 5.2는 FrontierCode와 Intelligence Index에서 여전히 선두이고, Gemini 4 Carbon은 AutomationBench에서 앞서며, 우리의 테스트에서는 이전 Astra가 지저분한 데이터셋을 더 합리적으로 읽었습니다. 그래도 절감 효과를 위해서라면 GPT-6 Astra에서 오늘 바로 전환하겠습니다.

GPT-6.2 Astra가 만든 슬라이드: 자체 작업으로 전환 대상을 결정, GDPval v2에서 출력 토큰 22% 감소

슬라이드: GPT-6.2 Astra

OpenAI 모델로 빌드하는 방법을 더 자세히 알고 싶다면 Working with the OpenAI API 과정을 추천합니다.

FAQs

What is GPT-6.2 Astra and how is it different from GPT-6.2 Sol?

GPT-6.2 Astra는 프레젠테이션, 재무 워크북, 법률 문서 작성, CAD 같은 고난도 전문 작업을 위한 OpenAI의 프런티어 모델입니다. GPT-6.2 Sol은 코딩, 글쓰기, 에이전트 루프를 위한 더 저렴한 일상용 모델입니다. Sol은 Astra 토큰 가격의 4분의 1 수준이며, FrontierCode 2.0에서 Astra와 0.5점 이내로 근접합니다. 반면 Astra는 전문 및 과학 벤치마크에서 선두를 달립니다.

How much does GPT-6.2 Astra cost in the API?

GPT-6.2 Astra의 API 가격은 입력 토큰 백만 개당 $8, 캐시된 입력 토큰 백만 개당 $0.40, 출력 토큰 백만 개당 $40입니다. 이는 입력과 출력에서 GPT-6 Astra 대비 20% 낮고, 캐시된 입력에서는 60% 낮습니다. GPT-6.2 Sol은 $2, $0.10, $10으로 GPT-6.1 Sol과 같습니다.

Is GPT-6.2 Astra better than GPT-6 Astra?

OpenAI의 벤치마크에서는 그렇습니다. GPT-6.2 Astra는 Agents' Last Exam(78.3% 대 73.1%) 등 모든 전문 작업 결과에서 GPT-6 Astra를 앞서며, 작업당 비용은 약 3분의 1입니다. 우리의 두 가지 실전 테스트에서도 더 저렴했지만, GPT-6 Astra가 지저분한 데이터셋을 더 합리적으로 가중했습니다.

Where can I access GPT-6.2 Astra and GPT-6.2 Sol?

두 모델은 ChatGPT Work와 Codex에서 Plus, Pro, Enterprise, Edu 사용자에게 제공되며, Enterprise와 Edu는 워크스페이스 관리자가 접근을 켜야 합니다. 개발자는 OpenAI API에서 gpt-6.2-astra와 gpt-6.2-sol을 호출할 수 있고, 두 모델 모두 OpenRouter에 등재되어 있습니다.

Should I use GPT-6.2 Sol or GPT-6.2 Astra for coding?

대부분의 코딩에는 GPT-6.2 Sol을 사용하세요. FrontierCode 2.0에서 최대 노력 기준 Sol은 43.8%, Astra는 44.2%이며, 작업당 비용은 $1.29 대 $5.97입니다. 보안 민감 코드에는 SecureSWE에서 앞서는 Astra를, CAD 및 과학 작업에도 Astra를 권장합니다.

주제