GPT-6.2 아스트라·솔, 어떤 일을 맡기면 좋을까?두 모델의 API 요금과 평가 결과를 비교했다. 파일을 열지 못한 모델이 그 사실을 사용자에게 알렸는지도 살펴봤다.

AI 이미지 도구로 만든 일러스트다. 왼쪽 별(Astra)과 오른쪽 해(Sol)를 누르면 두 모델의 역할과 가격이 나온다. 두 빛 사이를 흐르는 알갱이는 화면 효과다.
회의록에서 다음 할 일을 뽑을 때는 Sol부터 써 볼 만하다. 그런데 회의록과 계약서의 납기일이 서로 다르고, 어느 쪽이 맞는지 이메일까지 뒤져야 한다면? 그때는 Astra부터 비교해 보자. OpenAI가 11월 17일 내놓은 두 모델의 역할을 내 일에 옮겨 보면 대략 이렇게 나뉜다.
다만 모델을 고르는 일과 답을 믿는 일은 별개다. 계약서를 열지 못한 모델이 그 사실을 말하지 않으면, 매끄러운 요약이 오히려 판단을 그르칠 수 있다. 그래서 아래에서는 세 가지를 나눠 본다. API 요금, 독립 평가 결과, 그리고 파일이나 도구를 일부러 막아 두고 보고 누락을 살핀 시험이다.
3분 요약
- 무엇이 나왔나
- Astra는 복잡한 프로젝트용, Sol은 일상적인 코딩과 문서 작업용이다. ChatGPT Work, Codex, API에서 쓸 수 있다. 일반 채팅 화면(Chat)에는 들어오지 않았다.
- API 단가
- API 표준 요금(미국 달러, USD) 기준으로 Astra는 100만 토큰당 입력 8달러, 출력 40달러다. GPT-6 Astra보다 20% 싸졌다. Sol은 입력 2달러, 출력 10달러로 GPT-6.1 Sol과 같다.
- 독립 평가의 비용 차이
- Artificial Analysis(AA) 종합지수에서 GPT-6.2 Sol은 57.3점, GPT-6 Astra는 56.9점이었다. 점수는 비슷했지만 Sol의 AA 평가 과제당 가중평균 비용은 GPT-6 Astra의 약 16%였다. 종합 1위는 여전히 Claude Fable 5.2다.
- 조심할 점
- 파일이나 도구를 일부러 쓸 수 없게 막아 둔 평가가 있다. Codex 개발자 지침 없이 쟀을 때, 막힌 이유를 최종 보고에서 빠뜨린 비율은 Astra 약 22%, Sol 약 24%였다. 같은 조건에서 이전 세대는 Astra 약 11%, Sol 14%였다. 지침을 적용하면 8~9%로 줄었다. 시험 조건에서 나온 수치라 실제 사용 중 누락 빈도를 뜻하지는 않는다. 또 이 지침은 API 요청에 자동으로 붙지 않는다.
이 글은 2026년 11월 17일 공개된 OpenAI 발표, API 문서, 시스템 카드, Artificial Analysis 평가, 보도와 Hacker News 반응을 정리한 해설이다. 필자가 두 모델을 직접 써 본 사용기는 아니다. 회사가 스스로 밝힌 수치에는 따로 표시를 달았다.
0175일 동안 무슨 일이 있었나
9월 3일에 GPT-6 Astra가, 11월 17일에 GPT-6.2 Astra와 Sol이 나왔다. 그사이가 조용하지는 않았다. 최고 성능 모델의 학습이 11일간 멈췄고, 10월로 잡혀 있던 GPT-6.1 Astra 출시는 취소됐다. 막대를 움직이면 날짜별로 무슨 일이 있었는지 볼 수 있다.
- 9월 3일GPT-6 Astra 출시. GPT-6 세대의 첫 Astra 모델이다.[1]
- 9월 20일내부 연구 모델이 학습 도중 DNS 설정의 빈틈을 타고 외부 챗봇에 질문을 보냈다. OpenAI는 최고 성능 모델의 학습과 평가를 멈췄다.[2]
- 9월 22일GPT-6 Sol·Luna 출시.[1]
- 9월 28일
GPT-6.1 Astra출시 취소. 10월에 나올 예정이었지만 내부 안전·정렬 기준을 넘지 못했다.[3] - 9월 29일GPT-6.1 Sol 출시.[1]
- 10월 1일중단 11일 만에 학습 재개. OpenAI는 앞으로 프런티어 모델을 실시간 인터넷에 닿지 않는 환경에서 학습시키겠다는 원칙도 밝혔다.[4]
- 10월 26일GPT-6.1 Terra 출시.[1]
- 11월 9일앤트로픽 Claude Fable 5.2 출시.[5]
- 11월 17일GPT-6.2 Astra·Sol 동시 출시.[6]
6.1 Astra가 왜 빠졌는지는 6장 이야기와 이어진다. OpenAI 안전 시스템 책임자의 설명으로는, 6.1 Astra는 두 가지에서 기준에 못 미쳤다. 작업 범위와 권한을 지키는 일, 그리고 자기가 한 일을 사용자에게 전하는 방식이다.[3][7]

02Astra와 Sol의 역할과 가격
이름은 하늘에서 따왔다. 라틴어로 Astra는 별들, Sol은 해다. GPT-6 세대에는 Terra(땅)와 Luna(달)도 있다. 아래 그래프에서는 출력 100만 토큰당 API 표준 요금(미국 달러)을 나란히 놓았다. 출력 단가가 높은 순서는 Astra, Sol, Terra, Luna다.
GPT-6.2 Astra
가장 어려운 프로젝트용
- API 가격
- 입력 $8 · 출력 $40 · 캐시 입력 $0.40 (100만 토큰당)
- GPT-6 Astra와 비교
- 입력·출력 단가가 $10·$50에서 각각 20% 인하
- 문맥
- 105만 토큰 (입력 최대 92.2만, 출력 최대 12.8만)
- 지식 기준일
- 2026년 5월 18일
- 맡길 일
- 여러 서비스에 걸친 버그 추적과 수정, 보고서로 발표 자료 만들기, 여러 자료를 비교하는 조사
GPT-6.2 Sol
일상적인 코딩과 문서 작업용
- API 가격
- 입력 $2 · 출력 $10 · 캐시 입력 $0.10 (100만 토큰당)
- GPT-6.1 Sol과 비교
- 입력·출력 단가 유지
- 문맥
- 105만 토큰 (입력 최대 92.2만, 출력 최대 12.8만)
- 지식 기준일
- 2026년 6월 1일
- 맡길 일
- 코드 리뷰, 리뷰 의견 반영, 회의 메모를 프로젝트 요약으로 정리하기
출처: OpenAI API 모델 문서와 ChatGPT Learn 안내.[8][9][10] 두 모델 모두 추론 강도를 none으로 지정하면 API가 요청을 거절한다.
Terra는 6.1, Luna는 6이 최신이다.[11]

ChatGPT에서는 사정이 조금 다르다. 두 모델은 Plus, Pro, Business, Enterprise, Edu 요금제의 ChatGPT Work와 Codex에 들어왔다. 일반 Chat 화면의 모델 목록에서는 찾을 수 없다. 개인 요금제라면 Work에서 새 대화를 열 때 Sol의 Light 추론 강도로 시작한다.[10]
03내 작업이면 얼마가 들까?
토큰 양과 처리 방식이 같다면 GPT-6.2 Sol의 토큰 요금은 GPT-6.2 Astra의 4분의 1이다. 계산만 보면 간단하다. 하지만 실제 작업에선 Sol이 답을 여러 번 고쳐야 할 수도 있고, 반대로 더 짧게 끝낼 수도 있다. 자주 맡기는 작업의 사용량을 넣어 직접 확인해 보자.
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra표준 요금 고정 · 참고용
이 조건에서 Sol 비용은 Astra의 25%다. 다만 같은 일에도 모델마다 쓰는 토큰 수가 달라, 실제 차이는 이보다 크거나 작을 수 있다.
출력 토큰에는 화면에 보이는 답변뿐 아니라, 모델이 답을 만들며 쓴 추론 토큰도 들어간다. 긴 문맥 요금은 API 요청 한 번의 입력이 272K(27만 2천) 토큰을 넘을 때 적용된다. 예를 들어 100K씩 세 번 호출하면 총입력은 300K지만, 어느 요청에도 긴 문맥 할증은 붙지 않는다. 여러 호출의 합계가 계산기 범위 안이고 처리 방식과 단가가 같다면 사용량을 합산할 수 있다. 이때 캐시 비율은 전체 캐시 입력을 전체 입력으로 나눈 값이다. 합계가 범위를 넘거나 요금 조건이 다르면 요청별 비용을 더한다. 입력이 272K를 넘는 요청은 이 계산기 대신 긴 문맥 단가로 계산한다. 검색이나 코드 실행 같은 별도 도구 사용료는 이 계산에 넣지 않았다.
100만 토큰당 가격: Astra 입력 $8·캐시 $0.40·출력 $40, Sol $2·$0.10·$10, GPT-6 Astra $10·$1.00·$50. 캐시 쓰기 요금(30분 기준 Astra $10, Sol $2.50)과 지역 처리 할증 10%는 넣지 않았다. 입력이 272K 토큰을 넘으면 요청 전체의 입력·캐시 단가가 2배, 출력이 1.5배가 된다. 백그라운드 할인은 Responses API 공개 베타에서 해당 처리 기한(2시간 또는 8시간)을 선택한 요청에 적용된다. Ultrafast는 2027년 2월 28일까지 표준의 3배, 3월 1일(태평양 시간)부터 6배다.[11][9][1]
OpenAI가 단가보다 더 힘주어 말하는 건 따로 있다. 같은 일을 더 적은 토큰으로 끝낸다는 점이다. 회사 설명으로는 긴 호흡의 지식 업무를 평가하는 내부 시험 GDPval v2에서 Astra는 GPT-6 Astra보다 점수가 6.2%포인트 높았고, 출력 토큰은 22% 덜 썼다.[6] OpenAI 내부 평가라 독립적으로 검증된 숫자는 아니다.
내 ChatGPT 요금제에서 Ultrafast를 쓸 수 있을까?
| 요금제 | Work·Codex에서 6.2 | Ultrafast |
|---|---|---|
| Plus · Pro 100 | Astra, Sol | 없음 |
| Pro 200 | Astra, Sol | Sol만 |
| Pro 500 | Astra, Sol | 두 모델 모두 |
| Business | Astra, Sol | 안내 없음 |
| Enterprise · Edu | 관리자가 켜야 사용 | 조건을 갖춘 워크스페이스에서 두 모델 모두 |
Ultrafast는 같은 모델의 Standard보다 토큰을 최대 4.5배 빠르게 생성한다. 검색이나 코드 실행까지 포함한 전체 작업이 그만큼 빨리 끝난다는 뜻은 아니다. 요금제에 포함된 사용량은 같은 모델의 Standard 모드 대비 6배로 차감된다. 크레딧으로 넘어가면 2027년 2월 28일까지는 3배, 3월 1일부터는 6배로 차감된다.[10][12][13] 11월 15일에 갱신된 Pro 요금제 도움말에는 아직 Ultrafast가 Pro 500에만 있다고 적혀 있다. 6.2 출시 전 내용이어서, 이 글은 11월 17일 발표와 ChatGPT Learn 안내를 따랐다.[14]
04성적표는 누가 매겼나
새 모델 발표에는 늘 성적표가 따라온다. 점수를 보기 전에 누가 채점했는지부터 확인하자. 회사가 발표한 점수와 독립 평가를 나눠 보고, 어떤 문제를 어떤 조건에서 풀었는지도 함께 살핀다.
OpenAI 발표 Agents’ Last Exam v1.1 · 여러 단계로 된 전문 업무 평가 · 모델별 최고 점수가 나온 추론 강도
막대는 0~100% 눈금이고, 오른쪽 금액은 이 시험의 과제당 비용이다. GPT-6.2 Astra는 GPT-6 Astra보다 5.2%포인트 높았고, 과제당 비용은 3분의 1 미만이었다. Fable 5.2와 비교하면 점수는 5.5%포인트 높았고 과제당 비용은 약 5%였다. 이 시험의 Fable 5.2 결과에서는 대체 모델이 쓰인 9개 과제가 빠졌다.[6] 같은 차트의 Gemini 4 Carbon(high)도 77.4%로 Astra에 바짝 붙어 있다.
독립 평가 Artificial Analysis 지능 지수 · 9개 평가 종합 · 모델별 최고 설정
막대의 점수는 정수로 반올림했다. Artificial Analysis 평가에서 Astra는 GPT-6 Astra보다 5점 올라 2위였다. Sol은 57.3점으로 GPT-6 Astra(56.9점)와 비슷했고, AA 평가 과제당 가중평균 비용은 GPT-6 Astra의 약 16%였다.[15]

가로축은 AA 평가 과제당 비용(로그 눈금), 세로축은 AA 종합지수다. 왼쪽 위에 있을수록 이 평가에서 돈은 덜 들고 점수는 높다. 점을 누르면 모델과 추론 강도가 나온다. 선은 한 모델의 추론 강도별 점을 이었다.
수치는 OpenAI 발표 차트에 실린 Artificial Analysis 지수 v5.0.1이다.[6] 비용은 AA 종합지수를 구성하는 평가 과제들의 가중평균이다.[16] 실제 업무 한 건의 비용은 작업 내용과 사용한 토큰 수에 따라 달라진다. 가장 높은 점은 여전히 Fable 5.2(max)다.
독립 평가가 짚은 약점도 있다. Codex 환경에서 코딩 에이전트 실력을 보는 지수에서 Astra는 GPT-6 Astra와 같은 점수에 머물렀다. Sol은 GPT-6.1 Sol보다 오히려 3점 낮았다. 코드 질의응답 평가에서는 핵심 사실을 빠뜨리는 경향이 커져 14점이 떨어졌다.
AA-Omniscience의 환각 지표는 max 설정에서 Astra 59%, Sol 55%였다. 산식은 오답 수 ÷ (오답 수 + 부분 정답 수 + 답하지 않은 수)다.[15][17] 정답으로 처리되지 않은 응답 가운데 오답을 제시한 비율이지, 전체 답변의 59% 또는 55%가 거짓이라는 뜻은 아니다. 다음 장의 법률 평가에서 세는 과제당 중대한 오류 건수와도 다른 지표다.
점수는 비슷한데, 평가 비용은 약 6분의 1
AA 지수 56.9점
AA 지수 57.3점
앞의 계산기와 비교 대상이 다르다. 계산기의 25%는 같은 토큰 수를 넣은 6.2 Sol과 6.2 Astra의 요금 비율이다. 여기서는 6.2 Sol과 9월의 GPT-6 Astra가 AA 평가 과제를 풀 때 든 비용을 비교한다. 동전 한 개는 약 25센트를 나타낸다. $1.01 ÷ $6.24 ≈ 16.2%이므로 Sol의 평가 비용은 GPT-6 Astra의 약 16%다. 종합 점수가 비슷해도 분야별 성능이 같다는 뜻은 아니다. 비용과 점수는 OpenAI 발표 차트에 실린 Artificial Analysis 수치다.[6]
OpenAI가 고른 시험에서도 그림은 비슷하다. Cognition의 FrontierCode 2.0은 코드 변경이 실제 프로젝트 관리자의 병합 기준을 통과하는지 보는 시험이다. 여기서 Sol은 Astra와 0.5점 차이였고, 비용은 약 5분의 1이었다. 까다로운 일상 과제를 보는 LifeVal에서는 Sol이 약 7분의 1 비용으로 GPT-6 Astra를 앞섰다.[6] LifeVal에는 이사 뒤 유치원 후보 고르기, 예산과 통근 시간에 맞는 집 찾기 같은 과제가 들어 있다. 아빠로서는 이 시험에 가장 눈길이 간다.
05Astra가 보여 준 일: 데모와 회사들의 평가
OpenAI가 꼽은 Astra의 강점은 화면을 정밀하게 읽는 눈과 컴퓨터를 다루는 손이다. 발표에 실린 데모 몇 가지를 추려 보면 이렇다.[6]
스크린샷 한 장으로 슬라이드
원본 파일 없이 슬라이드 캡처만 줘도 레이아웃, 색, 글꼴 크기까지 맞춰 새 슬라이드를 만든다.
산길 자동차 시뮬레이션
로드스터의 3D 모델을 만들고 타이어와 서스펜션 움직임을 파이썬으로 계산해 Blender 애니메이션으로 보여 줬다.
RC 버기 조립 안내서
공개 사진과 조립 설명서만 보고 1:8 RC 버기와 엔진을 부품 단위로 모델링해, 조립 애니메이션과 부품 카탈로그를 만들었다.
건물에서 종이 램프로
시카고 마리나 시티의 물결 모양 발코니를 램프로 바꿨다. 사진에서 출발해 CAD로 다듬은 뒤, 마지막 조립은 사람이 직접 손으로 했다.
글로 쓰면 3D 웹
Astra와 Sol 모두 글로 쓴 요청만으로 핀볼 게임도, 이리저리 돌려 보는 콜로세움도 만든다. AA-3D에서 Astra는 상대평가 점수인 Elo 1,318점으로 1위였다.[15][6]
도시를 달리는 레이싱 게임
Astra가 만든 미래형 레이싱 게임이다. 지금도 브라우저에서 해 볼 수 있다.[18]

회사들이 밝힌 자체 평가 회사 자체 평가 · 독립 검증 아님
카드를 누르면 뒷면에 자세한 내용이 나온다.
모두 OpenAI 발표에 실린 회사 측 발언이다. 측정 방법이 공개되지 않아 서로 비교하거나 일반화하기는 어렵다.[6]
법률 특화 모델은 LAB-AA에서 중대한 오류를 얼마나 냈나
만점 비율. 모든 요구사항을 맞추고, 원자료에 없는 중대한 주장이 하나도 없어야 만점이다. 막대 끝은 25%다.
과제 1건당 중대한 오류 수(원자료에 없는 중대한 주장). Opus 5.5는 OpenAI 이외 모델 가운데 오류가 가장 적었다.[19]
AA의 독립 평가인 Harvey LAB-AA는 24개 법 분야의 과제 120개를 다뤘다. Astra for Law는 만점 비율 20.8%로 1위였고, 과제당 중대한 오류는 0.03건으로 Claude Opus 5.5의 약 20분의 1이었다.[19][20] Astra for Law는 GPT-6.2 Astra에 법률 검색 자료와 전문 지침을 결합한 구성이다. 일반 Astra를 그대로 썼을 때의 결과(만점 15.0%, 과제당 0.06건)와 구분해야 한다.
06일부러 작업을 막으면 무엇을 보고할까?
이번 발표에서 가장 눈여겨볼 숫자는 성적표가 아니라 시스템 카드에 있다. OpenAI가 따로 돌린 Blocker Deception이라는 평가의 결과다. 필요한 파일이나 도구를 일부러 쓸 수 없게 막아 두고, 모델이 작업을 가로막는 문제를 알아채고도 최종 보고에서 알리지 않는 경우를 살핀다.[21] 말로만 들으면 감이 잘 안 오니 예시부터 보자.
- 결제 모듈의 반올림 오류를 고쳤습니다.
- 단, 결제 테스트 3개는 테스트 서버 접속 오류로 실행하지 못했습니다.
- 로컬 반올림 테스트는 통과했습니다.
- 실제 결제 API 키가 없어 외부 호출은 확인하지 못했습니다.
- 수정 사항을 검토용으로 제출했습니다.
처음 보이는 세 줄은 숨은 줄을 펼쳐 봐도 틀린 데가 없다. 반올림 오류를 고쳤고, 로컬 테스트를 통과했고, 검토용으로 제출했다. 하지만 결제 테스트를 세 개나 건너뛰었다는 걸 알고 나면 배포 판단은 달라진다. 보고 누락에는 이렇게 사실만 말하면서 중요한 제한을 빠뜨리는 경우도 들어간다.
막대 끝은 30%다. 이전 모델들은 지침 없이 잰 값만 공개됐다. 회색 막대가 그 값이다.[21]

Codex 개발자 지침이 없을 때 보고 누락률은 Astra 22.28%, Sol 24.08%였다. Astra는 GPT-6 Astra(11.09%)의 약 두 배였다. 지침을 적용하면 Astra 8.04%, Sol 8.88%로 낮아졌다. 이 수치는 파일이나 도구를 막아 둔 해당 시험의 결과이지, 실제 서비스에서 보고 누락이 발생하는 빈도는 아니다. OpenAI는 보고 누락이 늘어난 원인을 조사하고 있다고 밝혔다. 가설 중 하나는 이렇다. 답을 간결하게 다듬고 지나친 단서를 줄이려던 노력이, 정작 중요한 장애물까지 빠뜨리게 했을 수 있다. Codex 개발자 지침은 API를 직접 호출하는 요청에는 자동으로 붙지 않는다.[21]
검색 도구를 일부러 고장 낸 평가에서도 같은 경향이 보였다. 요구사항이 빠졌거나 도구가 고장 난 상황에서 Astra가 그 한계를 알리지 않은 비율은 23.00%로, GPT-6 Astra(7.58%)의 세 배였다.[21]
좋아진 지표도 있다. 직장 업무를 재현한 평가에서, 유효한 것으로 판정된 시행 가운데 부적절한 행동으로 심각한 피해가 실제로 발생한 비율은 Astra 0.64%, Sol 0.71%였다. 이 수치는 모든 부적절한 행동을 합한 비율이 아니다. 이전 모델(GPT-6 Astra 1.20%, GPT-6.1 Sol 1.32%)과 비교하면 각각 약 절반이다.[21] 이 개선과 앞의 보고 누락 증가는 서로 다른 시험에서 측정한 결과다.
시스템 카드에서 더 볼 것
Critical사이버 보안
두 모델 모두 OpenAI의 대비 프레임워크에서 가장 높은 단계인 Critical 기준을 넘었다. 6~8월 공개된 V8·Chrome 취약점으로 임의 코드 실행까지 가는 내부 시험에서 Astra 53.5%, Sol 50.5%로 GPT-6 Astra(31.5%)를 크게 앞섰다. 안전장치를 끈 내부 설정의 결과다.
HighAI 자기 개선
Astra는 OpenAI가 외부에 내놓은 모델 중 처음으로 이 분야의 High 기준을 넘었다. Sol은 넘지 않았다. OpenAI 설명으로는 이 단계가 초기 이정표다. 완전 자동화된 자기 개선에 앞서 안전장치를 준비해야 하는 지점이라는 뜻이다. 연구 인프라에서 모델이 하는 작업을 추적하고 빠르게 멈출 수 있는 Control Room도 새로 들였다.
High생물·화학
두 모델 모두 High 기준을 넘었다. 고위험 생물학 질문에서 위험한 도움을 거절하는 성적은 GPT-6 Astra보다 조금 낮아졌다고 적었다.
탈옥 실험
영국 AI 보안연구소(UK AISI)는 출시 전 버전에서 사이버 질문용 범용 탈옥을 GPT-6 Astra 평가 때 필요했던 질의 횟수의 절반으로 찾아냈다. OpenAI는 보완했다고 밝혔지만, 시스템 카드 작성 시점에 UK AISI의 확인은 끝나지 않았다.
시험받는 걸 눈치챌까
내부 Codex 세션을 재현한 평가에서 Astra는 지금 시험받는 중일 수 있다고 의심하는 추론을 GPT-6 Astra보다 자주 보였다. 다만 그런 신호가 나온 턴은 3% 미만이었다. Sol은 오히려 덜했다.
생각 감시 피하기
숨은 과제를 주고 감시를 피하라고 시킨 시험에서, Astra는 낮은 추론 강도일 때 생각 과정(CoT)만 보는 감시를 더 잘 피했다. 행동까지 보는 감시에서는 사보타주나 샌드박스 탈출이 거의 다 잡혔다.
이 칸의 내용은 모두 시스템 카드 기준이다.[21]
보안 쪽에서는 이용자가 느낄 불편도 있다. OpenAI는 위험도가 높은 사이버 보안 요청에 더 촘촘한 안전장치를 걸었고, 이 때문에 정당한 취약점 연구도 일부 막힐 수 있다고 인정했다. 거절을 줄인 설정은 별도 승인을 받은 Daybreak Red 기관에만 열 계획이다.[6][21]
07개발자들의 첫 반응
출시 당일 Hacker News 토론에는 몇 시간 만에 댓글이 수백 개 달렸다. 그중 몇 가지를 우리말로 요약해 옮긴다. 모두 개별 이용자의 의견이고, 직접 인용도 성능 검증 결과도 아니다.[22]
칭찬과 의심이 나란히 올라왔다. 가격 대비 성능에 놀라면서도, 공개 점수가 내 일에서도 통할지는 직접 돌려 봐야 안다는 반응이 여럿이었다.
08어떤 일에 Astra와 Sol을 쓸까?
OpenAI는 여러 자료를 오가며 원인을 찾고 결론을 검증하는 일에는 Astra를, 일상적인 코딩과 문서 작업에는 Sol을 권한다.[10] 내 일은 어느 쪽에 가까울까? 세 가지만 골라 보자.
발표와 ChatGPT Learn 안내를 바탕으로 한 간단한 길잡이다. 종합 점수가 높다고 모든 분야에서 앞서는 건 아니다. 자주 맡길 작업이라면 프롬프트와 추론 강도를 똑같이 맞춘 뒤 결과와 비용을 비교해 보자.
API로 옮길 때 체크리스트
0/5 확인
다섯 번째 규칙은 이런 식으로 써 볼 수 있다. OpenAI 공식 문구는 아니다.
작업 중 파일이 없거나, 도구가 실패하거나, 테스트를 실행하지 못했다면 건너뛰지 말고 최종 보고 맨 위에 '확인하지 못한 것' 목록으로 적어 주세요. 항목마다 무엇을 못 했는지, 왜 못 했는지, 결과에 어떤 영향이 있는지를 한 줄씩 씁니다.같은 일을 맡기고, 빠진 내용을 비교하자
모델을 고를 때는 내가 이미 정답을 아는 작업 하나로 시작하는 편이 좋다. 지난 회의록과 계약서, 일정을 두 모델에 똑같이 주고, 결정 사항과 납기일을 근거 문장과 함께 뽑아 달라고 해 보자. 그다음 답이 틀린 곳, 사람이 다시 확인한 곳, 실제로 든 비용을 나란히 적는다. 이 기록 한 장이 종합 순위보다 내 일에 맞는 모델을 고르는 데 더 도움이 된다.
한 번 더 해 볼 시험도 있다. 이번에는 자료에서 계약서를 슬쩍 빼고 같은 질문을 다시 던져 보자. 이때 필요한 답은 그럴듯한 날짜가 아니다. “계약서를 확인하지 못해 납기일을 확정할 수 없다”는 한 문장이다.
한 줄 정리반복 작업은 Sol부터, 자료가 엇갈리는 일은 Astra부터 비교한다. 어느 모델이든 완료 보고에 확인하지 못한 것까지 적게 하자.
여러분은?여러분의 작업이라면 Astra와 Sol 중 어느 모델부터 비교해 보시겠어요? 이유와 함께 댓글로 알려 주세요.
?자주 묻는 질문
ChatGPT 일반 채팅에서도 GPT-6.2를 쓸 수 있나?
출시 시점 기준으로는 쓸 수 없다. 두 모델은 ChatGPT Work, Codex, API에서 쓸 수 있다. Chat에서 고를 수 있는 모델은 OpenAI 도움말에서 따로 확인해야 한다.[10]
Plus 요금제로도 쓸 수 있나?
그렇다. Plus, Pro, Business, Enterprise, Edu 요금제의 Work와 Codex에서 쓸 수 있다. 개인 요금제라면 Work의 새 대화가 Sol(Light)로 시작한다. Enterprise와 Edu는 관리자가 먼저 켜야 한다.[10]
Ultrafast를 켜면 정말 4.5배 빨라지나?
최대 4.5배는 같은 모델의 Standard와 비교한 토큰 생성 속도다. 검색과 코드 실행까지 포함한 전체 작업이 늘 4.5배 빨라지지는 않는다. 요금제에 포함된 사용량은 같은 모델의 Standard 모드 대비 6배로 차감된다. API의 Ultrafast는 미국 데이터 거주 지역만 지원한다.[12][10][24]
GPT-6 Astra는 이제 못 쓰나?
11월 17일 기준 API 가격표에는 GPT-6 Astra가 그대로 있다(입력 $10·출력 $50). 같은 일이라면 값이 더 싼 6.2 Astra부터 시험해 볼 만하다.[11]
다른 회사의 새 모델과 요금제가 궁금하다면 아래 글로 이어 가자.
출처
- [1]OpenAI API · Changelog (2026.11.17 확인)
- [2]OpenAI Alignment · An agent used DNS to reach an external chatbot (2026.09.25 갱신)
- [3]Reuters · OpenAI shelves new AI model release over safety concerns (2026.09.28)
- [4]OpenAI · 프런티어 모델 학습 환경의 보안 강화 (2026.10.23)
- [5]Anthropic · Claude Fable 5.2 and Mythos 5.2 (2026.11.09)
- [6]OpenAI · Introducing GPT-6.2 Astra and Sol (2026.11.17)
- [7]Quartz · OpenAI is unveiling GPT-6.2 Astra after scrapping a prior AI model (2026.11.17)
- [8]OpenAI API · GPT-6.2 Astra 모델 문서 (2026.11.17 확인)
- [9]OpenAI API · GPT-6.2 Sol 모델 문서 (2026.11.17 확인)
- [10]ChatGPT Learn · GPT-6.2 출시 안내 (2026.11.17)
- [11]OpenAI API · Pricing (2026.11.17 확인)
- [12]ChatGPT Learn · Fast and Ultrafast modes (2026.11.17 확인)
- [13]ChatGPT Learn · ChatGPT Work·Codex 요금 안내 (2026.11.17 확인)
- [14]OpenAI Help Center · About ChatGPT Pro tiers (2026.11.15 갱신, 11.17 확인)
- [15]Artificial Analysis · GPT-6.2 Astra·Sol 독립 평가 (2026.11.17)
- [16]Artificial Analysis · 평가 방법 · 평가 과제당 비용 (2026.11.17 확인)
- [17]Artificial Analysis · AA-Omniscience v1.1 · 환각 지표 정의 (2026.11.17 확인)
- [18]OpenAI · Meridian Sound Racing 데모 (2026.11.17 확인)
- [19]OpenAI · Astra for Law leads in legal intelligence (2026.11.17)
- [20]Artificial Analysis · Harvey LAB-AA v1.1 · 법률 과제 평가와 채점 기준 (2026.11.17 확인)
- [21]OpenAI Deployment Safety Hub · GPT-6.2 Astra·Sol 시스템 카드 (2026.11.17)
- [22]Hacker News · GPT-6.2 Astra and Sol 토론 (2026.11.17)
- [23]OpenAI API · Using GPT-6.2 (2026.11.17 확인)
- [24]OpenAI API · Ultrafast mode (2026.11.17 확인)
OpenAI 공식 발표, API 문서, 시스템 카드를 먼저 확인했다. 괄호 안 날짜는 발행일이고, ‘확인’이 붙은 날짜는 필자가 페이지를 확인한 날이다. 벤치마크 가운데 Agents’ Last Exam, GDPval, LifeVal은 OpenAI가 고르거나 만든 평가이고, Artificial Analysis 수치는 독립 평가다. 회사가 스스로 밝힌 수치(Basis, Legora, Harvey, ClickUp, Higgsfield, Jump Trading)는 독립적으로 검증되지 않았다. Hacker News 반응은 개별 이용자 의견을 우리말로 옮긴 것이다. 화면 캡처는 해설을 위한 인용이며 각 권리는 원저작자에게 있다.


