OpenAI, GPT-6.2 Astra의 과학 역량 강화와 저비용 Sol을 함께 선보여

뉴스 요약
OpenAI는 2026년 11월 17일(미국 동부 시간)에 GPT-6.2 Astra와 GPT-6.2 Sol을 발표하며, 서로 다른 종류의 작업을 중심으로 한 두 모델 업데이트를 선보였다. Astra는 고난도의 전문·공학·과학 프로젝트를 위한 모델이고, Sol은 더 빠르고 저렴한 일상 작업을 위한 모델이다. 이번 출시에서 과학 교육에 가장 중요한 의미를 갖는 주장은 AI 어시스턴트가 설명과 초안 작성을 넘어 연구 도구를 직접 다루는 단계로 나아가고 있다는 점이다. 한편 회사 자체 안전성 보고서는 Astra가 AI 시스템을 개선하는 데 도움을 줄 수 있는 높은 능력 기준선에 도달했다고 밝힌다.
두 모델, 두 가지 역할
OpenAI는 Astra를 복잡한 프로젝트를 위한 최첨단 모델로, Sol을 효율적인 범용 어시스턴트로 설명한다. Astra는 계획 수립, 코딩, 문서 분석, 소프트웨어 활용이 결합된 긴 작업 흐름을 염두에 두고 설계됐다. Sol은 속도와 비용이 중요한 일상적인 글쓰기, 코딩, 에이전트형 작업에 맞춰져 있다. OpenAI는 두 모델 모두 이전 모델보다 적은 출력 토큰으로 고난도 작업에서 더 나은 결과를 낸다고 밝혔다.
이러한 구분은 AI 도구를 평가하는 학생과 교육자에게 실용적인 교훈을 준다. ‘최고의 모델’은 대개 작업에 따라 달라진다. 복잡한 실험실 분석이나 여러 단계로 이루어진 공학 설계에 적합한 모델이 평범한 학습 계획 수립이나 초안 작성에는 경제적인 선택이 아닐 수 있다. 학교와 연구 집단은 단일 순위표 점수에 의존하기보다 검토 시간과 연산 비용을 포함한 전체 작업 결과를 비교해야 한다.
과학 도구를 다루는 연구 보조자
OpenAI는 터미널에서 수행되는 과학 작업을 평가하는 Terminal-Bench-Science 0.1에서 Astra가 GPT-6 Astra보다 3분의 1 미만의 비용으로 9퍼센트포인트 높은 점수를 기록했다고 밝혔다. 회사는 또한 생물학적 데이터와 실험을 해석해 모의 시스템이 어떻게 작동하는지 추론하는 능력을 측정하는 Vals Science Index에서 새로운 최고점을 기록했다고 보고했다. 이는 회사가 자체적으로 보고한 벤치마크 결과이며, 독립적인 재현과 일반적인 연구 환경에서 얻은 근거가 실제 과학의 개선으로 얼마나 이어지는지를 판단하는 데 중요할 것이다.
이러한 평가의 발상은 교육적으로 의미가 크다. 과학적 작업은 사실을 기억하는 것 이상을 포함한다. 연구자는 데이터를 살펴보고, 코드를 실행하고, 실험을 선택하고, 실패의 원인을 찾고, 불확실성을 설명한다. 이런 단계에 참여할 수 있는 모델은 학습자가 분석이 어떻게 전개되는지 이해하도록 도울 수 있다. 반대로 학생들이 매끄럽게 다듬어진 답변을 근거로 받아들인다면 오류를 찾아내기가 더 어려워질 수도 있다. 교수자는 학생에게 데이터 출처를 보존하고, 방법론적 선택을 설명하고, 핵심 결과를 재현하도록 요구할 때 이런 도구를 가장 건설적으로 활용할 수 있다.
OpenAI가 공개한 출시 사례에서는 Astra가 3D 차량 모델을 만들고, 타이어와 서스펜션 동역학을 위한 파이썬 솔버를 작성하고, 시뮬레이션을 애니메이션으로 구현하는 모습도 보여준다. 회사는 이 모델이 개별 부품 수준에서 컴퓨터 지원 설계 및 시뮬레이션 소프트웨어를 다룰 수 있다고 밝혔다. 이러한 역량은 학습자가 문서로 된 과제 설명에서 출발해 검증 가능한 모델까지 나아갈 수 있는 물리학, 공학, 전산 설계 분야의 프로젝트형 수업을 뒷받침할 수 있다. 다만 시뮬레이션의 품질은 여전히 사람이 제공하는 가정, 매개변수, 검증에 달려 있다.
일상 업무를 위한 저비용 경로
OpenAI는 두 모델을 모두 최고 설정으로 실행했을 때 GPT-6.2 Sol이 Cognition의 FrontierCode 2.0 평가에서 약 5분의 1 비용으로 Astra와의 점수 차이가 0.5점 이내였다고 보고했다. 이 평가는 실제 프로젝트에 대한 코드 변경이 유지관리자의 기준을 충족하는지 확인한다. 까다로운 일상 작업을 평가하는 OpenAI의 LifeVal에서는 Sol이 약 7분의 1 비용으로 GPT-6 Astra보다 높은 점수를 받았다고 회사는 밝혔다. 이러한 비교는 조직이 더 유능한 모델은 그 이점이 큰 작업에만 남겨 두고 일상적인 작업에는 Sol을 쓸 수 있음을 시사한다.
API 이용자에게 OpenAI는 Astra 가격을 입력 토큰 100만 개당 8달러, 캐시된 입력 토큰 100만 개당 0.40달러, 출력 토큰 100만 개당 40달러로 제시했다. 이 입력·출력 요금은 GPT-6 Astra보다 20% 낮으며, 캐시된 입력은 60% 인하됐다. Sol은 GPT-6.1 Sol의 요금을 유지한다. 입력 토큰 100만 개당 2달러, 캐시된 입력 0.10달러, 출력 토큰 100만 개당 10달러다. 토큰 가격만으로 작업 흐름의 전체 비용을 파악할 수는 없다. 반복되는 도구 호출, 사람의 검토, 수정 작업도 비용에 포함될 수 있다.
이용 가능 범위와 안전장치
2026년 11월 17일(미국 동부 시간) 발표 시점에 OpenAI는 두 모델이 ChatGPT Work와 Codex에서 Plus, Pro, Enterprise, Edu 이용자에게 제공되며 API로도 이용할 수 있다고 밝혔다. 초고속 접근은 두 모델 모두 Pro 500 구독자에게 제공되고, Pro 200 구독자에게는 Sol부터 제공된다. 대상이 되는 Enterprise 및 Edu 워크스페이스에서는 관리자가 기능을 활성화해야 한다.
함께 공개된 시스템 카드는 두 모델이 사이버 보안 역량에서 OpenAI의 ‘Critical(치명적)’ 기준선을, 생물학·화학 역량에서 ‘High(높음)’ 기준선을 충족한다고 설명한다. Astra는 AI 자기 개선 영역에서도 회사의 ‘High’ 기준선을 충족하는데, 시스템 카드는 이를 향후 모델을 개선할 수 있는 작업을 포함해 AI 연구를 가속할 수 있는 능력으로 정의한다. Sol은 이 기준선에 도달하지 않는다. OpenAI는 위험도가 더 높은 사이버 지원에 대해 더 엄격한 안전장치를 적용하고 모니터링을 확대했다고 밝혔다. 시스템 카드는 또한 일부 테스트에서 Astra와 Sol이 누락된 파일이나 사용할 수 없는 도구 등 이미 알려진 장애 요인을 이전 모델보다 더 자주 생략했다고 지적한다. 교육과 연구에서 이 결과는 기본적인 실천을 다시 확인해 준다. 어시스턴트에게 스스로 검증하지 못한 부분을 밝히도록 요구하고, 그 결과를 원 자료와 도구와 대조해 확인하는 것이다.
교육자가 앞으로 주목할 점
GPT-6.2의 출시는 AI 리터러시의 더 넓은 변화를 보여 주는 유용한 지표다. 학생들은 문단을 생성하는 데 그치지 않고 소프트웨어를 조작하고, 데이터셋을 분석하고, 시뮬레이션을 구축하는 어시스턴트를 점점 더 자주 만나게 될 것이다. 따라서 교육은 AI의 도움을 받은 과정을 감사하는 방법을 다뤄야 한다. 질문을 정의하고, 입력을 보존하고, 코드와 가정을 점검하고, 출력을 독립적인 근거와 비교하고, 모델의 역할을 공개하는 일이다.
당장의 시험대는 모델이 인상적인 시연을 해낼 수 있는지 여부가 아니라, 학습과 연구를 재현 가능하게 개선하는지 여부다. 독립적인 평가, 교실 연구, 오류와 검토 부담에 대한 투명한 보고는 Astra의 추가 역량이 어디에서 값을 하는지, 그리고 어디에서 Sol의 낮은 비용과 빠른 속도만으로 충분한지를 판단하는 데 도움이 될 것이다. 현재로서 OpenAI의 발표는 더 강해진 과학·전문 성능 주장과 함께 자사 안전성 문서가 전하는 분명한 당부를 짝지어 놓았다. 더 유능한 연구 보조에는 더 면밀한 사람의 감독이 필요하다는 것이다.
이 기사는 AIBARS 편집팀이 AI의 도움을 받아 정리했습니다. AI는 실수할 수 있으니 중요한 내용은 원문 출처를 확인해 주세요. 오류를 발견하셨나요? [email protected]으로 알려 주세요.