GPT-6 아스트라, 성능만큼 중요한 작업당 비용

오픈AI(OpenAI)의 GPT-6 아스트라(GPT-6 Astra)가 오픈라우터(OpenRouter)에 등장했다. 오픈라우터는 이 모델을 긴 작업을 여러 단계에 걸쳐 수행하는 최상위 모델로 소개하며, 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러의 가격을 제시했다. 최대 105만 토큰의 문맥 창과 세 공급자를 통한 요청 경로도 공개했다. 관심사는 모델의 성능 주장만이 아니다. 개발자는 작업 결과가 높은 호출 비용을 감당할 만큼 좋은지, 공급자 전환과 캐시 과금까지 고려해 판단해야 한다.

핵심 요약

  • 오픈라우터는 GPT-6 아스트라를 고급 분석·소프트웨어 개발·심층 연구와 장시간 에이전트 작업에 적합한 오픈AI의 최상위 모델로 소개했다.
  • 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러라는 가격은 모델 선택에서 결과의 품질뿐 아니라 작업당 비용을 따져야 함을 보여준다.
  • 문맥 창은 105만 토큰이고 최대 출력은 12만8000토큰이며, PDF·이미지·텍스트를 입력받아 텍스트로 답한다.
  • 오픈라우터는 오픈AI·애저·아마존 베드록 세 공급자 사이에서 요청을 배분하고, 오류가 나면 설정이 허용하는 범위에서 다른 공급자로 전환한다.
  • 토론에서는 디자인 재현과 버그 수정 능력을 높이 평가하는 경험담과 함께, 높은 비용·결과물 평가 방식·서비스 지원을 둘러싼 우려가 나왔다.

긴 작업을 맡는 최상위 모델

오픈라우터는 GPT-6 아스트라를 복잡한 일을 처음부터 끝까지 처리하는 오픈AI의 최상위 모델로 소개한다. 적합한 분야로는 고급 분석, 소프트웨어 개발, 심층 연구, 과학 작업, 문서 작성을 꼽았다. 특히 컴퓨터와 브라우저를 사용하며 여러 단계를 이어 가는 장시간 에이전트 작업(목표를 향해 도구를 쓰고 작업을 계속 진행하는 방식)을 강점으로 내세운다.

이 설명에서 눈여겨볼 대목은 단일 질문에 답하는 능력보다 작업을 완수하는 능력에 무게를 뒀다는 점이다. 코드를 작성하거나 자료를 조사할 때는 중간 결과를 확인하고 다음 행동을 결정하는 과정이 뒤따른다. 오픈라우터의 소개는 아스트라를 이런 긴 흐름에 투입할 모델로 자리매김한다.

페이지는 아스트라의 출시일을 2026년 9월 4일로 적고 있다. 다만 모델의 강점을 설명하는 문구와 실제 작업에서 체감하는 성능은 구분해 읽어야 한다. 어떤 일을 맡겼을 때 결과가 얼마나 좋아지는지는 사용자가 자신의 작업과 비용을 함께 놓고 판단할 문제다.

105만 토큰 문맥 창과 입력 형식

아스트라의 문맥 창은 105만 토큰이다. 문맥 창(모델이 한 번의 작업에서 참고할 수 있는 토큰 범위)이 크면 긴 자료나 앞선 대화를 함께 다루는 작업에 활용할 여지가 생긴다. 최대 출력 길이는 12만8000토큰으로 제시됐다. 여기서 토큰은 모델이 텍스트를 처리하고 요금을 매길 때 쓰는 단위다.

입력으로는 PDF 같은 파일과 이미지, 텍스트를 받을 수 있고 출력은 텍스트다. 이미지 속 디자인을 보고 웹페이지 코드나 SVG(확대해도 선명한 벡터 이미지 형식)를 작성하도록 요청하는 작업도 이 입출력 방식에 들어맞는다. 다만 이미지 파일을 직접 생성하는 모델로 소개된 것은 아니다. 같은 페이지에는 이미지 생성·편집을 위한 별도 GPT 이미지 모델도 나열돼 있다.

도구 호출과 정형 출력도 지원한다. 개발자는 tools와 tool_choice를 이용해 함수 호출을 지정할 수 있고, response_format의 JSON 스키마로 응답 구조를 정할 수 있다. 이는 모델의 답을 읽는 데서 끝내지 않고, 애플리케이션의 다음 처리 단계로 넘길 때 필요한 기능이다.

입력 10달러, 출력 50달러

표시 가격은 토큰 100만 개당 입력 10달러, 출력 50달러다. 캐시 읽기에는 100만 토큰당 1달러, 캐시 쓰기에는 12.50달러가 적용되며, 웹 검색은 1000회당 10달러로 안내한다. 같은 모델을 쓰더라도 입력과 출력의 양, 캐시 사용 여부에 따라 청구액이 달라지는 구조다.

캐시는 반복되는 프롬프트의 일부를 재사용하는 기능이다. 오픈라우터 설명에 따르면 오픈AI는 1024토큰 이상인 프롬프트를 자동으로 캐시하며, 저장된 앞부분을 다시 읽지 않더라도 캐시된 프롬프트마다 캐시 쓰기 요금을 청구한다. 따라서 표시된 입력 단가만 보고 요청 비용을 예상하면 실제 청구 방식과 차이가 날 수 있다.

요청별로 캐싱을 끄는 방법도 안내돼 있다. 요청의 최상위 설정에서 prompt_cache_options.mode를 explicit으로 두고, 콘텐츠 블록에 prompt_cache_breakpoint를 지정하지 않으면 캐시 가능한 앞부분이 없어 일반 입력 요금으로 처리된다. 캐시가 언제 이득인지 따져볼 수 있게 한 설명이지만, 이를 이용하려면 요청 형식과 과금 항목을 함께 살펴야 한다.

오픈라우터는 공급자가 게시한 가격과 고객이 실제로 지불한 평균 가격을 나란히 보여준다고 설명한다. 캐싱과 할인 때문에 실결제 평균이 표시 가격보다 낮을 수 있기 때문이다. 반대로 작업이 길어지거나 출력이 많아지면 건당 지출은 커진다. 이 모델의 경제성은 토큰 단가 하나보다, 한 작업을 끝내는 데 얼마가 들었는지로 살피는 편이 맞다.

세 공급자 사이에서 고르는 경로

아스트라는 오픈라우터에서 오픈AI, 마이크로소프트 애저(Microsoft Azure), 아마존 베드록(Amazon Bedrock) 세 공급자를 통해 제공된다. 오픈라우터는 선택한 경로 설정에 따라 요청을 공급자 중 한 곳으로 보낸다. 한 공급자에서 오류가 나면 요청에 설정한 필터가 허용하는 범위에서 정상 작동하는 다른 공급자로 전환할 수 있다.

경로 선택지는 네 가지다. 밸런스드는 가격과 속도를 함께 고려하고, 나이트로는 가장 빠른 공급자를, 플로어는 가장 저렴한 공급자를 우선한다. 이그잭토는 도구 호출 정확도가 가장 높은 경로를 택하는 방식으로 소개된다. 동일한 모델 이름으로 호출하더라도 사용자가 무엇을 우선하느냐에 따라 요청 경로가 달라진다.

공급자를 직접 고정하거나 제외하는 설정도 가능하다. 특정 공급자를 고르면 그에 맞는 경로를 통제할 수 있지만, 오류 발생 시 다른 곳으로 옮길 수 있는 범위도 설정에 영향을 받는다. 오픈라우터가 자동 전환을 설명하면서 요청 필터의 허용 여부를 함께 언급하는 이유다.

이 구조에서 모델 선택과 공급자 선택은 별개의 결정이다. 개발자는 아스트라가 필요한 작업인지 정한 뒤에도 가격, 속도, 도구 호출 정확도 가운데 무엇이 중요한지 정해야 한다. 오픈라우터는 공급자별 가동 상태를 엔드포인트 API로 조회할 수 있다고 안내한다.

속도·가용성·평가 지표 읽기

오픈라우터 페이지는 공급자를 비교할 때 쓰는 지표도 설명한다. 처리량은 모델이 초당 생성하는 토큰 수로, 높을수록 빠르다. 지연 시간은 요청부터 응답까지의 전체 왕복 시간이고, 첫 토큰까지의 시간인 TTFT는 화면에 첫 내용이 나타나기까지 걸린 시간을 뜻한다. 두 시간 지표는 낮을수록 좋다.

가동 시간과 가용성은 서로 다른 수치다. 가동 시간은 최근 3일 동안 적어도 한 공급자가 요청에 응답한 시간의 비율이고, 가용성은 추론 요청이 성공적으로 제공된 시간의 비율이다. 페이지에는 최근 3일과 최근 24시간의 가용성을 살펴보는 항목도 있다. 공급자 하나가 살아 있다는 사실과 개별 요청이 성공한다는 사실을 같은 것으로 읽지 않도록 나눈 지표다.

표준화된 평가와 공통 벤치마크 문항에서 나온 모델 출력도 비교 대상으로 제시된다. 점수는 높을수록 좋고, 순위는 평가 출처에 포함된 모델 가운데 해당 모델이 어디에 놓였는지를 나타낸다. 다만 페이지에서 설명하는 지표의 종류를 실제 점수나 우위에 대한 주장으로 바꿔 읽을 수는 없다. 확인할 수 있는 값이 있을 때 그 출처와 평가 대상을 함께 봐야 한다.

트래픽이 많은 공개 앱과 시간에 따른 토큰·요청량을 보여주는 항목도 있다. 오픈라우터는 이를 실제 서비스에서 어떤 작업에 모델이 쓰이는지 가늠할 단서로 소개한다. 평가 문항에서의 점수, 응답 속도, 실제 사용량은 각각 다른 질문에 답한다. 어느 하나만으로 자신의 작업에서 얻을 결과를 대신할 수는 없다.

기존 SDK로 호출하고 계열 모델과 비교하기

오픈라우터 API는 오픈AI API와 호환되도록 설계됐다. 페이지 설명대로라면 많은 SDK에서 기본 URL을 바꾸는 방식으로 연결할 수 있고, 모델을 바꿀 때는 모델 식별자를 교체하면 된다. 빠른 시작 문서는 API 키와 첫 요청을, API 참조 문서는 각 매개변수를 다룬다. GPT-6 마이그레이션 가이드도 문서 목록에 포함돼 있다.

같은 페이지는 아스트라만이 아니라 GPT-6 계열의 다른 선택지도 소개한다. GPT-6 솔(GPT-6 Sol)은 아스트라 아래에 놓인 비용 효율적인 고급 모델로, 전문 업무와 에이전트 코딩, 업무 자동화, 컴퓨터 사용에 적합하다고 설명한다. GPT-6 루나(GPT-6 Luna)는 솔보다 아래의 빠르고 비용 효율적인 모델로 소개되며, 대량 처리나 지연에 민감한 채팅·분류·가벼운 에이전트 작업을 겨냥한다.

프로(Pro) 버전의 설명도 구분할 필요가 있다. GPT-6 아스트라 프로는 아스트라와 기본 모델이 같지만 reasoning.mode를 pro로 설정해 복잡한 작업에서 더 높은 품질의 응답을 목표로 한다. 솔 프로와 루나 프로 역시 각각 해당 기본 모델에 같은 방식을 적용한 것으로 소개된다. 이름이 비슷하다고 모두 별개의 기본 모델인 것은 아니다.

페이지에는 아스트라·솔·테라·루나 계열의 최신 모델로 자동 연결되는 모델 항목도 따로 적혀 있다. 특정 모델을 명시해 호출하는 방식과 계열의 최신 모델을 가리키는 방식은 운영상 다른 선택이다. 결국 개발자가 정할 것은 가장 강한 모델을 늘 쓰느냐가 아니다. 작업에 필요한 성능 수준, 원하는 응답 속도, 허용할 비용과 모델 연결 방식을 함께 정하는 일이다.

커뮤니티 의견

한 사용자는 펠리컨 그림을 만드는 비교 작업에서 아스트라가 다른 모델보다 비싸더라도, 10센트 예산 안에서 낮은 추론 설정으로 얻은 결과가 훨씬 좋았다고 평가했다. 전체 토큰 사용량도 적었다는 주장이다. 답글에서는 이런 조합형 과제가 이미 학습에 쓰였을 가능성을 물었고, 결과물 속 자전거 색이 대체로 같다는 관찰도 나왔다.

다른 사용자는 이미지 디자인을 바탕으로 웹페이지를 만드는 작업에서 아스트라가 비스듬한 형태와 흐르는 SVG 선을 잘 재현했다고 했다. 비교 대상 모델은 전체 분위기는 잡았지만 원래 디자인의 흐름을 덜 살렸다는 평가다. 다만 해당 프런트엔드 제작에 24달러가 들었다고 밝혔고, 답글에서는 최종 결과라면 감당할 만하지만 수정과 실험을 반복하기에는 부담스럽다는 의견과 비교 대상 모델이 일부 세부 요소는 더 정확하다는 반론이 함께 나왔다.

서비스 운영을 문제 삼은 경험담도 있었다. 한 사용자는 오픈라우터에 25달러를 충전한 뒤 시험 요청을 보내자 계정이 정지됐고, 지원 채널에서 답을 받지 못했다고 주장했다. 답글에는 결제 취소를 요청하라는 제안이 달렸으며, 과거 다른 문제로 지원 이메일의 답을 받은 적이 있다는 별도 경험도 나왔다.

또 다른 사용자는 아스트라의 SVG 생성 결과가 인상적이었다면서도, 처음 시험할 때 오픈라우터에서 모델 식별자에 대한 ‘찾을 수 없음’ 오류를 받았다고 했다. 답글에서는 한 평가의 98.58점이라는 표시와 달리 원근감, 동물의 형태, 배경 요소에 눈에 띄는 결함이 있다는 지적이 나왔다. 반면 손으로 오래 다듬어야 했던 SVG 아이콘 작업을 AI가 빠르게 처리할 수 있다는 가능성에 주목한 의견도 있었다.

가격을 둘러싼 평가는 갈렸다. 한 사용자는 아스트라의 입력·출력 단가가 저렴한 중국 모델에 비해 높고, 자신의 회사에서도 비용 대비 성과를 이유로 접근을 줄이고 있다고 했다. 답글에서는 중요한 지표가 토큰 가격이 아니라 작업당 비용이라는 반론이 나왔다. 또 다른 사용자는 이런 최상위 모델을 일상적인 기본 도구보다, 추가 오류 몇 개를 찾아내는 일이 큰 가치를 낼 때 쓰는 도구로 봐야 한다고 주장했다.

접근 권한과 코딩 경험을 전한 댓글도 이어졌다. 한 사용자는 프로 요금제에서 아스트라를 사용할 수 있게 됐다고 했고, 답글에서는 접근이 늦어진 날만큼 나중에 쓸 수 있는 사용량 초기화 기회를 제공했다는 설명이 나왔다. 이어 다른 사용자는 솔(Sol)로 진행하던 코딩 작업을 아스트라로 바꿔 검토시켰더니 렌더링 파이프라인의 자원 수명과 관련한 중요한 버그 등을 곧바로 고쳤다고 했다. 호주의 플러스 이용자도 접근 권한과 저장해 두고 쓸 수 있는 사용량 초기화 기회 두 번을 받았다고 전했다.

문장 스타일을 평가한 사용자는 인문학 질문에 대한 아스트라의 답이 과장된 AI 특유의 표현 없이 담백했다고 했다. 답글에서는 솔이나 앤트로픽(Anthropic) 모델보다 문장이 자연스럽고 문제 해결에도 더 적극적이라는 의견이 나왔다. 이후에는 솔·테라·루나라는 이름이 버전 변경 뒤에도 유지될지 묻는 댓글이 달렸고, 아스트라가 솔 위에 추가된 네 번째 등급이라는 답변이 이어졌다.

마지막으로 한 사용자는 아스트라를 AI 개발의 큰 도약처럼 느낀다고 평했다. 반면 유럽의 플러스 이용자는 자신에게는 코덱스(Codex)에서만 열리고 챗GPT(ChatGPT)에서는 아직 쓸 수 없다고 했다. 성능에 대한 기대와 실제 이용 가능한 제품·요금제의 차이가 같은 토론 안에서 드러난 셈이다.

핵심 통찰

아스트라를 둘러싼 변화는 최상위 모델을 ‘가장 좋은 답을 내는 모델’이 아니라 ‘비용을 들여 어려운 작업을 끝내는 도구’로 평가하게 만든다는 데 있다. 디자인 재현과 버그 수정 경험담은 그 가능성을 보여주지만, 24달러가 든 제작 사례와 결과물 점수에 대한 반론은 품질과 효율을 따로 확인해야 함을 일깨운다. 앞으로 볼 것은 모델의 단가보다 실제 작업당 비용과 수정 횟수, 공급자 오류 시의 복구, 문제가 생겼을 때 이용자가 받을 수 있는 지원이다.


원본: GPT-6 Astra - API Pricing & Benchmarks

토론: Hacker News