GPT-6 Astra 개발자 관점 정리｜API 가격부터 105만 토큰 컨텍스트까지

OpenAI의 GPT-6 Astra는 단순히 성능을 높인 언어 모델보다 복잡한 작업을 끝까지 수행하는 에이전트형 모델에 가깝다. 개발자가 주목할 부분은 105만 토큰 컨텍스트, 컴퓨터 사용, 비동기 도구 호출, 작업 중 지시 변경, 그리고 달라진 API 가격 구조다.

개발자가 먼저 볼 핵심 변화

2026년 9월 8일 확인 기준, GPT-6 Astra의 주요 사양은 다음과 같다.

항목GPT-6 Astra

API 모델명	gpt-6-astra
컨텍스트 윈도우	1,050,000 토큰
최대 출력	128,000 토큰
지식 기준일	2026년 4월 30일
입력 가격	100만 토큰당 $10
캐시 입력	100만 토큰당 $1
캐시 쓰기	100만 토큰당 $12.50
출력 가격	100만 토큰당 $50
추론 강도	low / medium / high / xhigh / max
주요 지원 기능	웹 검색, 파일 검색, 이미지 생성, 코드 인터프리터, Hosted Shell, Computer Use, MCP 등

단, 입력 프롬프트가 272K 토큰을 초과하면 가격 조건이 달라진다. 전체 요청에 입력 및 캐시 요율 2배, 출력 요율 1.5배가 적용되므로 대규모 컨텍스트를 사용하는 서비스라면 비용 계산에 특히 주의해야 한다.

Astra의 핵심은 '더 잘 답하는 모델'보다 '끝까지 일하는 모델'

GPT-6 Astra에서 눈에 띄는 변화는 단순한 벤치마크 점수보다 작업 방식이다.

OpenAI는 Astra를 복잡한 추론과 코딩뿐 아니라 컴퓨터 사용, 리서치, 문서 제작 같은 end-to-end 작업을 처리하기 위한 모델로 설명한다.

예를 들어 개발자가 모델에 코드 생성만 맡기는 것이 아니라 웹 탐색, 도구 호출, 코드 수정, 결과 확인 같은 여러 단계를 연결하는 형태다.

Simon Willison이 소개한 OpenAI 개발자 영상에서도 Astra의 세부 지시 이해와 복잡한 결과물 생성 능력이 강조됐다. 특히 3D 모델과 정교한 시각적 결과물을 생성하는 사례가 소개됐다.

즉, 개발자 입장에서 Astra를 볼 때는 기존 모델의 단순한 상위 버전보다는 에이전트와 자동화 워크플로를 위한 모델이라는 관점이 더 적절하다.

Async Tool Calling이 추가됐다

개발자 입장에서 꽤 실용적인 변화가 비동기 도구 호출(Async Tool Calling)이다.

기존 에이전트 구조에서는 외부 도구의 실행 결과를 기다리는 시간이 전체 작업의 병목이 되기 쉽다. Astra에서는 특정 도구를 async: true로 설정할 수 있다.

그러면 애플리케이션이 해당 도구를 실행하는 동안 모델은 다른 작업을 계속 진행할 수 있다.

예를 들어,

• 시간이 오래 걸리는 데이터 조회 실행
• 동시에 다른 정보 분석
• 독립적으로 처리할 수 있는 답변 작성
• 도구 실행이 끝나면 기존 call_id를 이용해 결과 전달

같은 구조를 만들 수 있다.

외부 API나 데이터 처리 작업을 여러 개 사용하는 에이전트라면 응답 시간을 줄이는 데 활용할 여지가 크다.

작업 도중 지시를 바꿀 수 있다

또 하나 흥미로운 기능은 Mid-turn Steering이다.

Astra가 긴 작업을 수행하고 있는 중에도 사용자가 추가 요구사항이나 수정 지시를 전달할 수 있다.

예를 들어 모델에 대규모 코드 분석을 맡긴 뒤 작업이 끝날 때까지 기다리는 대신,

"프런트엔드는 제외하고 API 부분만 분석해줘."

처럼 중간에 방향을 바꾸는 식이다.

WebSocket 연결에서는 이미 완료된 작업을 유지하면서 새 요구사항을 반영해 작업을 이어갈 수 있다.

긴 작업을 수행하는 코딩 에이전트나 리서치 에이전트에서는 꽤 중요한 변화다.

대화 중 추론 강도도 변경할 수 있다

GPT-6 Astra는 reasoning.effort에서 다음 단계를 지원한다.

low → medium → high → xhigh → max

특히 configuration_update 입력을 이용하면 기존 프롬프트 캐시를 유지하면서 대화 도중 추론 강도를 바꿀 수 있다.

쉬운 작업은 낮은 추론 강도로 처리하다가 복잡한 문제가 등장하면 높은 단계로 전환하는 식이다.

모든 요청에 높은 추론 비용을 쓰는 대신 작업 난도에 따라 추론 자원을 조절하는 애플리케이션 구조를 설계할 수 있다는 의미다.

다만 Astra는 none 추론 강도를 지원하지 않는다.

105만 토큰 컨텍스트, 하지만 비용도 함께 봐야 한다

Astra의 컨텍스트 윈도우는 1,050,000 토큰이다.

대규모 코드베이스, 여러 문서, 장시간 이어지는 에이전트 작업처럼 많은 컨텍스트가 필요한 환경에서는 분명 매력적인 수치다.

하지만 컨텍스트 크기만 보고 무조건 많은 데이터를 넣는 방식은 피하는 편이 좋다.

앞서 언급했듯 272K 입력 토큰을 넘어가면 높은 요율이 적용되기 때문이다.

따라서 실제 서비스에서는 긴 컨텍스트와 함께 프롬프트 캐싱, 검색, 컨텍스트 압축 전략을 같이 설계하는 것이 중요해졌다.

기존 GPT-5.6 기능도 상당수 이어진다

OpenAI 개발자 문서에 따르면 Astra는 GPT-5.6에서 제공되던 여러 API 기능도 지원한다.

• Computer Use
• Structured Outputs
• Streaming
• Programmatic Tool Calling
• Multi-agent orchestration
• Prompt caching
• Persisted reasoning
• Compaction
• Pro mode

여기에 Async Tool Calling과 Mid-turn Steering 등이 추가되면서 단순 API 호출보다 장시간 실행되는 작업형 애플리케이션에 초점이 더 맞춰졌다.

성능 수치는 어떻게 봐야 할까

OpenAI가 공개한 일부 평가 결과에서는 GPT-5.6 Sol 대비 개선이 확인된다.

벤치마크GPT-6 AstraGPT-5.6 Sol

Agents' Last Exam	59.3%	53.6%
OSWorld 2.0	72.6%	65.7%
ScreenSpot-Pro	92.7%	76.9%
AutomationBench	41.4%	18.1%
BenchCAD	95.9%	83.3%
BrowseComp	91.5%	90.4%

특히 AutomationBench와 ScreenSpot-Pro처럼 실제 컴퓨터 작업과 자동화에 가까운 평가에서 차이가 눈에 띈다.

다만 벤치마크 결과가 곧 모든 개발 환경에서 같은 성능 향상을 의미하는 것은 아니다. 자체 코드베이스와 실제 업무 데이터를 이용한 평가가 필요하다.

사이버 보안 능력도 크게 올라갔다

Astra에서 성능만큼 주의해서 볼 부분이 사이버 보안 능력이다.

OpenAI는 GPT-6 Astra가 자사의 Preparedness Framework에서 사이버 보안 능력 Critical 단계에 처음 도달한 모델이라고 밝혔다.

적절한 도구와 접근 권한이 주어질 경우 사람이 모든 단계를 직접 안내하지 않아도 잘 보호된 시스템에서 알려지지 않은 취약점을 찾고 새로운 공격 방법을 개발할 수 있는 수준이라는 설명이다.

그만큼 OpenAI도 추가 모니터링과 보호 장치를 적용하고 있다.

따라서 Astra의 에이전트 기능은 "무엇을 할 수 있는가"만큼 어떤 권한을 줄 것인가가 중요한 모델이라고 볼 수 있다.

API 도입 전에 따져볼 부분

Astra가 모든 서비스에서 바로 기존 모델을 대체해야 한다는 의미는 아니다.

간단한 분류, 짧은 텍스트 생성, 단순 질의응답처럼 복잡한 추론이나 도구 사용이 필요하지 않은 작업이라면 높은 토큰 단가를 감수할 이유가 적을 수 있다.

반대로 다음과 같은 작업에서는 검토할 가치가 있다.

• 대규모 코드베이스 분석
• 여러 도구를 연결하는 AI 에이전트
• 브라우저·컴퓨터 자동화
• 복잡한 리서치 워크플로
• 문서·스프레드시트·프레젠테이션 자동 생성
• 장시간 이어지는 멀티스텝 작업
• 작업 중 사용자가 방향을 수정해야 하는 서비스

결국 Astra의 경쟁력은 한 번의 답변 품질보다 복잡한 업무를 얼마나 안정적으로 끝까지 수행하느냐에서 판단하는 편이 맞다.

짧은 마무리

GPT-6 Astra에서 개발자가 볼 핵심은 105만 토큰이라는 숫자 하나가 아니다. Async Tool Calling, Mid-turn Steering, Computer Use와 긴 컨텍스트가 결합되면서 API 기반 AI가 '질문에 답하는 기능'에서 '여러 단계를 직접 수행하는 기능'으로 이동하고 있다는 점이 더 중요하다.

다만 100만 토큰당 입력 $10, 출력 $50이라는 가격과 272K 토큰 초과 시 적용되는 추가 요율까지 고려하면 실제 도입 전에는 기존 모델과 작업당 비용·성공률을 함께 비교하는 과정이 필요하다.