OpenAI 차세대 모델은 GPT-6가 아니라 Astra다

OpenAI가 2026년 8월 1일 공식 블로그에서 차세대 모델을 ‘Astra’로 불렀고, ‘GPT-6’라는 이름은 지금까지 공식 채널에 한 번도 등장하지 않았다.

Astra라는 이름

OpenAI는 2026년 8월 1일 공식 블로그에서 차세대 모델을 ‘our next major model’로 소개하면서 그 이름을 Astra로 적었다. 같은 시점 유튜브와 커뮤니티를 덮은 ‘GPT-6’ 표기는 OpenAI가 만든 것이 아니라 외부에서 붙인 것이고, 회사 공식 채널에서는 단 한 번도 쓰이지 않았다. 지금 실제로 쓸 수 있는 최상위 모델은 여전히 2026년 7월 9일 공개된 GPT-5.6 패밀리 3종이다.

확인된 다섯 가지

• OpenAI 공식 블로그(2026년 8월 1일)는 차세대 모델을 ‘our next major model’로 소개하며 이름을 Astra로 명시했고, GPT-6는 공식 표기가 아니다.
• 현재 공식 최상위 모델은 2026년 7월 9일 출시된 GPT-5.6 패밀리 3종(Soul·Terra·Luna)이며, Soul은 SWE-Bench 80점과 병렬 추론 에이전트 4개를 동시에 돌리는 Ultra mode를 도입했다.
• Astra는 사람이 작성한 수학 증명을 Lean 코드로 옮겨 기계 검증하는 방식으로 미해결 수학·컴퓨터과학 문제 10개를 해결했고, TechCrunch는 에이전트 코딩 영역의 명확한 진전으로 보도했다.
• 내부 평가에서 사이버보안 역량이 최상위 위험 구간인 ‘critical’로 분류돼 출시가 자발적으로 지연됐다고 Reuters와 Axios가 전했다. OpenAI는 미국 정부 관계자에게 상황을 통보했고 Sam Altman이 이 영역의 역량 때문에 시간이 더 필요하다고 직접 확인했다.
• ‘10조 파라미터’라는 수치는 단일 미검증 기사 한 건에서 나왔고, OpenAI가 파라미터 규모를 공식 확인한 사실은 없다.

이름이 왜 문제인가

버전 번호는 마케팅 산물이면서 동시에 기대치를 만든다. GPT-4에서 GPT-5로 넘어가는 숫자 한 칸은 사람들 머릿속에서 ‘완전히 다른 물건’을 뜻하고, 그 기대가 실제 제품과 어긋나면 실망이 성능 평가를 대체한다. Astra라는 별도 이름을 붙였다는 사실 자체가 OpenAI가 숫자 승계를 서두르지 않는다는 신호에 가깝다.

영상이 든 근거는 단순하다. 1차 출처인 공식 블로그가 Astra라고 적었고, 그 외 어떤 공식 문서에도 GPT-6가 없다는 것. 반대로 GPT-6 카운트다운을 내건 콘텐츠들은 대부분 2차·3차 인용을 근거로 삼는다. 근거 사슬을 한 칸씩 거슬러 올라가면 원본이 하나뿐이거나 아예 없는 경우가 흔하다.

분석가들이 추정한 확률도 이 방향을 가리킨다. GPT-6라는 이름이 2026년 안에 나올 확률은 약 10%, 2027년에 나올 확률은 약 60%, Astra가 최종적으로 GPT-6 이름을 달고 나올 확률은 약 20%로 계산됐다. 모두 추정치이지 확정된 일정이 아니라는 점은 분명히 해 둬야 한다. 이름은 미정이고, 미정이라는 사실 자체가 지금 확인된 정보다.

능력은 어디까지 확인됐나

Astra의 성과 중 가장 구체적인 것은 형식 수학 쪽이다. Lean은 수학 증명을 기계가 한 줄씩 검사할 수 있게 만든 형식 언어인데, 사람이 자연어로 쓴 증명을 Lean 코드로 옮겨 놓으면 참·거짓이 자동으로 판정된다. Astra는 이 경로로 미해결 상태였던 수학·컴퓨터과학 문제 10개를 풀었다. 여기서 ‘10개’는 모호한 인상 평가가 아니라 검증 도구가 통과시킨 개수라서 다른 벤치마크 점수보다 반박하기 어렵다.

코딩 쪽에서는 TechCrunch가 에이전트 코딩 영역의 명확한 진전으로 평가했다. 에이전트 코딩은 모델이 한 번에 답을 내놓는 대신 파일을 읽고 고치고 테스트를 돌리는 과정을 여러 차례 반복하는 작업 방식을 말한다. 단발 질의응답 성능과 별개로 측정해야 하는 영역이고, 실무에서 체감 차이가 가장 크게 나는 지점이기도 하다.

반대로 확인되지 않은 항목이 더 길다. 파라미터 수, 가격, 출시 시기, 배포 방식이 전부 미확정이다. 배포는 단일 모델 하나가 아니라 용도별 전용 에이전트로 쪼개져 나올 가능성도 남아 있다고 영상은 정리한다.

지연은 안전 문제였다

Astra 출시가 밀린 이유는 성능 미달이 아니었다. Reuters와 Axios 보도에 따르면 내부 평가에서 사이버보안 역량이 ‘critical’ 구간으로 분류됐고, OpenAI가 스스로 출시를 늦췄다. 회사는 미국 정부 관계자에게 이 상황을 알렸고, Sam Altman은 이 영역의 역량 때문에 시간이 더 필요하다고 직접 밝혔다.

이 대목이 실무자에게 주는 함의는 일정 예측 방식이 바뀐다는 것이다. 과거에는 ‘학습이 끝나면 출시’라는 단순한 모델이 통했지만, 이제는 내부 위험 평가 결과가 출시일을 뒤로 미는 독립 변수가 됐다. OpenAI Preparedness Framework 같은 정책 문서의 개정 내역이 로드맵 기사보다 먼저 신호를 주는 구조다.

동시에 이 지연은 능력의 부정이 아니라 확인이다. 위험 등급이 최상위로 올라갔다는 말은 모델이 그 영역에서 실제로 무언가를 할 수 있다는 뜻이기 때문이다. 능력 없는 모델은 위험 등급을 받지 않는다.

10조 파라미터는 어디서 나왔나

썸네일을 도배한 ‘10조 파라미터’는 출처가 단일 기사 한 건이다. 그 기사가 다시 인용되고 요약되면서 숫자만 살아남았고, 분석가들이 원문을 해부한 결과 검증 가능한 근거가 붙어 있지 않았다. OpenAI는 GPT-4 이후 파라미터 규모를 공식적으로 밝힌 적이 없다.

파라미터 수는 그 자체로 성능을 뜻하지도 않는다. 최근 경쟁 모델들은 sparse MoE(입력마다 내부 전문가 모듈 일부만 켜는 구조)를 쓰기 때문에 전체 파라미터와 실제 연산에 참여하는 파라미터가 다르다. 총량 숫자 하나로 두 모델을 비교하는 방식은 지금 구조에서 의미가 얇다.

지금 검증하는 순서

단계 1 — 1차 출처만 들어오는 경로를 만든다

OpenAI 공식 블로그 RSS와 Reuters AI 카테고리 피드를 텔레그램이나 슬랙 채널 하나에 연결한다. 목적은 정보를 더 많이 받는 것이 아니라 2차 요약과 썸네일 단정이 끼어들 자리를 없애는 것이다. 채널 이름을 ‘1차 출처’로 따로 두고, 유튜브·커뮤니티 요약은 그 채널에 넣지 않는다.

연결한 뒤에는 규칙을 하나 정한다. 새 모델 소식을 봤을 때 이 채널에 같은 내용이 없으면 판단을 보류하고 공유하지 않는다. 실무에서 잘못된 로드맵 정보로 의사결정이 흔들리는 비용이 알림 하나 놓치는 비용보다 크다.

단계 2 — 모델 카탈로그 표를 만든다

옵시디언이든 스프레드시트든 한 곳에 ‘AI 모델 카탈로그’ 노트를 만들고, 열을 공개 시점·컨텍스트 길이·확인된 강점·가격·출처로 고정한다. 행에는 지금 후보로 두는 모델을 전부 넣는다. GPT-5.6 Soul·Terra·Luna, Gemini 3.6/3.7, Claude Fable 5, Grok 4.6, Llama 4가 최소 구성이다.

중요한 규칙은 값을 모를 때 빈칸이나 추측 대신 ‘자료 없음’이라고 적는 것이다. 빈칸은 시간이 지나면 ‘확인했는데 없다’와 ‘아직 안 찾아봤다’가 구분되지 않는다. 출처 열에는 링크를 남겨서 나중에 그 숫자를 어디서 가져왔는지 되짚을 수 있게 한다.

단계 3 — Ultra mode를 실제 작업에 투입한다

GPT-5.6 Soul의 Ultra mode는 병렬 추론 에이전트 4개를 동시에 돌린다. 이 기능이 실제로 도움이 되는지는 벤치마크 점수로 알 수 없고, 본인 작업에 넣어 봐야 안다. 코드 리뷰 한 건, 자료 조사 한 건처럼 결과를 눈으로 검수할 수 있는 작업부터 붙인다.

기록 형식을 미리 정해 두면 비교가 가능해진다. 작업 종류, 걸린 시간, 사람이 고쳐야 했던 부분, 같은 작업을 단일 모드로 돌렸을 때와의 차이를 네 줄로 남긴다. 열 건쯤 쌓이면 Astra가 나왔을 때 ‘무엇이 좋아졌는지’를 인상이 아니라 기록으로 판정할 수 있다.

GPT-5.6과 경쟁 모델 대조

먼저 Astra와 현재 출시 모델의 확인 상태를 나란히 놓으면 무엇이 미정인지가 한눈에 보인다.

경쟁 모델과의 대조에서는 컨텍스트 길이가 축이 된다. 컨텍스트는 모델이 한 번에 읽어 둘 수 있는 텍스트 분량이고, 1M 토큰은 대략 중형 코드베이스 하나를 한 세션에 올릴 수 있는 규모다.

두 표를 겹쳐 보면 상황이 분명해진다. GPT-5.6은 코딩 벤치마크에서 Gemini를 단 몇 점 앞서는 데 그쳤고, 컨텍스트 길이에서는 Llama 4가 10M 토큰으로 격차를 벌려 놨다. 선두가 유지되고 있다기보다 선두 폭이 측정 오차 수준으로 좁아졌다고 보는 편이 실제에 가깝다.

이 구도가 Astra의 지연을 더 무겁게 만든다. 추격자들이 몇 달 단위로 새 버전을 내는 동안 OpenAI는 안전 평가를 이유로 출시를 미루고 있고, 그사이 컴퓨트 투자는 계속 커진다. OpenAI는 2030년까지 약 7,500억 달러를 컴퓨트에 쓸 계획을 세웠고, AMD GPU 6GW 확보, Broadcom과 함께 만드는 자체 추론칩 Jalapeno, Nvidia 자금 지원을 받는 오하이오 10GW 데이터센터가 그 계획의 실물이다. 훈련 비용만 2억 달러에서 10억 달러 이상으로 추산된다.

지금 할 두 가지

첫째, 모델 선택 기준을 벤치마크 점수에서 워크플로우 적합성으로 바꾼다. 코딩 벤치마크에서 GPT-5.6과 Gemini 격차가 몇 점에 불과하다면, 그 몇 점은 실제 작업 품질 차이보다 도구 연동·응답 지연·요금제·팀 협업 방식에 밀린다. 지금 쓰는 작업 세 가지를 골라 후보 모델 두 개에 똑같이 넣어 보고, 사람이 손대야 했던 분량으로 비교하는 편이 순위표를 읽는 것보다 정확하다.

판단 기준을 문서로 고정해 두면 새 모델이 나올 때마다 처음부터 다시 고민하지 않아도 된다. 단계 2에서 만든 카탈로그 표에 ‘우리 기준 점수’ 열을 하나 더해 직접 매긴 값을 적어 두는 방식이 간단하다.

둘째, 긴 컨텍스트가 필요한 작업은 Astra를 기다리지 말고 지금 검증한다. 대규모 문서 묶음이나 코드베이스 전체를 한 세션에서 다뤄야 한다면 이미 선택지가 있다. Llama 4는 10M 토큰 컨텍스트로 무료 공개돼 있어 로컬이나 클라우드에서 바로 실습할 수 있고, Gemini 3.7과 Claude Fable 5도 1M 토큰을 지원한다. 여기서 얻은 비용·품질 데이터가 나중에 Astra 가격이 공개됐을 때 비교 기준이 된다.

다만 이 두 번째 행동에는 추정이 하나 섞여 있다. Astra 가격이 100만 토큰당 2달러에서 50달러 사이로 형성되리라는 값과, Pro·Enterprise 등급에 먼저 열릴 가능성이 높다는 관측은 모두 분석가 추정이지 OpenAI 발표가 아니다. 추정이 틀려도 손해가 없도록, 지금 검증하는 워크플로우 자체는 특정 모델에 묶이지 않게 짜 두는 편이 안전하다.

같은 이유로 도입 일정을 Astra 출시에 연동해 잡는 계획은 권하기 어렵다. 출시 시기는 성능이 아니라 내부 안전 평가 결과에 달려 있고, 그 평가 결과는 외부에서 예측할 수 있는 성질이 아니다.

세 줄 판단 기준

OpenAI의 차세대 모델은 Astra이고, GPT-6도 10조 파라미터도 공식 확인을 거친 정보가 아니다. Astra는 실재하며 미해결 수학·CS 문제 10개 해결과 에이전트 코딩 진전이라는 결과를 남겼지만, 이름·가격·출시 시기·배포 방식은 전부 미정 상태로 남아 있다. 판단 기준을 공식 블로그와 Reuters·Axios 같은 1차 출처에 두면 다음 루머가 돌 때 다시 계산할 필요가 없다.

원문 출처

원문: 영상 원문 보기 — “Is OpenAI’s Next AI Really 10 TRILLION Parameters? The GPT-6 Story”, BitBiasedAI