GPT-6 Astra 추론 강도: 같은 답인데 max는 low의 2.3배

GPT-6 Astra에서 reasoning_effort: "max"는 low보다 2.3배 비싸지만, 검증된 11개 작업 모두에서 같은 답을 반환했다. 정확도에 영향을 준 유일한 설정은 none으로, 33회 실행 중 17회 실패했다(11개 작업, 각 3회). reasoning_effort는 모델이 답변 전에 수행하는 비공개 추론의 양을 정하는 요청 parameter다. 이 추론에는 출력 요율로 reasoning token 비용이 청구된다. 이 글에서는 none부터 max까지 순서대로 각 단계를 측정했다. 실제 단계는 문서와 다르다. API의 입력 검증은 7개 값을 허용한다고 안내하지만, 그중 하나인 minimal은 모든 모델에서 거부된다. 반대로 안내에 없는 disabled는 Astra에서 허용되지만 추론을 끄지 않는다. OpenAI의 출시 benchmark에 적힌 “모든 effort 중 최고값”도 이 점을 감안해 봐야 한다. 리더보드 점수는 가장 비싼 단계에서 나온다.

TL;DR

• GPT-6 Astra는 none과 disabled를 포함한 7개의 reasoning_effort 값을 허용한다. 문서에는 5개만 나오며 none은 지원하지 않는다고 적혀 있다.
• reasoning token을 0으로 만드는 값은 none뿐이며, 검증된 작업에서 33회 중 17회 실패했다. 나머지 단계는 모두 33회 중 33회 성공했다.
• disabled는 low의 151개보다 많은 243개의 reasoning token을 사용한다. 정확도는 같지만 정답당 비용은 54% 높다.
• 정가 기준으로 정답당 GPT-6 Astra 비용은 low에서 GPT-5.6 Sol의 1.57배, max에서는 2.57배다. 두 모델이 모두 맞힌 작업을 기준으로 했다.

GPT-6 Astra의 benchmark 성능은 어느 정도인가?

도구를 반복해서 호출하는 agent형 작업에서는 앞선다. 특히 terminal에서 모델이 직접 도구를 실행하는 작업에 강하다. 반면 Humanity’s Last Exam과 10개 평가를 종합한 독립 지표인 Artificial Analysis Intelligence Index에서는 Claude Fable 5.1보다 낮다. 모든 점수는 가장 높은 성과를 낸 effort에서 측정됐다. 아래 표는 OpenAI가 출시 페이지에 공개한 수치이며, 비교 열도 OpenAI가 선택한 그대로다.

우수한 결과와 함께 봐야 할 점이 3가지 있다.

• Astra가 Fable 5.1보다 7.8점 낮은 Humanity’s Last Exam 결과는 표에만 있고 본문에서는 언급되지 않는다.
• OpenAI가 직접 공개한 표에서 Astra는 Artificial Analysis 기준 Claude Fable 5.1, Claude Opus 5, Claude Fable 5보다 낮다. 현재 v4.2 리더보드에서는 Fable 5.1이 57점으로 1위, Astra가 55점으로 3위다.
• OpenAI에 따르면 사이버 보안 점수는 “운영 환경의 보호 장치 없이” 측정됐다. 실제 배포 모델은 개념 증명 exploit 작업을 “거부한다”.

표 아래 문장은 benchmark와 실제 비용을 연결한다. “평가 점수는 모든 effort 중 최고값입니다.” Artificial Analysis 리더보드는 각 모델을 effort 설정별로 한 번씩 싣는다. Astra는 xhigh에서 54점, max에서 55점을 받았다. 이 글의 나머지 부분에서는 이 점수에 드는 비용을 계산한다.

GPT-6 Astra가 허용하는 reasoning_effort 값은 무엇인가?

7개지만 API가 안내하는 값과 일치하지 않는다. 안내된 값 하나는 모든 모델에서 거부되고, 안내되지 않은 값 하나는 허용된다. 모델 페이지에는 low, medium, high, xhigh, max가 나오며, 이 모델은 “none reasoning effort를 지원하지 않는다”고 적혀 있다. API는 문서와 2번, 자체 검증 결과와 1번 충돌한다.

잘못된 값을 보내면 모델 처리 전에 요청 형식을 검사하는 첫 번째 검증 단계에서 허용 가능한 값 목록을 반환한다. GPT-6 Astra와 GPT-5.6 Sol 모두 같은 목록을 반환한다.

Invalid value: '__invalid__'. Supported values are: 'none', 'minimal', 'low', 'medium', 'high', 'xhigh', and 'max'.

각 값을 실제로 보내면 모델별 두 번째 검증 단계에서 첫 번째 검증이 안내한 값 중 일부를 거부한다. 200은 요청 성공, 400은 요청 거부를 뜻한다.

문서와 달리 none은 동작한다. minimal은 허용된다고 안내되지만 모든 모델에서 거부된다. 어디에도 나오지 않는 disabled는 Astra에서만 허용된다. 오류 메시지를 보면 현재 gpt-6-astra alias가 가리키는 날짜별 build도 확인할 수 있다. gpt-6-astra-2026-09-03이다.

none과 disabled는 추론을 끄는가?

none은 추론을 끄며, 그렇게 동작하는 유일한 값이다. 이름과 달리 disabled는 일반적인 중간 단계다. 먼저 로컬에서 완전 탐색으로 정답을 계산한 11개 작업을 사용했다. 따라서 정답표 자체가 틀릴 가능성은 없다. 같은 규칙을 40번 연속 적용하는 작업, 3가지 제약 조건이 있는 경우의 수 문제, 배낭 문제, 진법 변환, 7의 222제곱을 1000으로 나눈 나머지, 그리고 더 짧은 6개 작업이다. 모든 7개 effort에서 작업당 3회씩 실행했다. disabled를 거부하는 Sol에서는 6개 effort를 사용했다. 요청은 OpenAI Chat Completions API 호환 endpoint를 거쳤다. GPT-6 Astra에서 가장 어려운 5개 작업의 결과는 다음과 같다.

정답당 비용은 작업과 effort 조합에 사용한 비용을 정답을 낸 실행 횟수로 나눈 값이다. 정확도가 20%인 설정은 정답 하나를 얻기 위해 5회 실행 비용을 내야 한다. 성능이 급락하는 구간은 한 단계뿐이다. 두 모델 모두 low 이상에서는 11개 작업 전체에서 33회 중 33회 성공했다. none은 Astra에서 33회 중 16회, Sol에서 33회 중 21회 성공했다. 반복 map 작업에서 Astra는 3회 실행할 때마다 서로 다른 오답을 반환했다. 단계에 따라 서서히 성능이 낮아지는 구조가 아니다. 추론을 켜면 풀고, 끄면 추측한다.

함정은 disabled다. low, medium, high보다 많은 reasoning token을 사용하며, 정확도는 같은 100%인데도 정답당 비용이 low보다 54% 높다. 꺼짐을 뜻하는 이름을 가진 이 값보다 정답당 비용이 높은 설정은 xhigh와 max뿐이다.

max는 low보다 무엇이 나은가?

이 작업들에서는 아무것도 없다. 가격만 2.3배다. 호출당 비용은 $0.01946과 $0.00851이지만 둘 다 정확도는 100%다. reasoning token은 low의 151개에서 max의 370개로 늘며, 모두 출력 token 100만 개당 $50 요율로 청구된다.

이 수치를 benchmark 표와 함께 봐야 한다. “모든 effort 중 최고값”을 보고한다는 것은 가장 높은 점수를 낸 단계의 결과를 쓴다는 뜻이다. 독립 리더보드에서 Astra의 최고 결과는 max이며, xhigh보다 1점 높다. 측정 결과 max는 바로 아래 단계보다 1.3배 비싸다. 출시 benchmark와 비슷한 workload라면 추가 effort가 비용만큼의 성과를 낼 수 있다. 이 글의 작업과 비슷하다면 그렇지 않다. 먼저 자체 작업을 low에서 측정해야 어느 쪽인지 알 수 있다.

GPT-6 Astra의 정답당 비용은 GPT-5.6 Sol의 2.5배인가?

low에서는 아니다. 1.57배다. max에서는 맞다. 2.57배다. 정가는 vendor의 자체 페이지에 공개된 token당 가격이다. Astra는 입력 100만 token당 $10, 출력 100만 token당 $50다. Sol은 각각 $4와 $20다. 두 수치는 2026-09-07 기준 OpenAI의 Astra 및 Sol 모델 페이지에서 가져왔다. 따라서 입력과 출력 모두 정가 차이는 2.5배다. [GPT-5.6 Sol과 GPT-6 Astra 비교 페이지](/compare/models/gpt-5-6-sol-vs-gpt-6-astra/)에서는 현재 catalog 가격을 확인할 수 있다. 아래 정답당 비용은 11개 작업의 token 사용량에 각 모델의 정가를 적용해 계산했다. 두 모델 모두 low 이상에서 33회 중 33회 성공했다.

낮은 단계에서는 Astra가 같은 답을 내기까지 Sol보다 적은 reasoning token을 사용한다. 11개 작업의 low 기준 호출당 평균은 Astra 91개, Sol 158개다. 이 때문에 가격 차이가 줄어든다. 높은 단계로 올라가면 Astra의 reasoning token이 더 빠르게 증가한다. max에서는 Astra 249개, Sol 242개다. 이때 정답당 비용 차이는 정가 차이와 같아진다.

이 결과가 보여주는 범위는 제한적이다. 두 모델 모두 low 이상에서 정확도 100%이므로 이 작업 집합으로는 성능 차이를 구분할 수 없다. 두 모델이 모두 맞힌 답의 비용만 비교할 수 있으며, parameter 하나에 따라 1.6배에서 2.6배까지 달라진다. 반대로 OpenAI의 출시 페이지에서는 agent 작업에서 Astra가 더 저렴하다고 보고한다. Terminal-Bench 4.0의 작업당 추정 API 비용은 Sol보다 “약 9%”, Fable 5.1보다 “약 63%” 낮다. token당 가격이 비싸더라도 더 적은 token으로 더 많은 작업을 해결하면 전체 비용은 낮아질 수 있다. workload가 다르면 결과도 달라진다. 어느 경우든 effort 설정이 비용을 결정한다.

JSON schema나 tool call이 추론 비용을 늘리는가?

low에서는 늘리지 않지만 medium에서는 늘린다. 한 단계짜리 작업을 3가지 형태로 요청했다. 08:15에 2시간 37분을 더하는 문제를 일반 요청, 엄격한 response_format JSON schema 형태, 강제 tool call 형태로 보냈다. JSON schema에서는 응답이 제공한 구조와 일치해야 한다. 강제 tool call에서는 tool_choice를 하나의 함수로 고정해 모델이 반드시 그 함수를 호출하도록 했다. 4개 effort에서 각각 3회 실행했다. 아래는 GPT-6 Astra의 평균 reasoning token, 전체 청구 출력 token에서 차지하는 비율, 호출당 비용이다.

low는 필요한 만큼 0까지 내려간다. 단계가 없는 작업에서는 reasoning token을 사용하지 않아 none과 비용이 같다. 앞의 다단계 작업에서는 작업당 16개에서 345개의 token을 사용했고, none이 무너진 작업도 정확히 풀었다. 따라서 low가 실질적인 최저 단계다. 응답 형태 자체가 비용의 원인은 아니다. low에서 schema나 tool call이 추가하는 reasoning token은 0개에서 4개다. 반면 추론할 내용이 없는 작업인데도 medium에서는 일반 요청과 schema에서 reasoning token이 출력 token의 57%에서 67%, tool call에서는 18%를 차지한다. 같은 추출 작업을 schema 안에서 처리하면 medium이 low보다 1.6배 비싸고, 일반 요청에서는 2.2배 비싸다. 7월의 GPT-5.6 비용 가이드에서도 같은 제품군에서 이 설정이 비용을 좌우했다. Sol은 변화가 더 작다. 일반 요청과 schema에서는 모든 effort에서 reasoning token이 0개이며, 강제 tool call에서는 medium 이상에서 14개에서 18개를 사용한다.

비용을 낸 추론 내용을 확인할 수 있는가?

OpenAI의 2개 API surface 중 하나에서만 가능하다. 기존 Chat Completions endpoint와 새 Responses endpoint는 같은 모델을 지원하고 비용도 같은 방식으로 청구한다. 같은 질문을 medium으로 각 surface에서 3회 실행했다.

token 수 차이는 잡음 범위다. 비용 청구 방식은 같고, 차이는 지불한 추론 내용을 볼 수 있느냐뿐이다. 출력 token 100만 개당 $50인 상황에서는 endpoint가 이 차이를 결정한다. 문서도 tool calling에는 Responses를 사용하도록 안내한다(“GPT-6 Astra는 Chat Completions를 지원하지만 tool calling에는 Responses가 필요합니다”). 따라서 도구를 사용하는 workload는 필수적으로 추론 내용을 확인할 수 있는 surface를 사용하게 된다.

GPT-5.6에서 그대로 유지되는 것은 무엇인가?

contract 대부분이 유지된다. 직접 측정한 결과는 다음과 같다.

• Tokenizer. 같은 900단어 text를 GPT-6 Astra, GPT-5.6 Sol, GPT-5.6 Luna, GPT-5.5, GPT-5.4, GPT-5.2에서 token화했을 때 모두 prompt token 1,017개였다. 5.x에서 측정한 prompt 크기를 Astra에도 그대로 적용할 수 있다. 다시 계산할 필요가 없다.
• Parameter. Astra와 Sol 모두 temperature에 400을 반환한다(“이 모델에서는 지원하지 않음”). top_p와 logprobs도 같다. 엄격한 JSON schema를 사용한 response_format은 두 모델 모두 schema에 맞는 출력을 반환한다. 16보다 작은 max_tokens는 두 모델 모두 거부한다.
• Sol의 max. 7월에는 Chat Completions를 통해 GPT-5.6 Sol에 reasoning_effort: "max"를 보내면 400이 반환됐다. 지금은 허용되며 Sol은 이 설정에서 33회 중 33회 성공했다.

다음 내용은 직접 측정하지 않고 문서에서 확인했다. context window는 1,050,000개 token이며, 최대 입력은 922,000개, 최대 출력은 128,000개다. 입력 token이 272K를 넘으면 입력 및 cache 요율이 2배로 청구된다. GPT-5.6 제품군과 같은 기준이며, vendor 전반에서 측정한 방식도 같다. cache read는 100만 개당 $1, cache write는 $12.50다. 새 prompt_cache_options.ttl: "30m" parameter가 prompt_cache_retention을 대체한다. OpenAI가 최대 2배 빠르다고 설명하는 유료 옵션인 Fast mode는 표준 가격의 2배다.

Synthorai의 처리 방식

gateway는 문서에 나오지 않는 값까지 포함해 reasoning_effort를 변경 없이 전달한다. 요청별 usage record에는 completion_tokens 및 청구 비용과 별도로 reasoning_tokens가 저장된다. 위의 모든 표는 이 데이터를 기반으로 작성했다. 각 요청에 사용한 effort, 소비한 reasoning token, 실제 비용을 요청 단위로 바로 확인할 수 있으며 월간 합계에서 역산할 필요가 없다.

FAQ

GPT-6 Astra는 reasoning_effort none을 지원하는가?

지원한다. 문서에는 지원하지 않는다고 적혀 있지만 API는 GPT-6 Astra와 GPT-5.6 Sol 모두에서 허용한다. reasoning token을 0으로 반환하는 유일한 값이기도 하다. 검증된 작업 집합에서는 33회 중 17회 실패했다. 단순 조회나 변환에는 쓸 수 있지만 여러 단계가 필요한 작업에는 적합하지 않다.

GPT-6 Astra에서 reasoning_effort disabled는 어떻게 동작하는가?

추론한다. disabled는 GPT-6 Astra에서 허용되지만 GPT-5.6 Sol에서는 거부된다. 문서나 API가 안내하는 어떤 목록에도 나오지 않는다. 어려운 작업 집합에서 호출당 reasoning token은 243개로, low의 151개보다 많았고 정확도는 같았다. 추론을 끄는 switch가 아니라 비싼 중간 단계 alias로 취급해야 한다.

GPT-6 Astra의 기본 reasoning_effort는 무엇으로 설정해야 하는가?

low다. GPT-6 Astra에서 한 단계짜리 작업에는 reasoning token을 사용하지 않았고, 다단계 작업에는 작업당 16개에서 345개를 사용했다. none이 33회 중 16회 성공한 작업에서 low는 33회 모두 성공했다. max는 같은 답을 내면서 비용만 2.3배였다. 자체 작업을 평가했을 때 더 높은 단계가 실제 결과를 바꾸는 경우에만 특정 호출의 설정을 올려야 한다. 모든 호출에서 값을 명시하고 usage block에서 reasoning token 수를 확인하라.

resp = client.chat.completions.create(
    model="gpt-6-astra",
    reasoning_effort="low",
    messages=[{"role": "user", "content": prompt}],
)
print(resp.usage.completion_tokens_details.reasoning_tokens)

2026-09-07에 OpenAI 호환 Chat Completions surface를 통해 측정했으며, 추론 내용 공개 여부 비교에는 Responses endpoint도 사용했다. 로컬에서 완전 탐색으로 정답표를 만든 11개 작업, 7개 effort 값, 모델별 각 조합당 3회 실행으로 구성했다. 응답이 cache에서 제공되지 않도록 요청마다 고유 suffix를 붙인 salted prompt를 사용했고, 비용은 요청별 usage accounting에서 가져왔다. Benchmark 수치는 OpenAI 출시 표와 Artificial Analysis 리더보드에서 같은 날 수집했다. GPT-5.6 Sol 대비 정답당 비용은 각 모델의 문서상 정가와 token 수를 이용해 계산했다.

관련 글: 13개 모델의 thinking 제어 방식, GPT-5.6 비용 가이드, Claude Opus 5 비용, 긴 context 가격 구간, prompt cache write 비용.

← 블로그로 돌아가기