GPT-6 아스트라, 로봇 벤치마크서 '공간추론 도약'…오픈AI는 "지시문 줄이고 통제 풀어라"

더디코더(The Decoder)가 잇따라 보도한 두 건의 기사를 종합하면, 오픈AI의 새 모델 GPT-6 아스트라(Astra)를 둘러싼 평가와 활용법이 동시에 윤곽을 드러내고 있다. 한쪽에서는 로봇 벤치마크를 통한 공간추론 능력 검증 결과가, 다른 한쪽에서는 오픈AI가 직접 내놓은 개발자용 운용 지침이 공개됐다.

더디코더의 첫 번째 보도에 따르면 새로 등장한 로봇 벤치마크 '스테이셔너리벤치(StationeryBench)'는 GPT-6 아스트라와 앨런AI연구소(Ai2)의 몰모액트2(MolmoAct2)를 같은 조건에 세웠다. 두 모델은 동일한 듀얼암 YAM 로봇을 제어하며 마커 뚜껑 열기, 종이클립 쏟아내기, 두 팔 사이로 자 건네기 등 책상 위 물체를 다루는 다섯 가지 과제를 총 200회 수행했다. 결과는 아스트라가 100개 과제 중 7개를 완전히 끝냈고, 몰모액트2는 하나도 완수하지 못했다. 진행도 점수 중앙값은 아스트라 46점, 몰모액트2 12점(각 100점 만점)이었다. 실험 결과와 영상, 코드는 깃허브에 공개됐다.

코넬대와 구글 딥마인드 소속 AI 연구자 요아브 아르치는 아스트라를 두고 "공간추론의 단계적 변화(step change)"라고 평가했다. 아직 공개되지 않은 REMAP 벤치마크에서는 인간에 근접한 정확도를 기록했다고 그는 전했다. 다만 아르치 본인도 "다른 시나리오에서는 아스트라 역시 인간이 하는 수준에 이르지 못한다"고 단서를 달았다. 그는 오픈AI가 블렌더로 만든 3D 장면 같은 데이터를 대량 학습시켰을 것으로 추정했으나, 이는 개인적 추정일 뿐 학습 데이터 구성은 확인되지 않았다. 오픈AI가 장기적으로 자체 소비자용 로봇을 개발하겠다는 구상을 밝혀온 점도 함께 거론됐다.

두 번째 보도는 결이 다르다. 오픈AI의 에릭 프로벤처는 블로그를 통해 지나치게 긴 스킬 설명, 무조건적인 문서 읽기 요구, 경직된 승인 규칙이 오히려 아스트라의 발목을 잡는다고 지적했다. 스킬은 마크다운 파일로 저장된 프롬프트로, 이름과 설명이 모델 컨텍스트에 들어가 코덱스(Codex)가 적절한 스킬을 고르게 한다. 스킬이 너무 많으면 설명이 잘려 나가 선택에 필요한 정보가 사라진다는 것이다. 그는 범위를 짧고 정확하게 적을 것, 상세한 단계별 절차 대신 모델의 판단에 맡길 것, 오타 수정에까지 아키텍처·데이터베이스·배포 문서를 전부 읽히지 말 것을 권했다. 폐기용 데이터를 쓰는 로컬 테스트처럼 안전한 작업은 AGENTS.md에서 명시적으로 허용해 반복 확인을 줄이라는 조언도 담겼다. 이전 세대 모델의 폭주를 막으려 걸어둔 엄격한 승인 규칙은 아스트라 전환 시 재검토 대상이며, 모델이 옛 제약을 문자 그대로 해석해 작업을 멈출 수 있다는 설명이다. 제약이 없어도 아스트라는 GPT-5.6 솔(Sol)보다 일찍 멈추는 경향이 있어, '완료'가 무엇인지를 프롬프트에 미리 정의하라고 프로벤처는 강조했다. 공유 스킬은 팀원 모두의 에이전트에 적용되는 만큼, 솔이나 루나(Luna)에 맞춘 설정이 아스트라에는 과한 족쇄가 될 수 있다는 주의도 덧붙였다.

두 보도를 나란히 놓으면 강조점의 차이가 드러난다. 벤치마크 기사는 물리 세계에서의 능력 상승을, 지침 기사는 소프트웨어 에이전트 운용에서의 '손 놓기'를 말한다. 공통 전제는 하나다. 아스트라가 이전 세대보다 스스로 판단할 여지가 커졌다는 것. 다만 절대 수치를 보면 100개 과제 중 완수는 7개에 그친다. 경쟁 모델 대비 격차는 뚜렷하지만 과제 자체를 정복한 수준은 아니다. 능력 향상 주장과 실제 완주율 사이의 간극, 그리고 사용자 쪽에 쌓인 통제 장치를 얼마나 풀 것인가라는 판단이 함께 남는 셈이다.