GPT-6.2 Astra·Sol 정리: Codex·Copilot 코딩 모델 선택 기준
3줄 요약
- OpenAI가 어려운 프로젝트용 GPT-6.2 Astra와 일상 업무용 GPT-6.2 Sol을 공개했습니다. ChatGPT Work, Codex, API에서 쓸 수 있습니다 [1].
- GitHub Copilot에서도 정식 제공이 시작됐습니다. Pro+, Max, Business, Enterprise 사용자가 대상입니다 [3].
- Sol은 코딩 평가에서 Astra와 거의 같은 점수를 약 5분의 1 비용으로 냈습니다. 다만 커뮤니티 반응은 아직 엇갈립니다 [2][4].
무엇이 나왔나
Astra는 복잡한 전문 업무를 겨냥한 프런티어 모델입니다. 프런티어 모델은 해당 회사의 최상위 성능 모델을 뜻합니다. Sol은 효율과 범용성에 초점을 둔 모델입니다 [2]. 발표에 따르면 두 모델 모두 까다로운 작업에서 출력 토큰을 줄이면서 결과 품질을 높였습니다. 같은 사용 한도 안에서 더 많은 작업을 처리할 수 있다는 뜻입니다 [2].
API 모델 이름은 gpt-6.2-astra와 gpt-6.2-sol입니다 [4]. Simon Willison의 정리에 따르면 가격은 다음과 같습니다 [4].
- Astra: 입력 100만 토큰당 8달러, 출력 100만 토큰당 40달러입니다. 이전 GPT-6 Astra(10달러/50달러)의 80% 수준입니다. 캐시된 입력은 100만 토큰당 0.40달러로, 기존 1달러보다 크게 내려갔습니다.
- Sol: 입력 2달러, 출력 10달러로 6.1 Sol과 같습니다.
코딩 성능 지표도 나왔습니다. Cognition의 FrontierCode 2.0은 실제 코드베이스 변경이 유지관리자의 병합 기준을 통과하는지 보는 평가입니다. 이 평가에서 두 모델을 모두 최대 설정으로 돌렸더니 점수 차이가 0.5점 이내였고, Sol의 비용은 약 5분의 1이었습니다 [2]. Astra는 다단계 전문 업무 평가인 Agents' Last Exam에서 GPT-6 Astra보다 5.2점 높았고, 비용은 3분의 1 미만이었습니다 [2].
GitHub는 두 모델이 에이전트 코딩과 코드 리뷰를 위해 설계됐다고 설명합니다. 에이전트 코딩은 AI가 여러 단계를 스스로 진행하며 코드를 고치는 방식을 말합니다 [3]. 초기 테스트 기준으로 Sol은 GPT-6.1 Sol보다 코드 리뷰에서 실제 문제를 거의 두 배 찾아냈습니다. Astra는 GPT-6 Astra보다 리뷰 지적이 크게 늘었고, 에이전트 작업에 쓰는 토큰도 눈에 띄게 줄었습니다 [3].
어떻게 써먹나
1. 기본값은 Sol로 시작합니다. 코딩 벤치마크에서 두 모델의 점수 차이가 작고 비용 차이는 크므로, 일상적인 구현과 코드 리뷰는 Sol부터 쓰는 편이 합리적입니다 [2]. 발표에 따르면 OpenAI 직원 다수도 Sol을 기본 모델로 쓰고 있습니다 [2].
2. 길고 복잡한 작업에는 Astra를 씁니다. GitHub는 Astra를 에이전트 코딩과 터미널 작업용으로 소개합니다 [3]. 발표에 따르면 Astra는 작업 흐름에 맞춰 도구와 노력 수준을 고르는 능력이 좋아졌습니다. 기존 코드베이스에서 복잡한 변경을 구현하고 테스트하는 능력도 나아졌습니다 [2]. 초기 사용자들은 코드 스타일이 깔끔해지고 수정 반복이 줄었다고 전했습니다 [2].
3. 오래 도는 세션은 캐시 할인을 활용합니다. Willison은 Astra의 캐시 입력 가격 인하가 긴 에이전트 세션에 반가운 소식이라고 평가했습니다 [4]. 같은 맥락을 반복해서 넣는 장시간 작업이라면 비용 계산에 반영해 볼 만합니다.
4. Copilot에서는 모델 선택기로 고릅니다. VS Code, Visual Studio, Copilot CLI, Copilot coding agent, JetBrains IDE, Xcode, Eclipse, github.com, GitHub Mobile 등에서 모델을 선택할 수 있습니다 [3]. Business와 Enterprise 관리자는 Copilot 설정의 모델 정책에서 접근 권한을 관리합니다. 기본 설정에서는 관리자가 끄지 않는 한 새 모델이 자동으로 활성화됩니다 [3].
5. Codex에서는 노력 수준을 조절합니다. Willison은 Codex CLI에서 'Ultra' 노력 수준으로 두 모델을 시험했습니다 [4]. 작업 난이도에 따라 노력 수준을 바꿔 가며 비교해 볼 수 있습니다.
주의할 점
- 과금 방식: Copilot에서는 사용량 기반 요금제로, 모델 제공사의 정가가 그대로 청구됩니다 [3].
- 점진적 배포: Copilot 배포가 순차적으로 진행되므로 당장 모델이 보이지 않을 수 있습니다 [3].
- 보안 작업 제한: 사이버보안 역량이 Critical 기준에 도달하면서 고위험 요청 제한이 강화됐습니다. 이 때문에 일부 합법적인 취약점 연구와 보안 테스트도 막힐 수 있습니다 [2].
- 엇갈린 평가: Willison은 Astra가 여러 벤치마크에서 Claude Fable 5.2에 다소 못 미치고, 소통 방식이 헷갈린다는 불만도 있다고 전했습니다 [4]. Theo Browne의 피드백에 따르면 긴 작업 도중 사용자가 답하기 어려운 내부 구현 세부사항을 묻고 멈춘 사례도 있었습니다 [4]. 장시간 에이전트 작업은 중간 점검을 계획해 두는 것이 좋습니다.
- 결과물 품질 차이: Willison의 three.js 애니메이션 테스트에서는 두 모델 모두 Claude Fable 5.2, Gemini 4 Carbon보다 결과가 아쉬웠다고 합니다 [4].
- 벤치마크 출처: 발표된 수치 일부는 OpenAI 내부 평가입니다 [2]. 실제 프로젝트에서 얼마나 효율이 나는지는 아직 확인되지 않았습니다.
정리
GPT-6.2는 성능을 크게 끌어올리기보다 같은 비용으로 더 많은 작업을 하게 만드는 데 초점을 둔 업데이트입니다 [1][2]. 선택 기준은 단순합니다. 일상 코딩과 리뷰는 Sol, 길고 복잡한 에이전트 작업은 Astra로 나누면 됩니다. 다만 Astra의 소통 방식과 보안 요청 제한은 실제로 써 가며 확인해야 할 부분입니다 [2][4].
참고 자료
- Introducing GPT-6.2 Astra and Sol · OpenAI News, 2026-11-17
- GPT-6.2 Astra와 Sol - 전문 업무와 일상 작업의 성능 및 토큰 효율 개선 · GeekNews, 2026-11-17
- OpenAI’s GPT-6.2 Astra and GPT-6.2 Sol now available · GitHub Changelog, 2026-11-17
- GPT‑6.2 Astra and GPT‑6.2 Sol · Simon Willison, 2026-11-17