GPT-6 아스트라(Astra), 무엇이 달라졌나 — 일상과 업무에서 주목할 변화
GPT-6 아스트라(Astra)의 공개 자료를 살펴보면 여러 분야에서 높아진 성능 점수가 눈에 들어옵니다. 하지만 AI를 일상과 업무에 사용하는 입장에서는 그 숫자만으로 변화를 체감하기 어렵습니다. 자료를 더 꼼꼼하게 읽는지, 원하는 형식의 문서를 만드는지, 여러 단계의 일을 덜 헤매고 처리하는지가 더 궁금합니다.
아스트라는 이런 면에서 얼마나 나아졌을까요? 특히 저는 AI가 화면을 보고 프로그램을 조작하는 ‘Computer Use’의 발전이 흥미로웠습니다. 이미 가능한 기능이지만, 필요한 버튼을 더 정확히 찾고 작업을 더 빠르게 끝낸다면 활용도는 달라질 수 있습니다. 긴 자료를 다루는 능력과 결과물의 품질, 자신의 작업을 정확하게 설명하는 능력도 함께 살펴볼 부분입니다.
이 글에서는 OpenAI의 공식 자료와 해외 초기 사용자들의 사례를 바탕으로 아스트라의 주요 변화를 정리했습니다. 공개된 성능 도표를 참고로, 각각의 개선이 우리가 하는 일에 어떤 도움이 될 수 있는지 풀어보겠습니다.
GPT-6 아스트라(Astra)의 주요 변화
OpenAI는 아스트라에서 추론, 코딩, 컴퓨터 사용과 전문 업무 수행 능력을 개선했다고 발표했습니다. 여러 단계의 작업을 처리하는 능력과 함께 문서·스프레드시트·발표 자료의 품질도 강조했습니다. 기존 양식과 사용자의 문체를 따르고, 작업에 필요한 내용을 골라 결과물에 담도록 훈련했다는 설명입니다.
긴 작업을 이어가는 방식도 주요 개선점입니다. OpenAI에 따르면 이전 모델은 작업 도중 들어온 추가 지시를 새로운 목표로 받아들여 원래 요청이나 조건을 놓치는 경우가 있었습니다. 아스트라는 추가 요구사항을 반영하거나 중간 질문에 답하면서도 기존 작업의 목표를 유지하는 능력이 나아졌다고 합니다.
사용자의 지시를 해석하고 작업 범위를 지키는 능력에도 변화가 있습니다. OpenAI는 아스트라가 문맥으로 판단할 수 있는 부분은 처리하되, 답에 따라 결과가 달라질 수 있는 부분은 사용자에게 묻도록 개선했다고 설명합니다. 내부 평가에서는 자신의 능력이나 사용할 수 있는 기능을 부정확하게 설명하는 문제도 GPT-5.6 Sol보다 줄었다고 밝혔습니다.
여러 단계의 업무를 처리하는 능력
OpenAI는 아스트라(Astra)의 업무 수행 능력을 보여주는 지표로 AutomationBench를 제시했습니다. 여러 애플리케이션에 걸쳐 단계가 이어지는 업무를 AI가 끝까지 처리할 수 있는지 평가하는 시험입니다.
평가 환경을 조금 더 들여다보면 어떤 능력을 시험하는지 분명해집니다. AutomationBench는 고객 관리, 이메일, 일정 관리 같은 업무용 서비스를 모사한 환경에서 진행됩니다. AI는 프로그램끼리 데이터를 주고받는 연결 방식인 API를 이용해 필요한 정보를 조회하고 수정합니다. 이 과정에서 사용할 기능을 스스로 찾고, 주어진 업무 규칙도 따라야 합니다. 화면에서 버튼을 찾아 누르는 능력과는 평가 방식이 다릅니다. 출처: AutomationBench 논문
채점은 작업이 끝난 뒤 각 시스템에 남은 데이터를 확인하는 방식입니다. 과제에 정해진 조건을 모두 충족해야 성공으로 인정하며, 일부 단계만 제대로 처리한 경우는 완료율에 포함하지 않습니다. 따라서 이 지표에서 살펴볼 부분은 AI가 필요한 도구를 골라 쓰고, 여러 단계에 걸쳐 요구사항을 지키면서 일을 마무리하는 능력입니다. 출처: AutomationBench 공식 문서
그래프의 세로축은 과제 완료율, 가로축은 API 비용입니다. 위쪽에 있을수록 더 많은 과제를 완료했고, 왼쪽에 있을수록 비용이 적게 들었다는 뜻입니다. 일부 경쟁 모델은 비용에 따른 곡선 대신 발표된 점수만 가로선으로 표시돼 있습니다. 이 모델들은 완료율을 비교할 수 있지만, 그래프만으로 비용까지 비교할 수는 없습니다.
OpenAI가 공개한 최고 점수는 아스트라 41.4%, GPT-5.6 Sol 18.1%, Claude Fable 5.1 31.4%, Claude Opus 5 26.9%입니다. 아스트라는 Sol보다 23.3%포인트, Fable 5.1보다 10%포인트 높은 결과를 기록했습니다.
일반 사용자에게 중요한 부분은 여러 프로그램에 걸친 일을 하나의 요청으로 맡기는 능력입니다. OpenAI는 실제 활용 방식으로 온라인 조사를 수행하고 이메일이나 문서 편집기에서 요약문을 작성하는 작업을 소개합니다. AutomationBench는 이처럼 여러 단계로 이어지는 업무를 처리하는 능력을 살펴보는 지표입니다. 다만 이 활용 예시가 해당 시험의 개별 과제였다는 뜻은 아닙니다.
41.4%는 이 시험에서의 완료율입니다. 업무 처리 속도가 두 배가 됐다거나, 모든 일상 업무에서 같은 비율로 성공한다는 의미는 아닙니다. 공개된 결과에서 확인할 수 있는 것은 아스트라가 비교 모델보다 이 평가의 과제를 더 많이 완료했다는 점입니다.
화면을 더 정확히 읽고, 컴퓨터 작업을 이어가는 능력
Computer Use는 AI가 화면을 보고 마우스와 키보드로 프로그램을 조작하는 기능입니다. 기존 모델도 할 수 있었던 일입니다. 아스트라에서 살펴볼 변화는 필요한 조작 위치를 얼마나 정확히 찾고, 여러 단계의 작업을 얼마나 효율적으로 처리하느냐에 있습니다. 이를 나누어 보여주는 평가가 ScreenSpot-Pro와 OSWorld 2.0입니다.
ScreenSpot-Pro: 필요한 버튼을 정확히 찾는가
ScreenSpot-Pro는 화면 이미지와 지시를 주고, 그 지시에 해당하는 버튼이나 메뉴의 위치를 찾도록 하는 평가입니다. AI가 예측한 지점이 정답으로 지정된 영역 안에 들어오는지를 확인합니다. 기술적으로는 이런 능력을 ‘GUI Grounding’이라고 부릅니다. 사용자의 말과 화면 속 조작 위치를 연결하는 능력입니다.
평가에는 워드·엑셀·파워포인트뿐 아니라 디자인과 설계 프로그램의 화면도 포함됩니다. 고해상도 화면에 작은 아이콘과 메뉴가 빽빽하게 배치되어 있어, 글자만 읽는 것으로는 충분하지 않습니다. 연구진에 따르면 찾아야 하는 요소의 크기는 평균적으로 전체 화면 면적의 0.07%에 불과합니다. 출처: ScreenSpot-Pro 논문
OpenAI가 공개한 도구 미사용 조건의 점수는 아스트(Astra)라 92.7%, GPT-5.6 Sol **76.9%**입니다. 아스트라가 15.8%포인트 높습니다. 여기서 높은 점수는 지시에 맞는 화면상의 위치를 더 정확히 찾았다는 뜻입니다. 출처: OpenAI 공식 발표
일반 사용자에게는 문서 편집기의 메뉴나 프로그램의 작은 아이콘을 AI가 제대로 찾아가는 능력과 연결됩니다. 실제 평가에도 파워포인트에서 댓글을 표시하는 기능의 위치를 찾는 문제가 들어 있습니다. 다만 이 시험은 해당 위치를 찾는 데까지 평가합니다. 버튼을 누른 뒤 문서를 원하는 상태로 완성하는 능력은 별도로 살펴봐야 합니다. 출처: ScreenSpot-Pro 평가 범위와 예시
OSWorld 2.0: 프로그램을 조작해 일을 얼마나 처리하는가
OSWorld 2.0은 실제 운영체제와 애플리케이션 환경에서 여러 단계의 업무를 수행하도록 합니다. 화면에서 위치를 찾는 것에 더해, 필요한 정보를 확인하고 작업 순서를 이어가는 능력까지 평가합니다. OpenAI가 비교에 사용한 것은 인터넷 연결 없이 실행할 수 있는 오프라인 과제 집합입니다. 출처: OSWorld 2.0 공식 페이지, OpenAI 평가 조건
가로축은 API 비용, 세로축은 평가 점수입니다. 같은 모델에 여러 점이 있는 것은 추론 강도를 달리한 결과를 표시했기 때문입니다. 위쪽일수록 점수가 높고, 왼쪽일수록 비용이 적게 들었습니다.
공개된 최고 점수는 아스트라(Astra) 72.6%, GPT-5.6 Sol 65.7%, Claude Opus 5 **70.2%**입니다. 주의해서 읽어야 할 부분은 이 수치가 부분 점수를 반영한 평가 결과라는 점입니다. 과제 안의 여러 평가 항목을 얼마나 충족했는지 반영하므로, 72.6%의 업무를 처음부터 끝까지 완수했다는 뜻은 아닙니다. 출처: OpenAI 결과표, OSWorld 2.0 채점 방식
처리 시간에서도 차이가 보고됐습니다. OpenAI의 지연 시간 시뮬레이션에서는 아스트라가 과제당 약 40분에 72.6%, Sol이 약 75분에 65.7%를 기록했습니다. 해당 조건에서 아스트라는 약 47% 적은 시간으로 더 높은 점수를 얻었습니다. 실제 ChatGPT에서 모든 작업이 그만큼 빨라진다는 의미는 아니지만, 수행 능력과 대기 시간을 함께 살펴볼 수 있는 결과입니다. 출처: OpenAI 공식 발표
초기 사용자는 어디에서 차이를 느꼈을까
AI 관련 글을 쓰는 Matt Shumer는 아스트라에 뉴스레터 업무와 브라우저를 통한 이메일 확인, 광고 캠페인 작업을 맡겼다고 소개했습니다. 특히 직접 연동을 설정하지 못한 상황에서도 브라우저를 이용했고, 이메일을 다시 읽지 않은 상태로 남겨두라는 자신의 선호도 따랐다고 적었습니다.
그가 유용하게 본 부분은 익숙하지 않은 광고 관리 화면에서 기능의 위치를 일일이 알아내는 부담을 덜었다는 점입니다. 이는 한 초기 사용자의 경험이지만, Computer Use가 실제 업무에서 어떤 역할을 하는지 보여주는 구체적인 사례입니다. 화면을 조작하는 능력에 더해, 사용자가 원하는 처리 방식까지 유지하는지가 활용도를 좌우한다는 관점으로 읽을 수 있습니다. 출처: Matt Shumer, My GPT-6 Astra Review
긴 자료에서 필요한 내용을 얼마나 정확히 찾는가
AI에 긴 자료를 맡길 때는 입력할 수 있는 분량과 그 안의 내용을 정확히 활용하는 능력을 함께 봐야 합니다. 여러 문서를 넣을 수 있더라도, 질문에 해당하는 내용을 다른 부분과 혼동하면 원하는 답을 얻기 어렵습니다. 아스트라의 장문 처리 능력은 OpenAI가 공개한 MRCR v2 평가에서 살펴볼 수 있습니다.
Long Context: 비슷한 내용 사이에서 원하는 답을 찾는 능력
MRCR은 긴 대화 속에 비슷한 요청과 답변을 여러 번 넣고, 그중 지정된 답변을 찾아 재현하도록 하는 평가입니다. OpenAI의 설명에는 같은 주제의 시를 여러 번 작성하게 한 뒤, 그중 두 번째 시를 돌려달라고 요청하는 예시가 나옵니다. 주제뿐 아니라 등장 순서까지 구별해야 하는 시험입니다.
아스트라(Astra)의 결과표에 나온 ‘8-needle’은 같은 요청이 여덟 번 포함된 조건을 뜻합니다. 채점할 때는 찾아낸 답변과 정답 문장의 유사도를 계산합니다. 따라서 점수는 단순히 몇 문제를 맞혔는지만 나타내는 것이 아니라, 지정된 내용을 얼마나 정확히 재현했는지도 반영합니다. 출처: OpenAI MRCR 공식 설명
표의 ‘256K–512K’와 ‘512K–1M’은 평가에 사용한 텍스트 분량의 구간입니다. 단위는 AI가 글을 처리할 때 사용하는 ‘토큰’으로, 글자 수나 문서 페이지 수와 일치하지는 않습니다.
256K–512K 구간에서 아스트라는 100.0%, GPT-5.6 Sol은 **91.5%**를 기록했습니다. 더 긴 512K–1M 구간에서는 각각 **96.3%와 73.8%**로, 격차가 22.5%포인트로 벌어졌습니다. 두 구간을 비교하면 아스트라는 텍스트가 길어진 조건에서도 점수가 상대적으로 적게 떨어졌습니다. 출처: OpenAI 공식 결과표
이 결과에서 확인할 수 있는 개선은 긴 대화 속 비슷한 내용들을 구별하고, 요청받은 내용을 정확히 찾아내는 능력입니다. 여러 차례 수정한 초안이나 누적된 대화를 다룰 때도 어떤 내용을 가리키는지 구별하는 일이 필요합니다. 다만 이 시험만으로 복잡한 문서의 논리를 이해하거나, 자료 사이의 모순을 찾아내는 능력까지 입증되는 것은 아닙니다. 96.3%를 ‘문서 내용의 96.3%를 이해한다’는 뜻으로 읽어서는 안 됩니다.
여러 문서를 비교하는 업무에서는 어떻게 쓰였을까
문서 검토에 적용한 사례로는 법률·전문 업무용 AI 서비스를 제공하는 Legora가 있습니다. OpenAI가 소개한 사례에 따르면, Legora의 에이전트는 아스트라를 이용해 41개 문서에 걸친 재무제표 대조 작업을 한 번의 실행으로 처리했습니다. 재무제표 초안의 숫자를 관련 명세와 전년도 자료 등에 맞춰 확인하고, 각 점검 내용을 기록하는 작업이었습니다.
Legora는 이 작업이 수분 내에 진행됐으며, 평가를 위해 자료에 심어 둔 오류 네 개를 모두 찾았다고 보고했습니다. 최종 판단은 전문가가 맡고, AI가 작성한 대조 기록을 검토하는 방식입니다. 출처: OpenAI의 Legora 사례
이 사례는 앞의 MRCR 점수와 별개의 업무 적용 결과입니다. MRCR이 긴 입력에서 특정 내용을 찾아내는 능력을 보여준다면, Legora 사례는 여러 문서의 항목을 대조하고 확인 기록을 남기는 활용 모습을 보여줍니다. 일반 사용자의 관점에서도 관심을 둘 부분은 자료를 얼마나 많이 넣을 수 있느냐와 함께, 필요한 내용을 찾아 비교하고 검토할 근거를 남길 수 있느냐입니다.
문서와 발표 자료의 완성도는 얼마나 나아졌나
자료를 읽고 분석하는 것만큼 중요한 것은 그 내용을 어떤 결과물로 정리하느냐입니다. 업무용 문서에는 정해진 양식이 있고, 발표 자료에는 전달해야 할 핵심과 순서가 있습니다. OpenAI는 아스트라에서 기존 템플릿을 따르고, 사용자의 문체와 시각적 스타일에 맞춰 결과물을 만드는 능력을 개선했다고 설명합니다.
기존 양식에 맞추고, 필요한 내용을 골라 담기
OpenAI가 강조한 부분은 문서·스프레드시트·발표 자료의 구성입니다. 아스트라는 기존 양식을 따르면서 핵심을 간결하게 전달하고, 작업과 관련된 내용을 골라 결과물에 담도록 훈련됐다고 합니다. 자료에 들어 있다는 이유만으로 불필요한 정보까지 반복하지 않도록 했다는 설명입니다. 출처: OpenAI 공식 발표
공식 페이지의 ‘Document styling’ 사례에서는 가상의 회사 안내 문서를 다른 브랜드의 참고 PDF에 맞춰 바꾸는 모습을 보여줍니다. 원래 문서의 내용을 유지하면서 참고 자료의 디자인과 문체를 적용하는 작업입니다. 또 ‘Formatting a legal document’에서는 LibreOffice Writer에서 법률 문서의 제목, 간격, 페이지 배치를 정리하는 사례를 소개합니다. 출처: OpenAI 문서 제작 시연
일반 사용자의 업무로 풀어보면, 기존 보고서나 회사 소개서의 형식을 유지하면서 새로운 내용을 정리하는 일과 연결됩니다. 결과물의 품질을 볼 때도 내용이 들어갔는지에 더해, 제목과 본문의 구분이 적절한지, 양식이 일관되는지, 읽는 사람에게 필요한 정보가 잘 드러나는지를 함께 살펴볼 수 있습니다. 공식 사례는 아스트라가 이런 편집 작업을 수행하는 모습을 보여줍니다.
문서 형식을 맞추는 능력과 취향을 반영하는 능력
초기 사용자들의 평가는 조금 더 나뉩니다. Matt Shumer는 아스트라가 작업 상황을 쉬운 말로 간결하게 설명해 이해하기 편했다고 평가했습니다. 반면 자신의 글쓰기 취향을 반영하게 만드는 데에는 다른 업무만큼 좋은 결과를 얻지 못했다고 적었습니다. 시각적 취향과 이미지·그래픽 같은 시각 자료 제작에서는 여전히 Claude를 선호한다고도 밝혔습니다. 출처: Matt Shumer의 초기 사용기
정해진 문서 양식을 따르는 능력, 내용을 읽기 좋게 구성하는 능력, 개인이 원하는 문체와 디자인을 구현하는 능력은 구분해서 볼 필요가 있습니다. OpenAI의 발표와 제작 사례는 앞의 두 부분에서 개선 방향을 보여줍니다. 다만 이를 모든 글쓰기와 디자인 작업에서 더 만족스러운 결과를 낸다는 평가로 확대하기는 어렵습니다.
자신이 할 수 있는 일을 얼마나 정확히 설명하는가
AI에게 일을 맡길 때는 작업 능력만큼 설명의 정확성도 중요합니다. 어떤 기능을 사용할 수 있고 어디까지 처리할 수 있는지 알아야, 사용자도 그에 맞춰 일을 맡길 수 있기 때문입니다. 아스트라의 환각 관련 개선에서도 이 부분을 따로 살펴볼 필요가 있습니다.
Capability Hallucination Rate: 자신의 능력을 잘못 설명하는 비율
OpenAI가 공개한 ‘Capability Hallucination Rate’는 모델이 자신의 능력이나 사용할 수 있는 기능에 대해 부정확하게 설명하는 문제를 평가합니다. 지식 질문에 얼마나 정확히 답하는지와는 평가 대상이 다릅니다. OpenAI 공식 발표
가로축은 문제를 해결하면서 생성한 토큰 수인 ‘Solution tokens’, 세로축은 자신의 능력에 대해 잘못 설명한 비율입니다. 이 그래프는 선이 아래에 있을수록 좋은 결과를 나타냅니다.
표시된 평가 지점에서 아스트라의 오류율은 5.0%에서 2.0%, GPT‑5.6 Sol은 16.3%에서 9.4% 범위에 있습니다. 두 모델의 각 지점이 정확히 같은 토큰 수에서 측정된 것은 아니지만, 공개된 곡선에서는 아스트라가 전반적으로 더 낮은 오류율을 보입니다. 공식 도표
사용자 관점에서 주목할 부분은 AI가 자신이 할 수 있는 일을 더 정확하게 안내하는지입니다. 작업을 시작하기 전에 가능 범위를 파악하는 데 관련된 개선이라고 볼 수 있습니다. 다만 이 수치를 모든 답변의 정확도로 바꿔 읽어서는 안 됩니다. 오류율 2.0%는 아스트라의 모든 답변이 98% 정확하다는 뜻이 아닙니다.
사실과 다른 답변을 만드는 문제도 줄었을까?
일반적인 사실 오류는 별도의 평가에서 다뤘습니다. OpenAI는 이전 모델의 답변 중 사용자가 사실 오류를 신고한 대화를 비식별화해 평가 자료로 사용했습니다. 여기서는 답변에 오류가 하나라도 있는지, 사용자가 지적했던 특정 오류를 다시 반복하는지를 각각 확인했습니다.
OpenAI에 따르면 아스트라는 GPT‑5.6 Sol보다 사실 오류가 적었고, 사용자가 신고한 오류를 반복하는 경우도 줄었습니다. 특히 응답 지연이 짧고 추론 설정이 낮은 조건에서 개선이 두드러졌다고 설명합니다. OpenAI 시스템 카드 — Hallucinations
다만 이 평가는 원래 오류가 발생하기 쉬웠던 사례를 모아 진행했습니다. 따라서 여기서 나온 오류율을 평소 ChatGPT를 사용할 때의 오류 발생률로 받아들여서는 안 됩니다. 공개 자료가 보여주는 것은 기존 모델이 틀렸던 까다로운 상황에서 답변의 정확성이 개선됐다는 점이며, 환각 문제가 해결됐다는 의미는 아닙니다.
외부에서는 어떻게 평가했을까?
공식 발표와 함께 외부의 시각도 살펴볼 필요가 있습니다. AI 개발자이자 블로거인 사이먼 윌리슨(Simon Willison)은 아스트라 공개 당시 글에서 주요 성능 향상을 소개하면서도, 모든 평가에서 앞서는 것은 아니라고 짚었습니다. Artificial Analysis의 종합 지능 평가와 코딩 에이전트 평가에서 서로 다른 결과가 나왔다는 점을 함께 다뤘습니다. 다만 그는 당시 아스트라를 직접 사용하지 못했다고 밝혔으므로, 이 글은 사용 후기보다 공개 자료를 검토한 분석에 가깝습니다. Simon Willison의 Astra 분석
직접 사용한 맷 슈머(Matt Shumer)의 평가에도 아쉬운 점은 있었습니다. 그는 일상 업무에서 아스트라를 높이 평가하면서도, 응답 속도가 기대보다 느리고 장시간 진행하는 복잡한 작업에서는 세부 사항에 몰두해 진행이 정체될 수 있다고 설명했습니다. 특히 큰 프로젝트에서는 작업을 나누고 조율하는 방식이 여전히 중요하다고 봤습니다. 이는 한 초기 사용자의 경험이지만, 작업 능력의 향상과 완전한 자율 수행 사이에 아직 차이가 있음을 보여주는 사례입니다. Matt Shumer의 사용 후기
공식 도표에도 비교 조건이 붙어 있습니다. OpenAI는 성능 비교표의 점수가 여러 추론 설정 중 가장 높은 결과이며, 연구 환경이나 API에서 평가했다고 명시합니다. 실제 ChatGPT에서는 시스템 지침과 사용할 수 있는 도구 등이 달라 결과에 차이가 생길 수 있습니다. 따라서 공개 점수는 모델의 능력을 판단하는 근거로 보되, 평소 사용하는 서비스에서 항상 같은 결과가 나온다는 의미로 읽기는 어렵습니다. OpenAI 평가 조건
아스트라의 변화가 일반 사용자에게 의미하는 것
지금까지 살펴본 자료에서 눈에 들어오는 것은 기존 기능의 완성도입니다. 여러 단계의 업무를 처리하고, 화면에서 필요한 요소를 찾고, 긴 자료에서 정보를 구분하는 능력이 각각의 평가에서 개선됐습니다. 문서 제작 사례와 초기 사용기에서는 이러한 능력이 실제 결과물로 이어지는 모습도 확인할 수 있었습니다. 이를 종합하면 아스트라의 변화는 AI에게 익숙한 일을 맡겼을 때 얼마나 정확하고 일관되게 처리하는가에 초점을 맞춰 이해할 수 있습니다.
저는 그중에서도 Computer Use의 발전이 가장 흥미롭습니다. 이미 있던 기능이지만, 화면을 더 정확히 읽고 여러 조작을 이어가는 능력은 AI에게 맡길 수 있는 업무와 직접 연결되기 때문입니다. 자료를 찾는 일부터 문서를 만들고 프로그램을 조작하는 일까지, 이번에 공개된 결과들은 AI가 실제 업무를 처리하는 능력이 어느 부분에서 나아졌는지 보여줍니다. 아스트라를 주목하는 이유도 여기에 있습니다.
FAQ
GPT-6 아스트라(Astra)는 이전 모델보다 무엇이 나아졌나요?
OpenAI의 공개 평가에서는 여러 단계의 업무 수행, 화면 인식과 컴퓨터 조작, 긴 자료에서 필요한 정보를 찾는 능력이 개선됐습니다. 자신의 능력을 부정확하게 설명하거나 사실과 다른 답변을 만드는 문제도 이전 모델보다 줄었습니다. 다만 개선 폭은 평가 항목에 따라 다릅니다.
Computer Use는 아스트라에서 처음 나온 기능인가요?
아닙니다. AI가 화면을 보고 마우스와 키보드로 프로그램을 조작하는 기능은 기존에도 있었습니다. 아스트라에서 주목할 부분은 기능의 등장보다, 화면의 목표 지점을 얼마나 정확히 찾고 여러 단계의 작업을 얼마나 잘 처리하는지가 개선됐다는 점입니다.
긴 문서를 넣으면 내용을 모두 정확하게 이해하나요?
그렇게 단정할 수는 없습니다. 본문에서 소개한 Long Context 평가는 긴 대화 속에서 지정된 응답을 찾아 재현하는 능력을 측정합니다. 높은 점수가 문서의 모든 내용을 이해하거나 복잡한 해석까지 정확하게 수행한다는 뜻은 아닙니다.
아스트라는 환각 문제가 해결됐나요?
아직 해결됐다고 볼 수는 없습니다. OpenAI는 이전 모델보다 사실 오류와 자신의 능력에 대한 잘못된 설명이 줄었다고 보고했습니다. 다만 Capability Hallucination Rate 도표의 오류율을 모든 답변의 오류율로 해석해서는 안 됩니다.
일반적인 업무에서는 어떤 활용 사례가 있나요?
공식 자료와 초기 사용기에는 문서 양식과 서식 정리, 여러 재무 문서의 수치 대조, 브라우저를 통한 이메일과 광고 업무 등이 소개돼 있습니다. 각각 특정 환경에서 확인된 사례이며, 실제로 수행할 수 있는 범위는 사용하는 서비스에 연결된 도구와 접근 권한에 따라 달라집니다.
같이 읽으면 좋은 글
ChatGPT 데스크톱 앱, 아직 많은 사람들이 모르는 진짜 변화
