OpenAI 아스트라(Astra) 성능과 다른 모델 비교 정리

아스트라(Astra)는 OpenAI가 다음 주요 모델 계열로 예고한 이름입니다. 2026년 8월 1일에 공개된 수학 증명 모음과 워싱턴에서 진행된 비공개 시연으로 존재가 알려졌고, 2026년 8월 3일 기준으로 아직 출시되지 않았습니다.

이름이 알려진 방식이 조금 특이합니다. OpenAI는 새 모델을 소개하는 발표 대신 수학 논문을 먼저 내놓았고, 그 안에서 결과를 만든 주체를 밝히는 형태로 이름이 드러났습니다. 그래서 지금 시점에는 성능표도, 가격도, 출시일도 없는 상태에서 결과물만 먼저 놓여 있습니다.

이 글에서는 확인된 사실과 아직 확인되지 않은 것을 나눈 뒤, 지금 쓸 수 있는 모델들과 무엇이 다른지 정리합니다.

아스트라 발표에서 확인된 사실

OpenAI가 공개한 249쪽 논문의 초록 페이지. 내부 모델이 얻은 결과라는 문장으로 시작해 고차원 구 채우기부터 극단 그래프 이론까지 10개 결과가 번호대로 나열되어 있다

위 이미지는 OpenAI가 공개한 논문의 초록입니다. 첫 문장은 "내부 OpenAI 모델이 얻은 결과 모음을 제시한다"로 시작합니다. 논문 본문에는 아스트라라는 이름이 한 번도 나오지 않고, 결과를 만든 주체를 내부 모델이라고만 적어 두었습니다. 아스트라라는 이름은 같은 날 나온 발표 글과 이후 언론 보도로 알려졌습니다.

함께 공개된 것은 다음 세 가지입니다.

249쪽 분량의 논문: 10개 결과의 증명 전문
Lean 4 형식 증명 저장소: 누구나 내려받아 기계로 검증할 수 있는 형태
62쪽 분량의 발견 과정 노트: 각 문제를 어떤 순서로 풀어 나갔는지 재구성한 문서

아스트라 발표에서 검증 가능한 형태로 공개된 것은 수학 증명 10건입니다. 모델 자체의 성능 지표나 사양은 공개되지 않았습니다.

공개 저장소에는 결과마다 하나씩 Lean 파일이 들어 있고, 파일을 받아 직접 빌드해 볼 수 있도록 빌드 명령까지 적혀 있습니다. 주장만 내놓은 것이 아니라 검증 수단을 함께 낸 형태입니다.

수학 난제 10건의 내용

논문이 다룬 10개 결과는 다음과 같습니다.

#	주제	결과
1	고차원 구 채우기	밀도 상한을 개선하고 관련 문제를 점근적으로 해결
2	이진 부호와 구면 부호	기존 상한을 모든 구간에서 지수 규모로 개선
3	비소픽 군	비소픽 군을 명시적으로 구성
4	콘의 강직성 추측	반례를 구성해 추측을 반증
5	산술 회로 복잡도	퍼머넌트 계산의 새로운 하한 제시
6	양자 병렬 반복	모든 유한 2인 얽힘 게임으로 확장
7	최근접 벡터 문제	3SAT에서 직접 환원해 근사 난해성 증명
8	에르하르트 부피 추측	모든 차원에서 정확한 상한 증명
9	다색 램지 수	초지수 하한 증명, 에르되시 183번 문제 해결
10	조밀성과 축퇴성	극단 그래프 이론의 두 추측을 반증

이 가운데 가장 많이 언급되는 것은 3번입니다. 비소픽 군의 존재 여부는 1999년에 개념이 제시된 뒤 27년 동안 증명도 반증도 되지 않은 문제였습니다.

이 글에서 수학 결과 자체를 평가하기는 어렵지만, 형식만 보고 판단할 수 있는 부분이 하나 있습니다. 자연어로 쓴 증명은 사람이 검토해야 참인지 알 수 있는데, Lean으로 형식화한 증명은 기계가 검사합니다. 증명 과정에 빈틈이 있으면 빌드가 실패합니다.

이번 결과가 다른 발표와 갈리는 지점은 난이도가 아니라 검증 방식입니다. 점수를 발표한 것이 아니라 검사 가능한 증명 파일을 공개했습니다.

Q. 기계 검증을 거쳤으면 결과가 옳다고 봐도 되나요? A. 형식화한 문장이 원래 풀려던 문제와 같은지는 사람이 확인해야 합니다. 기계는 적어 놓은 문장이 증명되는지만 검사합니다. 다만 증명 자체에 논리적 빈틈이 없다는 점은 확인된 셈이라, 검증 부담이 크게 줄어드는 것은 맞습니다.

멀티 에이전트 장기 작업이라는 방향

OpenAI가 함께 공개한 발견 과정 노트의 초록. 원래의 사고 흐름과 완성된 논문을 함께 읽은 AI 모델이 작성했다는 설명이 적혀 있다

위 문서는 각 문제가 어떻게 풀렸는지 정리한 노트입니다. 어떤 발상이 처음 길을 열었고, 어떤 접근이 막혔고, 어떤 관점 전환이 구조를 드러냈는지를 문제별로 재구성했습니다.

여기서 드러나는 작업 방식이 아스트라의 방향과 이어집니다. 한 번의 질문에 한 번 답하는 방식이 아니라, 계획을 세우고 시도하고 막히면 되돌아가는 과정을 오래 반복하는 쪽입니다.

보도에 따르면 샘 올트먼은 7월 말 워싱턴에서 상원의원들과 정부 관계자들에게 이 모델을 비공개로 시연했고, 복잡한 작업을 잘게 나눈 뒤 여러 에이전트에게 맡겨 함께 처리하는 과정을 보여 주었다고 합니다. 여러 에이전트가 몇 시간에서 며칠까지 협업하는 것이 핵심 기능으로 소개됐습니다.

아스트라가 내세우는 방향은 응답 속도나 대화 품질이 아니라, 여러 에이전트를 오래 돌려 하나의 어려운 문제를 끝까지 밀어붙이는 작업 방식입니다.

다른 모델과 비교했을 때의 위치

제목의 질문에 먼저 답하면, 2026년 8월 3일 기준으로 아스트라가 얼마나 뛰어난지는 비교할 수 없습니다. 공개된 벤치마크 점수가 없기 때문입니다. 대신 비교할 수 있는 축은 따로 있습니다.

비교 축	아스트라	지금 쓸 수 있는 모델들
사용 가능 여부	미출시. 내부 테스트 단계로 알려짐	GPT-5.6 계열, 클로드, 제미나이 모두 사용 가능
공개된 성능 근거	기계 검증 가능한 수학 증명 10건	벤치마크 점수와 실사용 후기
내세우는 강점	여러 에이전트의 장기 협업	코딩, 추론, 멀티모달 등 모델마다 다름
검증 방식	제3자가 증명을 직접 빌드해 확인 가능	점수를 그대로 받아들이거나 직접 써 봐야 함
이름과 계보	Sol, Terra, Luna에 이은 계열. 정식 명칭 미정	이미 확정된 이름과 버전

이 표에서 눈에 띄는 것은 네 번째 줄입니다. 벤치마크 점수는 발표자가 측정한 값이라 그대로 확인하기 어려운 반면, 이번에 공개된 증명은 제3자가 파일을 받아 빌드해 볼 수 있습니다. 성능 주장을 이렇게 검증 가능한 형태로 내놓는 경우는 드문 편입니다.

장기 자율 작업 능력은 다른 회사도 이미 강조해 온 영역입니다. 클로드 최상위 모델이 여러 시간 연속으로 작업을 이어 갔다는 평가 결과가 알려져 있고, 제미나이는 추상 추론 계열 평가에서 강한 성적을 보인다는 이야기가 있습니다. 다만 이런 수치는 측정 기관과 조건에 따라 달라지므로 그대로 비교하기는 어렵습니다.

Q. 그러면 아스트라가 나오면 지금 쓰는 모델을 갈아타야 하나요? A. 판단할 근거가 아직 없습니다. 가격과 응답 속도, 도구 지원 범위가 공개되지 않아서 비교 자체가 성립하지 않습니다. 지금 쓸 모델을 고르는 문제라면 이미 출시된 모델끼리 비교하는 편이 낫고, 그 비교는 GPT-5.6 Sol, Terra, Luna 모델과 Claude, Gemini 사용법 비교에 정리해 두었습니다.

아직 확인되지 않은 것

지금 시점에서 공개되지 않은 항목을 정리하면 다음과 같습니다.

출시일: 미정
정식 이름: GPT-6가 될지, GPT-5.7이 될지, 별도 계열이 될지 미정으로 알려짐
가격과 요금제: 미공개
컨텍스트 창과 모델 크기: 미공개
공개 벤치마크 점수: 없음
도구 지원 범위와 안전성 문서: 미공개

아스트라라는 이름조차 잠정 명칭이라는 보도가 있습니다. 연구에 쓰인 내부 모델과 나중에 제품으로 나올 모델이 같은 것인지도 확인되지 않았습니다.

아스트라를 두고 지금 세울 수 있는 계획은 없습니다. 확인된 것은 방향과 결과물이고, 도입 판단에 필요한 정보는 어느 것도 공개되지 않았습니다.

Q. 수학 난제를 풀었다면 일반 업무에서도 그만큼 잘하나요? A. 그렇게 이어진다고 보기는 어렵습니다. 이번 결과는 정답 여부를 기계로 확인할 수 있는 문제들이었고, 그런 문제는 모델이 스스로 채점하며 오래 시도할 수 있습니다. 문서 작성이나 기획처럼 정답이 하나로 정해지지 않는 일은 조건이 다릅니다.

실무에서 지금 해 볼 수 있는 것

아스트라를 기다리는 동안에도 같은 방향을 미리 시험해 볼 수는 있습니다. 여러 에이전트를 나누어 오래 돌리는 방식이라면 이미 나와 있는 도구로도 어느 정도 구현됩니다.

작업을 나누어 각각 다른 세션에 맡깁니다. 조사, 초안, 검토를 한 대화에서 다 시키지 않고 나누면 결과가 달라집니다.
검증 수단을 먼저 만듭니다. 이번 발표의 핵심도 결과가 아니라 검증 가능한 형태였습니다. 테스트나 검사 규칙을 먼저 두면 모델이 오래 돌아도 결과를 믿을 수 있습니다.
한 번에 끝내려 하지 않습니다. 계획, 시도, 되돌아가기를 반복하도록 두는 편이 긴 작업에서는 결과가 낫습니다.

이 방식에 익숙해지면 새 모델이 나왔을 때 무엇이 좋아졌는지 판단할 기준이 생깁니다.

3줄 요약:

아스트라는 OpenAI가 다음 주요 모델 계열로 예고한 이름이고, 2026년 8월 3일 기준 미출시 상태입니다.
공개된 것은 기계로 검증할 수 있는 수학 증명 10건과 여러 에이전트의 장기 협업이라는 방향뿐이며, 가격과 출시일과 벤치마크는 모두 미공개입니다.
성능을 다른 모델과 직접 비교할 단계가 아니므로, 지금 쓸 모델은 이미 출시된 모델끼리 비교해서 고르는 편이 낫습니다.