GPT-6 Astra는 코드를 얼마나 잘 쓰나? Coding Agent 실측: 속도, Token, 비용과 실제 프로젝트 완료율

출시 페이지는 GPT-6 Astra를 「코드를 가장 잘 쓰는 모델」이라고 부른다. 청구서는 다른 숫자다. 단가는 이전 세대의 약 2.5배, 사고 단계는 low부터 max. 팀을 진짜 멈추는 것은 「랭킹에서 몇 점 높은가」가 아니라 같은 ticket이다. 벽시계는 몇 분인지, 토큰은 얼마나 썼는지, 월말은 얼마인지, 첫 diff를 머지해도 되는지.

일상 셸은 대개 Codex다. 제품이 어떻게 갈라지는지는 Claude Code, Codex, Gemini 3.8 Flash 비교, 돈이 어떻게 겹치는지는 AI Coding Agent 월 비용은 결국 얼마. Fable과 같은 프로젝트로 맞대는 이야기는 GPT-6 Astra vs Claude Fable 5.1: 누가 진짜 코드를 더 잘 쓰나. 아래는 Astra 자신만 네 축으로 나눈다. 속도, 토큰, 비용, 완료율.

공개 완료율은 무엇을 재는가

2026년 9월 OpenAI 출시 페이지의 소프트웨어 공학 숫자(지식 컷오프 2026-04-30)는 대략 이렇다.

Artificial Analysis는 Codex 안 Astra에 62를 주고, Claude Code의 Fable 5.1과 같다. 숫자는 맞아도 정의는 다르다. 공식 표, 제3자 harness, 「테스트 초록 + 리뷰어가 머지해도 됨」은 완료율 세 종류다.

벽시계 속도와 사고 단계를 어떻게 읽을까

Astra의 reasoning.effort는 low / medium / high / xhigh / max다. 단계를 올릴수록 루프, 브라우저 검증, 맹목적인 apply-patch 대신 실행이 늘고 벽시계와 토큰이 같이 오른다.

출시 페이지의 벽시계는 두 줄 더 있다.

• Codex harness 갱신 후 Mind2Web에서 GPT-5.6 Sol보다 약 1.9× 빨리 끝난다.
• OSWorld 2.0: Astra 약 72.6% / 40분, Sol 약 65.7% / 75분(시간은 약 47% 짧다).
• API Fast는 표준의 약 2배 속도, 요금도 약 2배.

같은 저장소, 같은 「비동기 CSV 내보내기」 ticket에서 Astra는 큐·재시도·CI를 더 먼저 초록으로 만드는 편이다. 빈 상태와 로딩 문구는 두 번째 라운드가 되기 쉽다. 벽시계가 짧다고 리뷰가 한 번에 통과하지는 않는다.

토큰 사용량과 단가가 어긋나는 이유

표시 가격은 Sol의 $4 / $20에서 $10 / $50(100만 입력 / 출력)로 약 2.5배. 캐시 읽기 $1, 캐시 쓰기 $12.50. 토큰당은 비싸다. 같은 일에서는 「말이 적어」 토큰이 줄 수 있다.

Artificial Analysis의 Codex max에서 Astra는 작업당 토큰이 Sol의 약 3분의 1. 작업당 비용은 약 $7.09로, 같은 점수의 Fable 5.1보다 약 40% 싸고 Sol max보다 약 15%만 비싸며 지수는 더 높다. Intelligence Index에서 Astra max 출력은 약 27k, Fable 쪽은 78k 근처가 많다.

읽는 법은 하나다. 단가만 비교하지 마라. 짧고 실행이 촘촘한 일은 2.5× 스티커를 상쇄한다. 같은 큰 저장소를 반복해 읽고 긴 컨텍스트 할증까지 밟으면 청구서가 뒤집힌다.

한 번 작업 청구서에 아직 뭐가 남았나

Plus / Pro에는 보통 Astra 할당이 들어 있다. 무한 max는 아니다. 중간 크기 Agent 턴에 저장소·로그·실패 궤적을 창에 다 넣으면 먼저 맞는 것은 $10 줄이 아니라 272K 할증이다. 머신이 잠들면 Prompt Cache가 끊기고 「계속」이 전체 입력이 된다. 가장 억울한 재워밍이다. 월별 네 장부는 비용 글에 있다.

실제 저장소에서 완료율은 어디서 떨어지나

「실제 프로젝트 완료율」은 총랭킹보다 세 열이 낫다.

1. 평가 완료: Terminal-Bench는 Sol 대비 크게 뛴다. DeepSWE는 +1.4점뿐—짧은 패치는 원래 가깝다.
2. 데모 완료: 큐, 인증, 재시도는 Astra가 더 일찍 손을 드는 편이다.
3. 머지 완료: 빈 상태, 비활성 상태, 모듈 간 위험 설명은 여전히 사람 한 줄이나 한 라운드가 더 필요한 경우가 많다.

떨어지기 쉬운 세 곳. 리뷰가 UI를 본다. 두 번째 라운드에서 공유 쿼리나 캐시 키를 건드리는 데 「먼저 읽기 전용, 그다음 최소 diff」를 안 적는다. 토큰을 아끼려 컨텍스트를 자르다 제약을 빠뜨린다. 제3자 공개 사례에는 low로 중간 규모 마이그레이션이 약 30분·약 11달러에 끝난 이야기도 있다. 그건 「돌아갔다」이지 「안 읽고 머지」가 아니다.

일상에서 단계와 한도를 어떻게 둘까

1. 기본은 medium 또는 high. max는 모듈을 가로지르는 리팩터용. low는 정찰과 재현 스크립트.
2. Fast를 야간 기본값으로 두지 마라. 데모 급하면 된다. 긴 리팩터는 단가를 한 번 더 곱한다.
3. 가능하면 272K 아래. ticket을 바꿀 때는 /clear. 실패 로그를 /compact로 밀어 넣는 것보다 싸다.
4. 머신을 깨워 두라. 뚜껑을 한 시간 닫으면 캐시가 사라지고 다음은 전체 입력이다.
5. 인수는 세 열. 초록만 보면 완료율이 랭킹에 끌려간다.

# 같은 ticket을 세 열로
벽시계(분) | 입력 / 출력 / 캐시 토큰 | 바로 리뷰에 넣어도 되나