먼저 답부터 말하면, 평소 작업은 Astra Low로 시작해도 충분합니다. 다만 Low로 고정할 필요는 없습니다. Low로 시작하고, 놓치면 Medium으로 올리고, High와 xhigh는 정말 필요한 일에만 쓰면 됩니다.
모델 선택 창에 Low라고 적혀 있으면 보통 "절약 모드", "쉬운 일용", "힘을 덜 쓰는 쪽"이라고 생각하게 됩니다.
그런데 GPT-6 Astra의 Low는 이름과 달리 꽤 셉니다.
Artificial Analysis의 같은 평가에서 Astra Low는 GPT-5.6 Sol xhigh보다 종합 점수(Intelligence Index)가 높았습니다. AI가 코딩 작업을 스스로 해내는지 보는 일부 평가에서는 차이가 더 컸고, 이 평가 기준으로는 작업당 비용도 Astra Low가 더 낮았습니다.[1]
그러면 이런 생각이 들죠.
"그냥 Astra Low로 계속 쓰면 되는 거 아냐?"
이름표만 Low입니다. 본인은 전혀 겸손하지 않아요.
1. 먼저 숫자부터: Sol xhigh와 Astra Low/Medium/High/xhigh
2026년 9월 12일에 확인한 Artificial Analysis 수치는 다음과 같습니다.[1][2][3][4]
| 설정 | Intelligence Index | AutomationBench-AA | Terminal-Bench v4.0 | SciCode | AA 작업당 비용 | 출력 토큰/작업 | 추론 토큰/작업 |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Sol xhigh | 44 | 55% | 25% | 57% | $1.18 | 약 20k | 약 10k |
| GPT-6 Astra Low | 46 | 59% | 42% | 54% | $0.82 | 약 4k | 약 938 |
| GPT-6 Astra Medium | 50 | 65% | 49% | 54% | $1.54 | 약 10k | 약 3k |
| GPT-6 Astra High | 51 | 67% | 54% | 55% | $1.72 | 약 12k | 약 5k |
| GPT-6 Astra xhigh | 53 | 67% | 60% | 56% | $2.31 | 약 17k | 약 9k |
46과 44를 보고 "4.5% 더 똑똑하다"고 읽으면 안 됩니다. Intelligence Index는 여러 평가를 하나로 합친 점수라서, 가격이나 거리처럼 비율로 따질 수 있는 숫자가 아닙니다.
정확히 말하면 같은 평가에서 Astra Low가 46점, Sol xhigh가 44점이었습니다. AI가 터미널에서 작업을 스스로 처리하는 Terminal-Bench v4.0에서는 42% 대 25%로 차이가 컸습니다.[1]
반대로 SciCode는 Sol xhigh가 57%, Astra Low가 54%입니다. 모든 면에서 Astra Low가 더 낫다는 뜻은 아닙니다.[1]
2. 이상한 가격표: 토큰 단가는 2.5배인데 Low는 작업당 더 쌌다
OpenAI 공식 API 가격은 단순합니다.[5][6]
| 모델 | 입력 1M | 캐시된 입력 1M | 출력 1M |
|---|---|---|---|
| GPT-5.6 Sol | $4 | $0.40 | $20 |
| GPT-6 Astra | $10 | $1 | $50 |
같은 양의 토큰을 쓰면 Astra는 Sol의 2.5배입니다.
Work/Codex 공식 크레딧 비율도 같습니다. Astra는 100만 토큰당 250 / 25 / 1,250, Sol은 100 / 10 / 500 크레딧입니다.[7]
그런데 Artificial Analysis에서는 작업당 Astra Low가 $0.82, Sol xhigh가 $1.18이었습니다.[1]
이유는 간단합니다. 단가가 비싸도 쓰는 토큰이 훨씬 적으면, 작업 하나의 총액은 더 낮아질 수 있습니다.
같은 평가에서 Sol xhigh는 작업당 출력 약 20k, 추론 약 10k 토큰을 썼고, Astra Low는 약 4k와 938을 썼습니다.[1]
비싼 택시는 목적지까지 곧장 갔고, 싼 택시는 동네를 세 바퀴 돌고 도착한 셈입니다.
다만 $0.82와 $1.18은 Artificial Analysis가 자기 평가 작업으로 낸 가중 평균입니다. 내 Codex 작업의 청구액이 꼭 이렇게 나온다는 뜻은 아닙니다.[1]
3. OpenAI도 Low나 Medium부터 시작하라고 한다
OpenAI의 Work/Codex용 Astra 사용 안내는 모델을 고르는 일과 생각하는 정도(추론 강도)를 따로 정한다고 설명합니다.[8]
생각하는 정도가 낮은 설정은 빠른 답이 필요하거나 사용량을 아끼고 싶을 때의 출발점입니다. Medium은 속도와 깊은 추론의 균형을 잡는 설정입니다. 높은 설정은 정말 어려운 문제용입니다.[8]
또 Astra Low가 Sol High보다 나을 수 있다고 분명히 적혀 있고, Sol High로 좋은 결과를 얻어 온 사람은 Astra Low나 Medium부터 써 보라고 권합니다.[8]
더 중요한 말도 있습니다. 생각하는 정도를 높인다고 결과가 항상 좋아지지는 않습니다.[8]
제일 비싼 장비를 샀다고 모든 보스가 저절로 쓰러지는 게임이 아닙니다.
4. 어떤 일을 Low에 맡기면 좋을까?
목표, 파일, 끝나는 조건이 분명한 일이라면 Low를 기본으로 두기 좋습니다.
예를 들면 이런 일입니다.
- 요구사항이 분명한 구현
- 기존 코드의 일부만 고치기
- 리팩터링(동작은 그대로 두고 코드를 정리하는 일)
- 테스트 추가
- 일반적인 코드 리뷰
- 이미 알려진 오류 조사
- 요약과 비교표
- 정해진 규칙대로 반복하는 작업
이런 일은 오래 생각한다고 더 잘되지 않습니다. 짧게 생각해서 정확히 끝내고 다음으로 넘어가는 편이 전체로는 더 빠릅니다.
OpenAI는 생각하는 정도를 올리기 전에, 지시가 분명한지, 필요한 파일과 연결된 앱, 권한이 주어졌는지부터 확인하라고 안내합니다. 더 오래 생각해도 없는 정보나 권한이 생기지는 않습니다.[8]
파일을 안 줬는데 xhigh면 알아서 꿰뚫어 보겠지, 라는 기대는 접어 두세요.
5. Low에서 Medium으로 올릴 때
Low가 분명한 요청을 한 번 놓쳤다고 바로 xhigh로 갈 필요는 없습니다. 먼저 올릴 곳은 Medium입니다.
Medium이 잘 맞는 경우는 다음과 같습니다.
- 여러 파일에 걸친 의존 관계
- 애매한 요구사항
- 원인 후보가 여럿인 버그
- 설계 선택지 사이의 저울질
- 긴 구현 계획
- 실패하는 테스트를 보면서 고치는 일
Astra Medium은 Intelligence Index 50, Terminal-Bench v4.0 49%, 작업당 $1.54였습니다.[2]
Low의 46 / 42% / $0.82보다 확실히 높지만, 가장 무거운 설정은 아닙니다.
Medium은 "Low는 좀 대충이었는데, 그렇다고 탱크까지 부를 일은 아닐 때" 꺼내는 보스전 장비입니다.
6. High와 xhigh는 언제 쓸까?
Medium으로도 핵심 문제를 계속 놓치거나, 설계 변경의 부작용이 크거나, 동시 처리·속도·보안·데이터 이전처럼 틀리면 고치는 비용이 큰 일에는 High를 고려할 만합니다.
Astra High는 Index 51, Terminal-Bench 54%, 작업당 $1.72입니다.[3]
Medium보다 낫지만, 모든 일을 High로 고정할 만큼 큰 차이는 아닙니다.
xhigh는 가장 어려운 근본 원인 분석, 오래 맡겨 두는 작업, 조건이 얽힌 대규모 개편, 실패하면 비싼 단판 승부에 어울립니다. Index 53, Terminal-Bench 60%로 이번 다섯 설정 중 가장 높고, 작업당 비용도 $2.31로 가장 높습니다.[4]
매번 xhigh를 쓰는 건 편의점 갈 때마다 헬기를 타는 것과 같습니다.
가능하고, 강하고, 아마 도착합니다. 그래도 기름값 이야기는 해야죠.
7. 그럼 Sol xhigh는 이제 필요 없을까? 그렇지 않다
Astra Low가 아무리 매력적이어도 "Sol은 끝났다"고 하기엔 이릅니다.
첫째, 평가마다 승자가 다릅니다. SciCode에서는 Sol xhigh가 57%, Astra는 Low/Medium 54%, High 55%, xhigh 56%였습니다.[1][2][3][4]
둘째, 같은 토큰 수라면 Sol의 공식 단가가 Astra보다 60% 낮습니다. Astra Low가 작업당 더 싼 것은 그 평가에서 토큰을 훨씬 적게 썼기 때문이고, 실제 작업에서도 그렇다는 보장은 없습니다.[5][6][1]
셋째, 실제 프로젝트에는 평가에 없는 사정이 있습니다. 독특한 빌드 방식, 팀 내부 규칙, 도구, 권한, 긴 작업 이력 같은 것들입니다.
벤치마크는 지도입니다. 우리 집 현관 계단의 높이까지는 재 주지 않습니다.
8. 실전 규칙: Low로 시작하고, 필요할 때만 올린다
| 상황 | 추천 |
|---|---|
| 평범한 새 작업을 시작할 때 | Astra Low |
| 지시와 접근 권한은 충분한데 핵심을 한 번 놓쳤을 때 | Astra Medium |
| Medium도 핵심을 놓칠 때 / 어려운 설계 | Astra High |
| High로도 안 풀릴 때 / 실패 비용이 클 때 / 가장 어려운 근본 원인 | Astra xhigh |
| 어려운 부분을 끝내고 평소 작업으로 돌아왔을 때 | 다시 Low |
이렇게 하면 처음부터 최고 설정으로 사용량을 태우는 일도, Low만 고집하며 같은 실패를 되풀이하는 일도 피할 수 있습니다.
생각하는 정도는 성격이 아니라 기어라고 생각하세요.
9. 결론: "계속 Astra Low?" 기본값은 Yes, 고정은 No
2026년 9월 12일에 공개된 데이터로 보면, Codex의 평소 작업을 Astra Low로 시작하는 전략은 꽤 강력합니다.
Artificial Analysis의 평가에서 종합 점수는 Sol xhigh보다 높았고, Terminal-Bench에서도 크게 앞섰고, 작업당 비용도 더 낮았습니다.[1]
OpenAI도 Low나 Medium을 출발점으로 권하고, 높은 설정이 항상 더 나은 답을 보장하지는 않는다고 설명합니다.[8]
운용법은 간단합니다.
평소에는 Low. 애매하거나 복잡하거나 실제로 놓친 일이 나오면 Medium. Medium으로도 안 닫히면 High. 가장 어려운 일에만 xhigh. 풀렸으면 다시 Low.
Low라는 이름에 속지 마세요.
Astra Low는 절약 모드 얼굴을 하고 1군에서 뜁니다.
- Artificial Analysis — GPT-6 Astra (low) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (medium) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (high) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (xhigh) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- OpenAI API — GPT-6 Astra Model developers.openai.com
- OpenAI API — GPT-5.6 Sol Model developers.openai.com
- OpenAI Help Center — ChatGPT Rate Card (Business, Enterprise/Edu credit-based pricing) help.openai.com
- OpenAI Help Center — Managing usage with GPT-6 Astra in Work and Codex help.openai.com
