OpenAI가 공개한 GPT-6 Astra 2분 43초 영상에는 코드 대신 발표 자료, 계약서, 중고 등록, 예약이 나옵니다. 화면에 보인 위임의 모습과 편집으로 빠진 검수·권한 장면을 기업교육 관점에서 정리했습니다.
OpenAI가 2026년 9월 3일 공식 유튜브 채널에 올린 2분 43초짜리 공개 영상 Introducing GPT-6 Astra를 기업교육 관점에서 봤습니다. 발표문이 벤치마크와 API를 다루는 반면 영상에는 코드가 한 줄도 없습니다. 화면을 채우는 것은 발표 자료, 계약서, 중고 거래 등록, 예약 같은 지식근로자의 하루입니다. 코텍시스는 이 영상을 위임이 어떤 모습인지 보여주는 교보재로 쓸 만하다고 보되, 검수와 권한의 장면이 빠져 있으므로 교육에서 그 부분을 채워야 한다고 판단합니다.
1979년에서 시작하는 연출
영상은 MIT 미디어랩의 1979년 데모 "Put That There"로 문을 엽니다. 의자에 앉은 사람이 "노란 원을 만들어, 저기"라고 말하며 가리키면 벽면에 원이 그려지고, 곧바로 2026년 스튜디오에서 같은 요청을 Astra에게 합니다. 음성으로 컴퓨터에 일을 시키겠다는 47년 된 약속을 데스크톱 앱이 지킨다는 서사입니다. 배포는 당일 일부 조직부터이고 Plus, Pro, Business, Enterprise 플랜과 API, Microsoft Azure, AWS Bedrock은 며칠 내 순차 적용입니다.
출처: OpenAI, Introducing GPT-6 Astra 00:04 장면 (MIT Media Laboratory 제공 클립)
화면에 실제로 보인 작업
| 시점 | 요청 | 화면에 보인 것 |
|---|---|---|
| 00:33 | 원을 로켓 창문으로, 이어서 Blender 3D 모델로 | 그림판형 앱에서 Blender로 앱을 바꿔 가며 작업 |
| 00:43 | 소매점 대상 우의 신상품 발표 자료 | Google Slides 6장과 도매 단가 표 |
| 00:57 | 벼룩시장에서 산 탁자를 eBay에 등록 | 다운로드 폴더의 사진을 찾아 등록 화면에 첨부 |
| 01:20 | 라이선스 계약서 초안과 책임 제한 조항 수정 | Google Docs에서 해당 조항만 고쳐 보고 |
| 01:30 | 오늘 오후 테니스 코트 예약 | 다른 작업 중 처리해 "5시 코트를 찾았다"고 보고 |
출처: OpenAI, Introducing GPT-6 Astra 01:15 장면
눈여겨볼 대목은 세 가지입니다. 첫째, 요청이 겹칩니다. 발표 자료를 만드는 도중에 음식 주문, 계약서, 예약을 잇달아 시키고 Astra는 병행하다가 나중에 보고합니다. 둘째, "배경색을 우의와 어울리게 바꿔 달라"는 후속 지시에 Slides의 Background 대화상자가 열립니다(02:12). 사람이 쓰는 메뉴를 그대로 누르는 방식입니다. 셋째, 01:30 슬라이드 하단에 "가상의 USD 가정, 세금·운임 제외, 예측 아님"이라는 각주가 있습니다. 모델이 스스로 가정을 표시한 것입니다.
출처: OpenAI, Introducing GPT-6 Astra 01:30 장면
영상이 보여주지 않은 것
스튜디오에서 촬영한 광고입니다. 요청과 결과 사이의 시간은 편집으로 사라졌고 실패, 재시도, 확인 질문은 한 번도 나오지 않습니다. 다운로드 폴더 접근 권한, 음식 주문의 결제 승인, eBay와 예약 사이트의 로그인 계정도 알 수 없습니다. 출연자가 계약서를 "로펌 변호사들이 검토할 초안"이라고 부르는 것이 검수를 언급한 유일한 순간입니다. 속도와 정확도 수치는 발표문에만 있습니다.
교육 담당자가 가져갈 것
첫째, 위임 언어를 가르칠 소재로 좋습니다. 출연자들의 요청은 목적과 제약을 한 문장에 담고 이력을 전제로 말합니다. 둘째, 검수 단계를 커리큘럼에 넣어야 합니다. 모델이 각주로 남긴 가정을 읽는 법과 계약 조항 수정본을 원문과 대조하는 법은 영상이 건너뛴 부분입니다. 셋째, 로컬 파일 접근, 결제, 외부 사이트 로그인은 각각 별개의 승인 대상이며 데스크톱 앱 배포 정책과 함께 정해야 합니다.
원문 영상은 Introducing GPT-6 Astra에서 볼 수 있습니다.
코텍시스 창업자로 AX 컨설팅과 기업 AI 교육, AI 에이전트 개발을 직접 수행합니다.
코텍시스 AI 인사이트 최신 논문 리뷰
AWQ 양자화: 활성값을 보고 가중치를 지키는 4비트 양자화
MIT 연구진의 AWQ는 활성값 분포를 기준으로 중요한 가중치 1%만 보호해도 저비트 양자화 오류가 크게 줄어든다는 관찰에서 출발해 재학습 없는 4비트 양자화를 구현했고 전용 커널 TinyChat으로 FP16 대비 3배 이상의 추론 속도를 달성했습니다. 온프레미스 sLLM을 소수의 GPU로 서빙해야 하는 기업에게 정확도 손실 없이 메모리와 비용을 동시에 줄이는 사실상의 표준 기법입니다.
Mixtral 8x7B로 읽는 MoE 아키텍처: 13B의 연산으로 70B급 성능 내기
총 47B 파라미터 중 토큰당 13B만 활성화하는 희소 MoE 모델 Mixtral 8x7B는 Llama 2 70B와 GPT-3.5를 대부분의 벤치마크에서 따라잡거나 능가했습니다. 추론 연산량은 소형 모델 수준으로 유지하면서 품질을 끌어올리는 MoE의 실용성을 입증한 사례로, 기업의 자체 호스팅 모델 선정 기준에 직접 영향을 줍니다.
DPO가 바꾼 선호 정렬 학습: 보상 모델 없이 RLHF를 대체하는 방법
DPO는 보상 모델의 재매개변수화를 통해 최적 정책을 닫힌 형태로 유도하고, 선호 데이터에 대한 단순 분류 손실만으로 RLHF와 같은 목적을 달성하는 기법입니다. 강화학습 파이프라인을 운영할 여력이 없는 기업 프로젝트에서 선호 정렬을 현실적인 작업 범위로 만들어 준 논문입니다.
AI 솔루션이 필요하신가요?
cortexys.team에서 맞춤 AI 개발 서비스를 확인하세요.

