GPT-6 아스트라 vs 클로드, 컴퓨터 조작 대결의 진짜 의미

TL;DR

• OpenAI가 GPT-6 아스트라를 공개하며 컴퓨터 조작 벤치마크에서 72.6%를 기록했다고 밝혔어요
• 같은 기준으로 클로드 오퍼스 5는 70.2%를 기록했어요
• 다만 이건 제조사가 자체 측정한 수치라, 독립 리더보드에서는 그림이 다르게 나와요

"AI가 이제 컴퓨터를 사람처럼 조작한다"는 말, 최근 부쩍 자주 들리죠. OpenAI가 GPT-6 아스트라를 공개하면서 내놓은 수치 하나가 특히 눈에 띄었어요.

📌 무슨 일이야

OpenAI가 새 모델 GPT-6 아스트라(Astra)를 공개했어요. 컴퓨터를 직접 조작하는 능력을 겨루는 OSWorld 2.0 벤치마크에서 72.6%를 기록했다고 발표했고, 같은 표에서 비교 대상이었던 클로드 오퍼스 5는 70.2%를 기록했다고 밝혔어요.

📌 OSWorld 2.0이 뭔데

AI가 사람처럼 화면을 보고 마우스·키보드를 직접 눌러가며 업무를 끝내는 능력을 재는 벤치마크예요. 예전 1.0 버전이 30단계 미만의 짧은 작업이었다면, 2.0은 숙련된 사람도 1시간 넘게 걸리는 평균 250단계 이상의 복잡한 업무를 다뤄요. 브라우저, 엑셀, 코드 에디터, 터미널, 그래픽 툴을 넘나들며 작업을 끝까지 완수해야 점수를 받아요.

📎 예시

같은 발표 자료에서 아스트라는 작업당 평균 40분에 72.6%를 기록했고, 이전 모델인 GPT-5.6 솔(Sol)은 75분에 65.7%를 기록했다고 나와요. 다만 이 "40분 vs 75분" 시간 비교는 아스트라와 자사 이전 모델 솔을 비교한 수치예요 — 클로드와의 시간 비교치는 공식적으로 공개되지 않았고, 점수(72.6% vs 70.2%)만 클로드와 직접 비교된 값이에요.

⚠️ 주의

이 수치는 어디까지나 제조사인 OpenAI가 자체 환경에서 측정한 거예요. 발표 각주에는 "클로드 점수는 공식 리더보드에서 저자들이 재현한 값"이라고 적혀 있어서, 완전히 같은 조건에서 측정된 건 아닐 수 있다는 여지가 있어요. 실제로 독립 벤치마크 사이트인 Snorkel AI의 OSWorld 2.0 리더보드를 보면 아직 아스트라 항목 자체가 없고, 거기서는 클로드 오퍼스 5가 자체 채점 기준(500 스텝 예산) 1위(68.31%, 부분점수 기준)로 나와요. 측정 방식과 채점 기준이 달라지면 순위도 함께 달라질 수 있다는 뜻이에요.

📌 그래서 뭘 봐야 해

점수(%)는 정해진 목표와 제약 조건을 끝까지 만족하며 작업을 완수했는지를 보는 지표고, 소요 시간은 화면을 보고 다음 행동을 결정하는 주기가 얼마나 빠른지를 보는 지표예요. 도입을 고민 중이라면 하나의 벤치마크 점수보다, 내가 맡기려는 업무가 몇 단계짜리인지, 어떤 프로그램을 오가야 하는지부터 따져보는 게 순서예요.

✅ GPT-6 아스트라는 OSWorld 2.0에서 72.6%로 클로드 오퍼스 5의 70.2%를 앞섰다고 OpenAI가 발표했어요
✅ 다만 이건 제조사 자체 측정치라, 독립 리더보드와는 순위가 다르게 나올 수 있어요
✅ 벤치마크 하나보다 내 업무 환경(단계 수, 사용 프로그램)에 맞는 기준을 보는 게 더 중요해요

참고자료

• GPT-6 Astra: 새로운 세대의 지능 - OpenAI 공식 발표
• OSWorld 2.0 리더보드 - Snorkel AI