OpenAI GPT-6 Astra 공개, 루프 트랜스포머 구조 채택
원제: GPT-6 Astra, looped transformers, and hidden reasoning
왜 중요한가
GPT-6 Astra의 루프 트랜스포머 구조 채택 및 추론 은닉 여부는 차세대 대형 언어모델의 아키텍처 방향성과 투명성 기준에 영향을 줄 수 있는 중요한 사안이다.
OpenAI는 2026년 9월, 새로운 플래그십 AI 모델 'GPT-6 Astra'를 공개했다. 동 모델은 수학·코딩·컴퓨터 사용 등 주요 벤치마크에서 전작 GPT-5.6을 전 분야에서 상회하며, ARC-AGI-3에서 99.9%를 달성했다. 루프 트랜스포머(반복 깊이) 구조를 채택했다는 루머가 있으며, 추론 체인(Chain of Thought)을 숨긴다는 의혹도 제기되고 있다.
AI 연구자 Sebastian Raschka 박사가 공개한 분석에 따르면, OpenAI의 GPT-6 Astra는 수학·코딩·글쓰기 등 거의 모든 카테고리에서 전작 GPT-5.6을 능가하는 성능을 보인다. 특히 3D 렌더링 및 애니메이션 관련 작업에서 두드러진 성능 향상이 관찰되었다.
벤치마크 측면에서는 ARC-AGI-3에서 99.9%를 기록했으며, 이는 전작(7.8%)과 비교해 압도적인 수치다. 독립 평가 기관인 Artificial Analysis의 Intelligence Index v4.2에서도 Astra는 최상위권에 위치하지만, Artificial Analysis Coding Agent Index v1.4(여러 에이전트 코딩 과제를 혼합 평가)에서는 타 모델 대비 압도적인 차이를 보이지 않는 것으로 나타났다.
아키텍처 면에서는 '루프 트랜스포머(Looped Transformer)' 혹은 반복 깊이(Recurrent Depth) 구조를 채택했다는 루머가 주목받고 있다. 이는 트랜스포머 블록을 반복 적용하는 방식으로, 추론 능력 향상과 연관된다. 아울러 Astra가 추론 과정(Chain of Thought)을 외부에 공개하지 않고 내부적으로 처리한다는 의혹도 제기된 상태다.
벤치마크 신뢰성과 관련해, Raschka는 독립 평가 기관의 데이터가 모델 개발사 자체 평가보다 신뢰도가 높을 수 있으나, 모델 학습 시 특정 하네스(harness)에 최적화되어 독립 벤치마크에서 성능이 과소평가될 가능성도 있다고 지적했다.