GPT-6 아스트라와 '루프 트랜스포머': 반복 연산이 바꾸는 추론 구조

OpenAI가 GPT-6 아스트라(Astra)를 대대적으로 공개하면서 성능 자체보다 그 내부 구조에 관한 논의가 더 뜨겁다. 모델을 직접 사용해 본 아키텍처 전문가 세바스티안 라시카는 현재까지 자신이 써 본 최고의 모델이라고 평가하면서도, 정작 흥미로운 지점은 벤치마크 숫자가 아니라 '루프 트랜스포머(recurrent depth)'라는 설계 소문과 '추론 과정을 감춘다'는 주장에 있다고 짚는다. 한국 실무자에게 이 기사는 단순한 신모델 소개를 넘어, 다음 세대 모델이 연산을 어떻게 재구성하는지를 이해하는 단서가 된다.

벤치마크는 '동일 조건'일 때만 의미가 있다

아스트라는 글쓰기·수학·코딩 등 거의 모든 범주에서 전작 GPT-5.6을 앞섰고, 특히 3D 렌더링과 그래픽 데모에서 두드러진 강점을 보였다. 논리 퍼즐과 일반화를 측정하는 ARC-AGI-3에서 99.9%를 기록했는데, 이는 GPT-5.6 Sol의 7.8%와 비교하면 격차가 크다. 다만 실사용에 더 가까운 에이전트형 코딩 지표(Artificial Analysis Coding Agent Index v1.4)에서는 최전선에 있으되 압도적으로 앞서지는 못했다.

여기서 라시카가 강조하는 대목은 해석의 함정이다. 모델 개발사가 자체 평가한 수치보다 독립 기관의 벤치마크가 더 믿을 만하지만, 그마저도 '하네스(harness)'라는 실행 환경에 좌우된다. GDPval-AA나 AA-Briefcase는 오픈소스 하네스 Stirrup을 공유해 사과 대 사과 비교에 가깝지만, Terminal-Bench는 Terminus 2, τ³-Banking은 τ-Bench 하네스를 쓴다. 문제는 모델이 대개 하나의 주력 하네스를 염두에 두고 훈련되며, 그 하네스가 모델의 강점을 부각하도록 설계된다는 점이다. 즉 공용 하네스로 측정한 점수는 아스트라를 실제보다 낮게 평가할 수 있다. 지표 하나로 우열을 단정하기 어렵다는 실무적 교훈이다.

컴퓨터 사용 능력과 맥 미니의 정체

아스트라가 가장 차별화되는 영역은 '컴퓨터 사용(computer use)'이다. Codex/ChatGPT 앱을 통해 사용자의 로컬 컴퓨터에서 소프트웨어를 직접 조작하는데, 라시카는 브라우저판 MS 페인트에서 마우스 커서로 자신의 사진을 다시 그리게 한 사례를 든다. CLI나 API를 제공하지 않는 소프트웨어가 여전히 많은 상황에서, 별도 인터페이스를 기다리는 대신 모델이 그래픽 UI를 직접 다루도록 만드는 접근이다. 그는 이를 특수 기계보다 비효율적이지만 범용적인 휴머노이드 로봇에 비유한다.

이 흐름은 OpenAI가 강화학습용으로 맥 미니와 맥 스튜디오를 수만 대 구매했다는 보도와 맞닿는다. 맥은 모델을 훈련하는 연산 장치가 아니라 macOS라는 '환경'으로 쓰인다. 모델에 과제를 주고, 하네스가 화면 스크린샷을 제공하면 모델이 클릭·입력·스크롤 같은 동작을 예측하고, 하네스가 이를 실행한 뒤 갱신된 화면을 다시 넘긴다. 성공·실패 신호와 검증기(grader)를 보상으로 삼는 이 순환은 검증 가능한 보상 기반 강화학습(RLVR)의 연장선이다. 실제 모델은 NVIDIA GPU 위에 있으며, 젠슨 황은 아스트라가 약 10만 개의 그레이스 블랙웰 GPU로 훈련됐다고 언급했다.

루프 트랜스포머: 가중치를 재사용해 깊이를 늘리다

출시 이틀 전 The Information은 내부 정보를 근거로 아스트라가 '순환 깊이(recurrent depth)' 혹은 '루프 트랜스포머'를 쓴다고 보도했다. 핵심 아이디어는 단순하다. 중간 표현을 같은 트랜스포머 블록에 여러 번 통과시키되, 각 통과에서 가중치를 그대로 재사용하는 것이다. 블록을 더 쌓는 대신 같은 블록을 반복 적용해 '유효 깊이'를 늘리는 셈이다. 개념 자체는 2018년 Universal Transformers 논문까지 거슬러 올라가는 오래된 것이다.

라시카는 7월에 공개된 오픈웨이트 모델 Nanbeige4.2-3B를 예로 든다. 이 모델은 22개 블록을 한 번 통과한 뒤 은닉 상태를 같은 22개 블록에 다시 흘려보낸다. 펼쳐 보면 44번의 블록 연산이지만, 뒤쪽 22번은 앞쪽의 가중치를 그대로 쓴다. 추가 가중치 없이 깊이만 22에서 44로 늘어나는 것이다. 왜 2회인가에 대해선, 3회로 늘리면 성능은 오르지만 연산 비용을 상쇄할 만큼은 아니었다는 효율성 판단이 근거로 제시된다.

'추론 은폐' 주장은 아직 검증 대상이다

주목할 점은 이 구조가 곧바로 추론 과정을 '숨긴다'는 뜻은 아니라는 것이다. 아스트라는 여전히 RLVR로 훈련되어 중간 추론 흔적(사고 사슬)을 생성하는 추론 모델이다. 루프 트랜스포머가 사고 사슬을 감춘다는 주장은 흥미롭지만, 원 자료에서도 이 연결고리는 기술 원리를 먼저 이해한 뒤 별도로 따져봐야 할 열린 질문으로 남겨져 있다. 반복 연산으로 깊이를 확장하는 것과 텍스트로 드러나는 추론 흔적을 은폐하는 것은 별개 층위의 문제이기 때문이다.

끝으로 실무에 바로 적용할 만한 조언이 하나 있다. 라시카는 클로드 코드 리드의 권고를 인용하며, 기존 AGENTS.md나 SKILL.md의 일부 내용을 삭제하거나 갱신해 볼 것을 제안한다. 최신 모델일수록 프롬프트를 효율적으로 이해하므로, 과도한 지침이 오히려 모델을 제약해 더 나쁜 결과로 이어질 수 있다는 것이다. 재사용 효율을 위해 워크플로 문서를 유지하는 것은 여전히 유효하지만, 낡은 설명은 새 모델의 더 나은 해법을 가로막을 수 있으니 주기적으로 다시 다듬으라는 현실적 권고다.