GPT-6.2 Astra 가격 분석을 위한 타이틀 카드로, 헤드라인은 'GPT-6.2 Astra'이고 보조 문구 '토큰 20% 할인. 작업 36% 할인.'이 캡션 'Artificial Analysis Intelligence Index에서 GPT-6 Astra와 비교 측정' 위에 있으며, 오른쪽의 두 카드는 각각 '토큰당 가격' -20%, '작업당 비용' -36%로 표시되고 후자에는 눈에 띄게 더 긴 화살표가 있습니다. 하단 문구는 '가격은 OpenAI 공개 요율 기준, 작업당 비용은 Artificial Analysis 기준'입니다. OrcaRouter 로고는 오른쪽 아래 모서리에 있습니다.
Guides & Insights

GPT-6.2 Astra, 토큰 가격 20% 인하. 작업 비용 36% 하락.

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

OpenAI는 GPT-6.2 Astra를 2026년 11월 17일에 출시했으며, 10초 만에 확인할 수 있는 헤드라인은 다음과 같습니다: 입력 토큰 100만 개당 $8, 출력 토큰 100만 개당 $40으로, GPT-6 Astra의 $10 및 $50과 비교됩니다. 이는 요금 계량기의 양방향 모두에서 깔끔한 20% 인하입니다. 청구서가 달라지는지를 실제로 결정하는 숫자는 다른 숫자이며, 더 큽니다. Artificial Analysis는 GPT-6.2 Astra를 Intelligence Index 작업당 $4.00로 측정했으며, GPT-6 Astra는 $6.24로 — 토큰 비용이 아니라 작업 한 단위를 완료하는 데 드는 비용이 36% 감소한 것입니다.

두 숫자 모두 사실이며, 그 둘 사이의 격차가 바로 이야기의 전부입니다. 가격 인하는 미터기가 얼마를 청구하는지를 알려줍니다. 작업당 비용 수치는 미터기가 얼마를 청구했는지 그리고 그것이 몇 번이나 실행되었는지를 알려줍니다. GPT-6.2 Astra는 토큰당 더 적게 청구하고 같은 지점에 도달하는 데 토큰도 더 적게 소모하므로, 절감 효과는 복리로 쌓입니다. 그 복리가 멈추는 지점 — 롱컨텍스트 요청, 캐시 쓰기, 추론 항목 규칙 — 이 바로 이 글의 후반부에서 다루는 내용입니다.

같은 작업, 36% 더 저렴 — 그리고 그것이 스티커 가격보다 더 큰 의미인 이유

Artificial Analysis는 GPT-6.2 Astra가 자사의 Intelligence Index에서 62점을 기록해 추적 중인 87개 모델 중 3위를 차지했다고 평가합니다. 이는 57점이었던 GPT-6 Astra의 13위에서 상승한 것입니다. 비용 수치는 동일한 평가 스위트를 기준으로 계산되며, 이것이 비교를 공정하게 만듭니다: 동일한 작업, 동일한 하네스, 동일한 채점, 모델만 바뀝니다. 능력의 지수 5포인트 상승은 작업당 비용 36% 감소와 함께 이루어졌습니다.

그 조합은 이례적입니다. 대부분의 릴리스는 하나를 얻는 대신 다른 하나를 포기합니다. 작업당 더 많은 비용을 지불하고 더 똑똑한 모델을 얻거나, 더 저렴한 모델을 얻기 위해 더 약한 모델을 감수하는 것이죠. 여기서는 두 수치 모두 이전 세대 대비 올바른 방향으로 움직였는데, 이는 포지셔닝 변경이 아니라 진정한 세대 간 효율성 개선이 보이는 모습입니다.

중요한 여섯 가지 수치를 나란히 비교했습니다. 모든 가격은 OpenAI가 공개한 표준 티어 요금이며, 지수와 작업당 비용 수치는 Artificial Analysis의 독립 측정치로, OpenAI의 수치가 아닙니다.

• 입력 — GPT-6.2 Astra 백만 토큰당 $8.00 대 GPT-6 Astra $10.00

• 출력 — 백만 토큰당 $40.00 vs $50.00

• 캐시된 입력 — 95% 할인 시 백만 개당 $0.40, 90% 할인 시 $1.00 대비

• 인텔리전스 인덱스 — 62, 87개 중 3위 vs 57, 87개 중 13위

• Index 작업당 비용 — $4.00 대 $6.24

• 컨텍스트 윈도우 — 총 1,050,000토큰이며, 이 중 최대 입력 922,000토큰, 최대 출력 128,000토큰입니다.

캐시 라인을 주목하세요. 할인율은 90%에서 95%로 깊어졌습니다. 또한 적용되는 기본 요금은 $10에서 $8로 내려갔습니다. 그래서 캐시된 입력 토큰은 이전에는 $1.00이었는데 이제 $0.40으로, 60% 인하이며 이는 헤드라인 수치의 세 배입니다. 워크로드가 긴 시스템 프롬프트와 짧은 사용자 턴으로 구성되어 있다면, 20%보다 상당히 더 많은 이득을 얻고 있는 것입니다.

A single-column scoreboard titled 'GPT-6.2 Astra — the scoreboard' with six rows reading 'Intelligence Index: 62, #3 of 87', 'Input price: $8.00 / 1M', 'Output price: $40.00 / 1M', 'Cached input: $0.40, 95% off', 'Cost per Index task: $4.00' and 'Context window: 1,050,000', with a footer noting that pricing is per OpenAI's published rates and index and cost-per-task figures are per Artificial Analysis. The OrcaRouter logo sits in the bottom-right corner.

저축이 다시 새어 나가는 곳

세 가지 메커니즘이 그 36%를 갉아먹는데, 세 가지 모두 숨겨진 것이 아니라 문서화되어 있습니다 — 컨텍스트 예산을 확정하기 전에 가격 페이지와 마이그레이션 가이드만 읽어보면 됩니다.

272K 절벽

GPT-6.2 Astra는 1,050,000토큰 창을 갖고 있지만, 가격 구조는 창을 다 채우기 훨씬 전에 달라집니다. 요청 입력이 272,000토큰을 넘으면 입력과 캐시된 입력은 표준 요율의 2배, 출력은 1.5배로 청구되며, 이 배율은 전체 요청에 적용됩니다—기준선을 넘는 토큰에만 적용되는 것이 아닙니다. 300,000토큰 프롬프트는 마지막 28,000토큰에만 할증을 내는 것이 아니라, 300,000토큰 전체에 2배를 냅니다.

입력 100만 개당 $16일 때, 300K 호출 한 번은 모델이 단어 하나를 쓰기도 전에 $4.80이 듭니다. 반면 잠시 전인 271,999토큰에서는 같은 작업에 $2.17이 들었습니다. 이는 20% 인하분을 한 번에 되돌려 받는 셈이고, 그 이상입니다. 절벽은 완만한 경사가 아니라 불연속이기 때문입니다. 예전 윈도에 들어맞던 장문 문서 작업은 이제 더 큰 예산만이 아니라 의도적인 청킹 전략이 필요합니다.

캐시 쓰기는 별도의 항목입니다.

캐시에서 읽는 것은 저렴합니다. 캐시를 채우는 것은 무료가 아닙니다. 캐시 쓰기는 표준 입력 요율보다 높은 백만 토큰당 10달러로 청구됩니다. 깊고 자주 무효화되는 프롬프트 캐시는 읽기로 절약되는 비용보다 유지하는 데 더 많은 비용이 들 수 있습니다. 경제성 측면에서는 여러 턴에 걸쳐 살아남는 안정적인 접두사가 유리하며, 이는 바로 OpenAI 자체의 마이그레이션 노트가 권장하는 패턴입니다.

삭제된 추론 항목

이번 세대부터 API는 대화 중간에 기록이 변경된 것을 감지하면 추론 항목을 폐기합니다. 여기에는 접두사 편집, 모델 다운그레이드, 최종 사용자 또는 조직 변경이 포함됩니다. 모델이 그 맥락을 잃으면 더 나쁘게 답할 수 있고 이미 수행한 작업을 다시 도출하느라 더 많은 토큰을 소비할 수 있습니다. 청구서에 나타나는 것은 바로 두 번째 효과입니다. 턴 사이에 시스템 프롬프트를 편집하는 통합은 동일한 추론에 대해 조용히 두 번 비용을 지불하게 되며, 36% 절감은 반올림 오차처럼 보일 것입니다.

해결책은 재정적이라기보다 구조적입니다. 응답 사이에 설정을 바꿀 때 접두사를 그대로 유지하면, 이전 입력은 캐싱 대상으로 남는 동시에 추론도 유지됩니다. 한 가지 습관이 청구서의 두 항목을 모두 보호합니다.

추론 설정은 예산 책정에 관한 결정입니다.

GPT-6.2 Astra는 reasoning.effort를 none으로 설정하는 것을 허용하지 않습니다. OpenAI의 마이그레이션 가이드에 따르면 새 통합은 medium에서 시작하고, 기존의 none 또는 minimal 설정은 low로 매핑하라고 합니다. 추론 우선 모델에서는 이 모든 것이 놀랍지 않지만, 이는 비추론 전임 모델에서 모델 문자열만 그대로 바꾸면 마이그레이션 계획이 시사하는 것보다 더 나쁜 답변과 더 큰 청구서가 모두 발생한다는 뜻입니다.

추론 토큰은 출력으로 과금됩니다. 100만 개당 $40에서, 긴 에이전트 실행에서 낮음과 높음 사이의 차이는 반올림 오차가 아니라 흔히 작업 비용에서 가장 큰 단일 변수입니다. 측정된 Intelligence Index 작업당 $4.00은 Artificial Analysis가 사용한 에포트 구성이 무엇이든 그 구성을 가정한 값입니다. 여러분의 수치는 여러분의 설정에 따라 달라집니다. 에포트 설정을 다른 무엇을 건드리기 전에 가장 먼저 조정할 비용 레버로 취급하세요.

A screenshot of OpenAI's developer documentation page for GPT-6.2 Astra, showing the model description, a pricing table of $8.00 input, $0.40 cached input and $40.00 output per million tokens, a 1,050,000-token context window with 922,000 max input and 128,000 max output, and a May 18 2026 knowledge cutoff.

이번 출시가 실제로 개선한 것과 개선하지 않은 것

가격 인하는 모델이 최소한 그만큼 좋을 때만 가치가 있습니다. 장기 지평 및 과학 평가에서 GPT-6.2 Astra는 결정적으로 도약했습니다. Terminal-Bench-Science는 GPT-6 Astra의 63.3%에서 78.1%로 상승했고, Terminal-Bench 4.0은 64.1%를 기록합니다. AA-AnalystAgent는 62.5%, AA-3D는 1,318 Elo, Harvey의 LAB-AA는 15.0%입니다. 여러 단계에 걸쳐 실행되며 작업에 계속 집중해야 하는 에이전트 작업에는 바로 그런 프로필이 필요하며, 그 프로필이 36%의 이면에 있는 토큰 효율성을 만들어냅니다.

전체 파이프라인을 전환하기 전에 알아둘 만한, 그것이 이동하지 않은 두 곳이 있습니다.

첫 번째는 경쟁 프로그래밍입니다. FrontierCode-AA 2.0에서 GPT-6.2 Astra는 45.4%로, 48.8%인 Claude Fable 5.2에 여전히 뒤처집니다. Astra는 다른 부분에서 많은 격차를 좁혔지만 어려운 코딩에서는 선두를 차지하지 못했으므로, 작업량이 대부분 FrontierCode 형태인 팀이 역량을 이유로 마이그레이션할 이유는 적습니다 — 적용되는 것은 가격 논리입니다.

두 번째는 멈춤보다 더 나쁘다. AA-Omniscience에서 GPT-6.2 Astra의 환각률은 59.1%로, GPT-6 Astra의 49.8%에서 상승했다. 그것은 모를 때도 더 기꺼이 답하려 한다. 이는 품질 문제로 위장한 비용 문제다. 자신 있게 틀린 답변은 이후에 탐지하고 폐기하고 다시 실행해야 하므로 토큰을 두 번 쓰게 되며, 바로 그 재실행에서 세심한 작업별 산술이 무너진다. 틀린 답변을 잡아내는 비용이 큰 워크플로라면, 가격 인하를 절감으로 처리하기 전에 검증 단계를 거칠 가치가 있다.

A screenshot of the Artificial Analysis model page for GPT-6.2 Astra showing an Intelligence Index of 62 ranked third of 87 models, input pricing of $8.00 and output of $40.00 per million tokens, a 95% cache discount, and a cost of $4.00 per Intelligence Index task ranked 57th of 86.

파이프라인 전체를 걸지 않고 가격을 확보하기

GPT-6.2 Astra는 OpenAI 자체 API와 여러 타사 플랫폼을 통해 이용할 수 있습니다. 현재 OrcaRouter의 카탈로그에는 없으므로, 이번 주에 호출하려면 공급업체에 직접 요청해야 합니다. 위의 가격 분석은 어디서 호출하든 달라지지 않지만, 호출 방식에 관한 두 가지는 지금부터 계획해 둘 가치가 있습니다. 마이그레이션을 시작하고 3주쯤 지나면 팀을 괴롭히는 것이 바로 이 두 가지이기 때문입니다.

첫 번째는 페일오버입니다. 어제 출시된 모델은 귀하의 트래픽에서 실적 기록이 없으며, 솔직한 조언은 그 모델을 대체할 모델 자리에 두는 대신 옆에서 함께 운영하라는 것입니다. 둘 다 OpenAI 호환 단일 엔드포인트를 통해 라우팅하고 제공업체 간 자동 페일오버를 적용하면, 36%가 귀하의 워크로드에서 실제인지 아직 판단 중인 동안 한 업스트림의 나쁜 날이 사용자에게 나쁜 날이 되지 않습니다.OrcaRouter는 GPT-6 Astra, GPT-6 Sol 및 GPT-6.1 Sol을 제공합니다. 따라서 Astra의 전임 모델과의 A/B 테스트는 두 번째 계약도, 클라이언트 측 코드 변경도 없이 하나의 키로 실행할 수 있습니다.

두 번째는 가격 패스스루입니다. OrcaRouter는 0% 마크업으로 청구합니다 — 제공업체의 정가 그대로입니다. 이는 특히 이번과 같은 출시에서 중요합니다: 공급업체의 가격 인하가 그들의 요율에 적용되는 같은 날 귀하의 요율에도 반영되며, 재협상도 재가격 책정 지연도 없습니다. GPT-6.2 Astra가 카탈로그에 추가되면, 위의 $8과 $40이 귀하가 보게 될 숫자이며, 마크업된 버전이 아닙니다.

그 대신 얻는 것은 명확한 비교입니다. 오늘 동일한 평가 세트를 GPT-6 Astra에 실행하고, 실제 노력 설정에서 작업당 실제 비용을 기록하면, 36%가 유지되는지 여부를 판단할 기준선을 갖게 됩니다. 이 단계를 건너뛰는 대부분의 팀은 결국 자신들의 워크로드 대신 헤드라인 수치를 측정하게 되고, 272K 절벽을 비싼 대가를 치르고서야 알게 됩니다.

지금 옮겨야 할 사람은 누구이고, 기다려야 할 사람은 누구인가?

워크로드가 장기 지평 에이전트 작업, 대략 250,000토큰 이하의 문서 분석, 또는 과학 및 터미널 기반 작업이라면 지금 이동하세요 — Terminal-Bench-Science의 63.3%에서 78.1%로의 상승은 실현 가능한 것을 바꿀 만큼 충분히 크며, 토큰 효율성은 가격 인하와 함께 복리로 작용합니다.

프롬프트가 정기적으로 272,000 토큰을 넘는다면 신중하게 대처하세요. 이 절벽은 더 큰 예산을 보상하지 않고 오히려 벌을 줍니다. 청크로 나누거나, 예산을 두 배로 잡으세요.

기다리세요. 아니면 최소한 먼저 A/B 테스트를 하세요. 당신의 업무가 어려운 경쟁 프로그래밍 비중이 높다면 — FrontierCode-AA 2.0은 여전히 Claude Fable 5.2를 선호합니다 — 또는 당신의 분야에서 확신에 찬 오답이 큰 비용을 초래한다면, 49.8%에서 59.1%로 상승한 환각률은 그것이 기본값이 되기 전에 그 자체로 측정할 가치가 있습니다.

그리고 모든 경우에, 청구서를 비교하기 전에 추론 노력 수준을 의도적으로 설정하세요. 20%는 가격 페이지에 있고 36%는 리더보드에 있습니다. 둘 중 어느 것도 아직 당신의 청구서가 아닙니다.