ChatGPT Work에 5K/10K 러닝 경로 계획을 요청하세요: GPT-6 Astra의 플레이북

GPT-6 Astra와 ChatGPT Work는 이제 주소를 하나 넘겨주면 제대로 된 순환형 5K 또는 10K 러닝 루프를 돌려줍니다 — 실제 도로, 실제 거리, GPX와 GeoJSON으로 다운로드 가능하고, 채팅 안에 인터랙티브 지도까지 내장되어 있습니다. 요령은 이 둘이 서로 다른 일을 하는 서로 다른 두 계층이라는 점을 아는 것입니다. ChatGPT Work는 OpenAI의 에이전트형 제품 등급으로, 2026년 7월 9일 발표되었고 월 20달러 이상 구독자를 대상으로 하며, 여기서는 모델이 파일과 셸, 인터넷을 넘나들며 30분 동안 계속 작업할 수 있습니다. GPT-6 Astra는 2026년 9월 3일 출시된 플래그십 추론 모델로, 9월 5일 모든 유료 ChatGPT 등급과 ChatGPT Work, Codex, API에서 정식 출시되었으며, 한 줄짜리 요청을 여러 단계로 이루어진 27분짜리 경로 계획 세션으로 바꿔주는 모델입니다. 이 플레이북은 실제로 작동하는 프롬프트, 에이전트가 실제로 손을 뻗는 도구(OpenStreetMap, Nominatim, Overpass), 예상되는 출력, 그리고 솔직한 주의사항을 다룹니다 — 이 워크플로가 정말로 유용하기 때문이기도 하고, 아무도 보여주지 않는 그 부분이 바로 물어뜯을 수 있는 부분이기 때문입니다.

한 문단 레시피

9월 12일 사이먼 윌리슨이 시연했듯이, 실제로 작동하는 요청은 거의 민망할 정도로 짧습니다:

• 프롬프트: "나는 <my address>에 살고 있습니다. 내 위치를 기준으로 내 집에서 출발해 다시 내 집으로 돌아오는 5K 및 10K 러닝 경로를 찾아주세요. OSM 데이터를 사용하세요."

• 그다음에 벌어진 일: ChatGPT Work가 GPT-6 Astra(Max 추론 강도)로 27분 동안 실행되어, 5K 루프와 10K 루프를 반환했는데, 각각 임베디드 인터랙티브 지도와 다운로드 가능한 GPX 및 GeoJSON 파일로 제공되었습니다.

• 경로는 실제였다: 5K 결과("El Granada harbor loop 5.1 km")는 항구에서 Avenue Granada와 Paloma Avenue를 따라 북쪽으로, San Carlos Avenue를 따라 동쪽으로, Francisco Street를 따라 남쪽으로, 그리고 Coastal Trail을 따라 다시 서쪽으로 이어졌다.

그 마지막 세부 사항이 바로 플레이북의 핵심이다. 이것은 환각으로 지어낸 도로명 목록이 아니다 — 순환하는 경로이며, 그럴듯한 거리를 가지고 있고, 해당 지역의 실제 도로망과 일치한다. 모델에게 그것을 어떻게 만들었는지 물었을 때, 모델은 담백하게 답했다: “나는 Nominatim으로 주소를 찾고 Overpass로 지역 OpenStreetMap 도로와 트레일을 내려받은 다음, 순환 경로를 로컬에서 계산했다.”

워크플로는 다시 말해 실제 에이전트 실행입니다: 주소를 지오코딩하고, 실제 지도 데이터를 가져오고, 적절한 길이의 닫힌 루프를 계산하고, 시각화를 렌더링하고, 표준 교환 형식으로 내보냅니다. 실제로 작동하는 "경로를 계획해 줘" 프롬프트를 원해 왔다면, 바로 이런 형태입니다.

ChatGPT Work이 실제로 무엇인지, 그리고 그것이 여기서 왜 중요한지

ChatGPT Work는 모델이 아닙니다. 그것은 모델이 에이전트처럼 행동할 수 있게 해주는 제품 표면입니다. 코드를 실행하고, 인터넷에 접속하고, 헤드리스 브라우저를 사용하고, 세션이 바뀌어도 유지되는 작업 공간을 보존하고, 오랫동안 실행될 수 있습니다. 그것은 혼란스럽게도 두 가지 형태로 나뉘었습니다. Work Cloud(chatgpt.com 또는 모바일 앱을 통해)와 Work Local(예전에 Codex라고 불렸던 데스크톱 앱으로, 사용자 자신의 컴퓨터에 있는 파일과 프로그램을 건드릴 수 있습니다)입니다. 이는 월 20달러 이상 요금제 구독자에게 제공됩니다 — 무료 사용자와 8달러 Go 사용자는 아무것도 누리지 못합니다 — 그리고 Work 세션은 채팅 허용량이 아니라 Codex 허용량에서 차감됩니다.

그렇기 때문에 일반적인 채팅 턴에서는 실패했을 경로 생성이 성공한 것입니다. 이 작업에는 코드 실행, 지오코딩 및 지도 데이터 서비스에 대한 인터넷 접근, 그리고 반복 작업을 할 수 있을 만큼 충분히 지속되는 집중이 필요합니다. 일반 ChatGPT 채팅은 몇 초 만에 답변하고 끝납니다. ChatGPT Work는 계속 작업합니다. Work 내부의 모델 선택도 중요합니다 — OpenAI는 바로 이런 종류의 다단계 엔드투엔드 작업에 GPT-6 Astra를 권장하며, 추론 강도는 Max까지 설정할 수 있습니다.

그래서 플레이북의 첫 번째 규칙은 이렇습니다: 이것은 Chat 작업이 아니라 Work 작업입니다. ChatGPT Work를 열고 GPT-6 Astra를 선택한 다음, 즉각적인 답을 기대하기보다는 세션이 계속 돌아가도록 두세요.

내부적으로 사용되는 도구: OSM, Nominatim, Overpass

실제로 작동하는 장치 중 OpenAI 자체의 것은 하나도 없다. 에이전트는 공개 지리 인프라로부터 경로를 조립했으며, 각 부분이 무엇을 하는지 알아 두는 것은 가치가 있다 — 출력을 상식적으로 점검할 수 있도록, 그리고 언젠가 ChatGPT 밖에서 실행하고 싶을 때 파이프라인을 직접 재현할 수 있도록.

• OpenStreetMap(OSM)은 무료로 크라우드소싱된 세계 지도입니다 — 경로가 따르는 도로와 트레일의 데이터 출처입니다.

• Nominatim은 OSM의 지오코딩 서비스입니다: 사람이 입력한 주소("나는 <my address>에 산다")를 지도 좌표로 변환합니다.

• Overpass는 OSM 데이터를 위한 쿼리 API입니다: 에이전트는 이를 사용해 해당 좌표 주변의 지역 도로와 트레일을 다운로드했습니다.

• 루프 계산 자체("루프를 로컬에서 계산함")는 에이전트 자체 작업 공간에서 실행되었습니다 — 원시 도로 그래프를 가져와 대략 적절한 길이의 닫힌 회로를 찾는 작업이었습니다.

그 분해는 재현 가능한 핵심입니다. 같은 것을 직접 만들고 싶다면, 파이프라인은 다음과 같습니다: Nominatim으로 지오코딩하고, Overpass로 도로망을 가져오고, 루프를 계산하고, GPX/GeoJSON으로 내보내고, 매핑 라이브러리로 렌더링합니다. ChatGPT Work가 방금 당신을 대신해 이 모든 것을 해냈습니다. API 키도, 라우팅 라이브러리 조사도, 당신이 작성해야 할 코드도 없이 말입니다.

돌려받는 것: 시각화 스킬과 파일들

출력물은 이것이 데모 느낌이 아니라 완성된 것처럼 느껴지게 만드는 부분입니다. 디스플레이 측면에서, 에이전트는 ChatGPT의 내장 시각화 스킬을 사용해 자체 포함형 HTML 파일 — 관찰된 실행에서는 /workspace/el-granada-5k-share.html — 을 생성했으며, 이 파일은 지도를 ChatGPT UI에 직접 임베드했습니다. 이 HTML은 전체 경로 지오메트리를 <script type="application/json"> 요소에 저장하고 CDN에서 로드한 D3.js로 지도를 렌더링합니다. 이 스킬의 콘텐츠 보안 정책은 특정 외부 출처 목록만 허용합니다 — cdnjs.cloudflare.com, esm.sh, cdn.jsdelivr.net, unpkg.com, fonts.googleapis.com, fonts.gstatic.com, fonts.bunny.net — 그리고 "다른 출처는 차단되며 조용히 실패합니다." 이 세부 사항은 생성된 파일을 검사할 일이 있을 때 중요합니다. 지도는 해당 라이브러리들과 함께라면 작동하고, 그것들이 없으면 조용히 성능이 저하됩니다.

파일 측면에서는 모든 GPS 앱과 매핑 도구가 이미 이해하는 두 가지 교환 형식을 얻을 수 있습니다:

• GPX — 표준 GPS 교환 형식입니다. Strava, Garmin Connect 또는 다른 어떤 경로 앱에든 가져오면 따라갈 수 있는 경로로 표시됩니다.

• GeoJSON — 지리공간 JSON 형식입니다. QGIS, Leaflet, Mapbox 또는 모든 지리공간 도구에서 사용할 수 있으며, 내장 시각화가 지오메트리를 저장하는 형식이기도 합니다.

당신의 목표가 실제로 달릴 수 있는 경로라면, GPX 파일이 산출물입니다. 포함된 지도는 그것이 정상이라는 증거이고, GeoJSON은 프로그래밍 방식으로 다루기 위한 사본입니다.

데모가 알려주지 않는 것: 두 가지 실제 주의사항

경로 생성은 실제다. 하지만 ChatGPT Work의 있는 그대로의 모습은 그 실패 양상에서 나온다. 그리고 그것을 테스트한 사람은 같은 아침에 그중 두 가지를 드러냈다.

1. 실행 과정은 불투명하다. 에이전트의 코드와 그 정확한 단계들은 ChatGPT UI에서 보이지 않았다 — 요약 설명("Nominatim을 사용했고… 그다음 루프를 로컬에서 계산했다")만 보였다. 경로 하나 정도라면 괜찮지만, 중요한 일이라면 이는 투명성의 공백이며, 항상 그렇다고 가정해야 한다. Willison은 이것을 "안티 기능"이라고 부른다. 즉, 당신은 결과와 그 결과에 대한 모델 자신의 설명을 볼 뿐, 그것을 만들어낸 코드는 보지 못한다.

2. 압축은 작업을 지워버릴 수 있습니다. 그가 Python 코드 사본을 요청했을 때쯤에는 에이전트가 그것을 만들어낼 수 없었습니다. 스레드가 압축되었고, 압축 이전의 컨텍스트는 사라졌기 때문입니다. 여러분이 의존하는 모든 장시간 에이전트 세션에는 이러한 위험이 따릅니다. 스레드가 요약되고, 파일에 저장된 적이 없는 산출물이나 코드는 더 이상 검색할 수 없습니다. 코드가 필요하다면 실행 후가 아니라 실행 중에 파일로 요청하세요.

두 가지 유의사항 모두 이 플레이북을 약화시키지는 않습니다. 경로와 GPX/GeoJSON 내보내기는 디스크에 기록되었기 때문에 컴팩션을 견뎌내는 바로 그런 유형의 결과물입니다. 하지만 이는 기대할 바를 분명히 합니다. ChatGPT Work는 강력하지만 투명하지 않으며, 자신이 한 모든 일을 오래 남는 기록으로 보관하는 저장소도 아닙니다.

왜 이것이 깔끔한 데모보다 더 중요한가

러닝 경로 밑에는 비용을 산정해 볼 가치가 있는 진정으로 새로운 역량이 있습니다. 한 줄짜리 요청을 받아 지오코딩, 네트워크 쿼리, 로컬 연산 전반에 걸쳐 27분 동안 실제 다단계 작업을 수행하고 쓸 수 있는 파일을 돌려주는 프런티어 모델입니다. 이것이 바로 "에이전트 작업"이 실제로 의미하는 바이며, 모델 요청에 무엇을 기대해야 하는지를 바꿔 놓습니다. 또한 비용 계산도 바꿉니다 — 그리고 바로 여기서 라우팅이라는 관점이 제값을 합니다.

ChatGPT Work에서 그 27분 세션은 구독의 Codex 허용량에서 차감되며, GPT-6 Astra에서는 토큰이 빠르게 소모됩니다. 동일한 모델을 API를 통해 토큰당 사용할 수 있습니다. GPT-6 Astra는 백만 입력 토큰당 $10, 백만 출력 토큰당 $50로 책정되어 있고, 약 105만 토큰의 컨텍스트 윈도와 272,000 입력 토큰을 초과하면 더 높은 요율이 적용되는 롱 컨텍스트 티어가 있습니다 — 벤더 정가 기준입니다. 전체 세션을 컨텍스트에 유지하는 에이전트 루프의 경우, 지출은 바로 그 롱 컨텍스트 티어에서 발생합니다.

그것이 바로 라우팅 계층이 관리하기 위해 존재하는 비용입니다. 200개 이상의 모델을 아우르는 단일 API가 제공업체 정가를 0% 마크업으로 그대로 전달한다는 것은, $10/$50짜리 프런티어 모델인 GPT-6 Astra가 $4/$20짜리 GPT-5.6 Sol과 같은 키 옆에 나란히 있고, 모델 문자열 하나로 둘 사이를 전환할 수 있다는 뜻입니다 — 두 번째 계약도, 코드 변경도, 벤더별 통합도 필요 없습니다. 최신 모델을 상대로 경로 계획이나 기타 장기 실행 에이전트를 프로토타이핑해 보고 싶지만 프로덕션 경로를 그 모델에 걸고 싶지는 않다면, 자동 페일오버를 통해 검증된 모델이 아래에서 받쳐 주는 가운데 트래픽의 일부만 그 모델에서 돌릴 수 있습니다. 그리고 벤더가 가격을 인하하면, 패스스루 덕분에 새 가격이 같은 날 우리 쪽에서 바로 적용됩니다 — 중간에 마크업 계층 없이 동일한 정가로 말입니다.

동일한 논리는 모델뿐 아니라 툴링 패턴에도 적용됩니다. 에이전트가 사용한 OSM/Nominatim/Overpass 파이프라인은 바로 개발자가 결정론적으로 호출하고 싶어 할 만한 유형의 것입니다. 그리고 직접 구축한다면 단일 벤더를 하드코딩하는 대신 모델 계층을 하나의 엔드포인트를 통해 라우팅하게 될 것이므로, 경로를 계획하는 모델을 파이프라인을 다시 작성하지 않고도 교체하거나 장애 조치할 수 있습니다.

플레이북, 요약본

이것을 직접 재현하고 싶다면, 형태는 다음과 같습니다:

• 일반 채팅이 아닌 ChatGPT Work를 사용하고, 추론 노력 수준을 높게 설정한 상태에서 GPT-6 Astra를 선택하세요.

• 실제 주소와 목표 거리를 사용한 프롬프트: "<address>에 살고 있어요. 내 위치를 기준으로 우리 집에서 출발해 다시 집으로 돌아오는 5K 및 10K 달리기 경로를 찾아주세요. OSM 데이터를 사용하세요."

• 몇 초가 아니라 수십 분이 걸릴 것으로 예상하세요. 그리고 스스로 작동할 것으로도 예상하세요.

• 진행되는 대로 출력물을 파일 형태로 요청하세요: 시계나 앱용 GPX, 프로그래밍 방식으로 쓰기 위한 GeoJSON, 그리고 채팅에 렌더링되는 시각화를.

• 실행 중에 작성된 코드가 필요하면 파일로 저장해 달라고 요청하세요 — 이후 컴팩션으로 지워질 수 있습니다.

그 마지막 단계는 모두가 건너뛰는 단계이자, 정작 발목을 잡는 단계다. 모델은 당신의 루프를 온종일 기꺼이 계획해 주겠지만, 당신이 물어볼 때쯤이면 그걸 수행한 코드를 기억하지 못할 수 있다.

동일한 키로 카탈로그의 나머지 부분에도 접근할 수 있으며, 전체 모델 카탈로그를 둘러보고 하나의 OpenAI 호환 엔드포인트 뒤에 무엇이 더 있는지 확인할 수 있습니다.