OpenAI의 차세대 모델 'GPT-6 Astra'가 AI 능력 측정 벤치마크인 ARC-AGI-3에서 눈에 띄는 성적을 냈어요. ARC Prize 공식 발표에 따르면, 2026년 9월 3일 게재된 결과 기준으로 GPT-6 Astra는 'Provider Adapter 하네스' 방식을 사용했을 때 ARC-AGI-3 세미-프라이빗 평가에서 99.9%의 점수를 기록했어요. 비용은 약 1만 9천 달러였고요.
또 다른 방식인 'Standard 하네스' — 모델이 환경 전반에 걸쳐 직접 메모를 이어 가는 방식 — 로는 62.7%를 기록했어요. 이쪽은 비용이 약 2만 6천 달러였답니다. 두 방식의 점수 차이가 꽤 크죠. 핵심은 Provider Adapter가 요청 사이에 추론 상태를 불투명하게 보존하고, 긴 대화를 압축해서 모델이 이전 작업을 재활용할 수 있게 한다는 점이에요. 쉽게 말하면, 이전에 생각한 내용을 버리지 않고 이어서 쓰는 구조예요.
ARC-AGI-3는 명시적인 지시 없이 낯선 환경을 탐색하고, 목표를 스스로 추론하며, 내부 모델을 구축해 행동을 계획하는 '에이전트형 지능'을 측정하는 벤치마크예요. 인간은 이 환경을 100% 풀 수 있도록 난이도가 조정되어 있고요. ARC-AGI 시리즈의 목표는 현재 AI와 AGI 사이의 '잔여 격차'를 측정하는 거예요. 여기서 AGI는 인간이 습득할 수 있는 어떤 기술이든, 인간과 비슷한 효율로 습득할 수 있는 능력으로 정의해요.
흥미로운 건 행동 효율성이에요. GPT-6 Astra는 테스트에 참여한 중간값 인간보다 96%의 레벨에서 더 적은 행동으로 문제를 풀었어요. 인간 기준선을 넘어섰다는 거죠. 관찰된 주요 행동 패턴도 눈에 띄어요. GPT-6 Astra는 낯선 환경을 만났을 때 이를 간결한 상징적 세계 모델로 압축하는 경향을 보였어요. 게임 규칙을 논리 규칙으로 표현하고, 상태를 추적하고 행동을 계획하기 위해 자체적인 도메인 특화 언어 축약형을 개발했다고 해요. 스스로 일종의 기호 언어를 만들어 쓴 거예요.
수치 자체는 인상적이지만, 맥락을 짚어 두는 게 중요해요. ARC-AGI-3는 벤치마크이고, 현실 세계의 복잡한 문제와는 다른 조건에서 측정돼요. 비용도 무시하기 어렵고요. 99.9%라는 숫자가 '모든 걸 할 수 있다'는 의미는 아니에요. 다만, AI가 낯선 환경에서 스스로 규칙을 파악하고 효율적으로 행동하는 능력이 올라오고 있다는 건 확인할 수 있어요.
