Astra와 Sol, 같은 작업을 맡기면 얼마나 다를까?

GPT-6 Astra와 GPT-5.6 Sol에 같은 정산 자료를 주면, 결과가 얼마나 달라질까요? 오류를 더 잘 찾는지, 같은 답을 더 빨리 내는지, 작업을 마칠 때까지 얼마나 사용하는지에 따라 선택도 달라질 수 있습니다.

이를 확인하기 위해 주문 1,000건과 입금·환불 1,200건을 준비했습니다. 두 모델에 같은 대조 규칙을 주고 세 번씩 실행한 뒤, 오류 목록과 합계, 완료 시간, 토큰 사용량을 비교했습니다. 모델 이름이 아니라 같은 일을 끝내는 과정에서 생긴 차이를 살펴보려는 시험입니다.

시험·자료 확인일은 2026년 9월 8일입니다. 실제 고객 정보가 없는 합성 자료를 사용했으며, 하나의 정산 과제를 모델별로 세 번 반복했습니다.

목차

1. 어떤 자료로 비교했을까?
2. 숨겨 둔 오류는 얼마나 찾았을까?
3. 같은 정답까지 걸린 시간은 달랐을까?
4. 토큰을 덜 쓰면 사용 부담도 작을까?
5. 어떤 작업에 Astra와 Sol을 선택하면 좋을까?

어떤 자료로 비교했을까?

두 모델의 차이를 숫자로 보려면 무엇을 맡기는 것이 좋을까요? 이번에는 답의 정확성을 원자료와 대조할 수 있도록 정산 작업을 골랐습니다. 입금이 두 번 기록되거나, 완료된 주문의 입금이 빠지거나, 취소 주문에 돈이 남아 있는 상황을 구분하게 했습니다.

자료에 넣은 오류는 다섯 종류, 총 20개입니다.

오류 유형	확인할 내용	정답 수
중복 입금 기록	같은 입금 ID의 중복	4개
입금 누락	완료 주문의 입금 내역 부재	4개
금액 불일치	청구액과 입금·환불 합계의 차이	4개
취소 후 미환불	취소 주문에 남은 입금액	4개
주문 없는 입금	주문 목록에 없는 ID의 입금	4개

정상적인 분할 입금과 전액 환불도 함께 넣어, 오류와 정상 거래를 구분하는지 확인했습니다. 두 모델에는 같은 판정 기준을 제공하되, 오류의 위치와 개수는 알려주지 않았습니다.

구분	공통 조건
실행 환경	같은 PC의 Codex CLI
추론·속도 설정	medium · Standard
자료 처리	같은 자료·판정 기준, 로컬 계산 도구 사용
반복 실행	매회 새 세션, 모델별 정상 실행 3회

참조: OpenAI 모델·추론 강도 설정 안내

이 조건에서 먼저 확인한 것은 두 모델이 정상 거래를 오류로 잘못 판단하지 않으면서, 넣어 둔 오류를 빠짐없이 찾는지였습니다.

숨겨 둔 오류는 얼마나 찾았을까?

Astra가 더 많은 오류를 찾았을까요? 정상 실행 여섯 번의 최종 답을 대조한 결과, 두 모델 모두 매회 오류 20개를 전부 찾았습니다. 정상 거래를 오류로 지적한 경우와 같은 오류를 중복해서 지적한 경우도 없었습니다.

세 가지 합계 역시 매번 일치했습니다. 완료 주문의 청구액은 460,373,500원, 중복 기록을 제외한 해당 주문의 기간 내 입금·환불 합계는 457,611,100원, 입금에서 청구액을 뺀 차이는 −2,762,400원이었습니다. 추가 질문이나 정답 피드백 없이 받은 최초 제출 결과입니다.

따라서 이번 정산에서는 정확도 차이가 나타나지 않았습니다. Sol도 모든 정답 기준을 충족했으므로, 더 정확한 답을 얻기 위해 Astra를 선택해야 한다는 근거는 이 과제에서 나오지 않았습니다. 선택을 가를 차이는 같은 정답에 도달하는 과정에 있었습니다.

같은 정답까지 걸린 시간은 달랐을까?

정답이 같다면 기다리는 시간도 비슷했을까요? 실행을 시작한 순간부터 최종 답변이 도착할 때까지를 재 보니 차이가 있었습니다.

모델별 회차	Astra	Sol
1회차	40.0초	49.4초
2회차	39.0초	102.3초
3회차	46.2초	66.3초
중앙값	40.0초	66.3초

※ 측정 기준: 통신·계산·자체 수정을 포함한 최종 답변까지의 시간. 중앙값은 세 기록 중 가운데 값이며, 캐시·서버 부하를 통제한 순수 생성 속도는 아닙니다.

Astra는 같은 정답을 중앙값 기준 26.3초 빨리 냈습니다. 결과를 확인한 뒤 다음 일을 이어가는 작업이라면, Astra의 짧은 대기 시간이 장점입니다.

토큰을 덜 쓰면 사용 부담도 작을까?

토큰을 적게 쓴 Astra가 크레딧도 덜 쓸까요? 토큰은 AI가 읽고 쓰는 내용의 양이고, 크레딧은 그 사용에 요율을 적용하는 단위입니다. 토큰 수가 적다고 크레딧 환산값까지 낮은 것은 아닙니다.

참조: OpenAI 토큰·크레딧 안내

공식 Standard 요율은 아래와 같습니다. Sol의 단가는 각 항목에서 Astra의 40%입니다. 캐시 입력은 재사용된 입력으로, 일반 입력보다 낮은 요율이 적용됩니다.

100만 토큰당 공식 요율	Astra	Sol
일반 입력	250크레딧	100크레딧
캐시 입력	25크레딧	10크레딧
출력	1,250크레딧	500크레딧

참조: OpenAI Standard 토큰 요율, OpenAI 캐시 입력의 개념

실행 기록에 이 요율을 적용하면 다음과 같습니다.

비교 항목	Astra	Sol
입력+출력 토큰	49,481개	95,787개
요율 환산 크레딧	6.54	4.35

※ 집계 기준: 모델별 정상 실행 3회의 중앙값. 토큰에는 자료·도구 결과를 읽은 양이 포함되며, 자료 제작·조사·글 작성은 제외했습니다.

※ 환산 기준: 2026년 9월 8일 Standard 요율을 일반 입력·캐시 입력·출력에 각각 적용했습니다. Sol은 프로모션 요율(적어도 2026년 11월 21일까지)이며, 실제 결제액·구독 한도 차감량은 측정하지 않았습니다.

참조: OpenAI Sol 프로모션 요율 안내

Astra는 토큰을 덜 썼지만, 환산 크레딧은 Sol이 약 33.5% 낮았습니다. Sol의 낮은 단가가 더 많은 토큰 사용을 상쇄한 결과입니다. 크레딧 요율이 적용되는 환경이라면 Sol의 이점을 고려할 수 있지만, 구독 한도도 같은 비율로 절약된다는 뜻은 아닙니다.

어떤 작업에 Astra와 Sol을 선택하면 좋을까?

이번 결과를 바탕으로, 정해진 규칙에 따라 자료를 대조하는 작업에서는 Astra를 우선 추천합니다. 정확도는 같았지만 더 빠르고 토큰도 적었습니다. 결과를 확인하며 다음 일을 이어가는 사람에게는 대기 시간을 줄이는 이점이 크다고 봅니다.

반면 크레딧 요율이 적용되고 시간보다 크레딧 절약이 중요한 작업에는 Sol을 추천합니다. 같은 정답을 더 낮은 환산값으로 얻었기 때문입니다. 이 권고는 자료 대조 결과에 한정되며, 실제 업무의 오류 목록과 합계는 원자료·업무 규칙으로 확인해야 합니다.