AI
MetaBrief-
Claude Fable 5.2 (Max), LMArena 이미지 이해 부문 첫 집계서 10위… 상위 10개 중 8개 앤트로픽
앤트로픽의 AI 모델 Claude Fable 5.2 (Max)가 LMArena 이미지 이해(비전) 부문 리더보드에 처음 집계되면서 바로 10위에 올랐다. LMArena가 11월 19일 공개한 리더보드 자료에 따르면, 이 모델은 1,176표를 받았다.LMArena는 예전에 'Chatbot Arena'라는 이름으로 알려진 AI 모델 평가 플랫폼이다. 이용자는 어떤 모델인지 모르는 상태에서 두 모델의 답변을 비교해 더 나은 쪽에 투표한다. 이 투표를 모아 순위를 매긴다. 비전 부문은 이미지를 이해하는 능력만 따로 겨루는 부문이다.이번 비전 부문 상위 10위는 거의 앤트로픽 모델로 채워졌다. 1위는 Claude Fable 5 (High), 2위는 Claude Fable 5.1 (Max), 3위는 Claude Opus 5.5 (High)다. 4위 Claude Opus 4.7과 5위 Claude Opus 5 (High)까지 1~5위가 모두 앤트로픽 모델이다. 6위에는 구글의 Gemini 3.8 Flash (High)가 올랐다. 이어 7위 Claude Opus 4.6 (High), 8위 Claude Opus 4.7 (High), 9위 구글 Gemini 3.7 Flash (High)가 자리했다. 10위가 이번에 새로 들어온 Claude Fable 5.2 (Max)다. 10개 자리 가운데 앤트로픽이 8개, 구글이 2개를 차지했다.눈에 띄는 점은 Fable 계열의 순위가 버전 번호와 반대라는 것이다. 번호가 가장 높은 Fable 5.2 (Max)는 10위지만, 이전 번호인 Fable 5 (High)는 1위, Fable 5.1 (Max)는 2위다. 같은 이름이라도 괄호 안에 'High'나 'Max'가 붙으면 리더보드에서 따로 집계된다. 그래서 괄호 표기가 없는 Claude Opus 4.7은 4위, Claude Opus 4.7 (High)는 8위로 순위가 나뉘었다.순위를 해석할 때는 주의할 점이 있다. LMArena 순위는 투표 결과로 추정한 Elo 계열 점수를 바탕으로 하며, 이
-
StrideWorld, 비디오 월드 모델의 장면 왜곡과 명령 일관성을 재는 벤치마크
중국 상하이교통대(Shanghai Jiao Tong University) 연구진이 사용자 명령에 따라 생성된 장면 속을 돌아다니는 '인터랙티브 비디오 월드 모델'을 평가하는 벤치마크 'StrideWorld'를 내놨다. 이 벤치마크는 두 가지를 잰다. 카메라가 움직이는 동안 장면의 3차원 구조가 무너지지 않는지, 그리고 같은 명령이 매번 같은 만큼 움직이는지다. 추앙 왕(Chuang Wang) 등 연구진 12명이 사전공개 논문 저장소 arXiv에 올린 논문 「StrideWorld: Benchmarking Scene Rigidity and Action Consistency in Interactive Video World Model」에 따르면, 공개 모델들이 140개 시작 장면에서 만든 영상을 분석한 결과 한 모델을 뺀 나머지 모두가 카메라 이동 중에 장면을 변형시켰다.인터랙티브 비디오 월드 모델은 '앞으로 가기'나 '왼쪽으로 돌기' 같은 사용자 명령을 받아, 생성된 장면을 탐색하는 영상을 이어서 만들어 내는 기술이다. 이 기술이 제대로 작동하려면 시점이 바뀌어도 장면이 원래 입체 구조를 지켜야 하고, 명령 하나하나가 늘 같은 효과를 내야 한다. 연구진은 기존 벤치마크가 이 성질을 평가하면서 기준을 '평가 대상 영상에 맞춰' 잡았다는 점을 문제로 꼽았다. 영상 자신의 프레임으로 장면을 재구성해 기준으로 쓰거나, 카메라 궤적을 명령 경로에 맞추되 축척은 자유롭게 조정하는 식이었다. 이렇게 하면 기준 자체가 영상의 오류를 따라가 버린다. 장면이 서서히 일그러지거나 이동 속도와 경로 길이가 달라져도 기준이 이를 흡수해 오류가 드러나지 않는다는 것이다.StrideWorld는 평가할 움직임이 시작되기 전에 기준을 먼저 고정하는 방식으로 이 문제를 피했다. 장면이 형태를 유지하는지는 시작 시점 화면의 실제 3차원 형상(그라운드 트루스)과 비교해 판단한다. 명령의 일관성은 '보폭(stride)'이라는 개념으로 잰다. 보폭은 명령 하나가 만들어 내는 카메라 이동량을 말한다. 모델
-
Daybreak Red·Daybreak Blue·Codex Security Plugin, OpenAI 보안 도구 도입 자료 잇따라 공개
OpenAI가 자사 공식 채널인 OpenAI News를 통해 기업용 보안 도구와 관련된 학습 자료 네 건을 공개했다. 네 건 모두 기업 고객을 위한 'business/learn' 섹션에 실렸다. 다루는 대상은 Daybreak Red, Daybreak Blue, Codex Security Plugin 세 가지 제품과 PR 스캔 기능이다. 한 건은 실제 배치 방법을 정리한 참조 아키텍처 문서이고, 나머지 세 건은 실제 사용 과정을 녹화한 시연·안내 영상이다.가장 설명이 자세한 자료는 Daybreak Red 배포 문서다. OpenAI는 Daybreak Red로 '감독하에 진행하는 보안 조사(supervised security investigations)'를 운영하는 참조 아키텍처를 내놓았다. 문서는 세 가지 내용을 함께 다룬다. 조사 활동을 안전하게 묶어 두는 안전 통제 장치, 처음 도입할 때의 설정 절차, 운영 중 동작을 지켜보는 모니터링 방식이다. 보안 조사를 사람이 감독하는 구조로 짜고, 그 위에 통제와 관찰 장치를 얹는 방법을 설계도 형태로 보여 주는 자료다.같은 이름을 쓰는 Daybreak Blue는 온보딩 안내 영상으로 소개됐다. 영상은 Daybreak Blue를 처음 쓰는 과정을 따라가며 설정 화면에서 무엇을 하게 되는지 자세히 보여 주고, 사용을 시작하는 방법을 안내한다. Daybreak Red 문서가 운영 구조 전체를 설명한다면, Daybreak Blue 영상은 첫 진입 단계에 초점을 맞췄다.개발 과정의 보안 점검을 다룬 영상은 두 편이다. PR 스캔 시연 영상에서는 발표자가 풀 리퀘스트(PR) 작업 흐름 안에서 스캔 결과를 검토하는 모습을 보여 준다. 코드 변경을 올리고 리뷰하는 일상적인 개발 절차 속에서 보안 스캔 결과가 어떻게 드러나고, 검토자가 그것을 어떻게 살펴보는지가 핵심이다. Codex Security Plugin 시연 영상은 범위가 더 넓다. 플러그인을 처음 설치하고 쓰기 시작하는 단계부터 녹화 화면에 나온 결과를 검토하는 단계까지 전
-
Haru-4B, higurashi-ai 음성 변환 모델 공개… 한국어 지원·상업 이용 가능
허깅페이스(Hugging Face)에 공개된 모델 정보에 따르면, higurashi-ai가 2026년 11월 12일 음성 변환 모델 'Haru-4B'를 허깅페이스에 올렸다. 아파치 2.0(apache-2.0) 라이선스로 공개돼 상업적으로도 쓸 수 있다. 모델 카드의 지원 언어 9개 가운데 한국어도 들어 있다.허깅페이스는 전 세계 개발자와 연구자가 AI 모델을 올리고 내려받는 공유 플랫폼이다. 새 모델이 나오면 내려받기 수와 즐겨찾기(좋아요) 수로 초기 관심도를 가늠한다. Haru-4B는 공개 뒤 약 일주일 동안 내려받기 6,266회, 즐겨찾기 3,614회를 기록했다. 즐겨찾기가 내려받기의 절반을 넘는다. 실제로 내려받은 사람만큼이나 모델을 저장해 두고 지켜보려는 개발자도 많다는 뜻이다.모델 정보를 보면 Haru-4B의 매개변수는 52억 7천만 개다. 매개변수는 AI 모델이 학습으로 얻은 값의 개수로, 모델의 규모를 나타낸다. 가중치 파일은 약 11GB다. 가중치를 4비트로 양자화하면 약 3GB 안팎으로 줄어든다. 양자화는 모델의 숫자 정밀도를 낮춰 용량과 메모리 사용량을 줄이는 기법이다. 다만 실제로 모델을 돌릴 때는 가중치 파일 크기보다 메모리가 더 필요하다. 이를 감안해도 수십~수백 GB가 필요한 초대형 모델과 비교하면 개인 개발자도 다루기 쉬운 규모다.라이선스도 눈여겨볼 대목이다. 아파치 2.0은 대표적인 공개 소프트웨어 라이선스다. 모델을 고쳐 쓰거나 상업 서비스에 넣는 것을 허용한다. 다만 저작권 고지와 라이선스 표기 같은 조건은 지켜야 한다. 공개 AI 모델 가운데는 연구용으로만 쓸 수 있거나 상업 이용에 별도 조건을 붙인 경우도 적지 않다. 이런 제약이 없어서 음성 관련 서비스를 만드는 기업이나 개발자는 비교적 부담 없이 시험해 볼 수 있다.음성 변환은 한 사람의 목소리를 다른 목소리로 바꾸거나 말투·음색을 조정하는 기술이다. 콘텐츠 제작, 더빙, 음성 비서 등에 쓰인다. 지원 언어 9개에 한국어가 포함돼 있어 국내 개발자들도 한국어 음성으로 모델
-
SenseNova-Loop-9B, sensenova 공개… 이미지 읽고 답하는 94억 모델, 상업 이용 가능
허깅페이스(Hugging Face)에 올라온 모델 정보에 따르면 sensenova가 2026년 11월 17일 AI 모델 공유 플랫폼 허깅페이스에 'SenseNova-Loop-9B'를 공개했다. 이미지와 텍스트를 함께 입력받아 텍스트로 답을 내놓는 모델이다. 매개변수는 94억1000만 개다. 라이선스는 상업 이용이 허용되는 아파치 2.0(apache-2.0)이다.공개 뒤 사흘 동안 내려받기는 1,447회, 즐겨찾기는 383회였다. 허깅페이스는 연구기관과 기업이 만든 AI 모델이 공개되는 곳이다. 그래서 이 수치를 보면 개발자들이 새 모델에 얼마나 관심을 보이는지 초기 반응을 가늠할 수 있다.◇ 이미지와 글을 함께 읽는 모델SenseNova-Loop-9B의 용도는 '이미지·텍스트 입력 텍스트 생성'이다. 사진이나 그림을 질문과 함께 넣으면 그 내용을 바탕으로 글로 답한다. 이렇게 이미지와 텍스트를 함께 처리하는 모델은 흔히 시각-언어 모델로 불린다. 사진 속 내용 설명, 이미지에 대한 질의응답처럼 글과 그림이 섞인 작업에 쓰인다.매개변수 94억1000만 개는 모델 이름에 붙은 '9B'(90억 개 수준)와 맞는다. 수천억 개 규모의 초대형 모델보다는 훨씬 작고, 개인이나 소규모 팀도 다뤄볼 만한 중소형급이다.◇ 상업 이용 가능… 한국어는 지원 언어에 없어라이선스는 아파치 2.0이다. 이 모델을 상업용 서비스나 제품에도 쓸 수 있는 공개 라이선스다. 다만 저작권 표기 같은 조건은 라이선스 문서를 따라야 한다. 기업이 자체 서비스에 붙여 쓰거나 고쳐서 다시 배포하는 데 제약이 적은 편이어서, 공개 모델 가운데서도 활용 폭이 넓은 축에 든다.국내 사용자가 따져볼 부분은 언어다. 모델 카드에 적힌 지원 언어는 영어와 중국어뿐이고 한국어는 없다. 한국어로 질문하거나 한국어 답을 받는 용도로 쓰려면 이 점을 감안해야 한다.◇ 4비트 양자화하면 약 5.3GB내 컴퓨터에서 돌릴 수 있느냐도 관심거리다. 원본 가중치 파일은 약 19GB다. 가중치를 4비트로 압축하는 양자화를 거치면
-
Codex, 내 PC에서 명령 실행하며 파일·네트워크 제한 지키는 샌드박스 구조 공개…OpenAI
OpenAI는 공식 소식 채널 OpenAI News에 'Inside the Codex sandbox'라는 글을 올려 AI 코딩 에이전트 Codex의 샌드박스 작동 방식을 소개했다. 글에 따르면 Codex는 사용자 컴퓨터에서 직접 명령을 실행하면서도 사용자가 정한 파일 시스템 접근 범위와 네트워크 제한을 따른다.샌드박스는 프로그램이 정해진 범위 밖에 영향을 주지 못하도록 실행 환경을 격리하는 장치다. Codex가 개발자 PC에서 코드를 작성하고 명령을 실행할 때도 어느 파일에 접근하고 어디까지 네트워크에 연결할지는 사용자가 정한다. OpenAI는 이 제한을 Codex가 스스로 바꾸는 것이 아니라 사용자가 통제한다는 점을 강조했다.이 샌드박스는 macOS, 리눅스, 윈도우에서 모두 작동한다. 개발자는 쓰는 운영체제와 상관없이 같은 방식으로 Codex의 실행 범위를 정할 수 있다.
-
OpenAI, 프런티어 AI 위험 관리 방식 공개… 학습부터 배포까지 4중 장치
OpenAI는 공식 블로그 'OpenAI News'에 「Managing frontier AI risk: From training to deployment」라는 글을 올렸다. 이 글에서 회사는 최첨단(프런티어) AI 모델의 위험을 학습 단계부터 실제 배포 단계까지 어떻게 관리하는지 설명했다.OpenAI가 위험 관리 수단으로 꼽은 것은 네 가지다. 첫째는 모델이 의도한 대로 행동하도록 맞추는 '정렬(alignment)'이다. 둘째는 모델을 격리된 환경에서 실행하는 '샌드박싱(sandboxing)'이고, 셋째는 문제가 될 수 있는 동작을 막는 '차단형 안전장치(blocking safeguards)'다. 마지막은 모델이 어떻게 쓰이는지 지켜보는 '모니터링(monitoring)'이다.OpenAI는 이 장치들이 한 시점에만 쓰이지 않는다고 설명했다. 모델을 학습시킬 때부터 사용자에게 내놓을 때까지 전 과정에 걸쳐 적용한다는 것이다. 이번 글은 특정 모델이나 제품을 발표한 것이 아니다. 프런티어 AI의 위험을 다루는 회사의 관리 체계 전반을 소개하는 내용이다.
-
엔비디아·MS, 애저 베라 루빈부터 윈도 PC까지 AI 협력 확대
엔비디아는 공식 블로그(NVIDIA Blog)를 통해 마이크로소프트 이그나이트 행사에서 두 회사가 애저 클라우드부터 산업 시스템, 윈도 PC까지 협력 범위를 넓힌다고 발표했다. 엔비디아에 따르면 애저 데이터센터에서는 NVIDIA Vera Rubin NVL72 시스템이 가동되고 있으며, 두 회사는 이 시스템을 쓰는 애저 가상머신의 이용 범위를 넓힌다. 학습·추론 중인 민감한 모델과 데이터를 보호하는 기밀 컴퓨팅도 랙 단위 AI 인프라로 확대한다.Microsoft Foundry에서는 장시간 작동하는 에이전트용 Nemotron 3.5 Super와 빠른 응답에 맞춘 Lightning 등 Nemotron 3.5 제품군을 쓸 수 있게 된다. 엔비디아는 EY가 이 플랫폼에서 Nemotron 모델을 맞춤 학습해 구매 기록 분류 정확도를 55% 높이고, 비용은 상용 프런티어 모델보다 15분의 1로 줄였다고 소개했다.이 밖에 기업 내부 환경인 Azure Local은 RTX PRO 6000 Blackwell GPU와 Jetson Thor·Orin 엣지 플랫폼을 지원한다. GPU 가속 Windows 365 클라우드 PC에는 4K 60프레임 화면을 최대 두 개까지 내보내는 Direct Stream 기능이 들어가며, 공개 프리뷰는 2027년 초로 예정돼 있다. 마이크로소프트도 자사 모델 후속 학습에 NVIDIA Dynamo를, Bing 검색 모델에 RTX PRO 6000 Blackwell GPU를 쓰고 있다.
-
Claude Mythos 5.2·Claude Fable 5.2 오류 증가… 앤트로픽, 15분 장애 해소
앤트로픽의 AI 모델 Claude Mythos 5.2와 Claude Fable 5.2에서 지난 19일 요청 오류가 늘어나는 장애가 발생했다. 앤트로픽 공식 상태 페이지 공지에 따르면 장애는 협정세계시(UTC) 기준 19일 오전 8시 56분부터 9시 11분까지 약 15분 동안 이어졌다. 한국 시간으로는 19일 오후 5시 56분부터 6시 11분까지다. 회사는 이후 문제가 해결됐다고 밝혔다.앤트로픽은 AI 서비스 '클로드(Claude)'를 만드는 회사다. 이번 공지 제목은 'Claude Mythos 5.2와 Claude Fable 5.2의 오류 증가(Elevated errors for Claude Mythos 5.2 and Claude Fable 5.2)'다. 회사가 밝힌 영향 범위는 넓다. 웹·앱 서비스인 claude.ai, 개발자와 기업이 쓰는 Claude API, 코딩 도구인 Claude Code, Claude Cowork가 모두 포함됐다. 일반 이용자부터 클로드를 자사 서비스에 붙여 쓰는 기업까지 같은 시간대에 영향을 받았다는 뜻이다.상태 페이지에 올라온 기록을 시간순으로 보면 대응은 세 단계로 진행됐다. 먼저 UTC 오전 9시 10분(한국 시간 오후 6시 10분) '조사 중(Investigating)' 공지가 올라왔다. 회사는 "Claude Mythos 5.2와 Claude Fable 5.2에 대한 요청에서 오류가 늘어난 현상을 조사하고 있다"며 "가능한 한 빨리 추가 정보를 알리겠다"고 밝혔다.12분 뒤인 UTC 오전 9시 22분(한국 시간 오후 6시 22분)에는 '모니터링(Monitoring)' 단계로 넘어갔다. 앤트로픽은 이때 "다른 클로드 모델에 대한 수정 조치를 배포했으며 복구 상황을 지켜보고 있다"고 알렸다. 마지막으로 UTC 오전 9시 33분(한국 시간 오후 6시 33분) '해결(Resolved)' 공지를 올리고 claude.ai, Claude API, Claude Code, Claude Cowork에 영향을 준 문제가 해결됐다고 밝혔다.시점을
-
Gemini 4 Neon (High), LMArena 대화 부문 첫 집계에 2위…코딩선 GPT-6.2 Astra 3위
구글의 새 AI 모델 Gemini 4 Neon (High)가 LMArena 텍스트(대화) 부문 순위에 처음 집계되면서 2위에 올랐다. LMArena가 11월 18일 갱신한 리더보드 자료에 따르면 이 모델은 3,885표를 받았고, 같은 회사의 Gemini 4 Carbon (High)에 이어 2위에 자리했다. 같은 날 발표된 웹 개발(코딩) 부문에서는 오픈AI의 GPT-6.2 Astra (Max)가 처음 집계되자마자 3위에 들었다. 이번 갱신으로 두 부문 상위 10위 안에 새 모델 네 개가 들어왔다.LMArena(옛 Chatbot Arena)에서는 이용자가 이름을 가린 두 AI 모델의 답변을 보고 더 나은 쪽에 투표한다. 리더보드는 이 투표를 모아 순위를 매긴다. 정해진 시험 문제로 점수를 내는 벤치마크와 달리, 실제 사용자가 어떤 답을 더 좋아하는지가 바로 순위에 반영된다는 점이 특징이다. 새 모델이 나오면 일정한 수의 투표가 쌓인 뒤 순위표에 오른다. 이번에 처음 집계된 모델들도 이런 과정을 거쳐 순위에 들었다.텍스트(대화) 부문은 1~3위를 구글이 모두 차지했다. 1위 Gemini 4 Carbon (High), 2위 Gemini 4 Neon (High), 3위 Gemini 4 Argon (High)로 Gemini 4 계열 세 모델이 맨 위에 나란히 섰다. 4위는 앤트로픽의 Claude Opus 5.5 (High)였고 Claude Fable 5.1 (Max)가 5위, Claude Opus 5 (Max)가 6위로 뒤를 이었다. 7위에는 메타의 Muse Wonder (Max)가 올랐다. 8위는 Claude Opus 5 (High), 9위는 구글 Gemini 4 Hydrogen (High), 10위는 Claude Opus 4.6 (High)였다. 회사별로 보면 상위 10개 가운데 앤트로픽 모델이 5개, 구글이 4개, 메타가 1개다. 모델 수는 앤트로픽이 가장 많지만 최상위권은 구글이 가져간 구도다.웹 개발(코딩) 부문은 순위가 대화 부문과 크게 다르다. 1위는 앤트
-
Xing 4, Ascend 910C 8192장으로 2850억 파라미터 학습…XingChen-AGI 기술보고서
XingChen-AGI 소속 Xingchen AGI Lab 등 연구진 139명이 대규모 언어모델 시리즈 「Xing 4」의 설계와 학습 인프라를 정리한 논문을 사전공개 논문 저장소 arXiv에 올렸다. arXiv에 공개된 초록에 따르면 연구진은 Ascend 910C 카드 8,192장으로 2,850억(285B) 파라미터 모델을 사전학습했다. 논문 제목은 「TeleChat to Xing4: Advancing Frontier Agentic Models on Domestic Chips and Frameworks」이고 번호는 arXiv:2611.22115다. 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서는 추천 121회를 받았다.제목에 담긴 대로 Xing 4는 TeleChat 계열을 잇는 모델 시리즈다. 연구진은 이번 시리즈가 모델 구조와 학습 인프라를 함께 개선해 나온 결과라고 설명했다. 제목에 '자국산 칩과 프레임워크'를 내건 만큼, 이 보고서는 모델 성능만큼이나 Ascend 칩과 MindSpore 프레임워크 위에서 초대형 모델을 어떻게 학습시켰는지에 무게를 둔다. 보고서는 구조 선택, 대규모 사전학습, 추론·에이전트 능력을 위한 사후학습까지 개발 전 과정을 다룬다.구조 설계에서는 모델의 표현 능력과 실제 연산 비용 사이의 균형을 살폈다. 연구진은 희소 활성화(sparse activation), 어텐션 설계, 모델의 깊이와 너비, 추측 디코딩(speculative decoding)이 각각 모델 용량과 연산량, 메모리 접근, 실행 오버헤드에 어떤 영향을 주는지 분석했다. 희소 활성화는 입력마다 모델 일부만 계산에 쓰는 방식이고, 추측 디코딩은 답을 빨리 내기 위해 다음에 올 토큰을 먼저 추정한 뒤 검증하는 기법이다. 모델을 무작정 키우기보다 하드웨어에서 실제로 효율이 나는 구조를 찾으려 했다는 뜻으로 읽힌다.사전학습 인프라는 MindSpore HyperParallel을 기반으로 만들었다. 연구진은 통신 구조를 고려한 하이브리드 샤딩, 분산 옵티마이저의 효율적
-
gpt-6.2-astra·gpt-6.2-sol, 오픈AI API에 추가…고난도 추론용과 일상 코딩용으로 나뉘어
오픈AI가 개발자용 API에 새 모델 'gpt-6.2-astra'와 'gpt-6.2-sol'을 추가했다. OpenAI API 개발자 문서의 공식 변경 이력에 따르면 오픈AI는 11월 17일 두 모델을 함께 소개하는 항목 1건을 올렸다. 변경 이력은 GPT-6.2 Astra를 까다로운 추론과 코딩 작업에, GPT-6.2 Sol을 일상적인 코딩과 에이전트 워크플로에 쓰라고 안내했다.두 모델은 오픈AI의 Responses API(v1/responses)와 Chat Completions API(v1/chat/completions)를 모두 지원한다. 다만 도구 호출(tool calling)은 Responses API에서만 쓸 수 있다. 기존 Chat Completions 방식으로 서비스를 만든 개발자도 두 모델을 불러 텍스트를 생성할 수는 있다. 그러나 외부 함수나 도구를 연결하는 기능을 쓰려면 Responses API로 옮겨야 한다.이번 항목에서 눈여겨볼 대목은 모델 추가와 함께 API 동작 방식도 달라졌다는 점이다. 변경 이력은 GPT-6.2에서 Responses API의 동작 두 가지가 바뀐다고 밝혔다. 하나는 대화의 앞부분(prefix)을 고쳤을 때 모델의 추론 내용을 보존하는 방식이다. 다른 하나는 최상위 instructions 필드를 처리하는 방식이다. 오픈AI는 자세한 내용과 권장 수정 사항을 'GPT-6.2 마이그레이션 가이드'에 정리했다며 개발자들에게 이를 참고하라고 했다.오픈AI가 한 세대의 모델을 성격이 다른 두 이름으로 나눠 내놓은 것은 용도에 따라 고르라는 뜻으로 읽힌다. 변경 이력의 설명을 보면 Astra는 어려운 문제를 깊이 풀어야 하는 작업, Sol은 매일 반복되는 코딩과 에이전트 작업을 맡는 구도다. 개발자는 처리할 작업의 난이도와 성격에 맞춰 둘 중 하나를 고르거나 둘을 섞어 쓸 수 있다.도구 호출을 Responses API에서만 지원하는 점도 같은 맥락에 있다. 에이전트 워크플로는 모델이 스스로 도구를 불러 여러 단계를 처리하는 방식이