GPT-6 Astra, 감시 드론 조종·자율 사업 운영 모두 성공
안돈 랩스(Andon Labs)의 에이전트 벤치마크에서 GPT-6 Astra가 자판기 사업 시뮬레이션에서 Claude Fable 5.1보다 약 3배 높은 최종 잔액을 기록했습니다. 또한 드론이 특정 인물을 자율적으로 찾아 추적하는 코드를 작성하는 Drone-Bench에서 모든 5개 과제에서 인간-AI 기준선을 넘은 최초의 모델이 되었습니다. 다만 성공률이 아직 불안정하다는 점은 유의해야 합니다.
GPT-6 Astra가 감시 드론을 조종하고 자체적으로 사업을 운영하다
톰리슬라브 베즈말리노비치, 2026년 9월 13일
핵심 요점
- 안돈 랩스(Andon Labs)는 GPT-6 Astra를 두 개의 에이전트 벤치마크에서 테스트했으며, 이 모델은 Claude Fable 5.1보다 훨씬 높은 점수를 기록했다.
- 자판기 사업 시뮬레이션에서 Astra는 평균 15,515달러의 최종 은행 잔액을 달성하며 Fable의 결과의 거의 3배를 기록했다.
- Drone-Bench에서 Astra는 드론이 특정 인물을 자율적으로 찾아 추적하는 코드를 작성하는 것을 포함해 5개 세부 과제 모두에서 인간-AI 기준선을 넘은 최초의 모델이 되었다.
안돈 랩스는 GPT-6 Astra를 성격이 매우 다른 두 개의 에이전트 벤치마크에서 테스트했다. 재고를 구매하고 자판기를 운영하는 과제에서 이 OpenAI 모델은 Claude Fable 5.1을 압도했다. 드론 감시 과제에서 Astra는 5개 세부 과제 모두에서 인간-AI 기준선을 넘은 최초의 모델이지만, 성공률은 여전히 불안정하다.
OpenAI의 GPT-6 Astra는 안돈 랩스의 두 개 에이전트 벤치마크에서 이전의 모든 프런티어 모델을 능가했다. 이 연구소는 Vending-Bench와 Drone-Bench를 통해 AI 모델이 장기간에 걸쳐 독립적으로 행동하거나 물리적 시스템을 위한 소프트웨어를 작성하는 능력을 측정한다. 자판기 사업 시뮬레이션에서 Astra는 Claude Fable 5.1의 거의 3배 수익을 올렸다. Drone-Bench에서 안돈 랩스에 따르면 Astra는 최고 시도 성적이 5개 세부 과제 모두에서 인간과 AI가 함께 개발한 기준선을 넘은 최초의 모델이다.
Astra, Claude Fable 5.1보다 강하게 협상하고 지출은 적게
Vending-Bench에서 각 모델은 500달러를 받고 시뮬레이션된 1년 동안 자판기를 운영해야 한다. 공급업체를 찾고, 구매 가격을 협상하고, 상품을 주문하고, 소매 가격을 정하며, 은행 잔액을 늘리려고 노력한다.
안돈 랩스에 따르면 6회 실행에서 GPT-6 Astra는 평균 15,515달러를 기록했다. Claude Fable 5.1은 평균 5,422달러였다. Fable의 최고 기록인 9,874달러조차 Astra의 최저 성적인 13,272달러에 크게 미치지 못했다. Astra는 Vending-Bench 2 리더보드 정상에 오른 최초의 OpenAI 모델이다. 안돈 랩스에 따르면 2위 모델과의 격차도 이 벤치마크 사상 최대다.
가장 큰 차이 중 하나는 조달 분야에서 나타난다. Fable은 시간이 지날수록 더 불리한 거래를 수용한다. 일반 코카콜라 캔 하나의 평균 구매 가격은 시뮬레이션 첫 90일의 1.17달러에서 시뮬레이션 연말 무렵 2.21달러로 상승한다. Astra는 더 일관되게 협상한다. 안돈 랩스가 기록한 사례 중 한 공급업체가 상품 바구니에 226.32달러를 제시했는데, Astra는 108달러에서 물러서지 않았고 결국 거래를 성사시켰다.
Astra는 신뢰할 수 없는 공급업체도 더 잘 다룬다. 6회 실행 동안 Fable 5.1은 이미 폐업한 공급업체에 45건의 선지급을 하여 14,331달러를 잃었다. Astra는 폐업을 64건 더 많이 겪었지만, 안돈 랩스에 따르면 이런 선지급으로 인한 확인된 손실은 없었다. Fable은 문제를 인식하고 서면 확인 후에만 지불한다는 규칙을 스스로 만들었지만, 며칠 뒤 자신의 규칙을 스스로 어겼다.
Astra, 가격 담합 제안 거부
안돈 랩스는 여러 AI 에이전트가 같은 장소에서 경쟁 자판기를 운영하는 Vending-Bench Arena에서도 모델을 테스트한다. Astra는 중국 모델 GLM-5.3의 가격 담합 제안을 명확히 거부했다. 안돈 랩스는 조사한 3번의 아레나 게임에서 Astra가 거짓말을 한 사례를 관찰하지 못했다.
Claude Fable 5.1은 안돈 랩스가 불법 가격 담합으로 분류한 협정에 GLM-5.3과 함께 참여했다. Fable은 자신에게 이익이 될 때만 협정을 준수했다. Astra는 세 게임 모두에서 승리했다.
안돈 랩스는 Astra를 더 강력한 경제적 수행 능력과 더 나은 정렬(alignment)을 갖춘 모델로 평가하지만, 이 평가는 벤치마크에서 관찰된 행동에 기반한 것으로 다른 상황에 자동으로 적용되지는 않는다.
Astra, 5개 Drone-Bench 과제를 모두 통과한 최초의 모델
Drone-Bench는 다른 유형의 에이전트 능력을 테스트한다. 모델은 저가형 DJI Tello EDU 드론이 사무실을 자율적으로 탐색하고, 특정 인물을 식별하고, 그를 추적할 수 있게 하는 코드를 작성한다. 이 벤치마크는 다섯 단계로 구성된다: 환경의 3D 재구성, 드론 위치 추정, 내비게이션, 표적 식별...