> ## Documentation Index
> Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt
> Use this file to discover all available pages before exploring further.
# GPT-6 Astra 텍스트 생성
> APIYI의 OpenAI GPT-6 Astra 플래그십: Responses와 Chat Completions를 모두 지원하며, 100만 tokens당 입력 $10 / 출력 $50이고 Codex_Reverse 그룹에서는 절반 가격입니다. 공식 릴레이 및 역방향 라인 전반의 220개 이상의 검사, 4단계 추론 데이터, 모든 편차 항목별 귀속을 포함합니다.
GPT-6 Astra(`gpt-6-astra`)는 2026년 9월 3일 OpenAI가 출시한 차세대 플래그십으로, 컴퓨터 사용, 소프트웨어 엔지니어링, 과학, 장기 범위 에이전트 작업을 위해 설계되었습니다. 1,050,000-token 컨텍스트, 128,000-token 최대 출력, 조정 가능한 추론 수준을 제공합니다. APIYI는 **응답** 및 **채팅 완성** 엔드포인트를 모두 제공하며, 출시 당일 OpenAI 직접 공식 릴레이, Azure를 통한 공식 릴레이, `Codex_Reverse`의 세 라인에서 동일한 74개 점검 매트릭스를 실행했습니다.
**GPT-6 Astra가 APIYI에서 제공됩니다**: 모델 이름은 `gpt-6-astra`입니다. `default` / `svip` 공식 릴레이 그룹은 OpenAI와 동일한 가격으로 제공되며, OpenAI 직접 및 Azure의 두 공식 라인에서 서비스됩니다. `Codex_Reverse` 그룹(Codex 리버스 엔지니어링 리소스)은 **0.5배 할인**으로 과금됩니다. **함수 호출과 에이전트 도구 체인은 응답에서만 제공**되므로, 새 프로젝트는 여기서 시작하십시오.
**채팅 완성은 함수 도구를 지원하지 않습니다.** `tools`을 포함한 요청은 `reasoning_effort` 또는 `tool_choice`와 관계없이 공식 릴레이 라인에서 업스트림에 의해 거부되며(400, 응답으로 안내), 이는 플랫폼 문제가 아닌 모델 측 제한입니다. 함수 호출을 사용하는 기존 Chat 코드는 Astra로 이전할 때 응답으로 옮겨야 합니다.
## 차별화되는 이유
Terminal-Bench 4.0은 37.3%에서 57.9%로, ScreenSpot-Pro는 76.9%에서 92.7%로, OSWorld 2.0은 72.6%를 기록했습니다. 가장 큰 향상은 모두 에이전트 작업에서 나타났으며, OpenAI는 복잡한 작업의 평균 완료 시간이 약 75분에서 40분으로 줄었다고 보고했습니다.
308K자(210,657-token) 니들 테스트에 10.3초 만에 정확히 답변했습니다. OpenAI는 작업당 GPT-5.6 Sol보다 약 70% 적은 tokens을 사용한다고 보고하므로, 실제 작업당 비용 차이는 단가 2.5배 차이보다 작습니다.
함수 호출은 단일, 병렬, 왕복 및 스트리밍을 통과하며, 호스팅된 `web_search` 및 `code_interpreter` 도구도 작동합니다. 암호화된 추론 항목은 상태 비저장 방식으로 재실행됩니다. 엄격한 JSON Schema 출력은 필드 집합과 정확히 일치했습니다.
동일한 매트릭스를 OpenAI 직접 연결, Azure 및 Codex\_Reverse에서 실행했습니다. 모델 성능은 세 가지 모두 동일하며, 차이는 모두 파이프라인에 있고 이 페이지에서는 각각을 업스트림 제한, 그룹별 또는 라인별로 표시합니다.
## 모델 정보
| 매개변수 | 값 |
| ---------------- | --------------------------------------------------------------------------------------------------------- |
| **모델 이름** | `gpt-6-astra` |
| **출시** | 2026년 9월 3일 (OpenAI); 2026년 9월 5일 APIYI에서 제공 시작 |
| **입력 모달리티** | 텍스트, 이미지 (출시 시점에는 오디오 또는 동영상 미지원) |
| **출력 모달리티** | 텍스트 |
| **컨텍스트 / 최대 출력** | 1,050,000 / 128,000 tokens |
| **지식 컷오프** | 2026년 4월 30일 |
| **추론 노력** | `low` / `medium` / `high` / `xhigh`, 기본값 `medium`; `max`은(는) `xhigh`로 에코됨 |
| **그룹** | `default`, `svip` (공식 릴레이), `Codex_Reverse` (리버스 엔지니어링됨, 0.5x) |
| **엔드포인트** | `POST /v1/responses` (기본; 여기서 함수 호출 가능), `POST /v1/chat/completions` (호환성; 함수 tools 미지원) |
| **스트리밍** | ✅ 두 엔드포인트 모두 지원; Chat의 최종 청크에 usage 포함 |
| **사이버 분류** | 대비 프레임워크 “Critical”; 공개 릴리스는 취약점 발견 작업을 거부합니다. OpenAI 직접 라인은 `access_programs.cyber = standard`을(를) 에코합니다 |
## 측정된 기능 매트릭스
2026년 9월 5일, 라인당 74개 검사(공식 라인은 비용 절감을 위해 70K-token 긴 컨텍스트 변형을 사용함):
| 기능 | 응답 | 채팅 완료 | 세 라인 전반 |
| ----------------------------------------------- | ------------------------------------------------------------------------------------ | -------------------------------------------------------- | ---------------------------------------------------------------------------------------------- |
| 기본 채팅(비스트리밍 / 스트리밍) | ✅ / ✅ | ✅ / ✅ | 동일함; 최소 prompt는 입력 token 7개가 과금되며, 숨겨진 삽입 없음 |
| 추론 노력 low / medium / high / xhigh | ✅ 모두 정확 | ✅ | 동일하며, reasoning\_tokens가 단조 증가 |
| 추론 노력 `max` | ⚠️ 세 라인 모두에서 `xhigh`로 에코됨 | ⚠️ | 공식 라인은 max에서 xhigh보다 더 많은 추론 token을 사용하므로, 정규화된 에코와 함께 해당 수준이 적용될 수 있음 |
| 시스템 prompt | ✅ `instructions` / `system` 모두 작동 | ✅ 공식; ⚠️ Codex\_Reverse는 `system`를 삭제하며, `developer`는 작동 | 그룹별 상이 |
| **함수 호출**(단일 / 왕복 / 병렬 / 스트리밍) | ✅ / ✅ / ✅ 호출 2회 / ✅ | ❌ 공식 라인에서 400 | **업스트림 제한**: 채팅에는 함수 tools 없음 |
| 구조화된 출력 `json_schema`(엄격) | ✅ | ✅ | 동일하며, 필드 집합이 정확히 일치 |
| `json_object` | ✅ | ✅ | 동일 |
| 이미지 입력(base64) | ✅ | ✅ | 동일하며, 세 가지 색상 블록을 계수하고 이름 지정 |
| 이미지 입력(URL) | ✅ 다운로드 가능한 호스트 | ✅ 공식; ⚠️ Codex\_Reverse는 조용히 삭제 | 링크는 서버 측에서 가져올 수 있어야 함; Wikimedia 같은 스크래핑 방지 호스트는 세 라인 모두에서 실패 |
| 프롬프트 캐싱 | ✅ 두 번째 호출에서 8.7K 접두사 적중 | ✅ | 세 라인 모두에서 적중하며 엔드포인트 간에 공유됨. API의 `cached_tokens` 에코는 지연될 수 있으며, 콘솔의 캐시 과금 세부 정보가 신뢰할 수 있는 기준임 |
| 긴 컨텍스트 | ✅ 10.3초에 210K tokens, 6.3초에 70K | — | 동일 |
| `web_search` / `web_search_preview` | ✅ OpenAI 직접, Codex\_Reverse | — | **Azure 라인에서 일시적으로 비활성화됨**(플랫폼 공지: Bing 과금 검토 중) |
| `code_interpreter` | ✅ 공식; ❌ Codex\_Reverse 400 | — | 그룹별 상이 |
| `computer_use_preview` | ❌ 400 "gpt-6-astra에서는 지원되지 않음" | — | 업스트림에서 지원되지 않음 |
| 암호화된 추론(`include: reasoning.encrypted_content`) | ✅ 재실행 시 일관된 답변과 함께 200 반환 | — | 동일 |
| `previous_response_id` | ✅ 공식; ⚠️ Codex\_Reverse는 조용히 무시 | — | 그룹별 상이; `GET /v1/responses/{id}`는 세 라인 모두에서 503 반환 |
| 출력 상한 | ✅ 공식 `max_output_tokens` / `max_completion_tokens` 적용됨; ⚠️ Codex\_Reverse에서는 적용되지 않음 | 동일 | 그룹별 상이; 레거시 `max_tokens`는 공식 라인에서 400 반환 |
| `temperature` | ❌ 공식에서 400; Codex\_Reverse에서는 허용되지만 무시됨 | 동일 | 업스트림 제한, 추론 모델에서 일반적 |
| `text.verbosity` low / high | ✅ 약 550자 대 1350자 | — | 동일 |
| `service_tier` flex / priority | ⚠️ 허용되지만 default로 에코됨 | — | 세 라인 모두 표준 티어 |
| 동시 요청 8개 | ✅ 8/8 | — | 중앙 지연 시간: OpenAI 직접 2.4초, Azure 2.7초, Codex\_Reverse 3.6초 |
## 추론 노력
Responses에서 동일한 강 건너기 퍼즐을 실행했으며, 각 줄은 reasoning\_tokens입니다:
| `reasoning.effort` | OpenAI 직접 | Azure | Codex\_Reverse | 결과 |
| ------------------- | --------- | ----- | -------------- | -- |
| `low` | 12 | 28 | 22 | ✅ |
| `medium` (기본값) | 33 | 43 | 62 | ✅ |
| `high` | 146 | 169 | 99 | ✅ |
| `xhigh` | 246 | 320 | 199 | ✅ |
| `max` (에코된 `xhigh`) | 278 | 516 | 207 | ✅ |
**`none` 또는 `minimal`을 전송하지 마십시오.** `minimal`은 모든 곳에서 거부됩니다(공식 라인에서는 400, Codex\_Reverse에서는 `low`로 재작성됨). `none`은 세 가지 방식으로 다르게 동작합니다. OpenAI 직접에서는 400, Azure에서는 허용되며, Codex\_Reverse에서는 `medium`로 재작성되고 input\_tokens가 14에서 4394로 증가합니다(업스트림에서 약 4.2K tokens의 숨겨진 지침이 주입됨). 사용할 수 있는 수준은 `low` / `medium` / `high` / `xhigh`입니다.
추론 tokens는 1M 출력당 \$50 요율로 과금됩니다. 결정론적 단계에는 `low` / `medium`을 사용하고, 계획 및 디버깅에는 `xhigh`을 확보해 두십시오. 사용량은 Responses에서는 `usage.output_tokens_details.reasoning_tokens`, Chat에서는 `usage.completion_tokens_details.reasoning_tokens`에서 확인하십시오(공식 라인에 존재함).
## 가격
### 공식 릴레이 그룹(`default` / `svip`)
각 요청의 입력 token 수에 따라 두 가지 티어가 적용됩니다. 입력이 272K를 초과하면 OpenAI와 동일하게 **요청 전체**가 두 번째 티어로 과금됩니다.
| 입력 tokens | 입력 | 출력(추론 포함) | 캐시 읽기 | 캐시 쓰기(5분) |
| ---------------- | ------- | --------- | ------ | --------- |
| 0 - 272K | \$10.00 | \$50.00 | \$1.00 | \$12.50 |
| 272,001 - 1,050K | \$20.00 | \$75.00 | \$2.00 | \$25.00 |
### Codex\_Reverse 그룹
공식 가격의 0.5배입니다. 첫 번째 티어는 입력 \$5.00 / 출력 \$25.00 / 캐시 읽기 \$0.50 / 캐시 쓰기 \$6.25입니다.
APIYI는 제공업체 가격을 항목별로 동일하게 적용합니다. 할인은 그룹 및 충전 보너스를 통해 제공되며, [프로모션](/ko/faq/recharge-promotions)을 참조하세요. 그룹 간 차이는 [Codex, ClaudeCode 및 Default 그룹의 차이점](/ko/faq/codex-claudecode-default-groups)에서 설명합니다. 실시간 가격은 [모델 가격 페이지](/en/models/index)에서 확인할 수 있습니다.
## 그룹 선택
| 그룹 | 가격 | 적합한 용도 | 참고 |
| ------------------ | ----- | --------------------------------------------------------------- | ------------------------------- |
| `default` / `svip` | 공식 가격 | 프로덕션, 안정성이 중요한 작업, 출력 제한 또는 `previous_response_id`가 필요한 모든 작업 | OpenAI 직접 및 Azure 공식 라인으로 제공됩니다 |
| `Codex_Reverse` | 0.5배 | Codex CLI 코딩, Cherry Studio 같은 클라이언트에서의 채팅, OpenClaw 같은 에이전트 설정 | 아래에 나열된 그룹별 차이점 5가지 |
## 예시
### Responses 엔드포인트(권장)
```python Python (기본 + 추론 노력) theme={null}
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")
response = client.responses.create(
model="gpt-6-astra",
reasoning={"effort": "high"}, # low / medium / high / xhigh
instructions="You are a senior backend engineer. Be concise.",
input="Migrate this repo from Python 3.9 to 3.13 and list every file that needs changes, with reasons",
max_output_tokens=4000,
)
print(response.output_text)
print(response.usage.output_tokens_details.reasoning_tokens)
```
```python Python (함수 호출 + 웹 검색) theme={null}
from openai import OpenAI
import json
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")
tools = [
{"type": "web_search"},
{"type": "function", "name": "get_weather", "description": "Current weather for a city",
"parameters": {"type": "object", "properties": {"city": {"type": "string"}},
"required": ["city"], "additionalProperties": False}, "strict": True},
]
r = client.responses.create(model="gpt-6-astra", tools=tools, reasoning={"effort": "low"},
input="Check the current weather in Beijing and Shanghai.")
for item in r.output:
if item.type == "function_call":
print(item.name, json.loads(item.arguments))
```
```python Python (암호화된 추론을 통한 상태 비저장 멀티턴) theme={null}
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")
history = [{"role": "user", "content": "Multiply 17 by 23. Answer with the number only."}]
r1 = client.responses.create(
model="gpt-6-astra", input=history, store=False,
reasoning={"effort": "medium"}, include=["reasoning.encrypted_content"],
)
# Replay the previous turn's full output (including the encrypted reasoning item); works on all three lines, no server-side storage needed
history += [item.model_dump(exclude_none=True) for item in r1.output]
history.append({"role": "user", "content": "Now add 1 to the result. Number only."})
r2 = client.responses.create(
model="gpt-6-astra", input=history, store=False,
reasoning={"effort": "medium"}, include=["reasoning.encrypted_content"],
)
print(r2.output_text) # 392
```
```bash cURL (이미지 입력, base64) theme={null}
curl https://api.apiyi.com/v1/responses \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-astra",
"reasoning": {"effort": "low"},
"input": [{"role": "user", "content": [
{"type": "input_text", "text": "How many colored blocks are in this image?"},
{"type": "input_image", "image_url": "data:image/png;base64,iVBORw0KGgo..."}
]}]
}'
```
### Chat Completions 엔드포인트(기존 코드 마이그레이션, 함수 tools 없음)
```python Python theme={null}
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")
response = client.chat.completions.create(
model="gpt-6-astra",
reasoning_effort="high",
max_completion_tokens=4000, # not the legacy max_tokens (400)
messages=[
# system works on the official lines; Codex_Reverse drops it, and developer works everywhere
{"role": "developer", "content": "You are a senior backend engineer. Be concise."},
{"role": "user", "content": "Explain Python 3.13's free-threaded mode"},
],
)
print(response.choices[0].message.content)
```
```javascript Node.js (스트리밍) theme={null}
import OpenAI from 'openai';
const client = new OpenAI({ apiKey: 'YOUR_API_KEY', baseURL: 'https://api.apiyi.com/v1' });
const stream = await client.chat.completions.create({
model: 'gpt-6-astra',
reasoning_effort: 'low',
messages: [{ role: 'user', content: 'Describe the Great Wall in three sentences' }],
stream: true,
stream_options: { include_usage: true },
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? '');
}
```
## 편차 귀속
동일한 매트릭스를 세 라인에서 실행하면 모든 편차가 세 가지 버킷 중 하나로 분류됩니다.
### 업스트림 제한(세 라인 모두 동일)
`tools`를 포함하는 모든 Chat 요청은 두 공식 라인에서 400을 반환하며, 업스트림 텍스트는 Responses를 사용하라고 안내합니다. `reasoning_effort`를 생략하거나 `tool_choice: required`를 추가해도 달라지는 점이 없습니다. `Codex_Reverse` 그룹은 파이프라인이 내부적으로 Responses로 변환하기 때문에 통과할 뿐이므로, 이를 기능 지원의 증거로 간주하지 마십시오. 함수 호출에는 Responses를 사용하십시오.
`max`에 대한 요청 3/3건은 세 라인 모두에서 `xhigh`를 에코했습니다. 공식 라인에서는 max가 xhigh보다 명확히 더 많은 추론 tokens를 사용합니다(OpenAI 직접 연결 278 대 379, Azure 342 대 516 대 320). 따라서 에코가 정규화되더라도 해당 레벨이 적용될 수 있습니다. Codex\_Reverse에서는 차이가 없습니다. 네 가지 레벨을 보장합니다.
공식 라인은 레거시 `max_tokens`를 400으로 거부하고 `max_completion_tokens`를 요청합니다. `temperature`는 추론 모델에서 일반적인 것처럼 지원되지 않아 400을 반환합니다. Codex\_Reverse는 둘 다 허용하지만 무시합니다. 기존 코드를 마이그레이션할 때 둘 다 제거하십시오.
세 라인 모두 400 "Tool 'computer\_use\_preview' is not supported with gpt-6-astra"를 반환합니다. 출시 자료의 컴퓨터 사용 기능은 현재 이 tool 유형을 통해 API에 노출되지 않습니다.
### Codex\_Reverse 그룹만 해당(5개 항목)
지시형 및 정보형 system 메시지는 각각 0/3에 그쳤고, 동일한 내용을 `developer` 메시지로 전송하면 3/3에 성공했습니다. 두 공식 라인에서는 `system`가 3/3으로 통과합니다. **Chat에서는 developer를 사용하십시오.** 세 라인 모두에서 작동합니다.
`max_output_tokens: 20`, `max_tokens: 20` 또는 `max_completion_tokens: 20`를 사용해도 출력은 403 tokens였고 Responses는 `max_output_tokens: null`를 에코했습니다. 공식 라인에서는 `incomplete` / `length`로 20에서 올바르게 잘립니다. 비용 제어를 위해 상한이 중요할 경우 공식 릴레이 그룹을 사용하십시오.
`store: true`는 여전히 `false`를 에코하며, 두 번째 턴은 첫 번째 턴을 기억하지 못한 채 200을 반환합니다. 두 공식 라인은 올바르게 기억합니다. 이 그룹에서는 클라이언트에서 기록을 유지하고 상태 비저장 재실행을 위해 `include: ["reasoning.encrypted_content"]`와 함께 사용하십시오(세 라인 모두에서 검증됨). `GET /v1/responses/{id}`는 모든 곳에서 503을 반환합니다.
Chat에서 http(s) 이미지 링크를 사용하면 prompt\_tokens는 15였고 모델은 이미지를 보지 못했다고 응답했습니다. 동일한 링크는 두 공식 라인에서 작동합니다. base64는 세 라인의 두 엔드포인트 모두에서 작동합니다. **이 그룹의 Chat에서는 이미지를 base64로 전송하십시오.**
`none`는 `medium`로 다시 작성되고 input\_tokens는 14에서 4394로 증가합니다(캐시 요율로 `usage.attribution.request_fields.instructions`에 4224가 귀속됨). `minimal`는 `low`로 다시 작성됩니다. 이 그룹에는 호스팅된 `code_interpreter` tool도 없습니다(400).
### Azure 라인만 해당(1개 항목)
Azure 라인에서 `web_search` / `web_search_preview`를 포함하는 요청은 Azure Bing 과금이 검토 중인 동안 web\_search가 일시적으로 비활성화되었으며 다른 tools는 영향을 받지 않는다는 게이트웨이 알림과 함께 400을 반환합니다. OpenAI 직접 라인과 Codex\_Reverse 그룹은 정상적으로 작동합니다. 복구되면 이 페이지를 업데이트할 예정입니다.
## 마이그레이션 가이드
Responses에서는 `model` 필드만 변경하십시오. Chat에서는 `tools`을 사용하는 모든 항목을 Responses로 옮기고, `max_tokens` 및 `temperature`을 제거해야 합니다. 가격은 Sol의 현재 프로모션 요율의 2.5배(\$4 / \$20 → \$10 / \$50)이므로, 먼저 에이전트, 자동화 및 복잡한 엔지니어링 작업에서 정면 비교를 실행하십시오. 일상적인 채팅, 분류 및 추출 작업은 Terra / Luna에 유지하십시오.
`messages` → `input`, `reasoning_effort` → `reasoning: {"effort": ...}`, `response_format` → `text: {"format": ...}`, `system` → `instructions`, `max_completion_tokens` → `max_output_tokens`. 도구 정의는 `{"type": "function", "function": {...}}`에서 `{"type": "function", "name": ..., "parameters": ...}`로 평면화됩니다. 전체 매핑은 [Responses 마이그레이션 가이드](/ko/api-capabilities/openai/responses-migration)에서 확인할 수 있습니다.
입력이 272K tokens를 초과하면 전체 요청이 두 번째 티어로 과금됩니다(입력은 2배, 출력은 1.5배). 전체 리포지토리가 한 번에 반드시 필요한 경우가 아니라면, 일상적인 컨텍스트는 272K 미만으로 유지하고 안정적인 접두사는 먼저 배치하여 캐시에 적중하도록 하십시오(캐시된 읽기 비용은 표준 입력 가격의 10분의 1입니다).
Astra는 OpenAI가 Preparedness Framework의 Critical 사이버보안 수준에 배치한 첫 번째 모델이며, 공개 릴리스에서는 취약점 탐색 및 익스플로잇 코드 작성과 같은 공격적 작업을 거부합니다. 방어적 작업은 영향을 받지 않습니다. 세 가지 라인 모두에서 SQL 인젝션 방어를 위한 엔지니어링 관행을 요청했을 때, 파라미터화된 쿼리, 최소 권한 등을 다루는 완전한 답변이 반환되었습니다.
## 관련 자료
* [GPT-6 Astra 출시 문서(벤치마크 및 모델 선택)](/en/news/gpt-6-astra-launch)
* [gpt-6-astra가 반값 Codex\_Reverse 그룹에 합류](/en/live/2026-09/codex-reverse-gpt-6-astra)
* [OpenAI 추론 모델 가이드](/ko/api-capabilities/openai/reasoning-models)
* [OpenAI 프롬프트 캐싱](/ko/api-capabilities/openai/prompt-caching)
* [OpenAI 함수 호출](/ko/api-capabilities/openai/function-calling)