오픈AI(OpenAI)의 차세대 대규모 언어모델(LLM)로 알려진 GPT-6 아스트라(Astra)가 3D 렌더링, 애니메이션, 그리고 컴퓨터 사용 능력에서 이전 모델인 GPT-5.6 대비 비약적인 발전을 이루며 업계의 주목을 받고 있습니다. 글쓰기, 수학, 코딩 등 전반적인 영역에서도 개선을 보였지만, 특히 시각 및 인터페이스 조작 능력의 향상이 두드러집니다. 이러한 성능 향상의 배경에는 루프형 트랜스포머(looped transformer)라는 새로운 구조가 있다는 보도가 나왔습니다.
루프형 트랜스포머는 동일한 계산 블록을 여러 번 통과시켜, 새로운 가중치를 추가하지 않고도 토큰(token) 하나를 처리하는 계산 깊이(computational depth)를 늘리는 방식입니다. 이는 더 많은 블록을 쌓는 것보다 가중치 저장 메모리를 줄일 수 있다는 장점이 있습니다. 관련 연구에 따르면, 이 구조는 지식 저장량을 늘리기보다 여러 단계를 거쳐 문제를 푸는 능력, 즉 추론(inference) 능력을 높이는 데 효과적입니다. 또한, 오픈AI가 맥 미니(Mac Mini)와 맥 스튜디오(Mac Studio) 수만 대를 강화학습(reinforcement learning) 환경으로 구축하여 모델이 macOS 앱을 조작하는 방법을 학습시켰다는 점도 아스트라의 컴퓨터 사용 능력 향상에 크게 기여한 것으로 분석됩니다. 스크린샷, 행동 예측, 검증 피드백을 반복하는 방식으로 학습이 이루어졌습니다.
아스트라의 이러한 발전은 단순히 텍스트 생성 능력을 넘어, 실제 컴퓨터 환경에서 다양한 작업을 수행할 수 있는 범용 인공지능(AGI)의 가능성을 한층 더 높였다는 점에서 큰 의미를 가집니다. 3D 렌더링이나 GUI(그래픽 사용자 인터페이스) 조작 능력은 기존 텍스트 기반 모델의 한계를 넘어, 비기술 분야의 일상 작업 자동화는 물론, 복잡한 디자인 및 개발 작업 지원까지 확장될 수 있음을 시사합니다. 비록 루프형 트랜스포머 구조 채택 여부는 공식 확인되지 않았지만, 모델과 에이전트 하네스(harness) 양쪽에서 컴퓨터 사용 능력 개선이 지속될 것으로 예상되며, 이는 향후 인공지능 활용의 패러다임을 바꿀 잠재력을 가지고 있습니다.