오픈AI(OpenAI)의 최신 대규모 언어모델(LLM)인 GPT-6 아스트라(Astra)가 인공 일반 지능(AGI)의 능력을 측정하는 새로운 벤치마크인 ARC-AGI-3에서 놀라운 성과를 거두었습니다. 아스트라는 명시적인 지시 없이도 낯선 환경을 탐색하고, 그 안의 규칙과 목표를 스스로 추론하여 문제를 해결하는 능력을 보여주며 99.9%의 높은 해결률을 기록했습니다. 특히, 문제 해결 과정에서 인간보다 훨씬 적은 행동(action)을 사용해 행동 효율성 측면에서 인간의 중앙값을 넘어섰다는 점이 주목할 만합니다.
ARC-AGI-3는 새로운 추상적인 턴 기반 환경에서 에이전트의 지능을 평가하는 벤치마크입니다. 환경의 핵심 지식 요소만 제공하고, 에이전트가 스스로 탐색, 모델링, 목표 설정, 계획 및 실행 능력을 발휘하도록 요구합니다. 아스트라는 이 과정에서 객체, 좌표, 규칙, 미완료 계획 등을 추적하며 환경마다 자체적인 도메인 특화 표기법을 생성하는 '대수적 속기(algebraic shorthand)' 방식을 사용했습니다. 이는 복잡한 장면을 코드 형태의 상징 모델로 압축하여 정밀하고 정보 밀도가 높은 전략 메모를 유지하는 방식입니다. 또한, PRO-LONG 하네스에서는 게임별 소프트웨어 라이브러리까지 제작하는 등 외부 도구 활용 능력도 선보였습니다.
이번 아스트라의 성과는 프런티어 AI(Frontier AI)의 능력에서 뚜렷한 단계적 변화를 보여주는 중요한 진전입니다. 명시적 지시 없이도 환경을 이해하고 효율적으로 문제를 해결하는 능력은 AGI 연구의 핵심 목표 중 하나입니다. 비록 ARC-AGI-3 벤치마크의 범위와 형식이 제한적이며, 이번 결과가 AGI 달성의 증거는 아니지만, 아스트라가 인과적 세계 모델을 효율적으로 합성하고 목표를 달성하는 능력을 입증했다는 점에서 의미가 큽니다. 이는 미래 AI가 더욱 복잡하고 예측 불가능한 현실 세계의 문제를 해결하는 데 필요한 기반 기술 발전으로 이어질 잠재력을 시사합니다.