패러럴(Parallel)이 GPT-6 아스트라(Astra)를 활용해 웹 기반 연구 작업에 걸리는 시간과 코드 비용을 기존 모델 대비 절반으로 줄였다고 밝혔다. 오픈AI(OpenAI)는 9월 22일 공식 블로그에서 패러럴의 실제 연구 사례와 데빈 굽타(Devin Gupta) 기술 스태프의 설명을 소개했다.
GPT-6 아스트라의 연구 성능
패러럴은 GPT-6 아스트라의 성능을 확인하기 위해 4개 주에서 6개월 동안 집계된 노동시장 관련 통계 6종을 조사하도록 AI 에이전트에 지시했다. 에이전트는 여러 웹사이트를 검색해 자료를 모으고, 결과를 하나의 연구 보고서로 정리해야 했다. 테스트 결과 해당 작업은 이전 모델을 사용할 때보다 절반의 시간에 완료됐으며, 코드 사용 비용도 약 50% 감소했다. 패러럴은 연구 결과의 품질은 기존 모델과 같았다고 설명했다.
이번 비교는 단순히 답변을 한 차례 생성하는 작업이 아니라 검색과 자료 수집, 정보 통합이 이어지는 장기 연구 과정을 대상으로 했다. 패러럴이 제공하는 개발자 인프라는 웹에서 지식 업무를 수행하는 AI 에이전트를 위한 것으로, 음성 에이전트의 웹 기반 정보 확인부터 금융기관과 법률 고객을 위한 조사까지 지원한다. 기존에는 가장 오래 걸리는 연구 작업에서 높은 품질의 답변을 얻기 위해 더 큰 모델과 긴 추론 과정을 사용하는 경우가 많았지만, 아스트라는 같은 수준의 결과를 더 적은 연구 호출과 토큰으로 낼 수 있었다는 설명이다.
검색 단계 줄이고 다중 에이전트 확장
패러럴은 아스트라가 이전 모델보다 검색어를 더 구체적으로 만들고, 유용한 결과에 도달하기까지 거치는 단계도 줄였다고 밝혔다. 데빈 굽타 패러럴 웹 시스템스 기술 스태프는 아스트라가 최종 과제에 더 집중하면서 이전 모델보다 자체적으로 보유한 세계 지식을 검색 과정에 더 잘 반영했다고 말했다. 이는 필요한 정보를 무작정 넓게 찾기보다 질문의 핵심을 겨냥해 검색하고, 수집한 결과를 과제에 맞춰 정리하는 방식으로 해석된다.
아스트라는 특정 연구 과제를 하위 에이전트에 나눠 맡기는 작업도 지원한다. 패러럴은 여러 에이전트가 조사 업무를 동시에 수행하면 하나의 검색 순서를 따라 차례로 처리할 때 발생하는 대기 시간을 줄일 수 있다고 설명했다. 복잡한 질문을 여러 세부 과제로 분할한 뒤 병렬로 처리하고, 각 결과를 합쳐 최종 연구 답변을 만드는 구조다. 이에 따라 조사 시간이 짧아지고 비용 부담이 낮아져, 패러럴이 더 많은 연구 작업을 한꺼번에 처리할 여지가 커졌다는 것이다.
오픈AI가 소개한 사례에는 아스트라의 별도 출시 일정이나 가격, 지원 대상에 관한 내용은 포함되지 않았다. 패러럴은 이번 결과를 바탕으로 복잡한 질문에서 조사된 답변까지 이어지는 경로가 짧아졌다고 평가했으며, 특히 여러 에이전트를 활용하는 연구 작업을 규모 있게 운영하는 데 효율성이 높아질 것으로 내다봤다. 다만 이번 내용은 패러럴의 특정 업무 테스트 결과와 설명에 초점을 맞춘 사례로, 모든 연구 작업에서 같은 시간과 비용 절감 효과가 나타난다는 의미로 확대되지는 않는다.