GPT-6 아스트라, 전문가 수준 이론물리학 문제 98% 자율 해결

핵심요약

기사 핵심 요약

오픈AI의 최신 AI 모델 'GPT-6 아스트라'가 미공개 이론물리학 문제 98%를 자율적으로 해결했다. 이 과정에서 문헌 검색, 코드 실행 등 복잡한 추론을 수행했을 뿐만 아니라, 인간 전문가가 만든 정답의 오류까지 찾아내 과학 연구 분야에서 AI의 높은 잠재력을 입증했다.

오픈AI의 GPT-6 아스트라, 인간 전문가 오류까지 찾아내며 이론물리학 문제 98% 해결

• GPT-6 아스트라, 이론물리학 벤치마크 '시오피즈이밸'서 98% 정답률 기록.
• 문제 해결 과정에서 문헌 검색, 계산식 구성, 코드 실행 등 자율적 추론 수행.
• 인간 전문가가 제시한 답안의 오류를 찾아내 역으로 검증하는 능력 입증.

오픈AI의 최신 AI 모델 'GPT-6 아스트라'가 인간 전문가 수준의 미공개 이론물리학 문제 50개 중 49개를 자율적으로 해결했다. 국제 공동 연구진에 따르면, 이 과정에서 GPT-6 아스트라는 문헌 검색, 계산, 코드 실행 등 복잡한 추론 과정을 스스로 수행했으며 인간 전문가가 만든 정답의 오류를 찾아내기도 했다.

인도 국제이론과학센터(ICTS), 타타 기초과학연구소, 펜실베이니아대학교, 구글 딥마인드 등이 참여한 국제 공동 연구진 35명은 지난 10월 9일 논문 사전 공개 사이트 '아카이브(arXiv)'에 새로운 이론물리 평가 벤치마크 '시오피즈이밸(TheoPhysEval)'과 주요 AI 모델의 평가 결과를 담은 논문을 공개했다. 이번 사례는 오픈AI의 AI 모델이 복잡한 과학 연구 분야에서 높은 자율성을 보였음을 잘 보여준다.

실제 연구 능력 평가한 '시오피즈이밸'

시오피즈이밸(TheoPhysEval)은 AI 에이전트가 실제 이론물리학 연구에 필요한 문제를 얼마나 자율적으로 해결하는지 평가하기 위해 설계된 시험이다. 이 벤치마크는 AI 모델에 웹 검색, 코드 실행과 같은 도구를 제공한 뒤, 복잡한 문제를 제시하고 최종 답을 도출하는 전 과정을 측정한다. 단순히 기존에 알려진 답을 찾는 것을 넘어, 기존 연구를 이해하고 조건을 바꾸어 새로운 계산을 수행하는 능력을 평가하는 것이 핵심이다.

출제 범위는 고전물리학부터 양자장론, 입자물리학, 중력·우주론 등 11개 세부 분야를 아우른다. 예를 들어, 5차원 시공간을 다룬 기존 블랙 스트링 연구를 찾게 한 뒤 문제 조건을 4차원으로 바꾸어 새로운 수치 계산을 수행하게 하는 방식이다. 연구진은 문제 난이도가 해당 분야 전문가가 통상 하루 안에 해결할 수 있는 수준이며, 물리학계의 주요 미해결 난제는 포함되지 않았다고 설명했다.

GPT-6 아스트라, 압도적 성능으로 1위

이번 평가에는 GPT-6 아스트라를 포함한 5개 주요 AI 모델이 참여했으며, 인터넷 검색과 코드 실행이 허용된 조건에서 진행됐다. 평가 결과 GPT-6 아스트라는 50문제 중 49개를 해결해 98%의 정답률로 1위를 차지했다. 문제당 평균 API 비용은 약 2.33달러로 높은 효율성을 보였다.

표: 시오피즈이밸 AI 모델별 성능 비교 (인터넷 검색 허용)

AI 모델	정답 개수(50개 만점)	총 API 비용(달러)	문제당 평균 비용(달러)
GPT-6 아스트라	49	116.28	약 2.33
오퍼스 5.5	46	-	-
제미나이 3.8 플래시	34	-	-
딥시크-V4.1 플래시	27	-	-
GLM-5.3	21	-	-

주: API 비용은 GPT-6 아스트라만 공개됨. (출처: TheoPhysEval 논문, 2026)

‘오퍼스 5.5’가 46개로 그 뒤를 이었고 ‘제미나이 3.8 플래시’는 34개를 맞혔다. 인터넷 접근을 차단한 조건에서도 아스트라와 오퍼스 5.5는 각각 46개의 문제를 해결했다. 대부분의 모델이 풀지 못한 유일한 문제는 주어진 곡선에서 그 곡선을 생성하는 미분방정식을 역으로 추적하는 과제였다.

AI가 인간 전문가의 오류 발견…역검증 사례 나와

채점 과정에서는 예상치 못한 일이 벌어지기도 했다. GPT-6 아스트라의 초기 점수는 80점대 후반이었으나, 오답으로 처리된 일부 문항을 검토하는 과정에서 아스트라는 자신의 답이 정답이며 오히려 전문가가 제시한 기준 답안이 틀렸다고 주장했다.

연구진이 문제 출제자에게 직접 재검토를 요청한 결과, 전문가 답안의 계산 과정에서 여러 미묘한 오류가 실제로 발견됐다. 이 오류들을 바로잡은 뒤 아스트라의 최종 정답률은 98%까지 상승했다. 경제학자 알렉스 타바록은 이를 두고 "인간의 정답으로 AI를 시험하려던 평가가, 역으로 AI의 답을 통해 전문가의 계산을 검증하는 상황이 됐다"고 평가했다.

과학 연구 및 교육 현장에 던진 의미

이번 연구의 공동 저자인 수브랏 라주 ICTS 연구원은 "솔직히 이런 날이 이렇게 빨리 올 줄은 예상하지 못했다"며 "결과를 확인한 뒤 며칠 밤 제대로 잠들 수 없었다"고 개인 블로그를 통해 소회를 밝혔다. 그는 AI가 한 분야에 국한되지 않고 여러 전문 분야를 가로질러 문제를 해결하는 능력에 특히 주목했다.

이번 결과는 과학 교육 현장에도 영향을 미칠 전망이다. 시오피즈이밸에 출제된 수준의 과제는 주로 대학원생들이 기존 연구를 익히고 첫 연구 성과를 내는 과정에서 활용되기 때문이다. 연구진은 AI가 계산 과정을 상당 부분 대체할 수 있게 된 만큼, 앞으로는 학생들에게 계산 자체보다 그 과정을 통해 무엇을 배울 것인지 목적을 명확히 하는 교육이 중요해질 것이라고 제언했다.

명확한 한계점…'연구 방향 설정' 능력은 과제

연구진은 이번 결과가 AI의 가능성뿐 아니라 명확한 한계도 드러냈다고 지적했다. 현재의 AI 에이전트는 주어진 문제를 해결하는 계산 능력은 뛰어나지만, 어떤 문제가 연구할 가치가 있는지 스스로 판단하거나 난관에 부딪혔을 때 다른 유망한 문제로 방향을 전환하는 '연구 방향 설정' 능력은 아직 부족하다는 것이다.

일부 문제 출제자가 AI 도구를 사용해 풀이 과정을 만들었을 가능성, 즉 평가 문제나 정답이 사전에 모델 학습 데이터에 노출되었을 가능성을 완전히 배제할 수 없다는 점도 한계로 남는다. 이는 AI 에이전트가 과학 연구의 강력한 계산 도구가 될 수 있음을 입증했지만, 새로운 이론을 만들고 연구 방향을 제시하는 창의적인 역할까지 수행하기에는 아직 과제가 남았음을 보여준다.

자주 묻는 질문

GPT-6 아스트라가 모든 이론물리학 문제를 풀 수 있나요?

아니요, 모든 문제를 해결하지는 못했습니다. 이번 평가에서 주어진 곡선으로부터 미분방정식을 역으로 추론하는 문제는 해결하지 못했으며, 물리학계의 주요 미해결 난제는 평가에 포함되지 않았습니다.

이번 평가에 사용된 '시오피즈이밸'은 어떤 시험인가요?

'시오피즈이밸(TheoPhysEval)'은 AI가 웹 검색이나 코드 실행 같은 도구를 사용해 실제 이론물리학 연구 문제를 얼마나 자율적으로 해결하는지 평가하기 위해 설계된 새로운 벤치마크입니다.

AI가 인간 연구자를 완전히 대체할 수 있다는 의미인가요?

아직은 아닙니다. 연구진은 AI가 계산 능력은 뛰어나지만, 어떤 문제가 연구할 가치가 있는지 판단하거나 연구 방향을 설정하는 창의적인 능력은 부족하다고 지적했습니다.