GPT-6 Astra vs Claude Opus 5.5: 1M 컨텍스트

2026년 9월, 3주 간격으로 새 플래그십 모델 두 개가 나왔습니다. OpenAI는 9월 3–4일에 GPT-6 Astra를 출시했고, 9월 22일에는 더 가벼운 Sol과 Luna를 추가했습니다. 같은 날 Anthropic은 Claude Opus 5.5를 공개했습니다.

대부분의 비교는 벤치마크 표에서 끝납니다. 이 글은 좀 더 실용적인 질문을 던집니다. 100만 토큰 창을 실제로 써 보는 순간 바로 부딪히는 질문이죠. 그 안에 무엇을 넣을 것이고, 채우는 데 얼마가 드는가?

창이 커진다고 자료가 깨끗해지지는 않으니까요. 더 많은 잡음에 돈을 낼 수 있게 될 뿐입니다.

두 컨텍스트 창 나란히 보기

긴 컨텍스트 작업에서 중요한 항목을, 글 작성 시점에 공개된 사양과 정가 기준으로 정리했습니다.

	Claude Opus 5.5	GPT-6 Astra
컨텍스트 창	1,000,000 토큰	1,050,000 토큰
프롬프트 1회 최대 입력	1,000,000	~922,000 (나머지는 출력용으로 예약)
입력 가격 (100만 토큰당)	$4	$10
출력 가격 (100만 토큰당)	$20	$50
긴 프롬프트 할증	없음, 단일 요금	입력 272K 토큰 초과 시 요청 전체에 입력 ~2배, 출력 1.5배 과금

눈에 띄는 점이 두 가지 있습니다.

첫째, 서류상 “더 큰” 창이 실제로 더 큰 프롬프트를 뜻하지는 않습니다. Astra의 창이 5% 더 크지만 일부가 출력용으로 묶여 있어서, 한 번에 더 큰 입력을 받는 쪽은 Opus 5.5입니다.

둘째, 지갑에 더 중요한 점입니다. Astra에는 입력 272K 토큰에 요금 계단이 있습니다. 이 선을 넘으면 초과분만이 아니라 요청 전체의 가격이 다시 매겨집니다. 280K 토큰짜리 프롬프트는 270K짜리보다 대략 두 배 비쌉니다.

이 숫자 하나가 Astra용 컨텍스트를 준비하는 방식을 바꿉니다.

토큰은 실제로 어디에 쓰이는가

모델에게 웹페이지 40개를 놓고 추론하게 하고 싶다고 해 봅시다. 경쟁사 문서, 연구 기사 몇 편, 포럼 스레드 몇 개. 가장 단순한 방법은 원본 페이지를 붙여넣거나 불러오는 것입니다.

원본 HTML은 대부분 콘텐츠가 아닙니다. 내비게이션, 쿠키 배너, 스크립트, 인라인 스타일, 추적 속성, 그리고 모든 페이지에 반복되는 푸터 링크입니다. 5,000단어짜리 기사는 HTML로 30,000–50,000 토큰에 쉽게 이릅니다. 같은 기사를 깔끔한 Markdown으로 바꾸면 보통 80–90% 작아져서, 7,000 토큰도 안 되는 경우가 많습니다.

이걸 페이지 40개에 적용하면 이렇습니다.

• 원본 HTML: 약 1.4M 토큰. 어느 창에도 들어가지 않습니다. 페이지를 잘라내기 시작해야 합니다.
• 깔끔한 Markdown: 약 250K 토큰. 두 모델 모두에 들어가고, Astra의 272K 계단 아래에 머뭅니다.

같은 자료, 같은 질문입니다. 한쪽은 실행조차 안 되고, 다른 쪽은 어느 모델에서든 기본 요금으로 돌아갑니다.

잡음은 돈만이 아니라 답의 질도 깎는다

긴 컨텍스트 모델은 건초 더미에서 바늘 찾기에 아주 능숙해졌습니다. 그래도 건초가 적을수록 더 잘 찾습니다.

프롬프트의 절반이 메뉴와 상투적인 문구로 채워지면 세 가지가 나빠집니다.

• 출처 귀속. 반복되는 내비게이션 텍스트와 “관련 기사” 블록이 거짓 일치를 만듭니다. 모델이 본문 대신 사이드바를 인용합니다.
• 구조. HTML은 계층을 div 덩어리 속에 숨깁니다. Markdown은 이를 명시적으로 드러냅니다. 모델이 그대로 읽는 # 제목, 목록, 표, 코드 블록으로요.
• 캐시 재사용. 두 회사 모두 캐시된 입력을 크게 할인해 줍니다. 깔끔하고 변하지 않는 Markdown 파일은 불러올 때마다 광고가 바뀌는 페이지보다 훨씬 좋은 캐시 접두부가 됩니다.

1M 토큰 작업을 위한 간단한 루틴

저희가 직접 쓰는 워크플로이고, 어느 모델에서든 똑같이 통합니다.

1. 한 번만, Markdown으로 모으세요. 남겨 둘 만한 글을 읽으면 북마크 대신 .md 파일로 저장하세요. Minibase라면 Chrome에서 클릭 한 번이면 됩니다. 페이지가 제목, 출처 URL, 날짜를 frontmatter에 담은 깔끔한 Markdown이 됩니다.
2. 프로젝트별로 묶으세요. 작업 중인 질문 하나에 폴더 하나. 폴더 안의 파일 40개가 곧 컨텍스트 팩입니다.
3. 보내기 전에 세어 보세요. Markdown이라면 계산이 정직합니다. 파일 크기를 대략 4로 나누면 토큰 수 추정치가 나옵니다. Astra를 쓸 생각이라면 팩을 272K 아래로 유지하세요.
4. 인터넷이 아니라 팩을 넣으세요. 모델에게 폴더를 가리켜 주세요. Minibase Vault를 Claude에 연결하면 Claude가 MCP를 통해 저장된 파일을 직접 읽습니다. 복사해서 붙여넣을 필요가 없습니다.
5. 다음을 위해 팩을 보관하세요. 다음 달 새 모델이 나와도 같은 폴더가 그대로 통합니다.

그래서 어느 쪽을 써야 할까

긴 컨텍스트 조사와 문서 작업이라면, 공개된 수치상 Opus 5.5가 더 무난한 기본 선택입니다. 창 전체에 걸친 단일 요금, 더 큰 1회 입력, 더 낮은 토큰당 단가. Astra도 분명히 앞서는 부분이 있는 강력한 모델이고, 특히 컴퓨터 사용에서 그렇습니다. 이미 OpenAI 스택을 쓰고 있다면 쓸 만한 가치가 있습니다. 프롬프트를 계단 아래로만 유지하세요.

하지만 솔직한 결론은, 모델 선택보다 입력 선택이 더 중요하다는 것입니다. 두 창 모두 같은 습관에 보상을 줍니다. 더 적고, 더 깔끔한 토큰. 잘 구조화된 Markdown 250K 토큰을 가진 팀이, 이번 주 리더보드 1위 모델에 HTML 900K 토큰을 쏟아붓는 팀보다 더 좋은 답을 더 빠르고 싸게 얻습니다.

모델은 몇 달마다 바뀝니다. 여러분의 자료까지 바뀔 필요는 없습니다.

함께 읽기

• LLM 컨텍스트를 위한 Markdown: 에이전트가 선호하는 이유
• 컨텍스트 엔지니어링은 새로운 프롬프트 엔지니어링이다
• Claude를 위한 위키 빌더, Minibase Vault