YOLO 라이선스 받기
Ultralytics 플랫폼

자동 주석을 위한 GPT-6.2 Sol과 Astra: 비슷한 점수, 서로 다른 강점

GPT-6.2 Sol과 Astra는 36개 객체 감지 데이터셋에서 각각 0.551과 0.546 mAP50을 기록했지만, Sol은 이미지 1,000장당 $8.10으로 Astra의 $31.88보다 저렴합니다. 어떤 모델을 사용해야 하는지 알아보세요.

Glenn JocherGlenn Jocher11 분 읽기
별이 빛나는 배경에 담긴 OpenAI GPT-6.2 Astra와 Sol 출시 이미지 및 Ultralytics UL37 객체 감지 점수: Astra 0.546, Sol 0.551 mAP50

OpenAI는 2026년 11월 17일 GPT-6.2 Astra와 GPT-6.2 Sol을 출시하면서 Astra는 가장 강력한 모델, Sol은 일상 업무용 기본 모델이라고 소개했습니다. 경계 상자를 그리게 했을 때 두 모델의 정확도는 비슷했습니다. 하지만 가격은 달랐습니다.

출시 당일 두 모델을 36개 데이터셋으로 구성된 UL37 벤치마크에서 테스트했습니다. GPT-6.2 Sol은 0.551 mAP50, GPT-6.2 Astra는 0.546을 기록해 VLM 리더보드에 등록된 50개 모델 중 각각 4위와 5위를 차지했습니다. Sol의 비용은 이미지 1,000장당 $8.10이었습니다. Astra는 $31.88로 거의 4배 비쌌습니다.

이제 두 모델은 Ultralytics Platform에서 자동 주석용 OpenAI Sol 및 Astra 옵션으로 제공되며, GPT-6.1 Sol과 GPT-6 Astra를 대체합니다. 아래에서 두 모델의 비교, 각 모델이 앞서는 분야, 주석 작업의 비용, 그리고 OpenAI의 GPT-6.1 Terra가 여전히 더 나은 선택인 경우를 살펴봅니다.

GPT-6.2 Sol과 Astra의 UL37 점수 차이는 약 0.005입니다.#

UL37은 36개 실제 객체 감지 데이터셋에서 각각 10장씩, 총 360장의 이미지에 대해 모델의 상자가 사람이 지정한 레이블과 얼마나 일치하는지 측정합니다. 데이터셋은 의료 스캔 이미지와 항공 이미지부터 소매 매장 진열대, 스포츠, 문서, 회로 기판까지 다양합니다. 모든 이미지는 Platform 사용자가 이용하는 동일한 프로덕션 파이프라인을 거칩니다. 데이터셋 고유의 클래스 이름을 사용하고 SAM 3.1이 각 상자를 보정하므로, 점수는 모델의 원시 출력이 아니라 보정된 프로덕션 파이프라인의 성능을 나타냅니다. 방법론은 공개되어 있습니다.

GPT-6.2 SolGPT-6.2 AstraGPT-6.1 Terra
리더보드 순위50개 중 #4위50개 중 #5위50개 중 #2위
mAP500.5510.5460.560
mAP50-950.3460.3450.345
정밀도0.6230.6260.646
재현율0.6430.6250.613
제공업체 비용(이미지 1,000장당)$8.10$31.88$4.36
이미지당 중앙값 처리 시간3.4 s4.3 s5.1 s
요청 실패0%0%0%

2026년 11월 17일 업데이트된 Ultralytics VLM 리더보드의 UL37 결과입니다.

이번 테스트에서 두 모델의 정확도는 비슷합니다. 촘촘한 경계 상자에 더 높은 점수를 주는 mAP50-95의 차이는 0.001이고, 정밀도 차이는 0.003입니다. Sol은 레이블이 지정된 객체를 조금 더 많이 찾아냅니다. Sol의 재현율 0.643은 리더보드의 50개 모델 중 가장 높은 점수로, Gemini 4 Carbon의 0.642보다 약간 높습니다. 또한 상위 7개 모델 중 이미지당 3.4초로 가장 빠릅니다.

자동 주석 정확도가 가장 높은 8개 모델의 UL37 mAP50 막대 그래프. GPT-6.2 Sol은 이미지 1,000장당 $8.10에 0.551, GPT-6.2 Astra는 $31.88에 0.546을 기록했습니다

UL37 점수가 가장 높은 8개 모델과 이미지 1,000장당 제공업체 비용입니다.

OpenAI가 GPT-6.2를 개발한 목적#

OpenAI는 두 모델을 서로 다른 작업에 적합한 모델로 소개합니다. OpenAI의 변경 로그는 GPT-6.2 Astra를 "까다로운 추론 및 코딩 작업"에, GPT-6.2 Sol을 "일상적인 코딩 및 에이전트 워크플로"에 권장합니다. 두 모델 모두 텍스트와 이미지를 입력받아 텍스트를 반환하며, Responses API와 Chat Completions에서 사용할 수 있습니다.

가격도 이러한 구분을 따릅니다. OpenAI의 모델 페이지에 따르면 GPT-6.2 Sol은 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $10이며, GPT-6.2 Astra는 각각 $8과 $40입니다. Astra의 토큰 가격은 Sol의 정확히 4배입니다.

두 모델 모두 전용 감지 모델이 아니라 범용 모델이므로, 해당 작업에서의 성능을 측정했습니다. Platform은 모든 OpenAI 모델에 동일한 경계 상자 요청을 보내고, 두 모델 모두 OpenAI의 기본 추론 수준으로 호출합니다.

Astra는 더 많은 데이터셋에서 앞서지만, 초음파 데이터셋 하나가 평균을 좌우합니다.#

평균에서 Sol이 앞선다고 해서 더 자주 이긴다는 뜻은 아닙니다. 36개 데이터셋에서 맞대결한 결과, Astra는 17개, Sol은 15개에서 더 높은 점수를 기록했고 4개는 동점이었습니다.

차이를 설명하는 데이터셋은 하나입니다. 각 상자에 양성 또는 악성 레이블도 포함된 TN5000 갑상선 초음파에서 Sol은 0.995, Astra는 0.769를 기록했습니다. 이 결과 하나로 Sol의 평균 점수가 약 0.006 상승합니다. TN5000을 제외하면 Sol의 평균은 0.539, Astra의 평균은 0.540입니다.

이 벤치마크에서 두 모델의 정확도는 비슷하므로, 두드러지는 차이는 도메인별 성능과 비용입니다.

GPT-6.2 Sol과 Astra가 각각 앞서는 분야#

도메인별 평균에서 Astra는 UL37의 12개 도메인 중 7개, Sol은 4개에서 앞섰으며, 보안 X선 분야는 동점이었습니다.

GPT-6.2 Sol과 GPT-6.2 Astra의 도메인별 평균 UL37 mAP50 점도표. Sol은 도로, 수중, 의료, 자연 이미지에서 앞서고, Astra는 항공, 문서, 소매, 인물, 열화상, 스포츠, PCB에서 앞섭니다

각 도메인은 데이터셋 1~8개로 구성되며, 데이터셋마다 이미지 10장이 포함됩니다.

GPT-6.2 Sol은 의료, 도로, 자연 이미지를 더 잘 처리합니다. 의료 데이터셋 8개의 평균 점수는 0.466으로, Astra의 0.411보다 높습니다. TN5000과 Kvasir-SEG 대장 용종 데이터셋에서 특히 앞서며, Kvasir-SEG 점수는 0.805 대 0.707입니다. GWHD의 밀 이삭 감지에서는 Sol이 0.684, Astra가 0.537을 기록했고, CeyMo의 도로 표지 감지에서는 각각 0.843과 0.705를 기록했습니다.

GPT-6.2 Astra는 항공, 소매, 문서, 인물 이미지를 더 잘 처리합니다. 항공 데이터셋 5개의 평균 점수는 0.550으로, Sol의 0.506보다 높습니다. SSDD 레이더 이미지의 선박 감지가 점수를 끌어올렸으며, 이 데이터셋에서 Astra는 0.880, Sol은 0.749를 기록했습니다. RPC의 계산대 상품 감지에서는 Astra가 0.978, Sol이 0.823을 기록했으며, PPE, 쓰레기, 농구 감지에서도 Astra가 앞섭니다.

데이터셋도메인GPT-6.2 SolGPT-6.2 Astra
TN5000 갑상선 초음파의료0.9950.769
GWHD 밀 이삭자연 / 농업0.6840.537
CeyMo 도로 표지도로 / 교통0.8430.705
SoccerDB스포츠0.7480.631
RPC 소매점 계산대소매0.8230.978
농구공과 골대스포츠0.7260.872
PlantDoc 식물 질병자연 / 농업0.3020.447
SSDD SAR 선박항공 / 원격 탐사0.7490.880

각 방향에서 점수 차이가 가장 큰 4개 항목, UL37 mAP50입니다.

각 데이터셋은 이미지 10장으로 구성되므로, 단일 점수는 결론이 아니라 테스트가 필요한 신호입니다. 대규모 데이터셋에 레이블을 지정하기 전에 GPT-6.2 Sol 및 GPT-6.2 Astra 모델 페이지를 열어 보세요. 각 벤치마크 데이터셋에서 두 모델이 기록한 상자를 예상 레이블과 나란히 확인할 수 있습니다.

회로 기판을 제외하면 GPT-6.1 Sol과 GPT-6 Astra보다 크게 향상되었습니다.#

Platform에서 대체되는 모델과 비교하면 두 모델 모두 이미지당 정확도와 속도가 향상되고 비용은 낮아졌습니다.

mAP50이미지 1,000장당 비용이미지당 중앙값 처리 시간
GPT-6.1 Sol0.514$10.3010.5 s
GPT-6.2 Sol0.551$8.103.4초
GPT-6 Astra0.525$49.3111.6 s
GPT-6.2 Astra0.546$31.884.3초

GPT-6.2 Sol은 23개 데이터셋에서 GPT-6.1 Sol을 앞서고 12개에서 뒤졌으며, 약 3배 빠릅니다. 토큰 가격은 그대로지만 이미지당 비용은 21% 낮아졌습니다. GPT-6.2 Astra는 24개 데이터셋에서 GPT-6 Astra를 앞서고 11개에서 뒤졌으며, 이미지당 비용은 35% 낮고 토큰 가격도 더 저렴합니다. OpenAI는 GPT-6 Astra의 토큰 100만 개당 가격을 $10 및 $50으로 표시합니다.

OpenAI 모델의 UL37 mAP50과 제공업체 비용을 비교한 산점도. GPT-6.1 Sol에서 GPT-6.2 Sol로, GPT-6 Astra에서 GPT-6.2 Astra로 이동할 때 위쪽과 왼쪽으로 향하는 화살표가 표시되어 있습니다

화살표는 각 GPT-6.2 모델을 Ultralytics Platform에서 대체하는 모델과 비교해 보여줍니다.

예외는 회로 기판입니다. DeepPCB의 무기판 결함 감지에서 두 GPT-6.2 모델은 0.000을 기록했지만, GPT-6.1 Sol은 0.393을 기록했습니다. DsPCBSD+의 표면 결함 감지에서 Sol은 0.392에서 0.164로 하락했고, Astra는 0.216을 기록했습니다. 보안 X선 성능도 낮습니다. IEDXray에서 두 모델은 모두 0.05를 기록한 반면 Gemini 4 Argon은 0.30을 기록했습니다. 데이터가 PCB 검사 또는 보안 검색에 해당한다면, 도입을 결정하기 전에 샘플로 다른 모델을 테스트하세요.

GPT-6.1 Terra는 여전히 UL37에서 OpenAI의 최고 주석 모델입니다.#

새 모델 중 어느 것도 GPT-6.1 Terra를 앞서지 못했습니다. Terra는 이미지 1,000장당 $4.36의 비용으로 0.560 mAP50을 기록해 리더보드에서 2위를 유지하고 있습니다. Terra와 GPT-6.2 Sol은 각각 17개 데이터셋에서 승리하고 2개에서 동점으로, 격차가 작습니다. Terra는 정밀도가 0.646으로 Sol의 0.623보다 높고, 비용은 약 절반입니다. Sol은 객체를 더 많이 찾아내고 더 빠르게 답변하며, 응답 시간은 3.4초 대 5.1초입니다.

리더보드 최상위에서는 Gemini 4 Carbon이 이미지 1,000장당 $12.93의 비용으로 0.584 mAP50을 기록하며 여전히 앞서 있습니다. GPT-6.1 Terra 결과와 Gemini 4 Carbon 결과에서 두 모델의 성능을 자세히 확인할 수 있습니다.

GPT-6.2 주석 작업의 비용#

제공업체 비용은 OpenAI가 보고한 토큰 사용량에 정가를 적용해 계산하며, 실제 이미지의 토큰 사용량은 더 많거나 적을 수 있습니다. Batch Annotation에는 이미지 1,000장당 $1.00의 Platform 처리 수수료가 추가되며, 실행당 최소 수수료는 $0.01입니다.

이미지 1,000장당GPT-6.2 SolGPT-6.2 Astra
OpenAI 비용$8.10$31.88
Ultralytics Platform 처리 비용$1.00$1.00
합계$9.10$32.88

테스트용으로 먼저 실행하는 예측 비용을 포함해 자체 API 키를 통해 OpenAI에 직접 결제하며, Ultralytics는 토큰에 추가 요금을 부과하지 않습니다. 이미지 10,000개 데이터셋이라면 Sol은 약 $91, Astra는 약 $329입니다.

Ultralytics Platform에서 GPT-6.2 Sol 또는 Astra로 자동 주석을 실행하는 방법#

GPT-6.2 Sol과 Astra는 클래스 프롬프트를 사용하는 모델로, 클래스가 1~200개인 감지 데이터셋을 지원합니다. 데이터셋 고유의 클래스 이름에 해당하는 경계 상자를 반환하며, 저장하기 전에 결과를 검토할 수 있습니다.

  1. OpenAI API 키 페이지에서 키를 생성합니다.
  2. 워크스페이스 소유자가 데이터셋이 있는 Platform 워크스페이스의 Settings > API Keys에서 API 키를 추가하도록 요청하세요. 자세한 내용은 제공업체 키 문서를 참조하세요.
  3. 주석 편집기에서 Smart 모드로 전환한 다음 모델 선택기에서 OpenAI 아래에 있는 GPT-6.2 Sol 또는 GPT-6.2 Astra를 선택합니다.
  4. 데이터를 대표하는 이미지 몇 장에서 Predict 또는 P을 실행한 다음, 동일한 이미지에서 두 모델의 결과를 비교합니다.
  5. 결과가 만족스러우면 데이터셋 페이지를 열고 More actions > Batch Annotation을 선택해 레이블이 없는 모든 이미지에 주석을 지정합니다. Batch Annotation은 이미지 채널이 최대 3개인 Platform 호스팅 데이터셋에서 작동하며, Platform이 먼저 데이터셋 버전을 저장하므로 이전 상태로 되돌릴 수 있습니다.
  6. 경계 상자를 검토하고 저장한 다음, 동일한 워크스페이스에서 결과를 사용해 Ultralytics YOLO26 모델을 학습합니다.

주석 문서에서 Smart 모드와 Batch Annotation의 전체 설명을 확인할 수 있으며, 정밀도와 재현율을 기준으로 VLM을 선택하는 가이드를 참고하면 검토 워크플로에 적합한 모델을 찾을 수 있습니다.

GPT-6.2 Sol, GPT-6.2 Astra, GPT-6.1 Terra 중 어떤 모델을 사용해야 할까요?#

다음이 필요하다면…다음으로 시작하세요:
비용이 가장 낮은 범용 OpenAI 주석 모델GPT-6.1 Terra: 세 모델 중 UL37 점수가 가장 높고 Sol 가격의 약 절반입니다.
속도 또는 가장 많은 객체를 찾아내는 모델GPT-6.2 Sol: 이미지당 3.4초이며 리더보드에서 재현율이 가장 높습니다.
의료, 도로 또는 농업 이미지GPT-6.2 Sol을 사용한 다음, 의료 데이터에서는 Terra도 확인하세요.
항공, 소매점 계산대, 문서 또는 PPE 이미지데이터에서 정확도 우위가 Sol 비용의 약 4배를 정당화한다면 GPT-6.2 Astra를 사용하세요.
PCB 결함 또는 보안 X선 이미지먼저 다른 모델을 테스트하세요. 이 분야에서 두 GPT-6.2 모델의 UL37 점수는 모두 낮습니다.

대부분의 레이블 지정 작업에서는 새 모델 두 개 중 GPT-6.2 Sol이 더 나은 선택입니다. Astra와 UL37 점수는 비슷하지만 비용은 약 4분의 1입니다. 자체 이미지 테스트에서 해당 도메인의 성능이 더 높게 나타날 때 Astra를 선택하세요.

자주 묻는 질문

  • UL37 벤치마크에서 두 모델의 점수는 비슷합니다. GPT-6.2 Sol은 0.551 mAP50, GPT-6.2 Astra는 0.546을 기록했으며, Astra가 데이터셋별 승리 수에서 17대 15로 약간 앞섭니다. 뚜렷한 차이는 비용입니다. OpenAI 요금 기준으로 Sol은 이미지 1,000장당 $8.10, Astra는 $31.88입니다. Sol은 의료, 도로, 자연 이미지에서 앞서고 Astra는 항공, 소매, 문서, 인물 이미지에서 앞섭니다.

  • 네. 두 GPT-6.2 모델 모두 요청 실패 없이 Ultralytics VLM 리더보드의 50개 모델 중 상위 5위 안에 들었습니다. GPT-6.2 Sol은 재현율 0.643으로 리더보드에서 가장 높은 점수를 기록했습니다. 두 모델 모두 회로 기판 결함과 보안 X선 감지에는 약합니다.

  • 보고된 토큰 사용량에 정가를 적용한 OpenAI 요금 기준으로 GPT-6.2 Sol은 약 $8.10, GPT-6.2 Astra는 약 $31.88입니다. Ultralytics Platform은 이미지 1,000장당 $1.00의 Batch Annotation 수수료를 추가하므로 총비용은 각각 약 $9.10과 $32.88입니다.

  • UL37에서는 근소하게 그렇습니다. GPT-6.1 Terra는 이미지 1,000장당 $4.36의 비용으로 0.560 mAP50을 기록해 평균 점수와 비용 모두 두 GPT-6.2 모델보다 우수합니다. GPT-6.2 Sol은 Terra와 동일하게 17개 데이터셋에서 승리하며, 더 빠르고 객체도 더 많이 찾아냅니다.

  • 평균적으로 그렇습니다. GPT-6.2 Sol은 36개 데이터셋 중 23개에서 GPT-6.1 Sol을 앞서며, 약 3배 빠르고 이미지당 비용은 21% 낮습니다. GPT-6.2 Astra는 24개 데이터셋에서 GPT-6 Astra를 앞서며 비용은 35% 낮습니다. 두 구형 모델은 회로 기판 결함 감지에서 더 나은 성능을 보였습니다.

  • Settings > API Keys에서 OpenAI API 키를 추가한 다음, 주석 편집기의 Smart 모드에서 GPT-6.2 Sol 또는 GPT-6.2 Astra를 선택합니다. 이미지 몇 장으로 테스트한 뒤 Batch Annotation을 사용해 전체 데이터셋에 주석을 지정하고, 경계 상자를 검토한 다음, 동일한 워크스페이스에서 Ultralytics YOLO26 모델을 학습합니다.

작성자

Glenn Jocher
Glenn Jocher

창립자 겸 CEO · Ultralytics

Glenn Jocher는 Ultralytics의 창립자 겸 CEO로, 전 세계에서 가장 널리 도입된 컴퓨터 비전 모델인 Ultralytics YOLO의 개발을 이끌고 있습니다. 그의 업무는 더 빠르고 정확한 모델을 만드는 데 그치지 않고, 누구나 비전 AI를 활용해 의미 있는 문제를 해결할 수 있도록 지원하는 데 있습니다.

댓글

질문하거나 결과를 공유하거나 다른 사람을 도와주세요.

솔루션 살펴보기

스포츠 분야의 컴퓨터 비전

스포츠 분야의 컴퓨터 비전

Ultralytics YOLO가 선수 및 공 추적, 경기력 분석, 코칭 인사이트, 선수 재활을 통해 스포츠 비전을 구현하는 방법을 알아보세요.
자세히 알아보기
항공 이미지 컴퓨터 비전

항공 이미지 컴퓨터 비전

Ultralytics YOLO를 활용해 드론 및 항공 이미지를 농업, 양식업, 보전, 지리 공간 분석을 위한 실시간 인사이트로 전환하세요.
자세히 알아보기
항공우주 분야의 컴퓨터 비전

항공우주 분야의 컴퓨터 비전

Ultralytics YOLO를 활용해 항공기 검사, 활주로 FOD 감지, 공항 지상 운영, 복합재 결함 감지 등 항공우주 분야에 컴퓨터 비전을 적용하세요.
자세히 알아보기
보안 분야의 컴퓨터 비전

보안 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 모든 시설을 보호하세요. Vision AI는 경계 모니터링, 위협 감지, 번호판 인식, 작업장 안전을 지원합니다.
자세히 알아보기
로보틱스 분야의 컴퓨터 비전

로보틱스 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 더 스마트한 머신을 구현하세요. 로보틱스 분야의 Vision AI는 자율 주행, 인식, 객체 추적, 실시간 제어를 지원합니다.
자세히 알아보기
물류 분야의 컴퓨터 비전

물류 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 물류를 간소화하세요. 비전 AI는 화물 검사, 분류, 차량 추적, 실시간 창고 안전 모니터링을 지원합니다.
자세히 알아보기
리테일 분야의 컴퓨터 비전

리테일 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 리테일의 새로운 가능성을 열어 보세요. 비전 AI는 재고 추적, 선반 모니터링, 대기열 관리, 더욱 심층적인 고객 인사이트를 지원합니다.
자세히 알아보기
의료 분야의 컴퓨터 비전

의료 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 의료 솔루션을 구축하세요. 의료 분야의 비전 AI는 의료 영상 판독을 가속화하고, 진단을 개선하며, 환자 모니터링을 지원합니다.
자세히 알아보기
제조 분야의 컴퓨터 비전

제조 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 제조 공정을 최적화하세요. 비전 AI는 품질 관리, 결함 탐지, PPE 규정 준수, 조립 라인 자동화를 지원합니다.
자세히 알아보기
자동차 분야의 컴퓨터 비전

자동차 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 자동차 분야에 컴퓨터 비전을 적용하세요. 비전 AI는 도로 안전, 운전자 지원, 차량 자동화를 개선해 더 스마트한 도로를 구현합니다.
자세히 알아보기
농업 분야의 컴퓨터 비전

농업 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 스마트 농업에 비전 AI를 도입하세요. 작물 모니터링, 가축 추적, 정밀 농업을 지원하여 더 높은 수확량과 더 스마트한 농업을 실현합니다.
자세히 알아보기

함께 AI의 미래를 만들어 가세요!

머신러닝의 미래와 함께 여정을 시작하세요