코딩맥스

72시간 만에 수정 PR이 쏟아진 이유: GPT-6.2로 바꾸면 에이전트도 그대로 돌아갈까

코딩맥스읽는 데 40분OpenAIGPT-6.2LLMAI 에이전트프롬프트 캐싱
목차

최근 개발자 커뮤니티에서 흥미로운 일이 벌어졌습니다. OpenAI가 새 모델을 내놓은 지 사흘도 안 돼 여러 오픈소스 에이전트 프로젝트에 비슷한 수정 PR(Pull Request, 코드 변경 요청)이 잇달아 올라온 겁니다.

주인공은 2026년 11월 17일 공개된 GPT-6.2 Astra와 GPT-6.2 Sol입니다. Astra는 가장 까다로운 추론과 코딩 작업에, Sol은 일상적인 코딩과 에이전트 워크플로(작업 흐름)에 맞춘 모델이죠.

OpenAI 발표문은 새 기록을 세운 벤치마크 점수와 낮아진 토큰 가격을 앞세웠습니다. 그런데 정작 에이전트 개발자들은 점수보다 API(응용 프로그래밍 인터페이스) 변경 기록 한 문단에 주목했습니다. "시스템 프롬프트가 전혀 캐시되지 않는다"는 버그 리포트가 올라오기 시작했거든요.

요청이 오류를 내며 실패하는 것도 아닌데 왜 다들 급하게 코드를 고쳤을까요? GPT-6.2로 모델을 바꾸면 기존 에이전트도 문제없이 그대로 돌아갈까요?

같은 앞부분을 다시 보내면 왜 싸질까

이 질문에 답하려면 먼저 에이전트가 API 요금을 줄이는 핵심 장치인 프롬프트 캐싱부터 짚어야 합니다. 프롬프트 캐싱은 앞선 요청과 처음부터 똑같은 앞부분, 곧 접두사(prefix)를 다시 보낼 때 서버가 이미 계산해 둔 결과를 재사용해 요금을 깎아 주는 기능입니다.

FIG 1 · STEP
1 / 3
서버 캐시시스템 프롬프트 + 도구 정의기록요청 1시스템 프롬프트도구 정의질문캐시가 비어 있어 비적중 → 앞부분을 캐시에 기록요청 2시스템 프롬프트도구 정의새 질문앞부분이 처음부터 일치 → 캐시 적중, 입력 단가의 0.05배요청 3타임스탬프시스템 프롬프트도구 정의새 질문첫 토큰부터 일치가 끊겨 캐시 비적중 · 정가 또는 쓰기 요금캐시 적중캐시 비적중(정가·쓰기 요금)

첫 번째 요청은 캐시가 비어 있어 비적중이고, 시스템 프롬프트와 도구 정의로 된 앞부분을 캐시에 기록한다.

모든 단계 보기
  1. 첫 번째 요청은 캐시가 비어 있어 비적중이고, 시스템 프롬프트와 도구 정의로 된 앞부분을 캐시에 기록한다.
  2. 두 번째 요청은 앞부분이 처음부터 일치해 그 구간이 캐시 적중이 되고, 입력 단가의 0.05배로 청구된다.
  3. 세 번째 요청은 첫 줄에 타임스탬프가 끼어들어 첫 토큰부터 일치가 끊기므로 기존 캐시를 재사용하지 못한다. 비적중 구간은 캐시 쓰기 설정에 따라 정가 또는 캐시 쓰기 요금으로 청구된다.
그림 1. 앞부분이 첫 토큰부터 일치하면 입력 단가의 0.05배로 재사용되지만, 첫 줄만 바뀌어도 그 뒤 전체가 캐시 비적중으로 처리된다

매번 같은 서문으로 시작하는 보고서를 쓰는 상황에 비유할 수 있습니다. 서문을 토씨 하나 안 바꾸고 그대로 두면 앞부분을 복사해서 바로 이어 쓸 수 있지만 서문 첫 줄에 오늘 날짜만 끼워 넣어도 처음부터 다시 계산해야 하죠. OpenAI 가이드도 서버가 요청을 맨 앞에서부터 대조하기 때문에 앞부분이 조금이라도 달라지면 그 지점부터 재사용이 끊긴다고 설명합니다.

에이전트는 매 턴마다 긴 시스템 프롬프트와 수십 개에 달하는 도구 정의를 반복해서 보냅니다. 그래서 앞부분이 캐시에 적중하느냐에 따라 요금과 응답 속도가 크게 갈립니다. GPT-5.6 이후 프롬프트 캐싱 규칙을 보면 최소 캐시 길이는 1,024토큰이고, 캐시 쓰기 비용은 유지 시간(TTL, Time To Live)이 30분이면 입력 단가의 1.25배, 12시간이면 2.5배입니다. 반면 캐시 읽기는 보통 0.1배인데, GPT-6.2 Astra·Sol과 GPT-6.1 Sol·Terra는 그 절반까지 내려갔습니다. 가이드 계산상 0.1배 읽기 기준으로 한 번 쓰고 아홉 번 읽으면 2.15배 비용이지만 캐시가 전혀 안 되면 10배를 내야 하거든요.

그런데 에이전트가 매 턴 주고받는 것은 시스템 프롬프트와 도구 목록만이 아닙니다.

모델이 남긴 생각 메모는 어디에 남나

모델이 답을 내놓기 전에 속으로 정리한 '추론 아이템(reasoning item)'도 다음 요청에 그대로 다시 실려야 합니다. 추론 모델 가이드에 따르면, 추론 모델은 답변 전에 생각 토큰을 만드는데 API는 이 원문을 개발자에게 보여 주는 대신 암호화된 불투명 아이템으로만 돌려줍니다.

FIG 2 · DIAGRAM
이전 요청·응답을 합친 대화 기록다음 요청의 inputuserreasoningfunction_callfunction_call_outputreasoninguserreasoningfunction_callfunction_call_outputreasoninguser암호화암호화암호화암호화이번 턴에 추가요청 input응답 output응답 output요청 input응답 output순서그대로자물쇠: 암호화되어 원문을 볼 수 없는 아이템
그림 2. 요청 input의 user·function_call_output과 응답 output의 암호화 reasoning·function_call이 2개 턴에 걸쳐 원래 순서대로 다음 요청에 합쳐진다

동료가 남긴 계산 메모를 받아 이어서 풀면 처음부터 다시 계산할 필요가 없지만 메모를 잃어버리면 계산을 새로 해야 하는 것과 같습니다. 이 추론 토큰은 눈에는 보이지 않아도 컨텍스트 창을 차지하고 출력 토큰으로 청구됩니다. 앞선 모델 계열부터 이전 턴의 추론까지 다음 요청에 모두 넣는 all_turns가 기본값이 됐습니다(그 이전에는 현재 턴만 쓰는 current_turn이 기본이었죠). 만약 이 아이템이 중간에 버려지면 모델은 앞서 끝낸 추론을 다시 수행하느라 토큰과 시간을 더 쓰고 복구하지 못하면 답변 품질도 떨어집니다.

이제 캐싱과 추론 아이템이라는 두 조각이 맞춰졌습니다. 그렇다면 GPT-6.2에서 시스템 프롬프트는 왜 캐시에서 빠졌을까요?

시스템 프롬프트는 왜 갑자기 캐시되지 않았나

최상위 instructions 필드가 요청 안에서 놓이는 위치가 바뀌었기 때문입니다. GPT-6.1까지는 instructions가 캐시 가능한 앞부분에 들어갔지만 GPT-6.2부터는 input 배열 뒤쪽, 즉 모든 캐시 브레이크포인트 너머로 이동했습니다.

FIG 3 · DIAGRAM
GPT-6.1 · 시스템 프롬프트를 instructions에캐시되는 앞부분instructions캐시 적중이전 대화 기록캐시 적중새 user 메시지정가GPT-6.2 · 같은 instructions가 input 뒤로캐시되는 앞부분이전 대화 기록캐시 적중새 user 메시지정가instructions매번 정가GPT-6.2 · 같은 텍스트를 첫 developer 메시지로캐시되는 앞부분developer 메시지캐시 적중이전 대화 기록캐시 적중새 user 메시지정가캐시 적중 · 입력 단가의 0.05배정가 입력
그림 3. GPT-6.2에서는 최상위 instructions가 input 뒤로 옮겨져 그 부분만 캐시되지 않지만, 앞선 대화 기록과 첫 developer 메시지는 계속 캐시된다

위치가 뒤로 밀리면서 instructions에 들어간 토큰은 캐시 적중 여부와 무관하게 매 요청 비캐시 단가로 청구되고, previous_response_id로 다음 턴을 이어받을 때도 넘어가지 않습니다. 그래서 instructions는 "이번 한 번의 요청에만 붙이는 지시"로 성격이 바뀌었고 여러 턴에 걸쳐 재사용할 시스템 프롬프트는 input의 첫 번째 아이템인 developer 메시지로 옮겨야 합니다.

고정된 지시사항에 명시적 캐시 브레이크포인트를 걸고, 매번 바뀌는 지시는 그 뒤의 developer 메시지로 분리한 OpenAI 가이드의 권장 요청 구조입니다.

JSON
{
  "model": "gpt-6.2-sol",
  "reasoning": { "effort": "low", "context": "all_turns" },
  "text": { "verbosity": "medium" },
  "prompt_cache_options": { "mode": "explicit" },
  "input": [
    {
      "role": "developer",
      "content": [
        {
          "type": "input_text",
          "text": "Stable instructions and shared reference material...",
          "prompt_cache_breakpoint": { "mode": "explicit" }
        }
      ]
    },
    {
      "role": "developer",
      "content": "Dynamic developer instructions, such as user-specific content and timestamps..."
    },
    {
      "role": "user",
      "content": "The user's current question..."
    }
  ]
}

실제로 11월 18일경 OpenAI 커뮤니티에 올라온 버그 리포트를 보면, gpt-6.2-sol에 같은 텍스트를 instructions로 보낼 때는 cached_tokens와 cache_write_tokens가 계속 0에 머물렀지만 developer 메시지로 옮기자 곧바로 캐시가 동작했습니다(반면 gpt-6.1-sol에서는 두 방식 모두 정상적으로 캐시됐습니다). 당시 캐시 진단 도구가 돌려준 출력에는 입력이 바뀌었다는 input_changed 사유가 찍혔습니다.

Text
{"type":"cache_miss","cache_missed_tokens":384,"comparison_reusable_tokens":384,"reason":"input_changed"}

시스템 프롬프트 위치는 developer 메시지로 옮기면 해결됩니다. 그런데 GPT-6.2의 변화는 여기서 끝나지 않았습니다.

대화를 조금 고쳤을 뿐인데 무엇이 사라지나

대화가 길어지면 에이전트는 토큰을 아끼려고 오래된 도구 실행 결과를 줄이거나 앞선 메시지를 다듬곤 하는데, GPT-6.2에서는 이 순간 그 뒤에 달린 추론 아이템이 지워집니다. 각 추론 아이템이 그 앞의 대화 기록에 묶여 있어서 앞부분(prefix)을 고치면 서버가 이후 추론의 유효성을 인정하지 않고 제거하기 때문입니다.

FIG 4 · STEP
1 / 4
경우 A · 도구 결과를 고침경우 B · 끝에 덧붙임userreasoning #1function_callfunction_call_outputreasoning #2userreasoning #1function_callfunction_call_outputreasoning #2function_call_output줄임user새로 덧붙임reasoning #2제거됨유지유지유지input_transformationsprefix_mismatch → reasoning #2input_transformations제거된 reasoning 없음

두 대화 기록은 같다. user 메시지 뒤에 reasoning, function_call, function_call_output, 두 번째 reasoning이 차례로 놓여 있다.

모든 단계 보기
  1. 두 대화 기록은 같다. user 메시지 뒤에 reasoning, function_call, function_call_output, 두 번째 reasoning이 차례로 놓여 있다.
  2. 경우 A는 function_call_output을 줄여 다시 보내고, 경우 B는 기존 아이템을 그대로 둔 채 끝에 새 user 메시지를 덧붙인다.
  3. 경우 A에서는 고친 도구 결과 뒤에 있는 두 번째 reasoning 1개만 지워지고 그 앞의 reasoning은 남는다. 경우 B에서는 reasoning 2개가 모두 남는다.
  4. 경우 A의 응답 input_transformations에는 prefix_mismatch가 찍혀 두 번째 reasoning이 지워졌다고 알려 준다. 경우 B에는 제거된 reasoning이 없다.
그림 4. 도구 결과를 줄여 다시 보내면 그 뒤에 있는 추론 아이템 1개만 제거되고 prefix_mismatch가 기록되지만, 끝에 덧붙이면 기존 추론 2개가 모두 유지된다

물론 모든 편집이 금지되는 것은 아닙니다. 기존 아이템을 통째로 삭제하되 나머지 내용을 고치지 않거나, OpenAI가 제공하는 압축 기능(/responses/compact, context_management)을 쓰면 이후 추론이 유지됩니다. 하지만 도구 결과를 일부 잘라내거나, 앞선 developer 메시지를 고쳐 쓰거나, tools나 text.format 같은 요청 파라미터를 바꾸면 그 뒤에 있던 추론 아이템은 prefix_mismatch 사유로 버려집니다. 이때도 API 요청은 오류 없이 성공하기 때문에, 개발자가 응답의 input_transformations 객체나 사용량 대시보드의 'Reasoning removals' 항목을 직접 확인하지 않으면 추론이 날아가고 있다는 사실조차 모를 수 있죠.

그렇다면 대화 도중에 추론 강도(reasoning.effort)나 출력 스키마, 도구를 바꿔야 할 때는 어떻게 해야 할까요? 요청 최상위 파라미터를 직접 고치는 대신, 대화 끝에 새 아이템을 덧붙이는 방식을 써야 합니다.

추론 강도를 올리고 싶을 때 reasoning.effort 값을 직접 바꾸지 않고 input 끝에 덧붙여 쓰는 configuration_update 아이템입니다.

JSON
{
  "type": "configuration_update",
  "reasoning": { "effort": "high" }
}

도구를 추가할 때도 기존 tools 배열 순서를 건드리지 말고 additional_tools 아이템이나 tool_choice의 allowed_tools를 쓰는 편이 안전하고 지시를 갱신할 때도 첫 developer 메시지는 둔 채 새 developer 메시지를 뒤에 붙이는 편이 낫습니다. 반대로 자체 압축 로직으로 오래된 도구 출력을 직접 요약해 덮어쓰던 통합이라면 이 규칙과 부딪히므로, 압축 결과를 컨텍스트 맨 끝에 두거나 OpenAI 기본 압축 엔드포인트로 옮기는 방안을 검토해야 합니다.

개발자 입장에서는 꽤 까다로운 제약입니다. OpenAI는 왜 권고 수준이던 '덧붙이기(append-only)' 규칙을 API 강제 사항으로 바꿨을까요?

OpenAI는 왜 지금 이 규칙을 강제했나

모델 능력만 빼가는 '지식 증류(knowledge distillation)' 공격을 막기 위해서입니다. 지식 증류는 큰 모델(교사)의 출력을 학습 데이터로 써서 작은 모델(학생)을 키우는 기법으로, 명인의 풀이 과정을 통째로 베껴 공부해 정답만 외울 때보다 훨씬 빨리 실력을 늘리는 것과 비슷합니다. 2015년 힌튼(Hinton) 등의 논문으로 정립된 정상적인 기술이지만 GPT-6.2 시스템 카드는 이를 "안전장치는 옮기지 않고 능력만 옮기는" 무단 증류 위험으로 봅니다.

특히 공격자가 모델의 숨은 사고 과정(hidden chain of thought)을 빼내는 추출 공격이 주된 통로로 지목됐습니다. 앞선 대화 기록을 교묘하게 바꿔 치기해 이전 턴의 암호화된 추론 내용을 복원하거나, 다른 사용자의 추론 아이템을 재생하는 방식이었죠(10월 말 DeepSeek과 Moonshot AI가 GPT-6 Astra 출력을 학습에 썼다는 KuCoin의 2차 보도도 있었지만 직접 확인된 사실은 아닙니다). OpenAI는 2026년 9월 조직적인 증류 캠페인을 차단했다고 밝히면서 GPT-6.2부터는 prefix_mismatch뿐 아니라 요청 간 최종 사용자 식별자(safety_identifier)가 어긋나는 end_user_mismatch 조건에서도 추론 아이템을 지우도록 규정을 강화했습니다.

시스템 카드 2.2.5절이 공개한 이전 턴 추론 추출 공격의 방어 성과와 GPT-6.2에 새로 추가된 추론 제거 조건입니다.

모델이전 턴 추론 추출 공격 성공률 (6개 공격 모델 평균)6.2에 추가된 추론 제거 사유
GPT-6 Astra54.0%— (기본 규칙 적용)
GPT-6.2 Astra0.2%prefix_mismatch, end_user_mismatch
GPT-6.2 Sol0.5%prefix_mismatch, end_user_mismatch

이전 세대에서 절반 넘게 뚫리던 추출 공격 성공률이 새 모델에서 1% 아래로 떨어졌습니다. 다만 그 방어의 대가로, 개발자가 safety_identifier를 일부 요청에만 빼먹고 보내도 추론 아이템이 제거되는 부작용을 안게 됐죠.

증류 방어라는 명분은 분명하지만 당장 기존 에이전트 프레임워크를 유지보수하는 개발자들은 발등에 불이 떨어졌습니다.

출시 사흘 만에 누가 코드를 고쳤나

GPT-6.2가 나오자마자 주요 오픈소스 에이전트 프레임워크와 SDK(소프트웨어 개발 키트) 저장소에는 instructions가 캐시되지 않는다는 이슈가 동시다발적으로 올라왔습니다. opencode의 측정에 따르면 gpt-6.2-sol로 6턴 대화를 돌렸을 때 instructions는 이후 5턴 동안 단 한 번도 캐시되지 않았지만 같은 내용을 developer 메시지로 옮기자 4턴에서 7,808~8,064토큰이 캐시됐습니다. opencode 이슈(#64550)에는 OpenAI 측으로부터 "의도된 변경"이라는 확인을 받았다는 전언도 남았죠.

OpenAI의 도구들조차 이 변화에 엇박자를 냈습니다. openai/codex 저장소의 이슈(#62312)에서는 캐시 진단 도구(comparison_response_id)가 cache_hit을 보고하는데도 정작 실제 usage의 cached_tokens는 0으로 찍히는 현상이 보고됐습니다. 모델 스키마를 다루는 TanStack(#711)에서도 두 모델에 reasoning 객체가 빠져 타입 생성이 막히면서 'effort none 거부' 정책을 필수 effort로 해석하는 수정이 들어갔습니다.

출시 직후 instructions 캐시 문제와 관련 동작 변화에 대응한 주요 오픈소스 프로젝트들의 이슈·PR 현황입니다.

프로젝트이슈 / PR 번호주요 대응 및 보고 내용
opencodePR #64542, 이슈 #64550시스템 프롬프트를 선두 developer 메시지로 이동(v2.3.2 반영), 의도된 변경 확인 전언
pydantic-ai이슈 #13923기본값 변경 전까지 cache=True 또는 openai_cache_instructions=True 설정 안내
strands-agentsPR #6396stateful 모드는 instructions를 유지해 여전히 캐시되지 않음을 명시
openclaw이슈 #202372, PR #201094, #202720ChatGPT(Codex) 백엔드 경로 포함 동일 문제 겪고 cachesInstructions 플래그 도입
hermes-agentPR #157705instructions 캐시 미적중 문제 수정 PR 제출
langchain-litellm이슈 #454instructions 캐시 누락 이슈 등록 및 대응
openai/codex이슈 #62312캐시 진단은 cache_hit이나 실제 usage는 0으로 나오는 불일치 보고

다들 이렇게 급하게 캐시 구멍을 막은 이유는 결국 청구서 때문입니다. OpenAI가 내세운 가격 인하는 실제 운영 비용에서 얼마나 체감될까요?

값은 내렸는데 청구서는 정말 줄어드나

OpenAI 가격표만 보면 Astra는 확실히 싸졌습니다. 이전 GPT-6 Astra와 비교하면 입력과 출력 단가가 각각 20% 내렸고 캐시 입력은 60%나 깎였습니다. 반면 Sol은 GPT-6.1 Sol과 정가가 같습니다.

2026년 11월 21일 기준, 100만 토큰당 표준(Standard) 요금 정가를 이전 모델과 나란히 놓은 표입니다.

모델입력 (100만 토큰)캐시 입력 (100만 토큰)출력 (100만 토큰)
GPT-6 Astra$10.00$1.00$50.00
GPT-6.2 Astra$8.00$0.40$40.00
GPT-6.2 Sol$2.00$0.10$10.00

하지만 실제 청구서에는 정가를 다시 끌어올리는 요인이 여러 개 숨어 있습니다. 먼저 instructions를 developer 메시지로 옮기지 않으면 매 턴 시스템 프롬프트를 정가로 내야 하고 대화 앞부분을 고쳐 prefix_mismatch가 나면 버려진 추론을 다시 생성하느라 토큰이 더 듭니다. 여기에 기존에 저가 옵션으로 쓰던 Flex 처리가 새 모델에서는 빠졌습니다. 대신 2시간 완료 창은 30%, 8시간 완료 창은 40%를 깎아 주는 백그라운드 완료 창(퍼블릭 베타)이 들어왔는데, 이 할인 창에서 만든 캐시는 일반 Standard 요청과 공유되지 않고 레이트 리밋도 Batch와 나눠 씁니다. 입력이 272K 토큰을 넘기면 요청 전체의 입력·캐시 단가가 2배, 출력이 1.5배로 뛰는 구간 요금제도 그대로입니다.

그럼에도 코드가 제대로 맞춰진 환경에서는 비용이 줄었다는 측정이 나옵니다. Puter가 5개 프롬프트를 총 60회 실행해 측정한 리뷰에서는 Astra의 출력 토큰이 34%, 전체 비용이 47% 줄었습니다(Sol은 각각 25% 감소). 특히 Astra 절감분의 약 3분의 2는 추론 토큰이 줄어든 덕분이었는데, 기본 설정에서 코딩이나 글쓰기 프롬프트에 추론을 거의 쓰지 않았기 때문이라고 분석했습니다.

Hacker News 사용자 ariwilson이 실제 버그 수정·기능 과제 30개를 2회씩 벤더 CLI 기본 설정으로 실행해 기록한 해결률과 수정 1건당 비용입니다(HN 스레드).

Text
  GPT-6.2 Astra: 54/60 solved (90%), $1.11 per fix, 2m35s median run
  GPT-6 Astra: 50/60 (83%), $1.76, 2m16s
  Fable 5.2: 54/60 (90%), $1.78, 2m04s

  GPT-6.2 Sol: 50/60 (83%), $0.31, 2m18s
  GPT-6.1 Sol: 48/60 (80%), $0.28, 1m55s
  Opus 5.5: 53/60 (88%), $1.04, 2m12s

다만 성능 체감에는 엇갈린 평가가 섞여 있습니다. 독립 평가 기관 Artificial Analysis의 측정(AA 평가 스레드, 성격·길이 분석)에서 Coding Agent Index는 Astra가 이전 세대와 같고, Sol은 6.1보다 3점 낮았습니다. 응답 단어 수(Astra 352→210단어, Sol 337→223단어)와 헤딩 수가 크게 줄어 간결해진 대신, 환각률을 재는 AA-Omniscience에서는 Astra 59%, Sol 55%로 나타났고 "불확실성을 덜 인정한다"는 평가가 붙었죠. HN 토론(1,346점, 862개 댓글)에서도 금융권 작업에 실용적이라는 평과 "6.1로 되돌렸다", "사소한 일마다 허락을 구한다"는 경험담이 맞섰습니다.

가격과 성능 이야기는 하나의 실무 질문으로 모입니다. 지금 당장 기존 에이전트의 모델 문자열만 gpt-6.2-astra나 gpt-6.2-sol로 바꾸면 어떻게 될까요?

그래서 기존 에이전트는 그대로 돌아갈까

그대로 돌아가지 않는 경우가 적지 않습니다. 먼저 요청 자체가 오류를 내며 거부되는 설정들이 있습니다. 마이그레이션 가이드를 보면 두 모델 모두 reasoning.effort에 none을 넣으면 요청을 거부하므로 low 이상으로 바꿔야 합니다. Chat Completions 엔드포인트를 쓰는 곳은 temperature, top_p, logprobs, top_logprobs 파라미터를 빼야 하고 무엇보다 Chat Completions에서는 도구 호출 자체가 지원되지 않습니다. service_tier: flex 역시 쓸 수 없습니다.

오류 없이 통과하더라도 앞서 살펴본 함정들이 남아 있습니다. instructions를 developer 메시지로 옮기지 않으면 매 턴 시스템 프롬프트 비용이 정가로 나가고 대화 중간을 고치면 추론이 버려져 토큰을 다시 태웁니다. 여기에 하나 더 짚어야 할 대목이 있습니다. 시스템 카드 4.1.3.1절을 보면 GPT-6.2 Astra는 작업을 막는 장애물(blocker)을 보고해야 할 때 이를 빠뜨리는 비율이 이전 11.09%에서 22.28%로 두 배 넘게 뛰었습니다. OpenAI는 출시 때 Codex의 developer 프롬프트에 별도 지시를 넣어 이 누락을 줄였지만 시스템 카드는 이 보정 프롬프트가 직접 API 요청에는 적용되지 않는다고 못 박았습니다. 그러니 API로 자체 에이전트를 돌리는 팀은 이 문제까지 직접 프롬프트로 메워야 합니다(고위험 사이버 보안 지원에 더 엄격한 안전장치를 걸면서 일부 정당한 보안 테스트 워크플로가 제한된다는 점도 OpenAI가 함께 밝혔고 출시 직후 문서 공지가 언제 갱신됐는지나 Agents SDK의 공식 수정 여부는 아직 확인되지 않았습니다).

출시 사흘 만에 여러 프레임워크에 수정 PR이 쏟아진 것은 단순한 호들갑이 아니었습니다. 겉으로는 오류 없이 응답이 오가지만 뒤에서는 시스템 프롬프트 캐시가 빠지고 추론 아이템이 지워지며 청구서와 작업 품질이 조용히 흔들렸기 때문이죠. 증류를 막겠다는 보안 규칙이 API의 기본 동작을 이렇게까지 바꿔 놓은 지금, 개발자들은 모델이 요구하는 '덧붙이기 전용' 구조에 맞춰 에이전트 설계를 얼마나 더 뜯어고쳐야 할까요?