소개
브리프, 참고 자료, 인수 기준을 하나의 대화로 GPT 6.2 Astra에 전달합니다. OpenAI는 복잡한 결과물을 위해 이 모델을 만들었으므로 완성된 결과에 무엇이 포함되어야 하는지 먼저 알려 주십시오.
| 항목 | 값 |
|---|---|
| 입력 | 텍스트 |
| 출력 | 텍스트 |
| 입력 컨텍스트 | 1,050,000 토큰 |
핵심 기능 및 하이라이트
질문과 근거를 함께 배치합니다
요구 사항, 발췌문, 이전 결정을 하나의 대화에 담고, 최대 256개 메시지에 입력 토큰 최대 922,000개를 사용할 수 있습니다. 문서와 절에 이름을 붙여 응답을 검토하는 사람이 출처를 찾아갈 수 있도록 합니다. 요청 끝에는 필요한 결정과 충족해야 할 기준을 명시합니다.
작업에 맞춰 추론 강도를 평가합니다
추론 강도는 low, medium, high, xhigh, max 중에서 선택하며 기본값은 medium입니다. 대표 작업으로 시작해 원본 자료와 검수 기준을 유지하면서 설정을 조정합니다. 가정, 충돌하는 요구 사항, 미해결 질문을 어떻게 다루는지 검토하여 업무에 맞는 설정을 결정합니다.
결과물에 필요한 분량을 확보합니다
응답 허용량은 기본 4,096토큰이며 16~128,000토큰으로 설정할 수 있습니다. 간결한 의사 결정 메모와 상세한 기술 보고서에는 서로 다른 분량이 필요하므로 요청 형식과 함께 선택합니다. 필요한 절을 명시하고, 결과물을 전달하기 전에 누락된 내용이 있는지 확인합니다.
도구가 지원하는 작업을 설명합니다
최대 128개 도구 정의를 제공하고 도구 선택 설정으로 요청 가능한 호출을 제어합니다. 병렬 요청은 기본으로 활성화되며 결과 순서가 중요한 워크플로에서는 비활성화합니다. 각 함수를 명확히 설명하고 요청된 인수를 검토한 뒤 다음 판단에 필요한 결과를 반환합니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
messages | 예 | 브리프, 참고 자료, 인수 기준을 Astra에 전달합니다. 사용자 메시지에는 이미지도 포함할 수 있습니다. 1개 이상 · 256개 이하 |
max_tokens | 아니요 | Astra의 추론과 표시되는 답변을 합친 출력 예산입니다. 최솟값은 16, 기본값은 4,096, 최댓값은 128,000입니다. |
reasoning_effort | 아니요 | Astra의 추론 강도를 low, medium, high, xhigh, max 중에서 고릅니다. 기본값은 medium이며 어려운 결과물에는 높여 사용합니다. |
tools | 아니요 | Astra가 요청할 수 있는 함수를 최대 128개까지 선언합니다. 인수 검증과 각 호출 실행은 애플리케이션이 담당합니다. 128개 이하 |
parallel_tool_calls | 아니요 | Astra의 함수 호출을 하나씩 실행해야 할 때 끕니다. 기본값은 켜짐입니다. 기본값: |
tool_choice | 아니요 | auto로 Astra에 맡기거나 none으로 호출을 막고, required로 호출을 강제하거나 특정 함수를 지정합니다. |
response_format | 아니요 | Astra에 일반 텍스트, JSON 객체, JSON 스키마 중 하나를 요청하고 사용하기 전에 결과를 검증합니다. |
요금
입력 $8 / 출력 $40 100만 토큰당; 272K 토큰 초과 프롬프트: 입력 $16 / 출력 $60
활용 사례
엔지니어링 팀의 요구 사항 검토
사양, 변경 요청, 이미 내린 결정을 메시지로 제공합니다. 모순, 누락된 요구 사항, 검토 체크리스트 초안을 요청하고 각 지적을 원본의 해당 절과 연결하도록 합니다. 판단이 구현 세부 사항에 달려 있다면 관련 코드 발췌문을 포함합니다.
근거를 추적할 수 있는 연구 메모
실험 메모와 측정값을 텍스트로 제공하고 관찰, 해석, 후속 질문을 별도 절로 요청합니다. 분석 작업에 맞춰 추론 강도를 선택하고, 단위를 유지하며 가정을 표시하고 각 결론을 관련 측정값과 연결하도록 요청합니다.
구조화된 운영 업무 인계
response_format으로 작업 항목, 뒷받침하는 근거, 미해결 질문을 설명하는 객체를 요청합니다. 대화에서 필드를 정의하고 알 수 없는 값을 어떻게 표시할지 설명합니다. 다른 애플리케이션에 작업 항목을 넘기기 전에 응답을 파싱하고 내용을 검증합니다.
애플리케이션 도구를 통한 재고 확인
애플리케이션이 제공할 수 있는 재고 조회 함수를 tools에 정의하고 tool_choice로 접근을 제어합니다. 후속 단계가 조회 결과에 의존하면 병렬 요청을 비활성화하고 관련 결과를 반환한 뒤 제안을 요청합니다. 애플리케이션 워크플로의 일부로 함수 인수를 검토합니다.
프롬프트 가이드 및 실전 팁
결정과 결과물을 설명합니다
질문, 대상 독자, 검수 기준을 관련 원본 자료와 함께 messages에 넣습니다. 부족한 근거를 추측으로 채우지 말고 누락 사항으로 밝히도록 요청합니다.
대화를 정리합니다
메시지를 오래된 순서부터 배치하고 각 문서나 발췌문의 출처를 표시합니다. 작업에 기여하는 자료를 선택하여 메시지 256개와 입력 922,000토큰 이내로 구성합니다.
추론 강도와 응답 예산을 선택합니다
medium 추론 강도와 기본 응답 예산 4,096토큰으로 시작한 뒤 필요한 작업에 맞춰 조정합니다. 출력 허용량을 16~128,000토큰으로 설정하고 완성된 응답에 포함할 절을 설명합니다.
인계 방식을 정하고 검토합니다
원하는 응답 형식을 요청하고 애플리케이션이 처리할 도구를 정의합니다. 다른 워크플로에서 사용하기 전에 제공한 근거와 검수 기준에 맞춰 응답을 확인합니다.
방대한 컨텍스트를 초점 있는 응답으로 정리합니다
GPT 6.2 Astra는 순서대로 구성된 대화를 받아 텍스트 응답을 생성합니다. 작업에 중요한 요구 사항, 원본 자료, 결정 사항을 제공한 뒤 원하는 결과물을 설명합니다. 기술 검토에서는 지적 사항을 문서의 해당 절과 연결해야 할 수 있으며, 운영 업무 인계에서는 다른 애플리케이션이 읽을 수 있는 객체가 필요할 수 있습니다.
이 엔드포인트는 1~256개 메시지에 걸쳐 최대 922,000개의 입력 토큰을 받습니다. 질문을 중심으로 이 공간을 구성합니다. 문서에 알아보기 쉬운 이름을 붙이고 관련 단위와 날짜를 유지하며 원본 발췌문과 지시를 구분합니다. 마지막에는 해결할 결정과 유용한 응답의 기준을 제시합니다.
요청을 구성합니다
messages는 오래된 항목부터 시간순으로 제공합니다. 나머지 매개변수로 응답 예산, 추론 강도, 출력 형식, 사용할 도구를 선택합니다.
| 매개변수 | 유형 | 용도 및 범위 | 기본값 |
|---|---|---|---|
| messages | array | 필수 대화 기록, 1~256개 항목 | 필수 |
max_tokens | integer | 응답 예산 16~128,000토큰 | 4,096 |
reasoning_effort | string | low, medium, high, xhigh 또는 max | medium |
response_format | object | 텍스트나 JSON 등 요청하는 응답 형식 | 선택 사항 |
| tools | array | 함수 정의, 최대 128개 항목 | 선택 사항 |
tool_choice | string or object | 도구 호출 허용 여부와 대상 제어 | 선택 사항 |
parallel_tool_calls | boolean | 한 턴에 여러 도구 요청 허용 | true |
큰 대화를 제출하기 전에 메시지 수와 입력 토큰 합계를 별도로 확인합니다. 소수의 긴 메시지만으로 토큰 상한에 도달할 수 있고, 짧은 대화를 많이 주고받으면 메시지 상한에 도달할 수 있습니다.
작업에 맞게 추론 강도를 선택합니다
medium 추론 강도로 시작하고 대표 작업을 사용하여 다섯 가지 설정 중에서 선택합니다. 응답을 비교할 때 지시, 원본 발췌문, 검수 기준은 유지합니다. 모순이 해결되었는지, 결론에 충분한 근거가 있는지, 사용자의 결정이 필요한 질문이 무엇인지 살펴봅니다.
max_tokens는 의도한 결과물에 맞춰 선택합니다. 짧은 제안과 상세한 요구 사항 검토에는 서로 다른 허용량이 필요합니다. 절 이름과 명확한 종료 지점을 요청하여 응답이 요구한 작업에 집중하도록 합니다. 응답이 불완전하면 응답 예산을 확인하고 다음 요청의 범위를 좁힙니다.
활용할 수 있는 응답을 만듭니다
JSON 인계에는 response_format을 사용하고 messages에서 예상 필드를 설명합니다. 각 값의 의미, 누락된 정보의 표현 방식, 근거가 되는 자료를 지정합니다. 저장하거나 전달하기 전에 애플리케이션에서 응답을 파싱하고 값을 검증합니다.
서술형 응답에는 대상 독자와 응답이 뒷받침해야 할 행동을 정의합니다. 도입부의 제안, 쟁점별 근거, 별도로 정리한 미해결 질문 목록을 요청합니다. 인용문, 계산, 참조를 제공한 문서와 대조하여 검토합니다.
작업 방향을 잡는 지시를 작성합니다
세부 사항을 추가하기 전에 결과물을 명시합니다. 예를 들어 “이 요구 사항과 변경안을 검토합니다. 각 충돌을 원본의 해당 절과 연결하고 가정을 식별하며 프로젝트 책임자를 위한 검수 기준으로 마무리합니다”라는 지시를 사용할 수 있습니다. 요구 사항과 변경 요청에는 서로 구별되는 라벨을 붙여 대화에 배치합니다.
연구 메모에서는 측정 항목 이름, 단위, 관련 조건을 유지합니다. 응답에서 관찰과 해석을 구분하고 각 결론을 뒷받침하는 자료를 표시하도록 요청합니다. 엔지니어링 검토에서는 적용할 개정본을 지정하고 팀이 내려야 할 결정을 설명합니다.
여러 독립적인 결정을 담은 폭넓은 작업은 검토 가능한 부분으로 나눕니다. 응답을 검토한 뒤 수정 내용과 후속 질문을 대화에 추가합니다. 달라진 이전 가정을 명시하여 다음 응답이 갱신된 컨텍스트를 활용하도록 합니다.
애플리케이션 도구를 연결합니다
tools에서 제공할 함수를 설명하고 각 함수의 역할과 인수의 의미를 포함합니다. tool_choice로 도구 선택을 제어합니다. 애플리케이션은 요청된 작업을 처리하고 후속 추론을 위해 결과를 대화에 반환합니다.
병렬 도구 요청은 기본으로 활성화됩니다. 식별자를 찾은 뒤 선택된 재고 항목을 확인하는 경우처럼 후속 조회가 이전 결과에 의존하면 parallel_tool_calls를 false로 설정합니다. 함수 실행 전에 요청된 인수를 사용자의 작업과 대조하고, 최종 응답을 반환된 데이터와 비교합니다.
가격을 고려하고 모델 계열을 선택합니다
요청을 계획할 때 이 페이지에 표시된 현재 가격을 사용합니다. 보낼 원본 자료와 선택한 응답 예산을 고려하고, 반복 워크플로를 다듬으면서 실제 사용량을 검토합니다. 작업에 필요한 컨텍스트와 출력 공간을 판단할 때 같은 작업과 평가 기준을 유지합니다.
일상 업무에는 GPT 6.2 Sol을 고려합니다. OpenAI는 Sol을 일상 작업에, Astra를 까다로운 작업에 적합한 모델로 설명합니다. 팀의 검수 기준과 표시 가격을 바탕으로 응답을 비교합니다. 이미 GPT 6 Astra를 사용한다면 이 계열을 도입하기 전에 기존 연동의 대표 요청을 검토합니다.
API 빠른 시작
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "openai/gpt-6.2-astra/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.



















