프롬프트 다음은 프리비즈

오픈AI가 9월 3일 GPT-6 Astra를 발표하면서 데모 하나를 걸었다. 집 한 채를 블렌더에서 짓고 언리얼 엔진 5로 옮겨 걸어 다닐 수 있는 공간으로 만드는 장면이다.

새 언어 모델 발표에서 나올 법한 장면은 아니다. 그런데 그다음 주에 힉스필드와 오픈AI가 두 가지를 더 내놓았다. 셋을 나란히 놓고 보니 제작 순서가 통째로 뒤집혀 있었다.

일주일 사이에 일어난 일

9월 3일. 오픈AI가 GPT-6 Astra를 공개했다. API 모델 ID는 gpt-6-astra이고 컨텍스트 105만 토큰, 최대 출력 12만 8천 토큰이다. 입력 100만 토큰당 10달러, 출력은 50달러다. 추론 강도를 low부터 max까지 다섯 단계로 조절한다.

9월 4일. 힉스필드가 3D Jutsu를 내놨다. 프롬프트나 참조 자료에서 편집 가능한 3D 장면을 만들고 오브젝트와 조명과 카메라와 애니메이션을 손본다. 장면 전체를 다시 만들지 않고 특정 오브젝트만 고치고 여러 샷을 정리한 뒤 같은 작업공간에서 최종 영상까지 뽑는다. 모델 선택지에 Astra가 들어 있다.

9월 8일. 오픈AI가 ChatGPT Images 2.5를 발표했다. 참조 사진 속 인물을 더 잘 보존하고 필요한 부분만 고치며 여러 번 수정해도 앞선 편집을 더 안정적으로 이어 간다고 회사는 설명했다.

세 발표를 한 줄로 이으면 이런 공정이 나온다.

콘셉트와 참조 이미지 → 편집 가능한 3D 공간 → 카메라와 동선이 들어간 프리비즈 → 영상 생성 → 편집과 재수정

지금까지 생성형 영상 업체들은 한 장면을 얼마나 그럴듯하게 뽑느냐로 겨뤘다. 이 순서대로 가면 장면을 뽑기 전에 공간과 카메라를 먼저 만든다.

Astra가 3D를 다루는 방식

Astra를 메시나 Tripo처럼 신경망에서 곧바로 메시를 뽑는 모델로 이해하면 작동 방식을 놓친다.

공개된 블렌더 사례에서 Astra는 장면을 구성하는 코드를 쓴다. 블렌더의 파이썬 API로 오브젝트와 재질과 조명과 카메라를 만들고 렌더 결과를 본 뒤 다시 고친다. 결과물은 한 장짜리 렌더로 끝나지 않고 블렌더 장면으로 남는다.

전용 3D 생성 모델과 출발점이 다르다. 전용 모델은 이미지나 텍스트에서 메시와 텍스처를 빠르게 만든다. Astra는 블렌더나 언리얼 안에서 제작 과정 자체를 수행한다. 장면 구조를 정하고 오브젝트를 배치하고 카메라를 잡고 렌더를 확인한 뒤 수정한다.

그러니 Astra가 3D를 잘한다고 할 때, 새 파일 포맷을 만들어 낸다고 읽으면 틀린다. 제작사가 이미 쓰는 소프트웨어를 이해하고 다룬다고 읽어야 맞다.

한 공개 제작 기록에서는 Astra가 블렌더 장면을 FBX로 내보내고 오브젝트 위치와 재질과 조명과 카메라 정보를 JSON으로 기록하는 도구를 직접 작성한 뒤 언리얼로 옮겼다. 같은 장면에서 900프레임짜리 1080p 영상과 4K 스틸도 만들었다. 개인 제작자가 남긴 기록이라 공식 데모와 같은 검증 수준으로 볼 수는 없다. 다만 장면을 한 번 만들어 스틸과 영상과 실시간 공간으로 재사용하는 방식이 돌아간다는 사례로는 의미가 있다.

95.9%가 재는 것과 재지 않는 것

오픈AI는 Astra가 BenchCAD에서 95.9%를 기록했다고 발표했다. 같은 표에서 Claude Fable 5.1이 84.3%, GPT-5.6 Sol이 83.3%, Claude Opus 5가 82.1%다.

숫자만 보면 격차가 크다. 시험이 무엇을 재는지 같이 봐야 한다.

BenchCAD는 실행 검증된 CadQuery 프로그램 1만 7900개와 산업 부품군 106개로 구성된 공개 벤치마크다. 부품을 여러 각도에서 렌더한 이미지를 입력으로 주면 모델이 CadQuery 코드를 만든다. 채점기는 그 코드를 실제로 실행해 나온 STEP 형상과 정답 형상을 voxel IoU로 비교한다. 언어 모델 심사자가 눈으로 보고 점수를 매기는 방식과 다르다. 시험 설계만 놓고 보면 단단하다.

여기에 단서 두 개가 붙는다. 하나, 오픈AI가 낸 수치다. 9월 10일까지 BenchCAD 팀이 독립적으로 재실행한 결과는 나오지 않았다. BenchCAD는 벤더 보고 수치와 자체 재채점 결과를 구분해 표시한다. 둘, 시험 범위가 좁다. BenchCAD는 기계 부품과 파라메트릭 CAD를 본다. 캐릭터 얼굴이나 머리카락, 유기형 조형, PBR 텍스처, 애니메이션용 토폴로지는 재지 않는다.

그래서 이렇게 정리하는 편이 정확하다. 파라메트릭 CAD와 프로그램 기반 3D 재구성에서 Astra가 이전 범용 모델보다 크게 좋아졌다는 신호가 나왔다. 3D 품질에서 전용 도구를 모든 작업에서 앞선다는 문장은 직접 비교 시험이 나온 뒤에 쓸 일이다.

전용 3D 도구는 뭘 하나

Tripo는 Smart Mesh가 구조화된 저폴리 메시를 약 2초에 만든다고 밝힌다. P2.0 프리뷰는 멀티뷰 입력에서 네이티브 쿼드 토폴로지를 만들고 생성 시간을 10초에서 40초로 제시했다. 가격도 대량 생성에 유리해서 연간 결제 기준 월 20달러에 약 200개, 월 90달러에 약 1660개를 광고한다. 회사 계산으로 모델당 0.09달러에서 0.16달러다.

메시도 이미지에서 메시를 만드는 중앙값 지연을 약 2초로 밝힌다. 6월부터 3D 에이전트 베타도 돌리고 있다. 대화로 콘셉트를 잡고 시안을 만들고 선택한 결과를 3D로 바꿔 FBX와 OBJ와 GLB 같은 형식으로 내보낸다. 3D에 에이전트를 붙인 회사가 Astra가 처음은 아니다.

작업별로 갈라 보면 이렇다.

작업	Astra와 블렌더	메시, Tripo
단일 소품 빠르게 만들기	느림	매우 강함
이미지 한 장에서 메시 만들기	절차가 길다	핵심 기능
저폴리 대량 생성	비용과 속도 불리	매우 강함
파라메트릭 형상	강한 신호	작업별 차이
방과 거리와 세트 전체 배치	강점	에셋 뒤 별도 조립
카메라와 조명 설계	장면 안에서 직접	DCC 전달 후 작업
기존 블렌더 프로젝트 수정	직접 수행	플러그인 중심
모델당 비용 예측	어려움	크레딧 구조 명확

Astra는 사용자를 별도 3D 서비스 안에 묶지 않는다는 점이 다르다. 제작사가 이미 쓰는 도구를 다루고 결과를 기존 프로젝트 파일에 남긴다. 생성한 뒤 사람이 DCC에서 다시 작업하는 흐름과, AI가 DCC 안에서 계속 작업하는 흐름의 차이다.

전용 3D 회사가 사라진다고 보기는 이르다. 초기 사례는 오히려 붙는 쪽으로 움직인다. Tripo는 Astra 출시 직후 Astra용 3D 프롬프트와 사례를 모으기 시작했다. 자사 안내에서도 Astra로 장면과 상호작용을 만든 뒤 Tripo에서 캐릭터와 소품을 정교하게 생성하는 흐름을 권한다. 전용 모델이 빠르게 메시를 공급하고 Astra가 블렌더 안에서 조립과 리깅과 카메라와 조명과 엔진 전달을 맡는 조합이 지금으로서는 가장 현실적이다.

왜 프리비즈인가

Astra는 영상 파일을 만들지 않는다. 그런데도 영상 제작에 직접 영향을 준다. 영상 생성 앞에 놓이는 프리비즈 때문이다.

프리비즈는 촬영 전에 공간과 인물 동선, 카메라 위치와 움직임을 간단한 3D로 먼저 확인하는 작업이다. 전통 영화와 광고 제작에서도 썼지만 비용과 인력이 들어 모든 프로젝트에 쓰지는 않았다.

AI로 영상을 만들 때는 이 단계를 건너뛰기가 더 어렵다. 한 샷씩 텍스트로 카메라와 공간을 지시하면 생성할 때마다 위치와 동선이 조금씩 달라진다. 같은 방을 여러 각도로 보여 주거나 두 인물이 싸우는 장면을 이어 붙일 때 어긋남이 눈에 띈다. 미리 3D 공간과 카메라를 잡아 두면 모든 샷이 같은 기준점을 쓴다.

힉스필드가 공개한 검술 애니메이션 데모를 외부에서 정리한 기록을 보면 실제로 이렇게 만들었다. Astra가 이야기를 정리하고 블렌더에서 프리비즈를 만들고 Seedance 2.5로 개별 샷을 생성하고 결과를 이어 편집한다. 힉스필드는 이 과정에서 캐릭터와 장소를 유지했다고 주장했다. 다만 원본 프롬프트 전체와 샷별 로그, 편집 결정 목록, 연속성 측정값은 공개하지 않았다. 실무 성능을 입증한 사례라기보다 새 제작 구조를 보여 주는 벤더 데모로 보는 편이 맞다.

Seedance 2.5 자체도 이 흐름과 맞는다. 힉스필드 공식 변경 기록 기준으로 최대 30초 클립, 한 번에 최대 50개 참조 자료, 특정 영역만 다시 만드는 수정 기능을 지원한다. 3D 프리비즈에서 뽑은 카메라와 위치 참조를 영상 생성으로 넘기기 좋은 조건이다.

순서가 바뀌면 무엇이 달라지나

지금 AI 영상 제작자들은 이렇게 일한다. 콘셉트 이미지에서 시작해 영상을 생성하고 카메라와 공간 오류를 확인하고 다시 생성하고 다른 샷과 맞춘다.

프리비즈가 값싸지고 자동화되면 순서를 이렇게 바꿀 여지가 생긴다. 콘셉트 이미지에서 3D 공간과 캐릭터 배치로 가고 카메라와 동선을 확정하고 프리비즈를 만들고 영상을 생성하고 필요한 샷만 다시 고친다.

두 번째 순서에서 3D 장면은 프로젝트의 공간 기준점이 된다. 영상 모델을 바꿔도 카메라와 배치 정보는 남는다. 같은 세트에서 가로 광고와 세로 숏폼, 제품 삽입 컷, 야간 버전을 다시 만들 때 장면을 재사용한다.

그러면 회사들이 다투는 지점이 달라진다. 영상을 뽑기 전에 그 공간을 누가 쥐고 관리하느냐를 놓고 붙는다. 영상 모델의 품질 경쟁이 사라지지는 않는다. 다만 Astra가 블렌더와 언리얼을 다루고 힉스필드가 여러 생성 모델을 한 작업공간에 묶으면 특정 영상 모델 하나가 바뀌어도 제작 흐름 전체는 남는다.

그러면 영상 생성 모델이 하는 일도 줄어든다. 제작을 통째로 떠맡던 도구가 이미 설계해 둔 장면을 찍어 주는 카메라 쪽으로 물러난다.

한 걸음 더 간 게임 쪽 사례

오픈AI는 Playco 사례도 함께 공개했다. Playco의 Playbot은 유니티와 고도에 직접 연결해 모델이 장면을 편집하고 게임을 플레이하며 테스트하고 변경 내용을 검증하도록 만든 개발 환경이다. 공개된 사례에서 Playco는 하나의 그레이박스에서 테마가 다른 프로토타입 셋을 만들었다. 이전 모델보다 수동 수정 작업이 50% 줄었다고 밝혔다. Playco와 오픈AI가 함께 낸 사례 연구에 담긴 회사 수치이고 독립 실험은 아니다.

그래도 영상 제작과 이어 볼 이유가 있다. 게임 엔진에서 모델이 장면을 바꾸고 직접 플레이하며 결과를 확인한다면 영화 프리비즈에서도 비슷한 반복 구조를 만들 수 있다. 장면을 만든 뒤 카메라 충돌과 인물 가림, 동선, 프레임 구성을 자동으로 검사하는 식이다. 프리비즈가 회색 박스 그림에서 검증 가능한 제작 상태로 바뀔 여지가 여기 있다.

앞단을 받치는 이미지

영상 제작에서 이미지 생성은 최종 포스터만 만드는 도구가 아니다. 캐릭터 기준 이미지와 의상 시안, 장소 콘셉트, 소품, 스타일 프레임, 스토리보드가 다음 단계의 참조 자료로 들어간다. 이미지 모델이 이 자료를 안정적으로 유지하지 못하면 수정할 때마다 얼굴과 의상과 구도를 사람이 다시 맞춰야 한다.

Images 2.5가 노린 구간이 여기다. 오픈AI가 밝힌 개선점 중 제작 공정과 맞닿는 대목이 셋 있다. 참조 사진의 사람이나 제품을 다른 장소와 구도로 옮길 때 고유한 특징을 더 남긴다. 제품이나 배경, 문구 같은 한 요소만 바꾸고 나머지 구도와 브랜드 처리를 남긴다. 앞선 수정 내용을 유지하면서 새 지시를 쌓는다.

콘셉트 아트와 캐릭터 시트를 여러 번 고치는 실무에서는 첫 장을 얼마나 잘 뽑느냐보다 열 번째 수정까지 버티느냐가 중요하다.

API 모델은 두 종이다. 빠른 생성과 대량 작업에 맞춘 gpt-image-2.5-flare, 반복 편집과 정밀 제어에 초점을 둔 gpt-image-2.5-sunburst다. 오픈AI는 Images 2.0보다 지연시간을 최대 50% 줄였다고 밝혔다. 어도비는 출시와 함께 Firefly에 이 모델을 넣는다고 오픈AI 발표문에서 알렸다.

여기도 단서가 필요하다. 이 글을 쓰는 9월 10일까지 두 모델은 Artificial Analysis 같은 독립 이미지 리더보드에 올라오지 않았다. 발표한 지 이틀밖에 안 됐으니 이상한 일은 아니다. 다만 품질 향상과 지연시간 50% 감소를 독립 검증 결과로 적으면 안 된다. 현재 그 순위표 1위는 전작인 GPT Image 2 high다.

달라지는 비용 단위

Astra의 토큰 단가는 싸지 않다. 입력 100만 토큰당 10달러, 출력 50달러다. 272K 입력 토큰을 넘기면 해당 요청 전체에 입력과 캐시 요금이 2배, 출력 요금이 1.5배 붙는다. 단가만 보면 대량 제작에 부담스럽다.

그런데 에이전트한테 일을 시킬 때는 토큰이 비싸다고 작업비까지 비싸지지는 않는다. 모델이 헤매지 않고 끝내면 비싼 토큰을 쓰고도 총액이 줄어든다.

오픈AI는 BenchCAD 설정에서 Astra의 추정 API 비용이 GPT-5.6 Sol보다 약 43% 낮고 Claude Fable 5.1보다 약 86% 낮았다고 발표했다. 힉스필드 CEO도 Astra가 복잡한 크리에이티브 작업에서 자사가 시험한 다른 모델보다 최대 20% 적은 토큰을 썼다고 말했다. 둘 다 벤더와 파트너가 낸 발표다.

독립 평가로 확인되는 건 성능 순위뿐이다. Artificial Analysis의 9월 7일 Intelligence Index v4.3에서 Astra max와 Claude Fable 5.1 max가 53점으로 공동 선두였다. 속도는 추론 설정을 어디에 두느냐에 따라 크게 달라진다. Astra max에서 초당 약 59토큰에 첫 답변 토큰까지 약 322초가 측정됐다. medium 설정은 초당 약 58토큰에 첫 토큰까지 약 7초다. 모든 제작 단계에 max를 쓰면 느려서 못 쓴다. 장면 설계와 어려운 수정에는 높은 추론 강도를, 반복적인 파일 조작과 단순 수정에는 낮은 설정이나 더 싼 모델을 섞는 편이 자연스럽다.

제작사가 보는 비용 항목 자체도 달라진다. 지금까지는 이미지 한 장, 클립 하나, 토큰 하나의 가격을 비교하기 쉬웠다. 에이전트가 DCC 안에서 오래 일하면 이렇게 바뀐다. 한 장면을 완성하기까지 걸린 에이전트 실행 시간, 모델과 툴 호출 비용, 실패 후 재시도 횟수, 사람이 개입한 시간, 영상 재렌더 횟수, 장면을 다음 샷과 다음 캠페인에서 재사용한 횟수.

3D 장면을 한 번 만들어 열 개 샷에 재사용하면 첫 장면 비용이 높아도 전체 단가는 떨어진다. 반대로 매번 장면을 처음부터 다시 만들고 사람이 오류를 고친다면 전용 생성기보다 비싸진다. 지금 이 비용곡선을 보여 주는 공개 제작 데이터는 없다.

미공개 자료를 넣을 때

영상 제작사가 실제 프로젝트에 이 스택을 넣으면 미공개 대본과 캐릭터 시트, 원본 이미지, 3D 장면, 계약 자료가 모델과 연결된다.

오픈AI는 비즈니스와 엔터프라이즈, API 고객의 데이터를 기본적으로 모델 학습에 쓰지 않는다고 밝힌다. API 입력과 출력은 일반적으로 최대 30일 보관되고 요건을 갖춘 고객에게는 데이터를 보관하지 않는 옵션을 신청받는다.

여기서 한 가지를 놓치기 쉽다. 외부 MCP와 플러그인, 제작 SaaS를 함께 쓰면 데이터가 오픈AI 바깥 서비스로도 넘어간다. 로컬 AI 리포트에서 다룬 그대로, 약관은 회사와 업체 사이를 정리해 주지만 툴체인 전체의 데이터 흐름까지 확인하는 일은 스튜디오 몫이다.

Images 2.5 결과물에는 C2PA 메타데이터와 보이지 않는 워터마크가 계속 들어간다고 오픈AI는 밝혔다. AI 표시 리포트와 겹쳐 보면 만드는 단계에서 이미 출처 정보가 파일에 박힌다.

아직 쓰면 안 되는 문장들

이 주제는 과장하기 쉬워서 선을 그어 둔다.

"Astra가 3D를 직접 생성한다." 부정확하다. Astra는 텍스트와 이미지를 읽고 기존 소프트웨어와 코드로 3D 결과물을 만든다.

"Astra가 전용 3D 도구를 압도한다." 같은 시험을 치른 결과가 없다. 메시와 Tripo는 텍스처가 있는 유기형 에셋과 저폴리 메시, 네이티브 쿼드, 대량 생성에서 훨씬 구체적인 생산 수치를 공개한다.

"프리비즈를 쓰면 AI 영상의 일관성 문제가 풀린다." 논리적으로 유리하고 데모도 나왔지만 샷 연속성이나 재생성률이 몇 퍼센트 좋아졌다는 공개 자료가 없다.

"AI가 3D 아티스트를 대체한다." 초기 사용자 사례에서도 3D 지식이 필요하다는 말이 반복된다. 에이전트가 오류를 알아차리지 못하면 사람이 문제를 정의하고 수정 방향을 잡아야 한다.

"Images 2.5가 이미지 모델 1위다." 발표한 지 이틀이라 독립 벤치마크가 아직 없다.

그래서 뭘 해 보면 되나

영상 제작 스튜디오. 프리비즈를 한 번 넣어 보고 재생성 횟수를 세어 보는 것부터다. 업계 어디에도 이 숫자가 없다. 프리비즈 없이 만들 때 샷당 평균 몇 번을 다시 뽑는지 세어 둔다. 그리고 프리비즈를 넣은 뒤 몇 번으로 줄었는지 다시 센다. 이 숫자를 가진 스튜디오가 협상에서도 유리해진다.

광고와 브랜드 쪽. 같은 3D 세트에서 가로와 세로, 야간 버전, 제품 삽입 컷을 뽑는 방식이 실제로 돌아가는지 한번 확인해 볼 만하다. 캠페인 하나에 여러 규격이 필요한 작업일수록 장면을 다시 쓰는 이득이 크다.

3D 팀이 있는 조직. 전용 생성기와 에이전트에 무슨 일을 맡길지 미리 갈라 두면 된다. 지금 근거로는 소품과 캐릭터 메시는 전용 도구가 빠르고 조립과 카메라와 조명과 기존 프로젝트 수정은 에이전트 쪽이 낫다.

도구를 고르는 사람. 모델 점수표보다 자기 작업으로 재 보는 편이 정확하다. 장면 하나를 정해 놓고 두 경로로 만들어 시간과 비용과 수정 횟수를 기록하면 반나절이면 답이 나온다.

마지막으로

이 글에서 벤치마크 점수만 챙겨 가면 다음 발표가 나오는 날 그 점수는 쓸 데가 없어진다. 순위는 또 바뀐다.

점수 말고 공정을 보자. 사람들이 영상을 뽑기 전에 한 단계를 새로 집어넣기 시작했다. 지금까지는 프롬프트를 넣고 영상을 받아 본 다음 틀린 데를 고쳤다. 9월에 나온 세 가지를 이어 붙이면 그 앞에서 3D 공간과 카메라를 먼저 세운다. 그 공간을 파일로 들고 있으면 영상 모델을 갈아 끼워도 카메라와 배치는 그대로 쓴다.

그래서 영상 모델을 무엇으로 고르든 나오는 영상이 예전만큼 크게 달라지지 않는다. 그보다 그 앞에서 3D 공간을 누가 만들어 쥐고 있느냐가 나오는 영상을 더 크게 바꾼다.

다만 지금 근거는 벤더 데모와 개인 제작 기록뿐이다. 프리비즈를 넣어 재생성 횟수를 몇 번 줄였는지, 장면 하나 만드는 데 돈이 얼마나 들었는지 내놓은 곳이 아직 없다. 이 순서가 정말 싸고 빠른지는 스튜디오들이 그 숫자를 세어 봐야 안다.