바로 답하자면: GPT-6.2 Astra가 만든 웹페이지는 “예전보다 더 보기 좋아졌을 가능성”이 있어요. 공식 발표 자료와 데모 사례는 긍정적인 신호를 주지만, 아직은 여러분 프로젝트에서 직접 검수하는 일을 대신할 수 없어요. OpenAI는 2026-11-17에 GPT-6.2 Astra/Sol을 발표했어요. 발표 페이지에서는 레이아웃과 이미지 선택에서 더 의도가 분명하다고 말하고, 공식 사례인 Paris Atlas도 Blender 랜드마크를 Three.js 인터랙티브 장면으로 바꾸는 능력을 보여줬어요. 모두 비주얼과 인터랙션 능력이 향상되었다는 신호예요. 다만 공식 데모가 같은 요구사항에서 반드시 기존 모델보다 낫다는 뜻은 아니고, 한 번의 프롬프트로 납품 가능한 웹사이트를 만들 수 있다는 뜻도 아니에요. 먼저 분명히 해 둘게요. 이 글은 저희가 직접 실측한 내용이 아니며, 글 안에 저희 팀의 벤치마크 점수, 소요 시간, 평가 점수 데이터는 전혀 없어요.
이 글을 읽고 나면 무엇을 알 수 있나요?
- GPT-6.2 Astra 발표 페이지와 Paris Atlas 공식 데모가 각각 무엇을 말했는지, 그중 무엇이 공식 홍보인지.
- 공식 데모가 답할 수 있는 3가지와 답할 수 없는 4가지.
- 정보 계층, 시각적 일관성, 반응형, 기능 완결성이라는 네 가지 관점에서 “웹페이지가 더 보기 좋아졌는지”를 살펴보기.
- 바로 따라 할 수 있는 신구 모델 웹페이지 비교 프로토콜과 “정보 아키텍처 먼저, 구현 나중” 프롬프트 템플릿.
목차: 1부에서는 발표 정보, 모델 입출력 방식, Paris Atlas 데모 내용 등 객관적인 사실을 정리해요. 2부는 에디터의 판단이에요. 먼저 공식 데모의 입증 범위를 하나씩 뜯어보고, 이어서 네 가지 관점으로 웹페이지 품질을 분석한 뒤, 동일 조건 비교 프로토콜과 기록 템플릿을 제시해 결과를 실제 납품에 활용할 수 있는지 판단하는 데 도움을 줄게요. 직접 검증해 보고 싶다면 2.4로 바로 건너뛰어도 돼요.

GPT-6.2 Astra 관련 개념 알아보기
| 개념 | 간단한 설명 |
|---|---|
| GPT-6.2 Astra / Sol | OpenAI가 2026-11-17에 공개한 모델 이름으로, 이 글은 웹페이지 시나리오에서 Astra가 보이는 신호에 초점을 맞춥니다 |
| Showcase(공식 쇼케이스) | 벤더가 골라서 발표한 사례로, 선택된 성과를 보여주기 위한 것이며 독립 평가와는 같지 않습니다 |
| Paris Atlas | OpenAI 개발자 사이트의 공식 쇼케이스 사례로, Blender 랜드마크를 Three.js로 옮겨 파리 도보/운전 체험을 구현합니다 |
| Blender | 오픈소스 3D 모델링 소프트웨어로, 주로 모델 에셋을 만들 때 사용합니다 |
| Three.js | 브라우저에서 3D 렌더링을 하는 JavaScript 라이브러리로, WebGL 기반입니다 |
| 정보 아키텍처(IA) | 웹사이트 콘텐츠를 조직하는 방식, 즉 어떤 페이지와 모듈, 계층, 내비게이션 경로가 있는지를 뜻합니다 |
| 반응형 | 페이지가 휴대폰, 태블릿, 데스크톱 등 서로 다른 너비에서도 레이아웃과 조작이 정상적으로 되는 상태 |
| 기능 폐쇄 루프 | 버튼, 폼, 이동, 키보드 조작 등 상호작용이 실제로 동작하는 것이지 단지 “되는 것처럼 보이는” 것이 아닙니다 |
| 블라인드 평가 | 평가자가 출처를 모르는 상태에서 결과에 점수를 매겨 브랜드 편향을 줄이는 방식 |
GPT-6.2 Astra 영향 한눈에 보기
- 프런트엔드 개발자: 공식 신호는 주목할 만하지만, 자기 프로젝트 요구사항으로 동일 조건 비교를 해본 뒤 기본 모델을 바꿀지 결정해야 합니다.
- 웹 디자이너: 레이아웃과 이미지 배치 선택의 향상이 사실이라면 초안 품질이 디자인 의도에 더 가까워질 수 있지만, 브랜드 일관성은 여전히 사람이 챙겨야 합니다.
- 기술 리드/구매 의사결정자: 이 글은 독립 재현을 완료하지 않았으므로, 엄선된 사례만으로 팀 워크플로나 예산을 바꾸는 것은 적절하지 않습니다.
- 일반 Chat 사용자: 참고 자료를 보면 Work, Codex, API, 일반 Chat 같은 사용 환경을 구분해야 한다는 점을 시사합니다. 공식 데모의 워크플로가 대화창에서 한마디로 웹사이트를 뚝딱 만들어내는 것과 바로 같다고 볼 수는 없습니다.
1. GPT-6.2 Astra 객관적 사실: 공식적으로 무엇을 발표했나
1.1 GPT-6.2 Astra 핵심 정보 한눈에 보기
| 정보 항목 | 상세 | 정보 유형 |
|---|---|---|
| 공개일 | 2026-11-17 | 공식 발표 |
| 발표 주체 | OpenAI | 공식 발표 |
| 발표 내용 | GPT-6.2 Astra 및 GPT-6.2 Sol | 공식 발표 |
| 웹페이지 관련 설명 | 보다 목적성이 분명한 레이아웃과 이미지 선택 | 공식 홍보 표현 |
| 입력/출력 | 텍스트/이미지 입력, 텍스트 출력; 코드를 출력할 수 있으며, 도구는 실행 및 검증에 사용 | 공식 정보 |
| 사용 환경 | 이번 라운드에서는 Work, Codex, API에서 출시, 일반 Chat은 미포함 | 공식 정보 |
| 대표 사례 | Paris Atlas(개발자 사이트 쇼케이스) | 공식 쇼케이스 |
| 이 글 확인 날짜 | 2026-11-18 | 편집 확인 |
위 표에서 ‘공식 홍보 표현’과 ‘공식 쇼케이스’ 두 유형의 정보는 특히 주의해서 봐야 해요. 이 정보는 OpenAI 자체에서 나온 것으로, 업체가 강조하고 싶은 능력의 방향을 보여 줄 뿐, 제3자가 동일한 조건에서 도출한 결론은 아니에요.
공식 발표 페이지에는 AA-3D 상호작용 경험 블라인드 평가도 보고되어 있어요: Astra는 1318 Elo, Sol은 1259 Elo예요. 이는 단일 쇼케이스 사례를 넘어서는 평가 신호를 제공하지만, 기업 공식 웹사이트의 품질, 한 번에 생성 성공률, 프로덕션 신뢰성을 보장한다는 뜻은 아니에요. 이 글은 공식 보고를 인용했으며, 해당 평가를 재현하지는 않았어요. 출처: OpenAI 발표 설명
1.2 GPT-6.2 Astra의 입력과 출력 방식
공식 정보에 따르면, GPT-6.2 Astra는 텍스트와 이미지를 입력받고 텍스트를 출력해요. 웹페이지 코드도 본질적으로는 텍스트이고, 도구 체인을 통해 파일로 저장되고 실행되고 미리보기로 확인돼요. 즉 ‘모델이 웹페이지를 만든다’는 전체 경험은 주변 환경이 파일 읽기/쓰기, 코드 실행, 미리보기 같은 도구를 제공하는지에 달려 있어요.
이 점은 공식 데모를 이해하는 데 아주 중요해요. Work, Codex 또는 도구와 결합한 API 환경에서는 모델이 여러 단계를 거쳐 프로젝트를 산출하고 수정하고 조립할 수 있어요; 이번 출시에는 일반 Chat이 포함되지 않았으므로, 이를 근거로 일반 대화가 이미 같은 모델을 사용한다고 추론할 수는 없어요. 그래서 ‘웹페이지를 얼마나 잘 만들고 결과물이 보기 좋은가’를 논할 때는 먼저 어떤 환경에서 도출된 결론인지 밝혀야 해요.
1.3 Paris Atlas 공식 데모가 보여 주는 것
Paris Atlas는 OpenAI 개발자 사이트에 있는 공식 쇼케이스 사례예요. 공식 설명에 따르면, Blender로 만든 파리 명소 모델을 Three.js 장면으로 변환하고, 파리를 걷거나 운전할 수 있는 상호작용 경험을 구축했어요.
기술 구성 면에서 보면, 이 사례는 3D 자산 포맷 변환, 브라우저 측 렌더링, 카메라 제어, 상호작용 로직을 아우르며, 복잡도가 일반적인 쇼케이스형 웹페이지보다 확실히 높아요. 적절한 도구와 워크플로가 갖춰지면 모델이 이런 시각적 상호작용 프로젝트를 완성하는 데 참여할 수 있다는 걸 보여 줘요. Paris Atlas 공식 사례에는 초기 도시 버전부터 명소와 상점가 수정에 이르기까지 여러 구축 단계가 나열되어 있어 반복 과정임을 알 수 있어요; 페이지에는 전체 프롬프트 총 라운드 수, 수동 수정 총량, 총 소요 시간이 제시되지 않아 이 글에서는 해당 데이터를 임의로 채우지 않았어요.

2. 분석 판단: GPT-6.2 Astra 공식 시연의 가치와 검증 방법
이제 편집 판단 부분으로 들어갑니다. 각 판단은 앞서 살펴본 사실과 대응하며, 사실의 범위를 벗어나는 부분은 명확히 표시할게요.
2.1 공식 시연이 답할 수 있는 세 가지
- OpenAI가 웹 비주얼과 인터랙션을 핵심 방향으로 삼았어요. 발표 페이지에서 레이아웃과 이미지 선택을 따로 언급한 것은, 공식적으로 이 부분이 홍보할 만한 진전이라고 보고 있다는 뜻이에요.
- 도구 체인의 지원 아래 모델이 복잡한 3D 인터랙티브 웹 프로젝트에 참여할 수 있어요. Paris Atlas는 Blender에서 Three.js로의 변환과 인터랙션 구축을 다루며, 구체적인 완성 사례를 이미 제시했어요.
- “더욱 목적 지향적인 디자인 선택”이 공식이 내놓은 개선 방향이에요. 이는 평가할 때 색상만 볼 게 아니라, 레이아웃과 이미지가 콘텐츠 목표에 부합하는지를 살펴야 한다는 점을 알려줘요.
2.2 공식 데모로는 답할 수 없는 4가지
| 질문 | 공식 데모로 답할 수 있는가 | 이유 |
|---|---|---|
| 같은 요구사항에서 Astra가 구형 모델을 반드시 이기는가 | 없음 | 해당 선별 사례에는 같은 요구사항을 기준으로 한 신·구 모델 통제 비교가 없음 |
| 한 번의 프롬프트로 실제 납품 가능한 웹사이트를 얻을 수 있는가 | 없음 | 여러 단계에 걸친 반복 과정을 보여줬지만, 전체 프롬프트 라운드 수와 수동 개입 총량을 밝히지 않았음 |
| 일반 기업 사이트, 이커머스 사이트에서도 똑같이 더 나은가 | 없음 | 3D 인터랙션 데모와 일반 업무용 웹사이트의 요구사항 차이가 매우 큼 |
| 반응형, 접근성, 폼 등이 신뢰할 만한가 | 없음 | 데모는 시각적 경험에 초점을 맞췄고, 이런 엔지니어링 디테일의 검증은 보여주지 않았음 |
이 네 가지 질문이야말로 실제 납품 단계에서 가장 신경 쓰이는 부분이에요. 공식 데모는 “선별된 결과물 샘플”이고, 우리가 프로젝트를 할 때 마주하는 건 “평균 성능과 실패율”이에요. 이 둘 사이에는 한 번의 독립적인 비교가 존재하죠.

2.3 GPT-6.2 Astra 웹페이지 품질의 네 가지 분석 차원
‘예쁘다’는 모호한 단어예요. 판단을 검증 가능하게 만들기 위해, 우리는 이것을 네 가지 차원으로 나눠요. 이 차원들은 이 글에서 제안하는 분석 프레임워크이며, 공식 지표는 아니에요.
2.3.1 정보 계층: 먼저 콘텐츠가 잘 조직됐는지 봐요
예쁜 웹페이지는 우선 ‘읽기 좋은’ 웹페이지예요. 사용자가 몇 초 안에 이게 무엇인지, 무엇을 할 수 있는지, 다음에 어디를 클릭해야 하는지를 알 수 있는지는 제목, 본문, CTA 버튼 사이의 계층 관계에 달려 있어요. 공식에서 언급한 ‘더 목적성 있는 레이아웃’이 성립한다면, 가장 먼저 여기에서 드러나야 해요.
Paris Atlas는 몰입형 3D 경험이라서 정보 계층에 대한 요구가 일반 웹사이트와 달라요. 시각적 표현력은 보여줄 수 있지만, 콘텐츠 밀집 페이지에서 모델이 계층을 어떻게 배치하는지는 설명하기 어려워요.
2.3.2 시각적 일관성: 여러 페이지가 같은 브랜드처럼 보이는가
한 페이지가 인상적인 건 어렵지 않지만, 여러 페이지가 글자 크기, 간격, 색상, 컴포넌트 스타일에서 일관성을 유지하는 건 어려워요. 실제 프로젝트에서 디자인 시스템의 안정성은 단일 화면의 효과보다 납품 품질에 더 큰 영향을 미치는 경우가 많아요. 평가할 때는 최소 두세 개의 서로 연관된 페이지를 생성해, 이들이 같은 규칙을 공유하는지 관찰해야 해요.
2.3.3 반응형: 좁은 화면에서도 여전히 사용 가능한가
많은 생성 웹페이지가 데스크톱 너비에서는 괜찮지만, 휴대폰에서는 텍스트 넘침, 버튼 겹침, 가로 스크롤이 나타나요. 이 글에서 참고한 Paris Atlas 빌드 설명은 목표 기기 적응을 검증하기에 충분하지 않아서, 직접 확인해야 해요. 최소 휴대폰, 태블릿, 데스크톱 세 가지 너비를 커버하는 걸 권장해요.
2.3.4 기능 완결성: ‘쓸 수 있어 보이는 것’과 ‘실제로 쓸 수 있는 것’
버튼이 정말 동작을 트리거하는지, 폼에 유효성 검사와 오류 안내가 있는지, 키보드 Tab이 순서대로 포커스되는지, 포커스 상태가 보이는지. 이런 것들은 기능 완결성에 속하며, 스크린샷으로는 절대 증명할 수 없는 부분이에요. 웹사이트를 만드는 팀에게 이 차원은 이후 재작업량을 결정하는 경우가 많아요.
| 차원 | 점검 중점 | 적합한 검증 방법 | 공식에서 보여준 커버리지 |
|---|---|---|---|
| 정보 계층 | 제목, 본문, CTA의 주/부 | 블라인드 스크린샷 평가 + 5초 이해 테스트 | 간접(발표 페이지 텍스트 설명) |
| 시각적 일관성 | 페이지 간 글자 크기, 간격, 컴포넌트 | 여러 페이지 나란히 블라인드 평가 | 직접 제시 안 됨 |
| 반응형 | 휴대폰/태블릿/데스크톱 레이아웃 | 세 가지 너비 스크린샷 | 직접 제시 안 됨 |
| 기능 완결성 | 버튼, 폼, 키보드 조작 | 사람이 항목별로 직접 클릭 테스트 | 일부(3D 인터랙션 조작 가능) |

2.4 GPT-6.2 Astra 웹페이지 비교 프로토콜: 직접 검증하는 방법
자신의 프로젝트가 도움이 되는지 판단하려면, 가장 신뢰할 수 있는 방법은 자신의 요구사항에서 통제된 비교를 한 번 수행하는 것이에요. 아래 프로토콜은 이 글에서 독자적으로 정리한 방법으로, 바로 재사용할 수 있어요. 우리는 이것으로 아무런 결과도 도출하지 않았으니, 표의 데이터 칸은 직접 채워 넣어야 해요.
2.4.1 GPT-6.2 Astra 비교의 세 가지 통제 조건
- 같은 요구사항, 같은 소재, 같은 예산. 두 모델이 완전히 동일한 요구사항 문서, 이미지 소재, 브랜드 규정을 받고, 도구 권한과 실행 환경, 비교 가능한 추론 강도를 통일하며, 최대 반복 횟수나 비용 상한을 미리 합의해야 해요. 동일한 토큰 수가 동일한 비용을 의미하지는 않아요.
- 과정 비용을 기록하기. 각 모델이 첫 버전에서 ‘납품 가능’ 상태가 되기까지 몇 번의 수정을 거쳤는지, 사람이 몇 분 개입했는지 모두 사실대로 기록해야 해요.
- 블라인드 평가 + 실제 테스트. 스크린샷에서 모델 식별 정보를 제거한 뒤 리뷰어에게 전달해 점수를 매기게 하고, 동시에 사람이 버튼, 폼, 키보드 조작을 항목별로 직접 테스트해야 해요.
이 세 가지는 하나도 빠질 수 없어요. 첫 화면 스크린샷만 비교하면 시각적으로 예쁘지만 기능이 빠진 버전을 과대평가하게 되고, 수정 횟수만 비교하면 최종 결과물의 차이를 놓치게 돼요.
2.4.2 정보 구조 먼저, 구현은 나중이라는 프롬프트 템플릿
비교를 더 공정하게 하려면 프롬프트를 두 단계로 나누는 것을 권장해요. 첫 번째 단계에서는 모델이 정보 구조만 출력하게 하고, 두 번째 단계에서 확정된 구조를 바탕으로 코드를 작성하게 하는 거죠. 이렇게 하면 모델이 정말 ‘목적을 가지고’ 콘텐츠를 구성하는지, 아니면 예쁜 컴포넌트를 그냥 쌓아 올리는지 관찰할 수 있어요.
【1단계: 정보 구조】
당신은 웹사이트 정보 구조 설계자입니다. 아래 요구사항에 따라 정보 구조만 출력하고, 코드는 작성하지 마세요:
1. 페이지 목록 및 각 페이지의 목표
2. 각 페이지의 모듈 순서와 정보 계층(H1/H2/본문/행동 유도 버튼)
3. 내비게이션 경로와 핵심 인터랙션
4. 필요하지만 소재에 없는 내용은 【제공 필요】로 표시하고, 데이터·평가·고객 사례를 지어내지 마세요
요구사항:{요구사항 문서 붙여넣기}
소재:{이미지와 카피 목록}
【2단계: 구현】
확정된 정보 구조를 바탕으로 웹페이지 코드를 생성하고, 다음을 충족하세요:
- 통일된 디자인 규칙(폰트 크기, 간격, 색상 변수)
- 375px / 768px / 1440px 세 가지 너비 지원
- 모든 버튼과 폼이 동작하고, 폼에는 검증과 오류 메시지가 포함되며, 키보드 Tab 내비게이션 지원
- 누락된 내용은 【제공 필요】 자리표시자로 남기고, 위조된 결과를 채우지 마세요
템플릿에서 ‘데이터, 평가, 고객 사례를 지어내지 말 것’이라는 항목이 중요해요. 웹페이지를 생성할 때 모델은 가짜 사용자 평가나 실적 수치를 보태기 쉬운데, 일단 배포되면 사실 오류가 돼요.
2.4.3 통합 인터페이스로 신·구 모델 호출하기
비교할 때 동일한 코드 세트로 두 모델을 호출하면 변수를 줄일 수 있어요. 아래는 가장 간단한 호출 예시이며, 모델 이름은 사용하는 플랫폼 콘솔의 실제 목록을 기준으로 해야 해요. 이 글은 어떤 모델이 특정 플랫폼에 이미 출시됐다고 가정하지 않아요.
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # APIYI 통합 인터페이스, OpenAI 호환
)
resp = client.chat.completions.create(
model="YOUR_MODEL_ID", # 콘솔 모델 목록을 기준으로
messages=[{"role": "user", "content": "按阶段一输出信息架构:……"}]
)
print(resp.choices[0].message.content)
전체 비교 스크립트 보기(두 단계 + 결과 기록)
import json, time, pathlib
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # APIYI를 통해 동일한 코드로 모델을 전환
)
MODELS = ["OLD_MODEL_ID", "NEW_MODEL_ID"] # 콘솔에서 실제로 사용 가능한 이름 기준
STAGE1 = open("prompt_stage1.txt", encoding="utf-8").read()
STAGE2 = open("prompt_stage2.txt", encoding="utf-8").read()
OUT = pathlib.Path("compare_runs")
OUT.mkdir(exist_ok=True)
def ask(model, messages):
r = client.chat.completions.create(model=model, messages=messages)
return r.choices[0].message.content
for i, model in enumerate(MODELS):
tag = f"sample_{chr(65 + i)}" # A/B 코드명을 사용해 블라인드 평가에 활용
msgs = [{"role": "user", "content": STAGE1}]
ia = ask(model, msgs)
msgs += [{"role": "assistant", "content": ia},
{"role": "user", "content": STAGE2}]
code = ask(model, msgs)
(OUT / f"{tag}_ia.md").write_text(ia, encoding="utf-8")
(OUT / f"{tag}_code.md").write_text(code, encoding="utf-8")
# 메타데이터만 기록하고, 수정 횟수와 수동 소요 시간은 테스터가 직접 보충
meta = {"tag": tag, "model": model, "time": time.strftime("%F %T"),
"revisions": None, "manual_minutes": None}
(OUT / f"{tag}_meta.json").write_text(json.dumps(meta, ensure_ascii=False))
이 스크립트는 일부러 revisions와 manual_minutes를 비워 두고, 테스터가 실제로 수정한 뒤에 채우도록 했어요. 모델 코드명도 모델 이름 대신 A/B를 쓰고, 스크린샷에도 출처를 드러내지 않아야 블라인드 평가가 의미를 가져요.
테스트 안내: 위 코드는 흐름 참고용이며, 이 글에서 실제로 실행하지 않았어요. 코드에는 추론 강도를 고정하는 부분이나 브라우저 검수를 구현하는 부분이 없어서 완전한 평가 도구로 바로 쓰기는 어려워요. 테스트 전에 모델 가용성, 파라미터 호환성, 실제 서비스 제공자의 과금 방식을 확인해야 하고, 같은 채널을 쓴다고 해서 도구·설정·라우팅 차이가 자동으로 사라지는 것도 아니에요.
2.4.4 GPT-6.2 Astra 비교 기록 템플릿
| 기록 항목 | 샘플 A | 샘플 B | 작성 설명 |
|---|---|---|---|
| 호출 채널 | 공식 API / APIYI apiyi.com | 왼쪽과 동일, 반드시 일치 | 두 샘플은 같은 채널을 사용 |
| 수정 횟수 | 기입 예정 | 기입 예정 | 첫 버전에서 납품 가능한 상태까지 추가한 지시 수 |
| 수동 소요 시간(분) | 기입 예정 | 기입 예정 | 사람이 코드를 고치고 스타일을 조정한 시간 |
| 블라인드 평가 점수(네 가지 차원) | 기입 예정 | 기입 예정 | 최소 3명의 평가자가 채점하고 중앙값 사용 |
| 버튼/폼/키보드 | 기입 예정 | 기입 예정 | 항목별로 통과 또는 실패 기록 |
| 세 가지 너비에서의 표현 | 기입 예정 | 기입 예정 | 375 / 768 / 1440px 스크린샷 |
이 표를 다 채워야 비로소 “GPT-6.2 Astra로 웹페이지를 만들면 정말 더 보기 좋고 더 쓰기 좋은가”에 대해 내 프로젝트만의 결론을 내릴 수 있어요.
실제 요구사항을 검증 가능한 결과로 바꾼 다음에 기본 모델을 교체할지 결정하세요. 이 글의 비교 표는 여전히 빈 템플릿이고, 이미 완료된 평가가 아니에요.
종이 위에서 얻은 것은 얕고, 이 일을 진정으로 알려면 반드시 몸소 실천해야 한다. — 육유(陸游), 《동야독서시자율(冬夜讀書示子聿)》
📚 참고 자료
-
OpenAI 공식 발표 페이지: Introducing GPT-6.2 Astra & Sol
- 링크: 공식 발표 안내
- 설명: 이번 발표의 공식 정보 출처이며, 레이아웃과 이미지 선택에 관한 내용을 담고 있어요
-
OpenAI 개발자 쇼케이스: Paris Atlas
- 링크: Paris Atlas 구축 과정
- 설명: 공식 쇼케이스 사례로, Blender 랜드마크를 Three.js로 변환해 파리를 걷거나 운전하는 체험을 소개해요
-
GPT-6.2 Astra 모델 문서: 입력 및 출력 기능.
- ChatGPT Work와 Codex 공식 안내: 출시 범위.
- OpenAI API 변경 로그: 2026-11-17 배포 기록.
작성자: APIYI 기술팀
기술 문의: APIYI(apiyi.com) 웹사이트 홈페이지에서 연락 주세요. 더 많은 연동 자료는 docs.apiyi.com 문서 센터에서 확인할 수 있어요
