OpenAI GPT–6 Astra, 2005년부터 풀리지 않던 Enigma 메시지를 풀다
OpenAI GPT–6 Astra breaks Enigma message that has resisted solution since 2005
TL;DR Highlight
GPT–6 Astra가 2일 만에 2005년부터 안 풀리던 Enigma 메시지 MVUEH를 해독했다
Who Should Read
LLM 에이전트가 코드를 짜고 도구를 돌려 장기 과제를 푸는 사례가 궁금한 백엔드 개발자
Core Mechanics
- MVUEH 메시지가 풀렸다
- 1941년 7월 10일 독일군 Enigma 메시지 MVUEH(Nr. 172)는 2005년부터 해독되지 않았다.
- 2026년 9월 15일 Carter Leffen이 해독 결과를 저자에게 보내 검증을 요청했다.
- 키가 다른 메시지와 달랐다
- 같은 날 다른 메시지는 휠 순서가 512였는데 MVUEH는 253이었다.
- 원문 전사에 오류가 있었고 왼쪽 휠이 72번째 글자에서 턴오버(회전 넘김)를 했다는 점도 해독을 어렵게 했다고 한다.
- Astra가 후보 메시지를 스스로 골랐다
- Leffen은 공개된 미해독 메시지를 풀 수 있는지 보라고만 지시했다.
- Astra가 Nr. 172를 가장 유망하다고 고르고 Nr. 173(SIPVX)과 평문이 비슷할 거라고 의심했다.
- ROSENOW 반복을 crib으로 썼다
- crib은 평문에 들어 있을 거라고 짐작하는 단어를 가리킨다.
- Astra는 ROSENOW ROSENOW를 crib으로 삼고 Python과 C++로 Enigma 시뮬레이터와 Bombe 소프트웨어를 직접 만들어 키를 찾았다.
- 로그에 아카이브 조사 흔적이 있다
- 로그에 Bundesarchiv 문서 RS 3–3/20a, RS 3–3/63b를 언급한 내용이 있고 이 번호는 맞았다.
Community Reactions
- "스스로 했다"는 표현이 과하다는 의견
- Python·C++ 시뮬레이터를 만들었다면서 entirely on its own이라고 하는 건 모순이라는 지적이 있었다.
- 생성된 소프트웨어가 웹에서 쉽게 구할 수 있는 것인지, 해독 작업을 얼마나 그 코드에 맡겼는지 물어야 한다는 의견이다.
- 사람의 역할을 짚은 의견
- 2일간의 Leffen과 Astra 협업이라 human in the loop가 중요하다는 의견이 있었다.
- 기사들이 돌파구의 주체인 사람을 무시한다는 불만도 있었다.
- 다른 모델로 재현해 봤다는 경험
- Gemini 3.8 flash로 암호문을 넣었더니 45분 무조종 실행에서 평문을 복호화했다는 댓글이 있었다.
- Opus는 약 100분짜리 스크립트로 아직 돌고 있다고 했다.
- 기존 오픈소스를 쓴 것뿐이라는 반론
- 공개된 Enigma 시뮬레이터와 Bombe를 가져다 여러 crib을 시도했을 뿐이라는 비판이 있었다.
- 학습 데이터 덕에 crib을 잘 추측했다는 주장도 있었다.
How to Apply
- 에이전트에 열린 목표만 주고 돌려보기
- 오늘 30분 동안 풀리지 않은 버그나 로그 문제 하나를 골라 후보 선정부터 에이전트에 맡겨라.
- 지시는 '이 중 가장 가능성 높은 것을 고르고 이유를 적어라'로 단순하게 써라.
- 에이전트에게 검증용 도구를 직접 만들게 하기
- 가설 검증용 시뮬레이터나 스크립트를 짜게 하고 실행 로그를 남기게 하라.
- 나중에 로그를 읽고 어떤 가정으로 풀었는지 사람이 확인하라.
- 정답 판정 기준을 먼저 정하기
- 작업 시작 전에 '끝났다'의 기준(예: 재암호화 결과 일치)을 프롬프트에 적어라.
- 에이전트가 통과 여부를 스스로 확인하고 보고하도록 요구하라.
Try It
# Claude 또는 ChatGPT에 그대로 붙여넣기 (원문 방법의 간이 버전)
너는 암호 해독 연구자다. 아래 문제를 풀어라.
문제: {{풀리지 않은 문제 설명}}
자료: {{로그·메시지·데이터}}
순서:
1. 자료를 보고 가장 해결 가능성이 높은 항목 하나를 고르고 이유를 써라.
2. 평문에 들어 있을 만한 단서(crib에 해당하는 것)를 가설로 3개 세워라.
3. 가설을 검증할 짧은 Python 스크립트를 작성해라.
4. '끝났다'의 기준을 먼저 정하고, 결과가 그 기준을 만족하는지 확인해라.
이어서 해 볼 것: 결과를 받으면 사용한 가정과 실패한 시도를 따로 정리해 달라고 요청해 보라.Terminology
관련 논문
같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나
긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복
가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격
가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)
Harness Engineering 101: LLM은 뇌, harness는 몸
에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다
Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크
모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다
해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유
경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다
tmux와 Claude Code: 세션, send-keys, 그리고 한계선
tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다
Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트
잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓