OpenAI는 Codex 컨텍스트 창을 372K에서 272K 토큰으로 조용히 줄여 개발자를 좌절시킵니다.

OpenAI는 Codex 및 GPT-5.6 모델의 작업 컨텍스트 창을 372K에서 272K 토큰으로 줄여 비용을 낮추지만 개발자가 한 번에 처리할 수 있는 코드 양을 줄였습니다.

OpenAI는 Codex 코딩 에이전트와 기본 GPT-5.6 모델 제품군의 작업 컨텍스트 창을 조용히 줄여 사용 가능한 한도를 약 372,000개 토큰에서 272,000개 토큰으로 줄였습니다. 회사의 오픈 소스 Codex 저장소에 대한 병합된 끌어오기 요청을 통해 표면화된 이 변경 사항은 대규모 컨텍스트를 사용하여 단일 패스로 전체 코드베이스를 분석하는 개발자들로부터 날카로운 반응을 불러일으켰습니다.

이러한 조정은 기업이 사용자에게 제공하는 편의성과 긴 맥락 추론 비용의 균형을 맞추는 AI 업계의 친숙한 긴장을 반영합니다. 최신 AI 산업 보도에 따르면 이러한 움직임은 모델 메타데이터의 작은 변경이라도 수백만 개의 개발자 워크플로에 파급을 일으킬 수 있음을 강조합니다.

달라진 점과 발견된 부분

Codex 저장소의 번들 모델 메타데이터 파일 `codex-rs/models-manager/models.json`에서 축소가 표시되었습니다. OpenAI 엔지니어 sayan-oai가 작성하고 2026년 7월 18일에 병합된 "백포트가 번들 모델 메타데이터를 0.144로 새로 고침"이라는 제목의 풀 요청은 안정적인 Codex 클라이언트가 각 모델의 기능을 이해하는 데 사용하는 메타데이터를 새로 고쳤습니다.

현재 파일은 GPT-5.6-Sol, GPT-5.6-Terra 및 GPT-5.6-Luna 변형과 이전 GPT-5.5 및 GPT-5.2 항목을 포함하여 GPT-5.6 라인업 전체에서 272,000개 토큰의 'context_window' 값을 보여줍니다. 변경 사항이 350개 이상의 찬성표를 얻은 Hacker News의 토론에 따르면 이전 작업 한도는 약 372,000개의 토큰이었습니다. 일부 모델은 최대 100만 개의 토큰이라는 더 높은 'max_context_window'를 유지하지만 클라이언트가 실제로 요청하는 기본 창은 이제 272,000으로 제한됩니다.

그 구별이 중요합니다. 최대 컨텍스트 창은 모델이 이론적으로 수용할 수 있는 것을 나타내는 반면, 작동하는 `context_window`는 Codex 클라이언트가 기본적으로 보내도록 구성된 것입니다. 실제로 이는 이전에 에이전트에 수십만 개의 소스 코드 토큰을 제공했던 개발자가 이제 더 빨리 한계에 도달하게 된다는 것을 의미합니다.

코딩 에이전트에 컨텍스트 길이가 중요한 이유

Codex와 같은 코딩 에이전트의 경우 컨텍스트 창은 허영 메트릭이 아닙니다. 버그에 대해 추론하거나, 기능을 생성하거나, 모듈을 리팩터링할 때 모델이 한 번에 "볼" 수 있는 저장소의 양을 결정합니다. 100,000개의 토큰이 삭제된다는 것은 단일 프롬프트에 로드되는 코드, 주석 및 문서의 단어가 대략 75,000단어 줄어든다는 의미입니다.

실제 측면에서 이는 에이전트가 전체 마이크로서비스를 엔드 투 엔드로 이해하는 것과 부분적이고 잘린 보기로 작동해야 하는 것의 차이일 수 있습니다. 대규모 단일 저장소에서 작업하거나 광범위한 파일 간 마이그레이션을 수행하는 개발자가 가장 큰 영향을 받습니다. 왜냐하면 해당 작업은 많은 파일을 동시에 컨텍스트에 보관해야 하기 때문입니다.

이러한 변화는 에이전트 코딩 도구가 얼마나 많은 컨텍스트를 처리할 수 있는지에 대해 공격적으로 경쟁하면서 발생합니다. 경쟁사들은 전체 코드베이스를 수집하는 능력을 진정한 자율 소프트웨어 엔지니어링을 향한 길로 삼아 엄청난 컨텍스트 창을 핵심 판매 포인트로 마케팅했습니다. OpenAI의 풀백은 기본 수준에서 이러한 격차를 좁힙니다.

긴 맥락의 비용, 품질 및 경제성

가능한 동기는 비용입니다. 긴 컨텍스트는 모델이 입력의 모든 토큰을 처리해야 하기 때문에 컴퓨팅과 대기 시간 모두에서 처리하는 데 훨씬 더 많은 비용이 듭니다. 높은 "건초 더미 속의 바늘" 실패율은 컨텍스트가 확장됨에 따라 점점 더 커지는 경향이 있습니다. 이는 모델이 때때로 긴 프롬프트에 깊이 묻혀 있는 정보를 놓치는 것을 의미합니다. 기본 기간을 제한하면 추론 비용을 줄이면서 이러한 정확도 문제를 줄일 수 있습니다.

OpenAI는 감소를 설명하는 별도의 발표를 게시하지 않았습니다. 변경 사항은 메타데이터 새로 고침과 0.144 릴리스 라인으로의 백포트를 통해서만 전달되었으며, 이는 알파가 아닌 대부분의 Codex 사용자에게 제공되는 분기입니다. 이러한 눈에 띄지 않는 출시는 그 자체로 주목할 만합니다. 개발자 생산성에 직접적인 영향을 미치는 결정은 블로그 게시물이나 변경 로그가 아닌 코드 차이점을 통해 전달되었습니다.

팀의 경우 실질적인 의미는 간단합니다. 이전에 단일 컨텍스트 패스에 적합했던 작업은 이제 작업을 더 작은 청크로 분할하거나, 관련 파일을 보다 선택적으로 검색하거나, 에이전트의 시야가 더 좁다는 점을 수용해야 할 수 있습니다. 일부 개발자는 사용 가능한 경우 더 높은 `max_context_window`를 사용하여 제한을 우회할 수 있습니다. 하지만 그렇게 하려면 일반적으로 명시적인 구성이 필요합니다.

조용한 조정의 더 넓은 패턴

Codex 컨텍스트 컷은 AI 연구소가 헤드라인 출시 사이에 모델의 매개변수를 조정하는 더 넓은 산업 패턴에 적합합니다. 창 크기, 속도 제한 및 기본 동작은 보도 자료에 도달하지 않는 인프라 업데이트를 통해 자주 조정됩니다. 이러한 시스템에 의존하는 개발자는 초기 신호에 대한 기본 저장소 및 API 응답을 점점 더 많이 관찰하고 있습니다.

OpenAI의 움직임은 또한 마케팅과 현실 사이의 격차를 강조합니다. 모델은 헤드라인 컨텍스트 길이를 지원할 수 있지만 제품이 실제로 노출하는 효과적인 창은 공급자가 사용자를 대신하여 내리는 비용 결정에 따라 상당히 더 작을 수 있습니다.