11월 17일 OpenAI의 발표 내용
2026년 11월 17일자 OpenAI의 ChatGPT 및 Codex 변경 로그에는 GPT-6.2 Astra 및 GPT-6.2 Sol이 ChatGPT Work 및 Codex에서 사용 가능하다고 명시되어 있습니다. 문서는 이 두 모델을 서로 다른 역할을 가진 한 쌍으로 설명합니다.
- GPT-6.2 Astra. 문서는 "Astra는 복잡한 추론을 위한 더 강력한 선택"이라고 명시합니다. 예시 작업으로는 여러 서비스에 걸친 버그 진단, 보고서와 슬라이드 템플릿을 활용한 덱 구축, 연구 자료를 비교하여 증거가 일치하지 않는 지점 찾기 등이 있습니다.
- GPT-6.2 Sol. OpenAI는 Sol을 일상적인 코딩, 작문 및 여러 단계가 필요한 작업을 위한 모델로 설명합니다. 사용 비용에 대해 동일한 페이지에서는 "GPT-6.1 Sol과 비교하여 동일한 유료 플랜에서 더 많은 작업을 완료할 수 있습니다"라고 언급합니다.
공지사항의 Codex 섹션은 이를 코딩 조언으로 구체화합니다. "여러 서비스에 걸친 버그를 추적하고 수정하며 영향을 받는 워크플로우를 테스트하려면" Astra를 선택하세요. "풀 리퀘스트를 검토하거나 피드백에 따라 코드를 수정하려면" Sol을 선택하세요.
Codex에서의 일상적인 작업 방식을 바꾸는 부분은 눈에 덜 띄는 곳에 있습니다. 두 모델이 동일한 양의 여유 공간으로 시작하지 않는다는 점입니다.
GPT-6.2를 사용할 수 있는 곳
가용성 규칙은 도입부 예시의 두 번째 상황을 설명해 줍니다.
ChatGPT Work. 공지사항에 따르면 Plus, Pro, Business, Enterprise 또는 Edu 플랜을 통해 "웹, 데스크톱 또는 모바일의 Work에서" Astra 또는 Sol을 사용할 수 있습니다. 일부 조직의 경우 추가 단계가 있습니다. "Enterprise 및 Edu 관리자는 먼저 워크스페이스 설정에서 모델을 활성화해야 합니다."
Codex. 두 모델 모두 Codex 앱과 CLI에서 사용할 수 있습니다. 앱의 모델 선택기나 CLI의 /model 명령어로 선택할 수 있습니다.
Chat. 이 부분이 중요합니다. 공지사항의 Chat 섹션은 한 줄로 요약합니다. "ChatGPT에서 GPT-6.2 Astra 또는 Sol을 사용하려면 Work를 여세요." Chat에서 선택할 수 있는 모델에 대해 OpenAI는 ChatGPT 모델에 관한 별도의 도움말 문서를 안내하고 있으며, 해당 문서에는 GPT-6.2가 나열되어 있지 않습니다.
API. 개발자는 Responses API에서 gpt-6.2-astra 또는 gpt-6.2-sol을 호출할 수 있습니다.
Work와 Codex를 모두 사용하는 경우 한 가지 더 중요한 세부 사항이 있습니다. "Codex와 Work는 사용량을 공유합니다." Codex에서의 긴 Astra 세션과 긴 Work 작업은 동일한 허용량을 소모합니다.
Work 자체는 ChatGPT의 모드이지 별도의 앱이 아닙니다. 저희는 ChatGPT Work 모드 가이드에서 이것이 Chat과 어떻게 다른지, 그리고 어떤 memory, 프로젝트, 히스토리를 공유하는지 다룬 바 있습니다.
Work가 시작하는 기본 설정
모델 선택기를 건드리지 않고 ChatGPT에서 Work로 전환하면 Astra가 제공되지 않습니다. 공지사항에 따르면 "지원되는 개인용 플랜에서 새로운 Work 채팅은 Light 추론 강도의 Sol로 기본 설정됩니다." 조직의 경우 "모델 액세스 권한이 있는 Enterprise 워크스페이스는 Medium 강도의 Sol로 기본 설정됩니다."
따라서 Work에서 Sol은 기본값이며 Astra는 의도적인 선택입니다. 화면에 Power 슬라이더가 표시된다면, 문서에서는 Advanced를 열어 모델과 추론 강도를 선택하라고 안내합니다.
Codex에서 각 모델이 시작하는 컨텍스트 양
이 세부 사항이 세션이 짧아진 이유를 설명합니다.
Codex 모델 레퍼런스에는 각 모델에 대해 Codex에서의 기본 컨텍스트(default context)라고 불리는 값이 나열되어 있습니다.
- GPT-6.2 Astra: 272,000 토큰.
- GPT-6.2 Sol: 500,000 토큰.
비교를 위해 동일한 페이지에는 "GPT-6.1 Sol은 Codex 및 ChatGPT Work에서 500,000 토큰의 기본 컨텍스트 윈도우를 사용합니다"라고 되어 있습니다. 즉, GPT-6.1 Sol에서 GPT-6.2 Sol로 이동했다면 시작 공간은 변하지 않았습니다. 하지만 GPT-6.1 Sol에서 GPT-6.2 Astra로 이동했다면, 절반을 약간 넘는 공간에서 시작한 셈입니다.
이 차이는 모델의 한계가 아닙니다. 레퍼런스에는 "GPT-6.2 Astra와 GPT-6.2 Sol은 각각 최대 100만 토큰의 컨텍스트 윈도우를 지원합니다"라고 덧붙여져 있습니다. 272,000이라는 수치는 별도로 지정하지 않는 한 Codex가 사용하는 기본값입니다.
실제로 윈도우가 작다는 것은 긴 스레드가 더 빨리 압축(compaction)에 도달할 수 있음을 의미합니다. Codex의 설정 레퍼런스는 관련 설정인 model_auto_compact_token_limit을 "자동 히스토리 압축을 트리거하는 토큰 임계값(설정하지 않으면 모델 기본값 사용)"으로 설명합니다. 이를 설정하지 않으면 임계값은 사용 중인 모델을 따릅니다.
왜 하나의 설정 라인이 두 모델 모두를 덮어쓰는가
Codex 모델 레퍼런스는 더 많은 공간을 확보하는 방법을 알려줍니다. "Codex에서 더 긴 컨텍스트 윈도우를 사용하려면 config.toml에서 model_context_window를 설정하세요."
여기서 놓치기 쉬운 부분이 있습니다. 설정 레퍼런스는 model_context_window를 "활성 모델이 사용할 수 있는 컨텍스트 윈도우 토큰"으로 설명합니다. 이는 어떤 모델이 활성화되어 있든 하나의 값으로 적용됩니다. Astra와 Sol을 위한 별도의 항목이 없습니다.
이로 인해 세 가지 결과가 발생합니다.
- 한 번 설정하면 두 모델 모두에 적용됩니다. Astra를 위해 값을 높이면, Sol로 다시 전환했을 때 Sol도 동일한 숫자를 갖게 됩니다.
- 이전 모델을 위해 설정했더라도 여전히 적용됩니다. 몇 달 전에 다른 모델을 위해 추가한 값이 어떤 GPT-6.2 모델을 선택하든 새로운 기본값을 계속 덮어씁니다.
- 설정하지 않으면 각 모델은 고유의 기본값을 갖습니다. 샘플 설정 파일에는 기본값이 모델에 따라 자동으로 지정된다고 명시되어 있으며, 이것이 Astra와 Sol이 서로 다른 크기로 시작하는 이유입니다.
동일한 논리가 압축 임계값에도 적용됩니다. 파일에 model_auto_compact_token_limit이 설정되어 있으면 모델을 따르지 않습니다. 설정되어 있지 않으면 모델의 기본값을 사용합니다.
긴 세션을 위해 두 모델 중 하나에 의존하기 전에, config.toml을 열어 두 라인 중 하나라도 있는지 확인하세요. 만약 있다면 두 모델 모두에 해당 값을 계속 적용할지 결정하세요. 원치 않는다면 삭제하여 각 모델이 고유의 기본값을 사용하게 하세요.
번갈아 사용하는 모델들의 기본값이 같았을 때는 이 점이 덜 중요했습니다. 하지만 GPT-6.2에서는 가장 자주 전환하게 될 두 모델의 시작 크기가 다르므로, 하나를 위해 설정한 값이 두 모델 모두의 공간을 결정하게 됩니다.
실행 중인 스레드에서 /model이 변경하는 것
Codex는 처음부터 다시 시작하지 않고도 모델을 변경할 수 있게 해줍니다. 모델 레퍼런스에는 "작업 내용이 변함에 따라 모델을 변경할 수 있습니다"라고 되어 있습니다.
CLI의 슬래시 명령어 레퍼런스에는 단계가 설명되어 있습니다. /model을 입력하고 모델을 선택한 후: "예상 결과: Codex가 트랜스크립트에서 새 모델을 확인해 줍니다. /status를 실행하여 변경 사항을 확인하세요."
또한 더 짧은 형식도 설명합니다. "현재 세션의 설정을 직접 변경하려면 /model [model] [--reasoning=<level>] [--speed=<tier>]를 사용하세요." 예를 들어, /model --reasoning=high는 현재 모델을 유지하면서 추론 강도만 높입니다.
문서에서 설명하지 않는 부분은 새 모델의 기본 윈도우를 이미 초과한 스레드에 어떤 일이 일어나는가입니다. GPT-6.2 Sol에서 400,000 토큰의 컨텍스트를 쌓은 후 model_context_window 설정 없이 Astra로 전환할 경우, Codex가 즉시 압축을 수행할지, 다음 턴에 수행할지, 아니면 다른 시점에 수행할지 문서는 명시하지 않습니다. 안전한 해석은 더 작은 윈도우를 가진 모델로 전환하면 압축이 앞당겨질 수 있다고 가정하고, 긴 조사 중간보다는 자연스러운 휴지기에 전환하는 것입니다.
이 문제를 피하는 두 가지 간단한 방법이 있습니다.
- 긴 Astra 작업은 새 스레드에서 시작하세요. 긴 Sol 히스토리를 더 작은 윈도우로 가져가는 대신 짧은 브리핑을 제공하세요.
- 윈도우를 의도적으로 설정하세요. Astra가 Sol만큼의 공간을 갖기를 원한다면
model_context_window를 설정하고, 이것이 두 모델 모두에 적용됨을 받아들이세요.
커맨드 라인에서 특정 모델로 Codex를 시작하려면 레퍼런스에 따라 codex --model gpt-6.2-sol을 사용합니다. 비대화형 실행을 위한 codex exec에서도 동일한 -m 플래그가 작동합니다.
컨텍스트 유지에 대해 API 문서가 덧붙이는 내용
Responses API를 사용하는 개발자들은 동일한 공지사항에서 관련 노트를 확인할 수 있습니다. 표준 단일 에이전트 모드에서는 다음 사용자 메시지 앞에 configuration_update 항목을 추가하여 답변 사이에 추론 강도나 출력 형식을 변경할 수 있습니다.
문서는 왜 이 방식이 중요한지 설명합니다. "이전 입력을 그대로 유지하면 턴 간의 추론을 보존하는 데 도움이 되며, 해당 입력이 프롬프트 캐싱(prompt caching) 대상이 되도록 유지합니다."
이 원칙은 Codex 사용에도 그대로 적용됩니다. 스레드의 더 많은 부분을 안정적으로 유지할수록 더 많은 부분이 유용하게 남습니다. 긴 작업 중간의 설정 변경은 이전 내용을 방해하지 않을 때 가장 비용 효율적입니다.
Codex 프롬프팅 가이드가 AGENTS.md에 대해 말하는 것
OpenAI는 같은 날 Codex의 GPT-6.2 제품군을 위한 프롬프팅 가이드를 발표했습니다. 대부분은 추론 강도, 서브 에이전트, 시각적 작업에 관한 것이지만, 한 섹션은 프로젝트 컨텍스트에 대해 다룹니다.
해당 제목은 직설적입니다. AGENTS.md를 가볍게 유지하세요. 가이드에서는 "Codex가 코드, 테스트 또는 문서에서 추론할 수 없는 프로젝트 요구 사항 및 컨벤션에 AGENTS.md를 사용하세요"라고 조언합니다. 반복되는 작업에 대해서는 "동일한 종류의 작업이 정기적으로 발생한다면, 해당 지침을 관련 skill이나 AGENTS.md에 넣고 언제 적용되는지 명시하세요"라고 덧붙입니다.
이 조언은 컨텍스트 윈도우 문제와 연결됩니다. 가벼운 AGENTS.md는 모든 스레드, 모든 모델에서 로드되며, 272,000 토큰이든 500,000 토큰이든 동일한 토큰 비용이 듭니다. 윈도우가 작을수록 그 뒤에 남는 공간이 적어질 뿐입니다.
Codex에서 Astra와 Sol 중 선택하는 방법
OpenAI의 모델 선택 페이지는 일반적인 규칙을 제시합니다. "잘 아는 작업부터 시작하여 결과를 필요한 것과 비교해 보세요." 얼마나 기다릴 용의가 있는지, 작업에 얼마나 많은 사용량이 필요한지, 그리고 얼마나 많은 세부 사항이나 판단이 개입되는지 고려할 것을 제안합니다.
Codex에 적용하면 문서의 자체 예시는 작업을 다음과 같이 분류합니다.
- 시스템을 아우르는 조사에는 Astra. 여러 서비스에 걸친 버그 추적, 수정 및 영향을 받는 테스트 실행.
- 집중적이고 반복적인 작업에는 Sol. 풀 리퀘스트 검토, 피드백 후 코드 수정, 또는 노트를 계획으로 변환.
- 윈도우를 변경하지 않는 한, 가장 긴 단일 스레드에는 Sol. 기본 설정에서 Sol은 Codex에서 더 많은 공간으로 시작합니다.
추론 강도는 별개의 선택입니다. 프롬프팅 가이드는 빠른 조사를 위해서는 Medium을, 여러 시스템에 걸쳐 의심되는 원인을 추적할 때는 High를, 여러 원인이 상호작용할 수 있는 경우에는 Extra High를 권장합니다.
사람들이 처음에 시도하는 것들
일반 ChatGPT 채팅에서 GPT-6.2 찾기. 모델은 Work에 있습니다. OpenAI는 이를 사용하려면 Work를 열라고 말합니다.
Astra가 더 큰 윈도우를 가졌다고 가정하기. Codex에서 Astra의 기본값은 272,000 토큰이고 Sol은 500,000 토큰입니다(변경하지 않는 한).
한 모델에 대해서만 윈도우 높이기. model_context_window는 활성 모델에 적용되므로 하나의 값이 두 모델 모두를 커버합니다.
오래된 오버라이드 설정을 잊어버리기. 이전 모델을 위해 설정한 값이 여전히 새 모델에 적용됩니다.
긴 스레드 깊숙한 곳에서 모델 전환하기. 문서는 새 기본값보다 큰 스레드가 어떻게 처리되는지 설명하지 않으므로, 자연스러운 휴지기에 전환하세요.
해결책: 의도적으로 모델을 선택하고, 컨텍스트를 윈도우 외부에 유지하기
1단계: 설정 파일 확인
config.toml을 열어 model_context_window 및 model_auto_compact_token_limit을 찾으세요. 모든 모델에 동일한 값을 적용하고 싶을 때만 유지하세요.
2단계: 스레드에 모델 맞추기
교차 시스템 조사에는 Astra를, 일상적인 반복 작업에는 Sol을 사용하세요. 작업의 종류가 바뀌면 새 스레드를 시작하세요.
3단계: 전환 후 확인
/model 이후에 트랜스크립트의 확인 메시지를 체크하고 /status를 실행하세요.
4단계: 모델에 의존하지 않는 곳에 프로젝트 컨텍스트 유지하기
모든 스레드가 시작할 때 알아야 할 결정 사항과 제약 조건을 기록해 두세요. 그래야 새 스레드나 다른 모델이 오래된 히스토리를 필요로 하지 않습니다.
MemoryLake에서 설정하기
컨텍스트 윈도우는 현재 스레드가 수집한 모든 것을 담습니다. 모델을 전환하거나, 새 스레드를 시작하거나, 압축 기능이 이전 턴을 요약할 때, 프로젝트의 핵심 결정 사항이 그 과정에 의존해서는 안 됩니다. 어떤 서비스가 재시도 로직을 담당하는지, 왜 마이그레이션이 연기되었는지, 릴리스 전에 어떤 테스트를 통과해야 하는지 등은 세션 히스토리가 아니라 프로젝트 컨텍스트입니다.
MemoryLake는 이러한 프로젝트 컨텍스트(결정, 제약 조건, 현재 우선순위 등)를 한 곳에 유지하고 ChatGPT, Claude Code, Codex와 같이 연결된 어시스턴트가 사용할 수 있게 해주는 memory 레이어입니다.
여러분은 자신의 언어로 직접 항목을 작성합니다. Codex 스레드, config.toml, AGENTS.md 파일, Codex memory, Work 채팅 또는 어떤 벤더의 저장소에서도 데이터를 읽거나 쓰거나 삭제하지 않습니다. GPT-6.2, Codex, Work는 OpenAI가 설명한 대로 작동합니다.
1단계: API 키 생성
로그인 후 대시보드에서 키를 생성하세요. 다른 자격 증명과 마찬가지로 리포지토리 외부에 저장하세요.

2단계: 첫 번째 memory 업로드
해결책의 4단계에서 작성한 내용, 즉 새 스레드에 필요한 결정 사항과 제약 조건부터 시작하세요. 항목당 하나의 결정 사항을 작성하고 결정된 날짜를 포함하세요.

3단계: AI 및 에이전트 연결
Codex, ChatGPT 및 사용하는 다른 어시스턴트를 연결하세요. 어떤 모델을 선택하든 각 어시스턴트는 동일한 결정 사항을 참조할 수 있습니다.

실제 작업에서의 변화
첫 번째 차이점은 더 저렴한 전환입니다. Astra의 새 스레드는 긴 Sol 히스토리 대신 짧은 브리핑으로 시작할 수 있습니다.
두 번째는 압축에 대한 걱정이 줄어든다는 점입니다. 결정 사항이 스레드 외부에 존재하면, 세부 사항을 생략하는 요약이 발생해도 손실이 적습니다.
세 번째는 도구 간의 일관성입니다. Codex, Work 및 연결된 다른 모든 어시스턴트에서 동일한 프로젝트 컨텍스트를 사용할 수 있습니다.
Codex에서의 GPT-6.2 베스트 프랙티스
교차 시스템 작업에는 Astra를 선택하세요. OpenAI가 가장 어려운 조사에 권장하는 모델입니다.
긴 일상적 스레드에는 Sol을 선택하세요. Codex에서 기본적으로 더 많은 공간으로 시작합니다.
model_context_window를 글로벌 설정으로 취급하세요. 하나의 값이 현재 활성화된 모델에 적용됩니다.
오래된 오버라이드 설정을 정리하세요. 이전 모델의 설정이 여전히 새 모델에 적용됩니다.
자연스러운 휴지기에 전환하세요. 다른 종류의 작업을 위해서는 새 스레드를 시작하세요.
AGENTS.md를 가볍게 유지하세요. OpenAI의 프롬프팅 가이드에서 권장하며, 모든 스레드에서 로드됩니다.
ChatGPT 액세스를 위해 Work를 사용하세요. 모델이 Chat에는 없습니다.
결론
GPT-6.2 Astra와 Sol은 11월 17일 ChatGPT Work, Codex 및 API에 출시되었습니다. Astra는 가장 어렵고 시스템을 아우르는 작업을 위한 OpenAI의 선택이며, Sol은 GPT-6.1 Sol보다 동일 플랜에서 더 많은 작업을 완료할 수 있게 해주는 일상용 모델입니다. ChatGPT에서는 Work를 통해 두 모델에 접근할 수 있으며, 새 채팅은 Sol로 기본 설정됩니다.
Codex에서 모델은 서로 다른 기본 윈도우로 시작합니다. Astra는 272,000 토큰, Sol은 500,000 토큰이며, 두 모델 모두 최대 100만 토큰까지 사용할 수 있습니다. 단일 model_context_window 설정은 활성 모델의 윈도우를 변경하며, 이전 값은 제거하기 전까지 계속 적용됩니다. 문서는 모델 전환 후 새 모델의 기본값보다 큰 스레드가 어떻게 처리되는지 명시하지 않으므로, 자연스러운 휴지기에 전환하고 중요한 결정 사항은 스레드 외부에 유지하세요.