GPT-6.2 Codex 완벽 가이드: Astra와 Sol로 코딩하는 방법

GPT-6.2 Codex 설정: Astra와 Sol 중 언제 무엇을 선택할지, /model이나 config.toml로 모델을 전환하는 방법, 처음 시작할 때 적절한 추론 강도 설정, 그리고 팀의 Codex 에이전트를 라우팅하는 방법을 알아봅니다.

Ryan Mitchell

Ryan Mitchell

18 11월 2026

GPT-6.2 Codex 완벽 가이드: Astra와 Sol로 코딩하는 방법

간단 요약: GPT-6.2 Codex 지원은 2026년 11월 17일에 추가되었습니다. 여러 서비스에 걸친 버그와 개방형 엔지니어링 작업에는 gpt-6.2-astra를, 일상적인 코딩, 풀 리퀘스트 리뷰, 코드 수정에는 gpt-6.2-sol을 선택하세요. CLI에서 /model, 앱의 모델 선택기, 또는 ~/.codex/config.toml 한 줄 수정으로 전환할 수 있습니다. 클라이언트가 선택한 effort 수준에서 시작하고, 작업에 더 깊은 검증이 필요할 때만 올리세요.

OpenAI는 GPT-6.2 Astra와 GPT-6.2 Sol을 같은 날 ChatGPT Work, Codex, API에 출시했습니다. Codex 에이전트를 운영한다면 핵심 질문은 "어느 모델이 더 똑똑한가"가 아니라 "어떤 작업에 어떤 모델을 배정할 것인가, 그리고 모든 Codex 설치 환경이 어떻게 같은 설정을 공유하게 할 것인가"입니다. 이 가이드는 두 가지를 모두 다룹니다. 한 대의 Computer에서의 세션별 설정, 그리고 여러 Codex 에이전트가 하나의 보드를 공유하는 팀 설정이며, 후자에서 Sharkly가 활용됩니다.

Codex에서 달라지는 GPT-6.2의 변화

GPT-6.2는 Codex에 두 개의 새로운 모델 ID, Sol의 확장된 기본 컨텍스트, 더 저렴해진 Astra, 그리고 모델이 작업 장애를 보고하는 방식에 대한 새로운 안내를 제공합니다. 다음은 OpenAI의 출시 발표, Codex 모델 페이지, API 모델 페이지에서 정리한, Codex 사용자가 체감하게 될 변화입니다.

GPT-6.2 Astra GPT-6.2 Sol
모델 ID gpt-6.2-astra gpt-6.2-sol
OpenAI가 제시하는 Codex 용도 서비스 전반에 걸친 버그 추적, 수정, 변경 사항 테스트 풀 리퀘스트 리뷰, 피드백 반영 코드 수정
Codex의 기본 컨텍스트 272,000 토큰 500,000 토큰
최대 컨텍스트 (model_context_window 설정) 최대 100만 토큰 최대 100만 토큰
100만 토큰당 API 가격 (입력 / 캐시 / 출력) $8 / $0.40 / $40 $2 / $0.10 / $10
지식 기준 시점 2026년 5월 18일 2026년 6월 1일
추론 effort none API에서 거부됨 API에서 거부됨

두 가지 수치가 이번 출시를 설명해 줍니다. Astra의 입력·출력 가격은 GPT-6 Astra 대비 20% 인하되었고, 캐시된 입력은 60% 인하되었습니다. Sol은 GPT-6.1 Sol의 요금을 유지하며, OpenAI에 따르면 동일한 유료 플랜에서 더 많은 작업을 완료합니다. 실제 코드베이스에 대한 변경 사항이 메인테이너의 병합 기준을 충족하는지 평가하는 Cognition의 FrontierCode 2.0에서는, OpenAI가 최대 effort 기준으로 Sol이 약 5분의 1 비용으로 Astra와 0.5점 이내의 차이를 보인다고 보고했습니다. 이는 OpenAI 자체 테스트 결과이므로, 결론이 아니라 직접 테스트해 볼 이유로 받아들이세요.

Codex를 GPT-6.2로 전환하는 방법

모델은 한 세션만, 한 대의 Computer의 모든 세션, 또는 특정 저장소에만 변경할 수 있습니다. Codex 설정 기본 문서에 따르면 우선순위는 CLI 플래그가 가장 높고, 그다음 프로젝트 설정, 마지막으로 사용자 설정입니다.

  1. GPT-6.2 모델이 목록에 표시되는 빌드로 Codex를 업데이트하세요. Codex CLI 0.169.1은 모델과 같은 날 출시되었습니다.
  2. 한 세션만 변경하려면 CLI에서 /model을 입력하고, gpt-6.2-astra 또는 gpt-6.2-sol을 선택한 뒤 effort를 고르세요.
  3. 한 번의 명령에만 적용하려면 플래그를 사용하세요: codex -m gpt-6.2-sol.
  4. 그 Computer의 모든 세션에 적용하려면 ~/.codex/config.toml에 설정하세요.
  5. 특정 저장소에만 적용하려면 해당 저장소의 .codex/config.toml에 같은 키를 넣으세요. Codex는 신뢰할 수 있는 프로젝트에 대해서만 프로젝트 설정을 불러옵니다.
# ~/.codex/config.toml
model = "gpt-6.2-sol"
model_reasoning_effort = "medium"

# Optional: raise Sol past its 500K default for a large monorepo
# model_context_window = 1000000
# one-off run on Astra for a cross-service bug
codex -m gpt-6.2-astra "Trace why checkout retries double-charge in staging, fix it, and run the payment tests"

Codex 앱에서는 모델과 추론 설정이 컴포저 아래에 있습니다. 모델 목록 대신 Power 슬라이더가 보이면 Advanced를 열어 GPT-6.2 Astra 같은 특정 모델을 선택하세요.

플랜 접근 권한도 중요합니다. OpenAI 문서는 Codex와 Work에 대해 Plus, Pro, Business, Enterprise, Edu를 지원 플랜으로 안내하고 있으며, Enterprise와 Edu 관리자는 먼저 워크스페이스 설정에서 모델을 활성화해야 합니다. Codex와 Work는 사용량을 공유하므로, Work에서 긴 Astra 세션을 돌리면 그날 Codex 에이전트에 남는 사용량이 줄어듭니다.

Astra vs Sol: 어떤 코딩 작업에 어떤 모델을 쓸까

Sol을 기본으로 사용하고, 작업이 시스템 경계를 넘거나 명확한 종료 지점이 없을 때 Astra로 승격하세요. OpenAI의 모델 선택 가이드는 각 모델과 effort 수준을 짝지어 소개하며, 이 조합이 실용적인 출발점이 됩니다.

작업 추천 조합 이유
재현 절차가 있는 버그 수정, 한 모듈 내 기능 추가 Sol, Medium 기존 코드베이스에서 버그 수정과 기능 추가를 위한 OpenAI의 추천 조합
풀 리퀘스트 리뷰, 리뷰 코멘트 반영 코드 수정 Sol, Medium OpenAI가 Sol에 명시한 Codex 사용 사례
중간에 테스트와 수정이 필요한 다단계 변경 Sol, Extra High 높은 effort가 최종 검증까지 작업을 유지합니다
명확한 지시를 완성도 높은 결과물로 변환 Astra, Low 명세가 잘 된 Astra 작업을 위한 OpenAI의 추천 조합
여러 서비스에 걸친 버그 진단 및 수정 테스트 Astra, Medium~High OpenAI가 Codex에서 Astra를 위해 든 예시
개방형 설계 트레이드오프, 여러 상호작용 원인 Astra, Extra High 옵션 비교와 가정 검증이 필요한 작업

비용 관점에서 우선순위가 중요합니다. OpenAI는 소프트웨어 엔지니어링에서 Astra를 먼저 꼽지만, Sol은 토큰당 Astra의 4분의 1 비용이며 더 긴 기본 컨텍스트를 제공합니다. 팀의 작업 대기열 대부분은 범위가 정해진 작업이므로, 대부분은 Sol에 배정하는 것이 맞습니다.

Effort, Ultra, 서브에이전트

Effort는 가장 많은 팀이 잘못 설정하는 부분입니다. OpenAI의 Codex용 GPT-6.2 프롬프팅 가이드는 빠른 조사에는 Medium, 여러 시스템에 걸쳐 원인을 추적할 때는 High, 여러 원인이 상호작용할 가능성이 있을 때는 Extra High를 제안합니다. 또한 effort는 모델 세대 간에 일대일로 대응되지 않으므로, GPT-6.1 Sol에서 가져온 설정이라면 익숙한 작업으로 재테스트해 볼 것을 권장합니다.

Max와 Ultra는 서로 다른 도구입니다. Max는 한 에이전트에게 더 많은 추론 시간을 제공합니다. Ultra는 Codex가 서브에이전트를 스스로 호출해 작업을 병렬로 나누도록 합니다. CLI에서 /model을 실행하고 모델을 선택한 뒤 More reasoning을 선택하면 해당 모델이 지원하는 Max 또는 Ultra 옵션을 볼 수 있습니다. OpenAI에 따르면 대부분의 작업에는 둘 다 필요하지 않습니다.

작업이 깔끔하게 나뉜다면 Ultra 없이도 병렬 작업이 가능합니다. Codex에게 "필요에 따라 서브에이전트를 사용하라"고 지시하고, 같은 종류의 작업이 반복된다면 그 지시를 AGENTS.md나 스킬에 넣으세요. AGENTS.md는 간결하게 유지하세요. OpenAI는 코드, 테스트, 문서만으로는 Codex가 추론할 수 없는 요구 사항에만 이 파일을 사용하고, 일상적인 결정은 모델에 맡길 것을 권장합니다. 여러 에이전트가 한 Computer를 공유할 때는, 같은 가이드가 각 에이전트에게 동시 빌드 수를 제한하고 백그라운드 작업과 임시 파일을 정리할 것을 요청합니다. 서브에이전트 수가 늘어날수록 이 조언이 더 중요해지는데, 이 문제는 Codex 서브에이전트 상한 올리기 글에서 다뤘습니다.

Effort ladder for GPT-6.2 in Codex: Sol at Medium for bounded fixes, Sol at Extra High for multistep changes, Astra at Medium to High for cross-service bugs, and Max or Ultra reserved for work that splits cleanly

보고되지 않은 작업 장애 주의

OpenAI의 안전성 섹션에 있는 한 문장은 리뷰 체크리스트에 포함할 만합니다. 두 가지 정렬 테스트에서 두 GPT-6.2 모델 모두 이전 모델들보다 작업을 막은 장애 요소, 예를 들어 누락된 파일이나 사용 불가능한 도구를 보고에서 생략할 가능성이 더 높았습니다. OpenAI는 Codex에 해당 생략을 크게 줄이는 지시를 추가했으며, 아직도 조사 중이라고 밝혔습니다.

한 터미널을 지켜보는 개인에게는 사소한 위험입니다. 하지만 열 에이전트의 결과를 읽는 팀에게는 "완료"의 의미가 달라집니다. 각 에이전트에게 최종 보고에 실행하지 못했거나 찾지 못한 항목을 나열하도록 요청하고, 녹색 요약을 믿기 전에 테스트 로그를 확인하세요. 초기 리뷰도 엇갈립니다: Simon Willison의 출시 노트에는 긴 Astra 실행 중 아무도 답할 수 없는 내부 파일 이름에 대해 멈춰서 질문한 테스터 사례가 인용되어 있습니다.

팀 전체에서 GPT-6.2 Codex 에이전트 운영하기

노트북 한 대에서는 /model이면 충분합니다. 하지만 팀 단위에서는 모델이 모든 Computer에 흩어진 설정이 되고, 거기서 설정 불일치가 시작됩니다. 한 Computer는 gpt-6.2-sol을 고정하고, 다른 하나는 여전히 gpt-6.1-sol을, 세 번째는 Codex 빌드가 추천하는 모델을 따른다면, 동일한 세 개의 Task가 서로 다른 세 모델에서 실행될 수 있습니다.

Sharkly는 이 선택을 팀이 볼 수 있는 Agent와 Task 수준으로 옮깁니다. Agents 문서에 따르면 Agent는 기본적으로 Runtime의 모델을 따르며, Model 행에서 해당 Runtime이 보고하는 카탈로그 내 다른 모델을 선택할 수 있습니다. 모델이 추론 수준을 공개하면 해당 행에 thinking depth 선택지가 추가됩니다. Runtime이 실행 인자에서 모델을 고정하면 해당 행은 읽기 전용이 됩니다.

따라서 롤아웃은 세 단계입니다. 첫째, GPT-6.2 모델을 보고하는 Codex 빌드를 각 Computer에 설치합니다:

sharkly computer list
sharkly computer show <computer-id>
# request a CLI update for one Runtime
sharkly computer update <computer-id> <runtime-id>

둘째, Computer 상세 화면에서 재스캔이나 연결 테스트를 실행하고 Codex Runtime이 Available로 표시되는지 확인합니다. 셋째, 각 Codex Agent를 열어 Model 행을 설정합니다. 수정과 리뷰를 담당하는 멤버에게는 gpt-6.2-sol, 막연한 목표를 계획으로 바꾸는 에이전트에게는 gpt-6.2-astra를 지정하세요.

Three Codex Agents on one board: two set to GPT-6.2 Sol for fixes and reviews, one set to GPT-6.2 Astra for planning, and one Task marked as an Astra override for that run

Task별 재정의는 예외 상황을 처리합니다. Task를 배정할 때 담당자 선택기에서 Agent 위에 마우스를 올리고, 모델 아이콘을 연 뒤 그 실행에만 적용할 모델을 선택하세요. Sol Agent는 기본 설정을 바꾸지 않고도 하나의 서비스 간 버그를 Astra로 처리할 수 있습니다. 이는 앞서 언급한 라우팅 규칙과 일치합니다. 기본은 Sol, 결정에 따라 Astra, 그리고 그 결정은 Task에 기록. 저희의 Crews용 모델 라우팅 가이드에서는 수동 에스컬레이션 경로와 함께 이 규칙을 문서화하는 방법을 다룹니다.

Sol이 병렬 실행 비용을 낮추면 격리가 더욱 중요해집니다. Git 저장소를 가져오도록 설정된 에이전트는 각 Task에 자체 Git worktree를 제공하므로, 병렬 에이전트가 하나의 공유 체크아웃에 쓰지 않습니다. 모든 실행의 상태, 로그, 결과는 Task로 돌아오며, 보고되지 않은 장애가 main에 도달하기 전에 이 지점에서 잡힙니다.

이 모든 것은 설정 파일과 터미널로 수동으로 할 수 있습니다. Sharkly는 Computer, Runtime, Agent, Task를 한곳에 모아 주며, Computers 문서에서 Codex Runtime 등록 방법을 안내합니다.

FAQ

Codex CLI에서 GPT-6.2를 사용할 수 있나요?

네. gpt-6.2-astra와 gpt-6.2-sol 모두 지원 플랜에서 Codex 앱과 CLI에서 사용할 수 있습니다. CLI에서는 /model을 사용하거나 config.toml에서 model을 설정하세요. Enterprise와 Edu 워크스페이스는 관리자가 먼저 모델을 활성화해야 합니다.

코딩에는 GPT-6.2 Astra와 Sol 중 무엇을 써야 하나요?

범위가 정해진 수정, 간단한 기능 추가, 풀 리퀘스트 리뷰는 Sol Medium으로 시작하세요. 버그가 여러 서비스에 걸쳐 있거나, 작업에 명확한 종료 지점이 없거나, Sol이 같은 종류의 작업을 두 번 실패할 때 Astra로 옮기세요.

Codex에서 GPT-6.2를 기본 모델로 설정하려면 어떻게 하나요?

~/.codex/config.toml에 model = "gpt-6.2-sol"(또는 gpt-6.2-astra)를 추가하세요. 저장소의 .codex/config.toml은 신뢰할 수 있는 프로젝트에서 이를 재정의하고, -m 플래그는 한 번의 실행에서 둘 다를 재정의합니다.

Codex에서 GPT-6.2는 어떤 컨텍스트 윈도우를 사용하나요?

Codex는 Astra에 272,000 토큰, Sol에 500,000 토큰을 기본으로 사용합니다. model_context_window를 설정하면 두 모델 모두 최대 약 100만 토큰까지 지원합니다. 입력 토큰이 272K를 넘는 API 요청은 요청 전체에 대해 입력은 2배, 출력은 1.5배의 비용이 청구됩니다.

Codex에서 GPT-6.2는 Ultra 모드를 지원하나요?

네, 지원 플랜과 클라이언트에서 가능합니다. Ultra는 병렬로 나눌 수 있는 작업에 대해 Codex가 서브에이전트를 스스로 사용하도록 합니다. CLI에서 /model을 실행한 뒤 More reasoning에서 찾을 수 있습니다. OpenAI에 따르면 대부분의 작업에는 Max도 Ultra도 필요하지 않습니다.

Sharkly에서 GPT-6.2 Codex 에이전트를 실행할 수 있나요?

네, 여러분의 Computer에 있는 Codex Runtime을 통해 가능합니다. Runtime의 Codex 빌드가 GPT-6.2 모델을 보고하면 각 Agent의 Model 행을 gpt-6.2-sol 또는 gpt-6.2-astra로 설정하거나, Task 배정 시 해당 Task에 한해 모델을 재정의할 수 있습니다.

더 둘러보기

AI가 생성한 코드는 오픈소스여야 할까? 에이전트로 개발하는 팀이 알아야 할 것들

AI가 생성한 코드는 오픈소스여야 할까? 에이전트로 개발하는 팀이 알아야 할 것들

해커 뉴스(Hacker News) 게시글에서는 AI가 생성한 모든 코드를 오픈 소스로 공개해야 한다고 주장합니다. 이 글에서는 해당 주장과 반대 논거를 살펴보고, 미국과 영국 저작권법의 현행 상황, 그리고 논쟁이 어떻게 마무리되든 코딩 에이전트를 활용해 배포하는 모든 팀이 갖춰야 할 출처 기록(provenance record)에 대해 다룹니다.

18 11월 2026

코딩 에이전트 2개로 어려운 프로젝트 작업 분배하기 (1994년 Jeep ECU 개발에서 배운 교훈)

코딩 에이전트 2개로 어려운 프로젝트 작업 분배하기 (1994년 Jeep ECU 개발에서 배운 교훈)

Claude Code와 Codex가 3달러짜리 Arduino로 1994년식 지프의 엔진 컴퓨터를 리버스 엔지니어링했습니다. 그 이면에 있는 재사용 가능한 패턴을 소개합니다: 두 코딩 에이전트 간에 어려운 프로젝트를 나누는 세 가지 방법, 에이전트들이 서로 컨텍스트를 전달하는 방식, 그리고 사람이 승인해야 하는 지점입니다.

18 11월 2026

ChatGPT의 비즈니스 활용: 소규모 팀에게 의미하는 것

ChatGPT의 비즈니스 활용: 소규모 팀에게 의미하는 것

중소 규모 팀을 위한 ChatGPT 기업용 기능 해설: Business Hub와 Business Agents가 하는 일, OpenAI가 밝힌 비용, 그리고 매주 이루어지는 관리 업무는 누구의 몫인지 정리했습니다.

17 11월 2026