오픈AI 코덱스 대규모 업데이트 예고, 장시간 코딩 작업 속도 94% 개선
오픈AI가 AI 코딩 에이전트 코덱스의 장시간 작업 성능을 개선하는 업데이트를 예고했다. 741턴 테스트에서 로딩 시간은 27.6초에서 1.7초로 줄어 약 94% 단축됐으며, 메모리 증가량과 서버·클라이언트 요청 횟수도 크게 감소했다.
읽는 시간 약 5분
AI는 자료 조사와 초안 정리에 보조적으로 사용했으며, 편집부가 출처와 사실을 확인했습니다.
오픈AI가 코덱스의 장시간 작업 성능을 대폭 개선하는 업데이트를 예고했다.
AI타임스가 전한 내용에 따르면 앤드류 앰브루시노 오픈AI 개발자는 지난 14일 내부 슬랙 메시지를 통해 코덱스의 장시간 작업 성능을 개선하는 대규모 업데이트가 이번 주 진행될 예정이라고 밝혔다.
개선 폭은 상당하다. 741턴에 달하는 장시간 대화 테스트에서 코덱스의 로딩 시간은 기존 27.6초에서 1.7초로 감소했다. 측정된 환경에서는 약 94% 줄어든 수치다. 렌더러 메모리 증가량은 약 88%, 서버와 클라이언트 사이의 요청 횟수는 약 98% 감소한 것으로 전해졌다.
다만 이 수치를 코덱스 전체 사용 환경의 평균 성능 향상으로 해석해서는 안 된다. 741턴이라는 특정 장시간 테스트 환경에서 나온 결과이며, 실제 사용자가 체감하는 속도는 프로젝트 규모와 작업 방식, 모델, 로컬 환경 등에 따라 달라질 수 있다.
코덱스가 길게 일할수록 느려지는 문제
이번 업데이트를 이해하려면 코덱스를 일반적인 챗봇과 다르게 볼 필요가 있다.
코덱스는 사용자의 질문에 코드를 한 번 생성하고 끝나는 방식이 아니다. 프로젝트의 파일을 탐색하고, 코드를 수정하고, 명령어를 실행하고, 테스트 결과를 확인한 뒤 다시 수정하는 작업을 반복한다.
오픈AI 역시 코덱스를 장시간 작업을 수행하는 에이전트로 발전시키는 데 집중하고 있다. 2026년 5월 기준으로 오픈AI가 분석한 개인 사용자 가운데 70.2%가 사람이 수행할 경우 1시간 이상 걸릴 것으로 추정되는 작업을 코덱스에 요청한 것으로 집계됐다. 8시간 이상 걸리는 작업을 요청한 사용자 비중도 25.6%에 달했다.
문제는 작업 시간이 길어질수록 누적되는 상태 정보와 대화 기록이다. 컨텍스트를 유지하면서 파일과 실행 결과를 계속 처리해야 하기 때문에 단순한 질의응답보다 클라이언트와 서버 모두에 더 많은 부담이 발생한다.
오픈AI가 2026년 4월 공개한 기술 설명에서도 코덱스의 에이전트 루프가 모델 추론뿐 아니라 API 서비스 처리와 클라이언트 측 도구 실행·컨텍스트 구성 등 여러 단계로 구성된다고 설명한 바 있다.
이번 개선은 바로 이 장시간 실행 과정에서 발생하는 병목을 줄이는 데 초점을 맞춘 것으로 볼 수 있다.
속도보다 중요한 것은 '긴 작업을 유지하는 능력'
AI 코딩 에이전트 경쟁에서 모델의 코딩 능력만으로 차이를 만들기는 점점 어려워지고 있다.
실제 개발 환경에서는 코드를 얼마나 잘 생성하는지 못지않게 얼마나 오래 작업 상태를 유지하면서 안정적으로 실행할 수 있는지가 중요하다.
예를 들어 대규모 리팩터링을 코덱스에 맡겼다고 가정하면 에이전트는 수많은 파일을 확인하고 변경 사항을 적용한 뒤 테스트를 실행해야 한다. 중간에 컨텍스트 복구가 느려지거나 인터페이스가 멈추면 모델의 코딩 능력과 관계없이 전체 작업 효율이 떨어진다.
실제로 오픈AI 개발자 커뮤니티에서도 장시간 코덱스 작업에서 UI가 느려지거나 멈추는 현상, 긴 컨텍스트를 복원하는 과정에서 지연이 발생한다는 사용자 보고가 이어지고 있다. 이는 이번 업데이트가 겨냥하는 문제가 단순한 이론적 과제가 아니라 실제 사용 경험과 맞닿아 있음을 보여준다.
물론 사용자 보고만으로 기존 코덱스의 성능 문제가 특정 기술적 원인 때문이라고 단정할 수는 없다. 오픈AI가 이번 업데이트에서 어떤 내부 구조를 변경했는지도 공개되지 않았다.
오픈AI가 코덱스를 향하는 방향은 분명하다
이번 업데이트는 코덱스를 단순한 'AI 코딩 도우미'보다 장시간 작업을 맡길 수 있는 개발 에이전트로 발전시키려는 흐름과 맞닿아 있다.
오픈AI는 최근 코덱스를 장기적인 작업 공간으로 활용하는 방법을 별도의 자료로 공개하면서 지속적인 컨텍스트 유지와 복잡한 워크플로 관리의 중요성을 강조했다.
사용 패턴도 같은 방향으로 움직이고 있다. 오픈AI에 따르면 2026년 6월 기준 자사 사용량 상위 1% 사용자는 여러 에이전트를 병렬로 실행하면서 하루 60시간을 넘는 코덱스 에이전트 작업을 생성하고 있었다. 실제 시간이 60시간이라는 의미가 아니라, 여러 병렬 에이전트의 작업 시간을 합산한 지표다.
이런 환경에서는 한 번의 응답을 빠르게 만드는 것보다 수십~수백 턴의 작업을 안정적으로 이어가는 인프라가 더 중요해진다.
이번 741턴 테스트에서 로딩 시간이 1.7초까지 내려갔다는 결과 역시 같은 맥락에서 볼 수 있다. 코덱스가 더 긴 작업을 처리할수록 UI와 컨텍스트 관리 계층의 효율성이 모델 자체의 성능만큼 중요한 요소가 되기 때문이다.
앞으로 확인할 것은 실제 장시간 작업 성능
이번 발표에서 가장 눈여겨볼 부분은 94%라는 숫자 자체보다 이 개선이 실제 개발 작업에서도 유지되는지다.
741턴 테스트에서는 27.6초였던 로딩 시간이 1.7초로 줄었다. 그러나 실제 개발 프로젝트에서는 대화 기록뿐 아니라 파일 구조, 도구 실행 결과, 테스트 로그, 컨텍스트 압축과 복구 등 다양한 요소가 함께 작동한다.
따라서 업데이트가 배포된 뒤에는 수백 턴의 리팩터링이나 디버깅 같은 실제 프로젝트에서 성능 저하가 얼마나 줄어드는지, 메모리 사용량이 장시간 작업에서도 안정적으로 유지되는지, 컨텍스트가 커졌을 때 작업 연속성이 얼마나 개선되는지를 확인할 필요가 있다.
코덱스의 경쟁력은 이제 '코드를 얼마나 잘 작성하느냐'에서 끝나지 않는다. 몇 시간 동안 개발자의 개입을 최소화하면서 하나의 프로젝트를 얼마나 안정적으로 끌고 갈 수 있느냐가 다음 평가 기준이 될 가능성이 높다.
이번 업데이트가 그 기준에서 실제 변화를 만들어내는지는 배포 이후의 장시간 실사용 결과가 판단하게 될 것이다.
출처 및 참고자료
참고한 출처
공식 출처와 보조 신호를 함께 확인했습니다. 전체 4개 중 공식 출처는 3개입니다.