GPT-5.5 Codex 아키텍처 분석 — 자기 자신을 학습시킨 모델의 구조

AI가 자신의 학습을 디버깅했습니다. 이것이 무엇을 의미하는지, 어떻게 가능했는지 분석합니다.

---

✅ 핵심 요약

→ GPT-5.3-Codex(2026년 2월)는 OpenAI 공식 발표 기준 "스스로를 만드는 데 기여한 첫 번째 모델"입니다 → Codex 팀은 초기 버전으로 자신의 학습을 디버깅하고, 배포를 관리하고, 테스트 결과를 진단했습니다 → GPT-5.5(2026년 4월)는 GPT-4.5 이후 처음으로 완전히 새로 학습시킨 베이스 모델입니다 → 세 가지 아키텍처 결정이 핵심 — 네이티브 옴니모달, NVIDIA GB200/GB300 하드웨어 공동 설계, 자기 개선 인프라 → GPT-5.5와 Codex가 출시 전 OpenAI 자체 서빙 인프라를 재작성했습니다 → GPT-5.5는 코드명 "Spud" — Terminal-Bench 2.0 82.7%, FrontierMath Tier 1~3 51.7% 달성 → 자기 학습이 가능해진 이유: 코딩 에이전트 능력 + 합성 데이터 생성 + 검증 가능한 정답이 있는 영역

---

먼저 구분: GPT-5.3-Codex vs GPT-5.5

헷갈리기 쉬운 두 모델을 먼저 정리합니다.

모델 출시 의미

GPT-5.3-Codex	2026년 2월 5일	"자기 자신을 만든 첫 모델" 선언. GPT-5.2 기반 코딩 특화
GPT-5.4	2026년 3월	범용 업그레이드. 1.05M 컨텍스트
GPT-5.5	2026년 4월 23일	GPT-4.5 이후 첫 완전 재학습 베이스 모델. 코드명 Spud

"자기 자신을 학습시킨 모델"이라는 선언은 GPT-5.3-Codex에서 처음 나왔고, GPT-5.5는 그 방법론을 계승하고 확장한 모델입니다.

---

GPT-5.3-Codex — 자기 학습의 시작

"스스로를 만든 모델"이 실제로 의미하는 것

OpenAI 공식 발표: "GPT-5.3-Codex는 스스로를 만드는 데 기여한 첫 번째 모델입니다. Codex 팀은 초기 버전으로 자신의 학습을 디버깅하고, 배포를 관리하고, 테스트 결과와 평가를 진단했습니다."

구체적으로 어떤 일을 했는지:

개발 과정에서 초기 버전의 모델이 학습 파이프라인의 문제를 발견하고, 배포 인프라 오케스트레이션을 도왔고, 자신의 벤치마크 결과를 분석해서 개선 영역을 찾아냈습니다.

기존 AI 개발 사이클:
엔지니어 → 학습 실행 → 버그 발견 → 엔지니어 수정 → 재학습

GPT-5.3-Codex 사이클:
엔지니어 → 학습 실행 → [Codex가 버그 발견] → [Codex가 수정 제안] → 엔지니어 검토 → 재학습

이것이 "완전 자율 자기 학습"은 아닙니다. 사람이 루프 안에 있었습니다. 하지만 AI가 자신의 학습 파이프라인에 실질적으로 기여한 첫 사례입니다.

💡 중요한 구분 OpenAI의 Preparedness Framework 기준으로, GPT-5.3-Codex는 AI 자기 개선(self-improvement)에서 "High" 능력에 도달하지는 않습니다. 자신의 창조에 기여했지만, 완전 자율적인 자기 개선 능력을 갖췄다는 의미가 아닙니다.

---

왜 코딩 영역에서 먼저 가능했나

AI 자기 학습이 코딩에서 먼저 실현된 이유는 구조적입니다.

조건 코딩 영역 다른 영역

정답 검증	✅ 코드 실행 = 통과/실패 명확	❌ 주관적 판단 필요
합성 데이터	✅ 코드 자동 생성·검증 가능	❌ 품질 보증 어려움
피드백 루프	✅ 테스트 스위트로 즉시 확인	❌ 느리고 비쌈
도구 사용	✅ 터미널·디버거 직접 조작	❌ 대부분 텍스트만

코드는 실행 결과가 명확합니다. "이 코드가 맞는가"는 테스트를 돌려보면 0 또는 1로 나옵니다. 이 확인 가능한 신호가 강화학습과 자기 검증의 기반이 됩니다.

---

GPT-5.5 — 아키텍처 완전 재설계

GPT-5.5는 단순 업그레이드가 아닙니다. GPT-4.5 이후 처음으로 완전히 처음부터 재학습시킨 베이스 모델입니다.

아키텍처 결정 1 — 네이티브 옴니모달

이전 OpenAI "멀티모달" 모델들은 사실상 별도 모델들을 라우팅 로직으로 이어붙인 구조였습니다. GPT-5.5는 텍스트·이미지·오디오·영상을 단일 통합 아키텍처로 처리합니다 — 서브시스템 간 핸드오프 없이.

GPT-5.4 구조 (이전):
텍스트 입력 → [텍스트 LLM]
이미지 입력 → [이미지 인코더] → 임베딩 → [텍스트 LLM]
오디오 입력 → [오디오 인코더] → 임베딩 → [텍스트 LLM]

GPT-5.5 구조 (현재):
텍스트  ┐
이미지  ├→ [단일 통합 Transformer] → 출력
오디오  │
영상    ┘

Gemini 4와 같은 방향입니다. Encoder-Free 멀티모달 아키텍처가 2026년 프론티어 모델의 표준이 되고 있습니다.

아키텍처 결정 2 — NVIDIA GB200/GB300 공동 설계

GPT-5.5는 NVIDIA의 GB200과 GB300 NVL72 랙 스케일 시스템과 함께 공동 설계됐습니다. 결과: GPT-5.5는 GPT-5.4와 동일한 토큰당 레이턴시를 유지하면서 실질적으로 더 높은 능력을 갖췄습니다. 더 큰 모델은 보통 더 느립니다. 이 모델은 그렇지 않습니다.

모델과 하드웨어를 동시에 설계하는 수직 통합 전략입니다. Google이 TPU와 Gemini를, Apple이 Neural Engine과 iOS를 함께 설계하는 것과 같은 방향입니다.

아키텍처 결정 3 — 자기 개선 인프라

GPT-5.5와 Codex가 출시 전에 OpenAI 자체 서빙 인프라를 재작성했습니다.

GPT-5.3-Codex는 자신의 학습 실행을 디버깅했습니다. GPU 클러스터를 직접 스케일링했습니다. 팀이 평가에 사용한 도구를 직접 만들었습니다.

이 자기 개선 루프가 GPT-5.5에서 더 광범위하게 적용됐습니다.

---

벤치마크 — GPT-5.3-Codex에서 GPT-5.5까지

벤치마크 GPT-5.3-Codex GPT-5.4 GPT-5.5

Terminal-Bench 2.0	77.3%	~79%	82.7%
SWE-bench Pro	56.8%	~58%	58.6%
OSWorld-Verified	64.7%	—	—
FrontierMath Tier 1~3	—	—	51.7%
MCP Atlas (에이전트)	—	—	83.6%

Terminal-Bench는 터미널 태스크 자동화 능력 기준입니다. 이 지표에서 GPT-5.5가 Claude Opus 4.7(69.4%)을 13.3%p 앞섭니다. 터미널·DevOps·인프라 자동화에서 GPT-5.5가 현재 최강입니다.

---

GPT-5.5 Codex에서 달라진 것

토큰 효율 향상

GPT-5.5는 GPT-5.4보다 가격이 높지만, 더 지능적이고 훨씬 더 토큰 효율적입니다. Codex에서 GPT-5.5는 대부분의 사용자에게 GPT-5.4보다 더 적은 토큰으로 더 좋은 결과를 냅니다.

단순히 더 좋은 게 아니라 더 적게 씁니다. 비용 측면에서 GPT-5.4 대비 실질적인 개선입니다.

400K 컨텍스트 윈도우

Codex에서 GPT-5.5는 400K 컨텍스트 윈도우를 제공합니다. Claude의 1M 대비 절반이지만, 대부분의 실제 코드베이스 작업에는 충분한 수준입니다.

고블린 버그 — 알려진 이슈

GPT-5.1부터 시작된 고블린·그렘린·이상한 생명체 언급 경향이 GPT-5.5 Codex 테스트에서 눈에 띄게 나타났습니다. OpenAI는 이를 "Nerdy" 퍼소나 학습 시 사용한 보상 신호가 이후 학습 단계로 전이된 것"으로 밝혔습니다. 해당 퍼소나 폐기, 보상 신호 제거, 학습 데이터 필터링, 개발자 프롬프트 지시 추가로 해결했습니다.

---

자기 학습의 다음 단계

GPT-5.3-Codex → GPT-5.5를 거치며 자기 개선 루프가 어떻게 진화했는지 정리하면 이렇습니다.

1단계 (GPT-5.3-Codex):
→ 학습 버그 디버깅 (사람 검토 필요)
→ 배포 인프라 오케스트레이션
→ 벤치마크 결과 진단

2단계 (GPT-5.5):
→ 서빙 인프라 직접 재작성
→ GPU 클러스터 스케일링 자동화
→ 평가 도구 자체 개발

예상 3단계:
→ 학습 하이퍼파라미터 자동 튜닝
→ 학습 데이터 품질 자체 평가
→ 아키텍처 변경 제안

이것은 AI가 단순 코딩 도구에서 범용 컴퓨터 운용 에이전트로 전환됐다는 신호입니다. 소프트웨어 개발과 IT 운영에 의존하는 모든 비즈니스에 즉각적인 영향이 있습니다.

---