1강부터 9강까지의 흐름을 마무리하고, 모델과 reasoning effort 조합 전략을 정리합니다. 강한 모델을 항상 쓰는 것이 정답이 아닙니다. 작업 단계에 맞는 조합을 고르는 감각을 갖추는 것이 목표입니다.
이 가이드는 OpenAI Codex 제품, 정책, 표준 변경에 따라 이후 달라질 수 있습니다.
auth/LoginForm.tsx, auth/useLogin.ts, auth/LoginForm.test.tsxnpm test -- auth로 검증합니다.
아래 표는 2026-04-14 기준 공식 자료를 요약한 것입니다. 가격과 세부 동작은 이후 바뀔 수 있으므로 실제 운영 전에는 원문을 다시 확인하세요.
| 모델 | Context 창 | Input ($/1M) | Output ($/1M) | 특징 |
|---|---|---|---|---|
| gpt-5.4 | 1M tokens | $2.50 | $15.00 | 플래그십. 복잡한 추론·agentic 작업에 적합 |
| gpt-5.4-mini | 400K tokens | $0.75 | $4.50 | 빠르고 저렴. Subagent·범위가 명확한 구현에 적합 |
| gpt-5.3-codex | 200K tokens | $1.75 | $14.00 | 코딩 특화 전문 모델 |
같은 로그인 버그라도 원인 분석, 구현, 리뷰는 요구하는 판단 깊이가 다릅니다. 단계에 맞는 모델과 reasoning effort 조합을 쓰면 품질은 유지하면서 비용을 줄일 수 있습니다.
| 작업 단계 | 권장 모델 | Reasoning Effort | 이유 |
|---|---|---|---|
| Planning — 원인 분석·설계 | gpt-5.4 | high | 판단 품질이 결과 전체에 영향을 미침 |
| Implementation — 구현·수정 | gpt-5.4-mini | medium | 범위가 명확하므로 속도·비용 효율이 우선 |
| Review — 리뷰·체크리스트 | gpt-5.4-mini | low | 정해진 항목을 확인하는 작업 |
| Complex debugging — 깊은 분석 | gpt-5.4 | xhigh | 여러 파일을 넘나드는 추론이 필요 |
/model 슬래시 커맨드로 대화 중간에도 모델과 reasoning effort를 바꿀 수 있습니다./fast on으로 gpt-5.4 응답 속도를 높일 수 있습니다. 크레딧 소비가 2배가 되므로 속도가 중요한 단계에만 씁니다.우리 팀이 지금 당장 할 일과 아직 이른 일을 나눠보세요. 범위 고정, 검증 명령, 평가표, 팀 규칙이 모두 준비됐는지 먼저 확인합니다.
로그인/auth 예시 기준으로 Planning → Implementation → Review 각 단계에 어떤 모델과 reasoning effort를 쓸지 선택해보세요.