GPT-5.5 Codex Goal Mode와 GB200 NVL72 코딩 에이전트 아키텍처

모델만으로는 설명되지 않는 Codex의 구조

OpenAI는 2026년 4월 23일 GPT-5.5를 공식 출시하고 Codex의 핵심 모델로 지정했다. 서빙 기반은 NVIDIA GB200 NVL72 랙스케일(Rack-Scale) 시스템이다. Plus·Pro·Business·Enterprise 플랜 사용자에게 순차 배포되는 이 모델의 차별점으로는 자율 목표 추론(Autonomous Goal Inference)을 수행하는 Codex Goal Mode가 제시됐다.

GPT-5.5는 NVIDIA와 공동 브링업(Bring-up)한 10만 GPU 클러스터에서 훈련·서빙된다. 에이전트 코딩에 맞춘 LLM 최적화와 대규모 랙스케일 인프라를 하나의 실행 환경으로 묶은 설계다.

GB200 NVL72가 만드는 랙 단위 추론 환경

GPT-5.5는 NVIDIA GB200 NVL72에서 훈련과 추론을 함께 최적화한 최초의 OpenAI 프론티어 모델이다. GB200 NVL72는 36개의 Grace CPU와 72개의 Blackwell GPU를 한 랙에 통합한다. NVLink 스위치 패브릭으로 연결된 72개 GPU는 단일 통합 컴퓨트 도메인(Unified Compute Domain)으로 동작한다.

구분	GB200 NVL72 사양
GPU 수	72개 Blackwell GPU
CPU	36개 Grace ARM Neoverse V2 (72코어)
HBM3e 메모리	13.5TB (랙 전체 통합)
NVLink 대역폭	130TB/s 양방향 집계
NVLink-C2C	900GB/s 양방향 (GPU-CPU 간)
FP4 추론 처리량	이전 세대 대비 30배 향상
에너지 효율	토큰당 50배 향상 (메가와트당)
비용 효율	토큰 100만 개당 35배 비용 절감

이 구성에서 중요한 연결 고리는 NVLink-C2C(Chip-to-Chip) 인터커넥트다. GPU와 CPU 사이에 900GB/s 양방향 대역폭을 제공하며, 트릴리온 파라미터급 모델(Trillion-Parameter LLM) 추론에서 발생하는 HBM 메모리 병목을 Grace CPU의 500GB/s LPDDR5X 메모리까지 확장해 완화한다.

GPT-5.5는 이 통합 메모리 어드레싱(Unified Memory Addressing) 위에서 KV-Cache를 관리한다. 장문 컨텍스트(Long Context)와 멀티턴 코딩 세션을 처리할 때 필요한 캐시 운용 효율을 높이는 구조다.

⤢✕

OpenAI와 NVIDIA가 공동 구축한 10만 GPU 클러스터는 GB200 NVL72를 기본 단위로 삼고, 랙 사이는 InfiniBand NDR(Next Data Rate) 패브릭으로 연결한다. GPT-5.5 훈련 중에는 복수의 대규모 학습 런(Training Run)을 완료하며 시스템 신뢰성 벤치마크에서 새로운 기준을 세웠다. 추론 서빙에는 Continuous Batching과 PagedAttention 기반 KV-Cache 관리가 적용돼 10만 NVIDIA 직원의 동시 사용 부하를 처리한다.

코드베이스 작업에 맞춘 모델 최적화

GPT-5.5의 파인튜닝(Fine-tuning)은 일반적인 코드 생성보다 에이전트가 코드베이스에서 지속적으로 작업하는 상황에 초점을 둔다.

먼저 멀티파일 컨텍스트 이해를 강화했다. 대규모 코드베이스에서 수십 개 파일의 의존성(Dependency) 그래프를 파악하고, 변경 영향 범위(Impact Scope)를 추론하는 능력이다. 종전에는 며칠 걸리던 디버깅 작업을 수 시간 안에 마친 성과가 보고됐다.

Tool Use 표현도 더 컴팩트하게 설계됐다. 에이전트가 반복적으로 수행하는 파일 읽기·쓰기, 셸(Shell) 명령 실행, 테스트 러너(Test Runner) 호출을 토큰 효율적인 함수 호출(Function Calling) 형식으로 직렬화한다.

실행 결과가 예상과 어긋났을 때는 자기 수정 추론(Self-Correction Reasoning)이 작동한다. 오류 원인을 분석하고 수정 전략을 다시 세우는 내부 추론 루프로, Goal Mode의 반복 실행을 가능하게 하는 핵심 메커니즘이기도 하다.

목표를 세션 밖까지 이어가는 Goal Mode

Codex Goal Mode는 2026년 5월 21일 Codex CLI v0.133.0에서 정식 출시(GA)됐다. 사용자가 목표(Goal)와 성공 기준(Success Criteria)을 지정하면 Codex가 수 시간에서 수 일에 걸쳐 자율적으로 실행하며, 세션이 바뀌어도 작업을 이어간다.

실행은 목표 분해(Goal Decomposition)에서 시작한다. 최종 목표를 여러 마일스톤(Milestone)으로 나누는 단계다. 가령 “Python 프로젝트를 Pydantic v1에서 v2로 마이그레이션하고 모든 테스트를 통과시켜라”라는 목표는 의존성 파악, 스키마 변환, 테스트 수정, 통합 테스트 검증으로 분해된다.

다음으로 각 마일스톤에 필요한 파일 변경 범위와 도구, 실행 순서를 계획한다. 계획이 정해지면 격리된 샌드박스 환경(Isolated Sandbox)에서 파일 수정, 셸 명령 실행, 라이브러리 설치, 테스트 러너 호출을 수행한다.

하위 태스크가 끝날 때마다 테스트와 리뷰가 뒤따른다. 검증에 실패하면 자동 디버그 루프로 돌아간다. 달성한 마일스톤과 현재 상태는 전용 영속 스토리지(Persistent Storage)에 저장되므로, 세션이 종료된 뒤에도 다음 실행에서 진행 상황을 복원할 수 있다.

Goal Mode는 토큰 예산(Token Budget)이 소진될 때까지 자율 실행을 지속한다. OpenAI는 Plus 플랜의 Codex에 월 단위 토큰 크레딧을 제공하고, 실행 중 소비량을 확인할 수 있는 대시보드를 제공한다. 토큰 예산이 80% 이상 소진되면 체크포인트를 자동 저장하고 사용자에게 알림을 보낸다.

구독자 배포와 API 검증을 나눈 출시 전략

GPT-5.5 Codex는 가입자 등급에 따라 단계적으로 배포하는 한편, API는 파트너와 함께 안전성과 보안 요구사항을 검증하는 구조로 출시됐다.

단계	대상	출시 시기	주요 기능
1단계	Pro·Enterprise	2026년 4월 23일	GPT-5.5 풀 액세스 + Codex 베타
2단계	Plus·Business	2026년 4월 24일	GPT-5.5 + Codex 기본
3단계	전체 ChatGPT 사용자	2026년 5월 5일	GPT-5.5 Instant (기본 모델 전환)
4단계	API 파트너	2026년 4월 24일	GPT-5.5 API + GPT-5.5 Pro API
5단계	Codex CLI v0.133.0	2026년 5월 21일	Goal Mode GA

GPT-5.5 Instant는 고위험 프롬프트에서 할루시네이션(Hallucination)이 52.5% 감소했으며, 2026년 5월 5일부터 모든 ChatGPT 사용자의 기본 모델로 전환됐다. API 배포 단계에서는 대규모 환경의 안전성·보안 요구사항을 파트너사와 공동 검증하고 있다.

자연어 계획과 정적 제약을 결합한 과제 분해

Codex의 과제 분해(Task Decomposition)는 LLM 기반 계획 수립(LLM-based Planning)과 정적 규칙 기반 제약(Static Rule-based Constraints)을 결합한다.

LLM은 자연어 목표를 해석해 실행 가능한 하위 태스크 그래프(Task DAG)를 만든다. 이어 정적 규칙 엔진이 위험한 시스템 호출(Dangerous Syscall), 네트워크 외부 통신 제한, 파일시스템 접근 범위를 기준으로 실행을 필터링한다. 유연한 계획 수립은 모델에 맡기되 실행 경계는 규칙으로 통제하는 방식이다.

SWE-bench와 Terminal-Bench에서 확인된 성능

GPT-5.5는 SWE-bench Verified에서 88.7%를 기록했다. 같은 벤치마크에서 Anthropic Claude Opus 4.8은 88.6%, Opus 4.7은 87.6%를 기록해 근접한 경쟁 구도를 보였다.

모델	SWE-bench Verified	Terminal-Bench 2.1
GPT-5.5 (OpenAI)	88.7%	83.4%
Claude Opus 4.8 (Anthropic)	88.6%	-
Claude Opus 4.7 (Anthropic)	87.6%	-
GPT-5.5 Instant	-	-

SWE-bench는 실제 GitHub 오픈소스 리포지터리의 이슈(Issue)를 AI가 자율적으로 해결하는 능력을 평가한다. 버그 설명과 리포지터리 코드베이스가 주어지면 AI가 적절한 코드 변경사항(Patch)을 생성해야 한다. GPT-5.5의 88.7%는 멀티파일 수정, 테스트 작성, 회귀 방지(Regression Prevention)를 함께 평가한 결과다.

GPT-5.5 기반 Codex CLI는 Terminal-Bench 2.1에서 83.4%를 기록해 터미널 기반 자율 코딩 에이전트 부문 선두에 올랐다. 이 벤치마크는 실제 터미널에서 다단계 명령 실행, 패키지 관리, 빌드 시스템 조작을 평가한다.

Codex·Claude Code·Antigravity가 갈리는 지점

2026년 중반 코딩 에이전트 시장은 OpenAI Codex(GPT-5.5), Anthropic Claude Code(Opus 4.8), Google Antigravity 2.0(Gemini 2.5 Ultra)의 경쟁 구도로 압축된다. 세 도구는 모델 성능뿐 아니라 실행 환경과 자율 작업 방식에서 차이를 보인다.

구분	OpenAI Codex + GPT-5.5	Anthropic Claude Code	Google Antigravity 2.0
핵심 모델	GPT-5.5 / GPT-5.5 Pro	Claude Opus 4.8 / Sonnet 4.6	Gemini 2.5 Ultra (추정)
실행 환경	클라우드 샌드박스 + 로컬 CLI	로컬 터미널 (파일시스템 직접 접근)	데스크톱 앱 + 병렬 서브에이전트
자율 실행	Goal Mode (세션 초월 지속)	단일 세션 에이전트 루프	멀티에이전트 팀(Agent Teams)
주요 강점	장기 자율 목표 추론	복잡한 추론·디버깅	병렬 서브에이전트 오케스트레이션
출시 형태	ChatGPT 구독 + API	터미널 CLI + IDE 확장	독립 데스크톱 애플리케이션
SWE-bench	88.7% (GPT-5.5)	88.6% (Opus 4.8)	미발표
인프라	NVIDIA GB200 NVL72 클러스터	Anthropic 자체 클러스터	Google TPU v6 (Trillium)

Codex + GPT-5.5는 장기 자율 마이그레이션, 대규모 리팩터링(Refactoring), 레거시 코드베이스 자동화에 강점을 보인다. Goal Mode가 세션을 넘어 실행을 지속한다는 점이 이 용도와 맞닿아 있다.

Claude Code는 복잡한 추론이 필요한 디버깅과 아키텍처 설계 결정, 코드 리뷰에 강점을 둔다. 로컬 파일시스템에 직접 접근하고 터미널 중심으로 동작해 기존 개발자 워크플로에 자연스럽게 결합된다.

Google Antigravity 2.0은 그린필드(Greenfield) 프로젝트와 멀티에이전트 병렬 실행이 필요한 대형 기능 개발에서 차별화된다. 여러 서브에이전트가 독립 샌드박스에서 동시에 작업해 단일 에이전트보다 시간 효율을 높인다.

현장 개발자 사이에서는 Cursor를 일상 편집기에 두고 Antigravity를 대형 자율 태스크에, Claude Code를 디버깅과 복잡한 추론에 사용하는 조합이 실용적 최적해로 인식되고 있다. Codex Goal Mode의 장기 자율 실행은 이 구성에 추가할 수 있는 또 하나의 선택지다.

대규모 추론을 떠받치는 핵심 패턴

KV-Cache 관리(KV-Cache Management)는 트랜스포머 디코딩(Transformer Decoding) 중 이전 토큰의 Key-Value 쌍을 캐시해 반복 연산을 없애는 기법이다. PagedAttention은 KV-Cache를 페이지 단위로 다뤄 메모리 단편화를 줄인다. GB200 NVL72의 13.5TB HBM3e 통합 메모리는 초대형 KV-Cache 풀을 구성할 수 있게 한다.

Continuous Batching은 진행 중인 추론 요청 배치에 새 요청을 동적으로 삽입(Preemption)해 GPU 활용률을 높인다. 실행 시간이 긴 요청이 많은 에이전트 코딩 워크로드에서 특히 효과적이다.

Mixture-of-Experts(MoE)는 입력에 따라 활성화할 전문가(Expert) 서브네트워크를 동적 라우팅으로 선택한다. GB200 NVL72는 MoE 아키텍처에서 이전 세대 대비 10배 향상된 처리량을 제공한다.

에이전트 루프(Agentic Loop)는 Plan-Act-Observe 사이클을 반복하는 자율 에이전트의 기본 패턴이다. Goal Mode는 이 루프를 세션 경계 밖으로 영속화한 Persistent Agentic Loop의 구현체다.

랙스케일 인프라와 영속 에이전트의 결합

2026년 에이전트 코딩 LLM 아키텍처는 랙스케일 통합(Rack-Scale Integration), 세션 초월 영속 에이전트(Persistent Cross-Session Agent), 멀티에이전트 오케스트레이션(Multi-Agent Orchestration)을 중심으로 진화하고 있다.

랙스케일 통합은 GPU-CPU 메모리와 NVLink 스위치 패브릭을 결합해 단일 랙이 트릴리온 파라미터 모델을 독립적으로 실행하는 방향으로 나아간다. 에이전트 실행 모델은 단일 세션에서 목표 기반 장기 자율 실행으로 옮겨가며, 하나의 강력한 에이전트에 집중됐던 역할도 특화된 에이전트 팀으로 분화한다.

GPT-5.5는 NVIDIA GB200 NVL72 위에서 훈련·서빙되는 에이전트 코딩 전용 LLM으로, SWE-bench 88.7%와 Codex Goal Mode의 세션 초월 실행 능력을 핵심 성과로 제시했다. Claude Code, Google Antigravity 2.0과 경쟁하는 가운데 장기 자율 마이그레이션과 리팩터링이 주요 차별점으로 부각된다. 랙스케일 추론 인프라와 영속 에이전트 루프의 결합은 2026년 중반 소프트웨어 엔지니어링 자동화의 새로운 기준선을 형성하고 있다.