빠른 선택
모델 선택 기준
- 복잡한 구현, 디버깅, 리서치: 공식 권장 기본 모델부터 시작
- 가벼운 수정, 빠른 반복, subagent: mini 계열 검토
- CLI 기본값: config.toml 의 model
- CLI 임시 실행: codex -m <model>
- 활성 CLI thread: /model
- IDE: 입력창 아래 model selector
- Cloud task: 현재 기본 모델 변경 불가전환 방식
기본 모델은 반복 작업의 품질과 비용을 동시에 바꾼다
Codex 모델 선택은 단순한 속도 설정이 아닙니다. 모델이 달라지면 긴 문맥을 유지하는 능력, 복잡한 diff를 이해하는 능력, 도구 사용 안정성, 비용과 지연 시간이 함께 바뀝니다. 공식 Models 문서는 대부분의 Codex 작업에서 권장 모델로 시작하고, 더 빠르고 낮은 비용이 필요한 가벼운 작업이나 subagent에는 mini 계열을 검토하는 흐름을 안내합니다. 팀 설정에서는 "항상 가장 강한 모델"보다 작업 유형별 기본값을 나누는 편이 운영 비용을 예측하기 쉽습니다.
CLI와 IDE는 기본값과 임시 전환을 분리해서 쓴다
CLI와 IDE extension은 같은 config.toml 설정을 공유합니다. 매번 같은 모델로 시작하고 싶다면 model 키를 기본값으로 둡니다. 한 번만 다른 모델로 새 thread를 시작하거나 codex exec를 실행할 때는 --model 또는 -m 플래그가 더 적합합니다.
model = "gpt-5.5"codex -m gpt-5.5
codex exec -m gpt-5.4-mini "Run a focused lint fix"활성 CLI thread 안에서는 /model 명령으로 모델을 바꿀 수 있고, IDE extension에서는 입력창 아래 model selector를 사용합니다. 기본값 변경과 임시 전환을 섞어 쓰면 다음 작업에서 어떤 모델이 적용됐는지 헷갈리므로, 반복 기본값은 설정 파일에 두고 예외는 플래그나 UI에서 처리하는 방식이 안전합니다.
Cloud task는 로컬 전환과 같은 방식으로 보지 않는다
공식 문서 기준으로 Codex cloud task의 기본 모델은 현재 사용자가 바꿀 수 없습니다. 로컬 CLI에서 -m을 붙였거나 IDE selector를 바꿨다고 해서 Cloud 작업까지 같은 모델 선택 규칙이 적용된다고 가정하면 안 됩니다. Cloud로 넘길 작업은 모델 세부 선택보다 작업 지시, 검증 명령, 환경 준비, PR 검토 기준을 명확히 주는 쪽이 더 직접적인 제어 지점입니다.
어디서 바꿀까
| 상황 | 적합한 선택 |
|---|---|
| 매번 같은 모델로 로컬 작업을 시작할 때 | config.toml의 model |
| 새 CLI thread에서만 다른 모델을 쓸 때 | codex -m <model> |
codex exec 작업만 다른 모델로 돌릴 때 | codex exec -m <model> |
| 진행 중인 CLI thread에서 바꿀 때 | /model |
| IDE에서 눈으로 확인하며 바꿀 때 | model selector |
| Cloud task 모델을 고정하고 싶을 때 | 현재 직접 변경 불가, 작업 지시와 검증 조건 보강 |
주의할 점
모델 전환은 문제 해결 전략을 바꾸는 결정입니다. 빠른 모델로 실패한 작업을 같은 프롬프트로 반복하기보다, 더 강한 모델로 올리거나 작업 범위를 더 작게 나누는 판단이 필요합니다.
실패 예시
- 로컬 CLI에서 gpt-5.4-mini 로 빠른 수정에 성공함
- 같은 설정이 Cloud task에도 적용된다고 보고 장기 리팩터링을 위임함
- 결과: 모델 선택이 아니라 Cloud 기본값과 작업 지시 품질이 실제 제어 지점이었음
- 대응: 로컬 모델 전환과 Cloud task 운영 조건을 분리해서 확인한다참고 링크
2 sources