Quick Comparison

모델보다 먼저 작업 범위와 검증을 좁힌다. 같은 실패를 작은 모델로 반복하기보다, 복잡도를 줄이거나 추론 강도(reasoning effort)를 올리고 필요할 때 상위 모델로 바꾼다. 실제 선택지는 사용 surface, 플랜, workspace policy에 따라 달라질 수 있다.

기본값과 일회성 전환

ChatGPT desktop app, Codex CLI, IDE extension은 같은 config.toml의 model 기본값을 사용한다. 기본값을 비워 두면 권장 모델이 적용된다. 팀이 특정 모델을 강제할 때는 managed configuration의 requirements가 local 설정이나 CLI override보다 우선할 수 있다.

# 반복되는 local 작업의 시작 모델
model = "gpt-5.6"

한 번의 CLI 실행만 바꿀 때는 config 파일을 수정하지 말고 --model 또는 -m을 쓴다. 진행 중인 interactive CLI session은 /model로 모델과 reasoning effort를 바꾼다. desktop app에서는 composer 아래의 model·reasoning control에서 현재 가능한 항목을 고른다.

codex --model gpt-5.6-sol
codex exec -m gpt-5.6-luna "Review the current changes"

높은 추론 강도는 복잡한 계획과 분석 품질을 높일 수 있지만, 시간과 token 사용량도 늘린다. 기본값에서 시작하고, 누락된 원인 분석이나 다단계 변경처럼 깊이가 필요한 경우에만 올린다.

Cloud chat은 별도 경계다

Cloud chat의 기본 모델은 현재 사용자가 직접 바꿀 수 없다. local CLI에서 붙인 -m, config.toml의 model, desktop app의 선택이 Cloud chat에 그대로 전파된다고 가정하면 안 된다.

Cloud에 맡길 때의 직접적인 제어 지점은 모델 이름이 아니라 작업 지시다. 변경할 경로, 보존할 동작, 실행할 검증, 결과 diff를 검토할 기준을 적어야 한다. 모델 availability나 retired identifier는 제품·플랜·workspace 설정에 따라 바뀔 수 있으므로, 장기 script와 managed default에는 현재 Models 페이지의 권장 identifier만 사용한다.