GPT-5.5 Codex 종료 대응: 10월 14일 전에 바꿔야 할 설정

OpenAI가 2026년 9월 14일 changelog에서 GPT-5.5를 ChatGPT, ChatGPT Work, Codex에서 10월 14일 종료한다고 공지했다. 중요한 점은 API 전체 종료가 아니라 ChatGPT 로그인 기반 제품과 Codex 쪽 기본 모델 설정에 영향을 주는 변경이라는 점이다. 개발팀 입장에서 검색 의도는 분명하다. ‘GPT-5.5 Codex 종료가 우리 자동화에 영향을 주는가’, ‘어떤 설정을 언제까지 바꿔야 하는가’다.

이번 공지에서 OpenAI는 Codex with ChatGPT sign-in을 쓰는 경우 gpt-5.5에서 gpt-5.6-sol로 바꾸라고 안내했다. 동시에 workspace defaults, saved model settings, managed configurations, custom agents, scheduled tasks, scripts를 점검하라고 적었다. 즉 한 사람이 UI에서 모델만 바꾸면 끝나는 문제가 아니다. 조직 단위로 저장된 기본값과 자동화 스크립트가 남아 있으면 10월 14일 이후 갑자기 실패할 수 있다.

가장 먼저 확인할 영향 범위

첫 번째로 나눌 것은 API 호출과 제품 로그인 기반 사용이다. 공지에는 OpenAI API에는 이 retirement가 적용되지 않는다고 적혀 있다. 따라서 서버에서 직접 API 모델을 호출하는 코드가 모두 즉시 멈춘다고 해석하면 안 된다. 반대로 Codex, ChatGPT Work, ChatGPT desktop, workspace 정책으로 모델을 고정해 둔 흐름은 영향을 받을 수 있다.

실무에서는 ‘누가 어떤 표면에서 gpt-5.5를 쓰는지’를 표로 만들어야 한다. 개인 Codex CLI, 팀 workspace default, custom agent 설정, 예약 작업, CI에서 호출하는 Codex 스크립트, 문서에 남은 설치 가이드가 모두 후보가 된다. 특히 오래된 자동화는 사람이 매일 보지 않기 때문에 종료일 당일에야 깨진다.

두 번째는 인증 경로다. 같은 Codex라도 ChatGPT sign-in을 통해 쓰는지, 별도 API key 기반 wrapper를 쓰는지에 따라 영향이 다를 수 있다. 운영자는 모델 이름만 grep하지 말고 실행 환경과 인증 방식을 같이 확인해야 한다.

왜 saved model setting이 위험한가

모델 전환에서 가장 자주 빠지는 부분은 저장된 사용자 설정이다. 팀 문서에는 ‘기본 모델은 최신 권장값 사용’이라고 되어 있어도, 실제 사용자 계정이나 workspace에는 과거 모델명이 고정돼 있을 수 있다. Codex 같은 도구는 대화, 프로젝트, agent, workspace별로 선택값을 기억하는 경우가 많다.

이 설정이 위험한 이유는 실패 모드가 조용하기 때문이다. 어떤 환경은 자동으로 대체 모델을 선택할 수 있고, 어떤 환경은 실행 전 에러를 낼 수 있으며, 어떤 환경은 성능이 다른 모델로 바뀐 사실을 로그에만 남길 수 있다. 개발팀은 ‘돌아갔다’가 아니라 ‘의도한 모델로 돌아갔다’를 확인해야 한다.

관리형 설정도 마찬가지다. enterprise 환경에서는 팀별로 허용 모델 목록과 기본 모델을 따로 관리한다. 관리자가 기본값을 바꿔도 하위 agent가 명시적으로 gpt-5.5를 지정하면 계속 남을 수 있다. 따라서 변경은 위에서 한 번, 아래에서 한 번 확인해야 한다.

custom agent와 scheduled task 점검 순서

자동화가 있는 팀은 custom agent부터 봐야 한다. agent 정의에는 model, reasoning effort, tool allowlist, sandbox, approval policy 같은 값이 함께 들어간다. 모델만 바꾸면 품질과 비용이 달라질 수 있으므로 테스트 없이 일괄 치환하면 안 된다.

추천 순서는 이렇다. 먼저 gpt-5.5를 명시한 agent 목록을 뽑는다. 다음으로 agent를 위험도별로 나눈다. 문서 요약, 코드 검색, PR 설명 작성은 낮은 위험이다. 배포, 보안 리뷰, 데이터 변경, 고객 메시지 작성은 높은 위험이다. 낮은 위험 agent부터 gpt-5.6-sol로 바꿔 smoke test를 돌리고, 높은 위험 agent는 샘플 작업과 사람 리뷰를 붙인다.

Scheduled task는 더 조심해야 한다. 매일 밤 돌아가는 코드 정리, 리포트 작성, 모니터링 요약, 자동 PR 생성 작업은 실패가 누적될 수 있다. 각 작업에는 마지막 성공 시각, 모델명, 실패 시 알림 채널, rollback 방법을 붙여야 한다. 모델 전환 기간에는 성공 여부뿐 아니라 결과 품질도 샘플링해야 한다.

스크립트에서 모델명을 찾는 방법

가장 빠른 방법은 저장소와 설정 디렉터리에서 문자열을 찾는 것이다. 다만 단순 grep만으로는 부족하다. 모델명이 환경변수, JSON, YAML, shell script, CI secret 설명, 문서 예제에 흩어져 있을 수 있다.

검색할 후보는 gpt-5.5, gpt_5_5, GPT-5.5, model, defaultModel, codex_model, OPENAI_MODEL, CODEX_MODEL 같은 패턴이다. 찾은 항목은 바로 바꾸지 말고 세 그룹으로 나눈다. 실제 실행 설정, 문서 예제, 과거 로그다. 과거 로그는 수정 대상이 아니다. 문서 예제는 사용자 혼란을 막기 위해 바꾸고, 실행 설정은 테스트를 붙여 바꾼다.

스크립트가 외부 명령을 감싸는 경우에는 실패 메시지도 확인해야 한다. 10월 14일 이후에는 모델 없음, 권한 없음, fallback 발생 같은 에러가 섞일 수 있다. wrapper는 모델 변경 실패를 일반 네트워크 오류와 구분해서 알려줘야 한다.

전환 테스트는 실제 작업 샘플로 한다

모델 변경은 단순 호환성 테스트로 끝나지 않는다. 특히 Codex처럼 코드 수정과 도구 호출을 하는 환경에서는 작업 스타일이 달라질 수 있다. 같은 지시에도 파일을 더 많이 바꾸거나, 질문을 더 자주 하거나, 테스트 실행 순서가 달라질 수 있다.

따라서 최근 2주간의 실제 작업 10~20개를 샘플로 뽑는 편이 좋다. 예를 들어 작은 버그 수정 5개, 문서 변경 3개, 테스트 추가 3개, 리팩터링 3개, 보안 관련 리뷰 2개처럼 구성한다. 기존 gpt-5.5 결과와 새 모델 결과를 비교할 때는 통과 여부, 수정 파일 수, 테스트 실행 여부, 리뷰 코멘트 수, 비용, 실행 시간을 같이 본다.

성능이 좋아졌는지만 보지 말고 운영 정책도 확인해야 한다. 새 모델이 더 적극적으로 도구를 호출한다면 승인 정책을 조정해야 할 수 있다. 반대로 질문이 늘어 자동화 완료율이 떨어진다면 prompt를 보완해야 한다.

실행 체크리스트

• ChatGPT/Codex 로그인 기반 사용과 API key 기반 사용을 분리해서 영향 범위를 확인한다.
• workspace defaults, saved model settings, managed configurations를 각각 점검한다.
• custom agent 정의에서 gpt-5.5 명시값을 찾아 위험도별로 전환한다.
• scheduled task에는 마지막 성공 시각, 실패 알림, rollback 방법을 붙인다.
• 저장소와 설정 디렉터리에서 모델명 문자열을 검색하되 로그와 실행 설정을 구분한다.
• 모델 전환 후 실제 작업 샘플 10개 이상으로 품질과 비용을 비교한다.
• 10월 14일 전 최소 1주일은 새 기본값으로 운영해 실패 로그를 모은다.

출처: OpenAI ChatGPT & Codex changelog, 2026-09-14 GPT-5.5 retirement 공지