5분 만에 config.toml로 Codex Pro 플랜 사용량 최적화하기

Your Codex 5x 및 20x Pro 플랜이 너무 빨리 소진되고 있습니다. 그 원인은 Codex가 하위 에이전트를 처리하는 방식의 라우팅 결함 때문입니다.

모델 선택기에서 GPT 5.6 Sol을 "Ultra"로 설정하면, Codex가 생성하는 모든 하위 에이전트도 Sol Ultra로 실행됩니다.

spawn_agent 도구는 하위 에이전트에 다른 모델이나 추론 수준을 선택할 수 있게 해주지 않습니다. 부모 에이전트의 설정을 그대로 복사합니다. 하나의 작업에 세 개의 하위 에이전트가 있다는 것은 세 개의 Sol Ultra 인스턴스가 동시에 실행되어 각각 할당량을 최대 속도로 소모한다는 뜻입니다.

https://x.com/evi77ain/status/2075445272013095033

다음과 같은 더 스마트한 모델 조합을 사용하면 토큰 사용량을 약 50%까지 줄일 수 있습니다:

• GPT 5.6 Sol Extra High를 메인 두뇌로 사용
• GPT 5.6 Sol Medium을 더 똑똑한 하위 에이전트에 사용
• GPT 5.6 Terra High를 빠른 경량 에이전트에 사용

왜 이 세 가지 모델일까요? 설정 파일을 수정한 후에 설명드리겠습니다.

아이디어는 간단합니다. 계획, 아키텍처 설계, 위임할 작업 결정 등 사고를 담당하는 "오케스트레이터(Orchestrator)" 모델 하나가 있어야 합니다. 그런 다음 계획을 실행하는 "실행자(Executor)" 모델이 있습니다. 실행자는 더 저렴하고 빠르며, 전체 성능의 추론 능력 없이도 지침을 따를 수 있을 만큼 똑똑합니다.

Codex는 이미 config.toml 파일과 사용자 정의 에이전트 정의를 통해 이를 지원합니다. 작은 설정 파일에 에이전트 역할을 정의하고, 각 역할이 사용할 모델을 설정한 다음, Codex에 언제 어떤 에이전트를 사용할지 알려주는 라우팅 정책을 추가합니다. 이후에는 Codex가 모든 것을 자동으로 처리합니다. 작업을 제출하는 방식은 이전과 완전히 동일합니다.

Codex에게 "자동 모드"를 구축해 달라고 요청하세요

Codex를 열고 다음 프롬프트를 붙여넣으세요. 그러면 기존 설정을 읽고, 에이전트 파일을 생성하며, 라우팅 정책을 업데이트합니다.

1제 현재 ~/.codex/config.toml 파일과 사용자 정의 에이전트 정의에 대한 문서(https://developers.openai.com/codex/subagents)를 읽어주세요.
2
3그런 다음 다음 작업을 수행하세요:
4
51. ~/.codex/agents/ 디렉토리 아래에 세 개의 에이전트 TOML 파일을 생성하세요:
6
7   fast_scan — 빠른 검색, 코드베이스 탐색, 파일 읽기 및 경량 분석용.
8   - model: gpt-5.6-terra
9   - model_reasoning_effort: high
10   - sandbox_mode: read-only
11   - Instructions: 증거를 신속하게 수집하고 간결한 요약을 반환하며, 파일을 편집하지 마세요.
12
13   routine_worker — 일상적인 코딩, 테스트, 문서화 및 범위가 정해진 수정 작업용.
14   - model: gpt-5.6-sol
15   - model_reasoning_effort: medium
16   - Instructions: 할당된 작업을 구현하고 결과를 검증하세요.
17
18   deep_worker — 어려운 디버깅, 아키텍처, 보안 및 모호한 다단계 작업용.
19   - model: gpt-5.6-sol
20   - model_reasoning_effort: high
21   - Instructions: 복잡한 작업은 신중하게 처리하고, 가정을 검증하며, 강력한 확인을 제공하세요.
22
232. 내 config.toml의 [agents] 섹션을 다음 라우팅 정책으로 업데이트하세요:
24
25   "위임이 유용한지 자동으로 결정하세요.
26   가벼운 읽기 전용 작업에는 fast_scan을, 일반적인 구현 작업에는 routine_worker를,
27   복잡하거나 고위험 추론이 필요한 작업에는 deep_worker를 선택하세요.
28   필요한 모델을 사용할 수 없는 경우가 아니라면 사용자에게 모델 선택을 요청하지 마세요.
29   간단한 작업은 메인 에이전트에 유지하세요."
30
313. [agents] 아래에 max_threads = 6 및 max_depth = 1이 설정되어 있는지 확인하세요.
32
334. 저장하기 전에 검토할 수 있도록 최종 config.toml과 세 개의 에이전트 파일을 모두 보여주세요.

Codex가 파일을 생성한 후, Codex를 다시 시작하거나 새 작업을 여세요. 에이전트는 시작 시 로드됩니다.

수정 후에 어떤 변화가 있을까요?

이 수정 전에는 모든 하위 에이전트가 메인 에이전트와 동일한 모델 및 추론 수준으로 실행되었습니다.

이 수정 후에는 Codex가 (자율적으로) 에이전트 파일을 읽고 작업이 간단할 때 더 저렴한 모델을 선택합니다. 파일 검색은 Sol Ultra 대신 Terra High로 라우팅됩니다. 일상적인 버그 수정은 Sol Medium에서 실행됩니다. 어려운 작업만 Sol High를 사용합니다. 메인 에이전트는 세션 시작 시 모델 선택기에서 설정한 대로 유지됩니다.

여전히 재정의할 수 있습니다. 프롬프트에 "Sol만 사용" 또는 "하위 에이전트 사용 안 함"이라고 말하면 라우팅이 우회됩니다.

에이전트 파일은 어떻게 생겼나요?

Codex는 다음과 같은 파일을 생성합니다. 각 파일은 ~/.codex/agents/ 아래에 위치합니다.

1# ~/.codex/agents/fast-scan.toml
2name = "fast_scan"
3description = "빠른 검색, 코드베이스 탐색 및 가벼운 읽기 전용 분석에 사용합니다."
4model = "gpt-5.6-terra"
5model_reasoning_effort = "high"
6sandbox_mode = "read-only"
7developer_instructions = """
8증거를 신속하게 수집하고 간결한 요약을 반환합니다.
9파일을 편집하지 마세요.
10"""

1# ~/.codex/agents/routine-worker.toml
2name = "routine_worker"
3description = "일상적인 코딩, 테스트, 문서화 및 범위가 정해진 수정 작업에 사용합니다."
4model = "gpt-5.6-sol"
5model_reasoning_effort = "medium"
6developer_instructions = """
7할당된 범위 내 작업을 구현하고 결과를 검증합니다.
8"""

1# ~/.codex/agents/deep-worker.toml
2name = "deep_worker"
3description = "어려운 디버깅, 아키텍처, 보안 및 모호한 다단계 작업에 사용합니다."
4model = "gpt-5.6-sol"
5model_reasoning_effort = "high"
6developer_instructions = """
7복잡한 작업은 신중하게 처리하고, 가정을 검증하며, 강력한 확인을 제공합니다.
8"""

config.toml 파일의 라우팅 정책은 오케스트레이터에게 언제 각 에이전트를 사용할지, 언제 작업을 메인 에이전트에 유지할지 지시합니다.

왜 이 모델과 추론 수준 조합인가요?

GPT 5.6에는 세 가지 모델(Sol, Terra, Luna)과 여섯 가지 추론 수준(Low, Medium, High, Extra High, Max, Ultra)이 있습니다. 이는 18가지 가능한 조합입니다. 대부분은 Codex 하위 에이전트 작업에 적합하지 않습니다. 위의 라우팅은 이번 주에 발표된 두 개의 독립적인 벤치마크 보고서에서 선택한 네 가지 모델 변형만 사용합니다.

Artificial Analysis는 모든 GPT 5.6 모델을 모든 추론 수준에서 추론, 지식 및 코딩을涵盖하는 9가지 서로 다른 테스트로 평가했습니다. 그들은 모델당 하나의 종합 점수를 발표합니다.

최대 추론 수준의 Sol은 100점 만점에 59점을 기록합니다. Extra High의 Sol은 58점입니다. 이는 1점 차이입니다. 비용 차이는 대략 3배입니다. Max는 그 1점을 얻기 위해 약 3배의 토큰을 소모합니다.

작업을 계획하고 하위 에이전트를 조정하는 루트 오케스트레이터의 경우, Extra High는 토큰 비용의 1/3로 동일한 품질의 결정을 제공합니다. Max와 Ultra는 99%의 작업에 과잉입니다.

Ultra는 사용하지 마세요. Ultra는 단일 에이전트 내에서 4개의 병렬 하위-하위 에이전트를 생성하기 때문에 더 비쌉니다. 명령줄 코딩 워크플로를 테스트하는 Terminal-Bench에서 Sol Ultra는 91.9%를 기록한 반면, Sol은 88.8%를 기록했습니다. 이는 약 3배의 비용으로 3.1점을 추가로 얻는 것입니다. OpenAI는 두 가지 주요 코딩 벤치마크에 대한 Ultra 결과를 발표하지도 않았습니다. 이미 하위 에이전트인 에이전트에 Ultra를 사용하면 재귀적 생성, 즉 하위 에이전트가 더 많은 하위 에이전트를 생성하는 상황이 발생합니다. Codex 문서에서는 이에 대해 특별히 경고하고 있습니다.

왜 일상 작업에 Sol Medium인가요?

Medium 추론 수준의 Sol은 55개 전문 분야에 걸친 장기 실행 워크플로 테스트인 Agents' Last Exam에서 여전히 Claude Fable 5를 11.4점 차이로 능가합니다. 또한 약 1/4의 비용으로 이를 수행합니다.

Medium은 계획을 따르고, 기능을 작성하고, 버그를 수정하거나 테스트를 실행하기에 충분히 강력합니다. 스스로 아키텍처 결정을 내릴 필요가 없습니다. Codex 팀 역시 Sol medium을 일상적인 드라이버 모델로 권장합니다.

https://x.com/thsottiaux/status/2075581430055493909

왜 경량 작업에 Luna 대신 Terra High인가요?

이것이 사람들을 놀라게 하는 부분입니다. Luna는 Terra($2.50/$15)에 비해 토큰당 가격($1/$6 per million)이 더 저렴합니다. 하지만 토큰 가격이 전부는 아닙니다.

DeepSWE v1.1은 91개의 오픈 소스 프로젝트에 걸쳐 113개의 실제 엔지니어링 작업에서 코딩 에이전트를 테스트합니다. 각 모델이 완료하는 작업의 비율, 각 작업의 총 비용, 그리고 필요한 단계 수를 측정합니다.

2026년 7월 9일자 결과:

• Sol at max: 73%의 작업 완료, 작업당 $8.39, 61단계 소요.
• Terra at max: 70%, $4.95, 76단계.
• Luna at max: 67%, $3.03, 102단계.
• Claude Fable 5 at max: 70%, $21.63, 88단계.
• Claude Opus 4.8 at max: 59%, $13.22, 120단계.

Luna의 작업당 $3.03은 단계 수를 확인하기 전까지는 좋아 보입니다. Terra의 76단계에 비해 102단계입니다. 각 단계는 자체 입력 및 출력 토큰이 있는 도구 호출입니다. 더 많은 단계는 더 많은 총 토큰 소모, 더 많은 시간, 그리고 모델이 오류에 빠져 재시도할 가능성을 의미합니다.

Luna는 또한 대규모 코드베이스를 처리할 수 없습니다. 모델이 긴 입력에서 정보를 얼마나 잘 기억하는지 측정하는 테스트인 Nerova에서 Luna는 41.3%를 기록했습니다. Terra는 89.6%를 기록했습니다. Sol은 91.5%를 기록했습니다. 하위 에이전트가 수천 개의 파일을 검색하고 해당 컨텍스트를 유지해야 할 때, Luna는 Terra가 잡아내는 것을 놓칩니다.

Artificial Analysis Coding Agent Index(DeepSWE, Terminal-Bench 및 SWE-Atlas-QnA를 하나의 코딩 점수로 결합)에서 Sol은 80점, Terra는 77.4점, Luna는 74.6점, Claude Fable 5는 77.2점을 기록했습니다. Terra는 Sol보다 2.6점 낮지만 비용은 절반입니다. 파일을 읽고 증거를 수집하는 하위 에이전트에게는 이 2.6점이 중요하지 않습니다. 그러나 어려운 다중 파일 디버깅을 수행하는 하위 에이전트에게는 중요합니다. 이것이 바로 해당 작업이 Sol High로 전달되는 이유입니다.

최대 수준의 Terra는 또한 DeepSWE 점수에서 Claude Fable 5와 일치(둘 다 70%)하면서 Fable 비용의 4분의 1 미만($4.95 대비 $21.63)입니다. 경량 하위 에이전트에서 $5에 Fable 수준의 코딩 성능을 얻는 셈입니다.

결론

config.toml 파일을 수정하세요. 루트 에이전트를 Sol Extra High로 설정하세요. 일상적인 하위 에이전트 작업을 Sol Medium으로 설정하세요. 가벼운 읽기 전용 작업을 Terra High로 설정하세요. Luna, Low, Ultra는 하위 에이전트에 사용하지 마세요. 한 번만 설정하면 됩니다. 이후 모든 Codex 세션은 자동으로 라우팅되며 Pro 플랜이 의도한 대로 지속됩니다.