AI WORKFLOW · USAGE & MODEL ALLOCATION
코덱스 5시간 제한 복귀줄어든 사용량은 모델 배분으로 지키는 시대
몇 주간 주간 한도만 적용되던 코덱스와 ChatGPT Work에 5시간 사용 제한이 다시 돌아왔습니다. 문제는 "쓸 수 있는 양"이 아니라, 같은 요금을 내고도 모델 선택에 따라 몇 배나 다른 사용 효율이 나온다는 점입니다. 이 글에서는 공식 요금 문서에서 확인한 플랜·모델별 사용량 구조를 바탕으로, 제한 시대에 맞는 모델 배분 전략을 정리합니다.
개발자 커뮤니티에서는 이번 제한 복귀를 두고 불만과 함께 실사용 노하우가 쏟아졌습니다. 특히 눈에 띄는 것은 가장 가벼운 모델에 추론 시간을 길게 주는 조합이 비용 대비 성능이 좋다는 평가, 그리고 코딩·설계·조사를 서로 다른 도구에 나눠 맡기는 운영법이었습니다.
다만 커뮤니티 평가는 어디까지나 체감 기준입니다. 이 글은 그 이야기를 출발점으로 삼되, 판단 근거는 전부 OpenAI 공식 문서에서 다시 확인했습니다. 어디까지가 공식 확인 사실이고 어디부터가 사용자 평가인지 구분해서 읽어야 실무에 그대로 옮겨 쓸 수 있습니다.
먼저 결론
- 5시간 제한 복귀는 예산 관리의 시작 신호입니다. Plus 사용자는 5시간 윈도우와 주간 한도를 함께 의식하며 써야 하고, 한도 도달 시 잔여 분 대기·다음 사이클 대기·크레딧 추가 구매 중 하나를 선택합니다.
- 같은 요금제 안에서 모델 선택이 곧 사용량입니다. 공식 문상 Plus 기준 5시간당 상한은 Sol 10–100건, Terra 25–200건, Luna 250–2,000건으로 최대 20배 차이가 납니다. 모든 작업을 최상위 모델로 돌리는 습관이 가장 비쌉니다.
- 플랜을 올리기 전에 배분부터 다시 하세요. 반복·추출·분류는 Luna, 일상 개발은 Terra, 정교한 결과물은 Sol처럼 업무 난이도에 모델을 대응시키고, 설계·조사 등 강점이 분명한 작업은 전용 도구에 나누는 것이 순서입니다.
1. 무엇이 바뀌었나 — 5시간 제한의 복귀
OpenAI는 몇 주간 코덱스와 ChatGPT Work에 주간 사용 상한만 적용해 오다가, 2026년 8월 25일부터 Plus 구독자에게 5시간 사용 제한을 다시 적용했습니다. 복잡한 룰처럼 들리지만 구조는 단순합니다. 로컬 메시지와 클라우드 대화가 같은 5시간 윈도우를 공유하고, 여기에 주간 한도가 별도로 얹힙니다. 둘 중 먼저 닿는 벽에서 작업이 멈춥니다.
이번 조치의 배경에 대해 OpenAI 코덱스·ChatGPT 엔지니어링 총괄은 두 가지 이유를 공개적으로 설명했습니다. 첫째, 5시간 제한이 컴퓨팅 부하를 분산시켜 주간 사용량을 관대하게 유지할 수 있게 한다는 것. 둘째, Plus 사용자 중 상대적으로 가벼운 이용자나 신규 이용자가 사고로 주간 사용량을 전부 소진하고 혼란을 겪는 경우가 있었다는 것입니다. 즉 이번 복귀는 수요 폭증에 대한 서버 보호와 초보 이용자 보호가 함께 묶인 결정입니다.
주목할 점은 적용 범위입니다. Pro 100달러·200달러 구독은 향후 몇 개월간 5시간 제한 적용을 유예합니다. 회사 단위 계약인 Enterprise·Edu는 별도의 크레딧 기반 체계를 쓰거나 Plus와 같은 좌석당 한도를 적용받습니다. 요금제가 올라갈수록 벽이 멀어지고 유연해지는 구조입니다.
2. 한도에 닿으면 어떻게 되나 — 확인된 대응 경로
사용량이 5시간 한도나 주간 한도에 닿으면 선택지는 세 가지로 압축됩니다. 다음 사이클까지 기다리기, 남은 시간만큼만 이어 쓰기, 크레딧을 추가로 구매하기입니다. 공식 문서 기준으로 정리하면 아래와 같습니다.
- Free / Go ($0 / $8) — 가벼운 작업 중심의 좁은 한도. 상위 플랜으로 이동 필요.
- Plus ($20) — 5시간 제한 적용(2026-08-25부터 복귀). 로컬·클라우드가 같은 윈도우를 공유하며, 한도 초과 시 대기 또는 크레딧 추가 구매.
- Pro ($100 5배 / $200 20배) — 향후 몇 개월간 5시간 제한 유예. 한도 초과 시 크레딧 추가 구매.
- Business (좌석당 $20) — 좌석당 한도 관리. 초과 시 워크스페이스 크레딧 구매.
- Enterprise / Edu (별도 계약) — 유연 과금 계약은 고정 한도 없음, 비(非)유연 계약은 Plus 수준 한도 적용.
여기에 두 가지 변동 요소가 더 붙습니다. 하나는 속도 설정입니다. 빠른 모드는 지원 모델에서 크레딧을 더 빨리 소진시켜, 결과적으로 포함된 한도도 빨리 줄어듭니다. 다른 하나는 이미지 생성입니다. 공식 문서는 이미지 생성이 평균적으로 한도를 약 3~5배 빠르게 소진한다고 안내합니다. 같은 5시간이라도 어떤 기능을 쓰느냐에 따라 실제 체감 사용 가능량이 크게 달라집니다.
3. 같은 요금, 다른 사용량 — GPT-5.6 계열의 격차
이번 제한 복귀에서 실무적으로 더 중요한 사실이 공식 문서에 있습니다. 바로 모델마다 5시간당 허용 메시지 수가 크게 다르다는 점입니다. OpenAI는 코덱스에 GPT-5.6 계열 세 모델을 제공하며, 공식 문서에 밝힌 Plus 기준 5시간당 상한은 아래와 같습니다.
| 모델 | 공식 위치 | Plus | Pro 5배 | Pro 20배 | Business |
|---|---|---|---|---|---|
| GPT-5.6 Sol | 정교·고난도 | 10–100건 | 50–500건 | 200–2,000건 | 10–100건 |
| GPT-5.6 Terra | 일상 작업용 | 25–200건 | 125–1,000건 | 500–4,000건 | 25–200건 |
| GPT-5.6 Luna | 대량·반복용 | 250–2,000건 | 1,250–10,000건 | 5,000–40,000건 | 250–2,000건 |
숫자를 읽는 요령이 하나 있습니다. 상한이 범위로 표시된 이유는 메시지 하나가 실제로 소모하는 사용량이 작업 규모에 따라 다르기 때문입니다. 긴 맥락을 읽고 여러 파일을 고치는 큰 작업일수록 한 건이 무겁고, 짧은 질문·응답일수록 가볍습니다. 그래서 같은 모델이라도 10건밖에 못 쓰는 5시간도 있고 100건 쓰는 5시간도 있습니다.
중요한 것은 모델 간 격차입니다. Plus 기준 최상위 Sol의 하한(10건)과 Luna의 상한(2,000건) 사이에는 최대 200배 차이가 있고, 대표값으로 비교해도 수 배에서 20배 수준입니다. 공식 문서도 이 구조를 명시적으로 안내합니다. Plus 플랜 안내에 "가벼우면서 대량인 작업에는 더 높은 사용 한도를 주는 GPT-5.6 Luna"라고 쓰여 있을 정도입니다. 즉 모델 선택은 취향이 아니라 사용량 예산 배분 행위입니다.
참고로 세 모델의 공식 역할 정의는 이렇습니다. Sol은 모호하고 어렵고 결과 품질이 중요한 작업용, Terra는 강한 추론과 도구 사용이 필요한 일상 작업의 기본값, Luna는 좋은 결과가 어떤 생깇인지 이미 아는 구체적·대량 작업용입니다. 또한 이전 세대인 GPT-5.4와 GPT-5.4 mini는 2026년 8월 31일부로 코덱스에서 물러나며, 공식 문서는 저장된 구성에서 gpt-5.4를 gpt-5.6-terra로, gpt-5.4-mini를 gpt-5.6-luna로 바꾸라고 안내합니다.
4. 그래서 어떻게 나눠 쓰나 — 업무별 모델 배분 전략
여기까지가 공식 확인 사실입니다. 이제 실무 배분으로 넘어갑니다. 개발자 커뮤니티에서 반복적으로 나온 결론은 두 가지였습니다. 첫째, 모든 작업을 최상위 모델로 돌리던 습관을 버리고 업무 난이도에 모델을 대응시킨다. 둘째, 코딩·설계·자료 조사처럼 강점이 분명한 작업은 서로 다른 도구에 나눠 맡긴다는 것입니다. 이를 공식 문서의 모델 정의와 결합하면 아래와 같은 배분표가 나옵니다.
| 업무 유형 | 추천 모델 | 왜 그 모델인가 | 사용량 영향 |
|---|---|---|---|
| 자료 추출·분류·변환 | Luna | 좋은 결과의 형태가 정해져 있어 확인 기준이 단순함 | 5시간당 허용량이 가장 큼 — 대량 처리에 유리 |
| 일상 개발·리팩터링 | Terra | 강한 추론과 도구 사용이 필요한 기본 작업용 | Sol보다 2배 이상 여유 |
| 정교한 결과물·심층 분석 | Sol | 모호하고 어려운 고가치 작업에 추가 판단·다듬기 필요 | 한도 소모가 가장 빠름 — 아껴서 쓸 것 |
| 설계·문서 작성 | 전용 도구 | 구조 설계와 긴 문서 작업은 다른 모델이 강점 | 코덱스 예산을 코드에 집중 가능 |
| 대용량 자료 조사·요약 | 전용 도구 | 긴 맥락 읽기와 검색 중심 작업에 유리한 서비스 존재 | 코덱스 예산을 코드에 집중 가능 |
배분의 핵심은 "어떤 작업이 진짜 비싼 모델을 필요로 하는가"를 먼저 가르는 것입니다. 대부분의 반복 업무는 결과물 형태가 이미 정해져 있습니다. 목록 추출, 분류, 형식 변환, 정형 요약 같은 작업은 확인 기준이 단순하므로 가벼운 모델로도 품질이 유지됩니다. 반면 아직 방향이 정해지지 않은 작업, 여러 제약이 얽힌 작업, 제출용 문서의 최종 다듬기는 판단력이 필요하므로 상위 모델의 몫입니다.
커뮤니티에서 자주 인용된 감각도 이 방향과 일치합니다. 가장 저렴한 모델에 추론 시간을 넉넉히 주는 조합이 비용 대비 만족도가 높다는 평가, 그리고 "100달러어치를 쓰면 200달러 느낌"이라는 체감 표현은 모두 가벼운 모델을 아낌없이 쓰는 운영법의 다른 말입니다. 공식 문서의 추론 단계 안내와도 맞물립니다. 결과가 확실한 작업에는 낮은 추론 단계를, 여러 근원과 트레이드오프가 얽힌 작업에 높은 단계를 쓰라고 권하고 있기 때문입니다.
5. 사용량을 아끼는 프롬프트 운용 — 커뮤니티 경험과 공식 안내
모델 배분만큼 중요한 것이 입력 관리입니다. 공식 문서는 사용량을 아끼는 방법으로 세 가지를 명시적으로 안내합니다. 첫째, 프롬프트 크기를 줄이라 — 지시는 정확하게, 맥락은 불필요한 것을 덜어내라. 둘째, 자료 범위를 좁혀라 — 관련된 파일만 넘겨라. 셋째, (속도·이미지 등 소모가 큰 기능은 신중히 쓰라.) 커뮤니티에서도 같은 맥락의 경험이 반복됐습니다. 긴 맥락을 통째로 넘기는 습관이 사용량을 가장 빨리 태우고, 작업 단위를 잘게 나누는 편이 제한 시대에 유리하다는 것입니다.
여기에 더해 프롬프트 작성 방식 자체에 대한 실무 합의도 눈여겨볼 만합니다. 최근 커뮤니티 논의에서는 정교하게 짠 복잡한 자기 개선 루프보다, 모델이 스스로 프롬프트를 다듬게 한 뒤 확정하는 방식이 기본기로 자리 잡고 있다는 정리가 나왔습니다. 자기 개선 루프가 무효하다는 뜻은 아닙니다. 다만 루프를 돌릴 때 새로운 정보가 실제로 유입되는지, 같은 자기 평가만 반복하지 않는지 확인해야 한다는 조건이 붙습니다. 사용량이 제한된 환경에서는 한 번의 루프가 곧 한 번의 소모이므로, 루프 설계 자체가 비용 문제가 됩니다.
정리하면 사용량 절약은 세 층으로 이뤄집니다. ① 모델 배분으로 건당 소모를 낮추고, ② 입력 정리로 건수를 줄이고, ③ 반복 구조를 점검해 불필요한 재시도를 없애는 것입니다. 순서도 이 순서가 좋습니다. 모델을 바꾸는 것이 가장 즉각적이고, 입력 습관은 훈련이 필요하며, 루프 구조 점검은 팀 단위로 정착시킬 때 효과가 큽니다.
6. 도구 분업 — 코딩은 코덱스, 설계와 조사는 다른 강점으로
모델 배분의 확장판은 도구 배분입니다. 커뮤니티에서 정리된 운영법은 "코딩은 코덱스, 설계와 문서는 다른 모델, 대용량 자료 읽기는 또 다른 서비스"처럼 작업 성격에 따라 도구를 나누는 것입니다. 이는 특정 제품 옹호가 아니라 각 도구의 강점 영역이 실제로 다르기 때문에 나온 실무 관습입니다. 이 블로그에서도 반복적으로 다뤄온 주제입니다. 계획 수립과 구현을 서로 다른 모델에 나눠 맡기는 방식은 이미 검증된 협업 구조이고, 여러 도구를 한 팀으로 묶는 하네스 설계도 같은 맥락입니다.
도구 분업의 실무 이점은 두 가지입니다. 첫째, 한 도구의 사용량 벽에 전체 업무가 묶이지 않습니다. 설계 단계에서 긴 대화를 다른 도구에서 소화하고, 코덱스 예산은 코드 작성에 집중할 수 있습니다. 둘째, 도구별 강점에 작업을 맡기므로 결과 품질 자체가 올라갑니다. 검색 중심 조사, 긴 맥락 요약, 구조 설계, 구현은 요구하는 능력이 다르고, 각 영역에서 평가가 쌓인 도구가 따로 있는 상태입니다.
물론 비용 구조는 더 복잡해집니다. 구독이 여러 개가 되면 월 고정비는 늘지만, 각 도구의 유료 한도를 전부 활용하게 되므로 단위 작업당 비용은 오히려 내려갈 수 있습니다. 관건은 실제 사용 로그입니다. 어느 도구에 어느 작업을 몰아주는 것이 전체 비용 대비 산출을 높이는지는 팀마다 다르므로, 분업을 정착시킬 때는 작업 유형별 기록을 한두 주 남기는 것이 좋습니다.
7. 실험 계획 — 팀에서 정착시키는 순서
여기까지의 내용을 팀 운영으로 옮길 때는 한 번에 다 바꾸지 말고 측정 가능한 단위부터 시작하는 것이 좋습니다. 아래 다섯 단계는 이번 제한 복귀를 계기로 세운 표준 실행 순서입니다.
1단계 기록에서 놓치지 말아야 할 것은 실패 작업의 재시도 횟수입니다. 같은 작업을 여러 번 다시 시도했다면 그 원인이 모델 선택인지, 입력 부실인지, 작업 정의가 모호한 것인지 가려야 합니다. 재시도야말로 보이지 않는 사용량 소모의 최대 원인이기 때문입니다.
3~4단계에서는 팀 공통 기준을 문서 하나로 남기세요. "이 유형은 이 모델"이라는 배분표와 "이 작업은 이 도구"라는 이관표가 함께 있으면 새 프로젝트 시작 시 결정 비용이 사라집니다. 5단계에서는 모델 구성이 바뀌거나 요금 정책이 다시 조정될 때마다 배분표를 다시 보면 됩니다. 이번처럼 정책이 수시로 바뀌는 시기에는 배분표 자체가 살아있는 문서여야 합니다.
마지막으로 다음에 확인할 목록을 남깁니다.
다음에 확인할 목록
- 5시간 윈도우와 주간 한도 중 내 사용 패턴이 무엇에 먼저 닿는지 일주일 기록으로 확인
- 반복·대량 작업의 기본 모델을 가벼운 모델로 바꾼 뒤 결과 품질과 소모량 변화 비교
- GPT-5.4 계열 물러남(8월 31일)에 맞춰 저장된 구성·자동화의 모델 지정 일괄 점검
- 설계·조사 작업의 전용 도구 이관 후 코덱스 예산 집중 효과 측정
- 재시도가 잦은 작업의 원인 분류 — 모델 문제인지 입력 문제인지 작업 정의 문제인지
마무리
사용 제한은 AI 사용을 줄이라는 뜻이 아니라, 비싼 판단력을 정말 필요한 곳에만 배치하라는 뜻입니다. 모델 배분표 한 장 만드는 것에서 시작할 수 있습니다.
복사해서 쓰는 모델 배분 판단용 지시문
이 작업을 다음 기준으로 분류하세요: 반복 처리/자료 조사/코드 작성/최종 검토. 분류 결과와 함께 각 단계에 쓸 모델 등급(경량/표준/고성능)을 제안하고, 고성능 모델을 쓰는 이유가 되는 구간을 한 줄로 설명하세요.
출처 및 확인 기준
- OpenAI Codex Pricing 공식 문서 — 플랜별 요금과 크레딧, 5시간 윈도우·주간 한도 병행, 모델별 5시간당 메시지 상한(Sol/Terra/Luna), GPT-5.4 계열 물러남 일정을 확인했습니다. (2026-08-27 접속)
- OpenAI Codex Models 공식 문서 — Sol·Terra·Luna의 공식 역할 정의와 추론 단계별 사용 안내, Max·Ultra의 의미를 확인했습니다. (2026-08-27 접속)
- 9to5Mac — OpenAI restores 5-hour Codex and Work limits for ChatGPT Plus users — 5시간 제한 복귀 사실과 OpenAI 코덱스·ChatGPT 엔지니어링 총괄의 공개 발표 내용, Pro 플랜 유예 사실을 확인했습니다. (2026-08-24 게시)
본문의 모델 배분 기준과 사용량 절약 우선순위는 공식 문서의 구조를 바탕으로 한 편집 기준이며, 개발자 커뮤니티에서 공유된 실사용 평가는 공식 확인 수치와 구분해 서술했습니다.