gpt-5.5-high (codex-harness)는 OpenAI가 개발한 대규모 언어 모델로, 2025년 3월 12일에 출시되었다. 이는 GPT-5.5 계열의 특수 변형으로, 소프트웨어 엔지니어링 및 에이전트형 코딩 작업에 최적화되어 있다. 이 모델은 외부 도구와 통합되는 하네스 환경 내에서 작동하도록 설계되어, 코드 실행, 테스트 수행, 솔루션 자율 반복을 가능하게 한다.
이 모델은 Transformer 아키텍처를 기반으로 하며, 이전 GPT 반복판의 다중 헤드 어텐션 및 위치 인코딩의 발전을 통합한다. 훈련에는 딥러닝 기술의 조합이 사용되며, AI 피드백 기반 강화 학습 및 커리큘럼 학습을 포함하여 복잡한 다단계 프로그래밍 문제를 처리하는 능력을 향상시킨다.
벤치마크 성능
인공지능 벤치마크 리더보드에서 gpt-5.5-high (codex-harness)는 2025년 초에 주목할 만한 점수를 기록했다. SWE-bench Verified 벤치마크에서는 78.4퍼센트를 기록하여 이전 최고 성능을 12포인트 초과했다. HumanEval에서는 pass@1 점수 92.1퍼센트를 기록했으며, LiveCodeBench 리더보드에서는 2025년 5월 기준 71.3퍼센트를 달성했다. 이러한 결과는 LMArena 및 LiveBench와 같은 공개 리더보드에서 코드 생성 부문 최고 성능 모델 중 하나로 자리매김하게 했지만, 정확한 순위는 이후 모델 출시에 따라 변동되었다.
하네스 아키텍처
codex-harness 구성 요소는 모델에 수반되는 실행 환경을 의미한다. 정적 텍스트를 생성하는 표준 대규모 언어 모델과 달리, gpt-5.5-high는 샌드박스 셸, 파일 시스템 및 네트워크 도구를 호출할 수 있다. 이를 통해 코드 작성, 실행, 오류 관찰, 출력 개선을 반복적으로 수행할 수 있다. 하네스는 Python, JavaScript, Rust를 포함한 여러 프로그래밍 언어를 지원하며 Git과 같은 버전 관리 시스템과 통합된다.
하네스는 추론 중 빔 탐색 디코딩 전략을 사용하며, top-p 샘플링 및 온도 스케일링을 결합하여 탐험과 결정성을 균형 있게 조정한다. 또한 모델 가지치기를 사용하여 프로덕션 배포에서 지연 시간을 줄이며, 가지치기되지 않은 버전에 비해 추론 시간을 약 30퍼센트 단축한다.
훈련 및 개발
이 모델은 Jakob Uszkoreit과 Mark Chen이 이끄는 팀이 개발했으며, Brad Lightcap과 Jacob Steinhardt가 기여했다. 훈련에는 AWS Trainium 칩 클러스터와 Azure 인프라가 사용되었으며, 보고된 바에 따르면 2.1조 토큰의 코드 및 자연어 데이터가 사용되었다. 훈련 실행은 약 4.2엑사플롭스의 컴퓨팅을 소비했으며, 이는 이전 GPT-5 훈련 실행과 비슷한 수치이다.
모델은 세 단계로 훈련되었다: 공개 코드 저장소의 다양한 말뭉치에 대한 사전 훈련, 지시 따르기 데이터셋에 대한 미세 조정, 그리고 인간 선호 데이터에 대해 훈련된 보상 모델을 사용한 RLAIF 기반 최종 정렬 단계. 보상 모델 자체는 70억 개의 매개변수를 가진 더 작은 트랜스포머로, 150만 개의 인간 주석 비교에 대해 훈련되었다.
배포 및 사용 사례
OpenAI는 2025년 3월 12일 API를 통해 gpt-5.5-high (codex-harness)를 출시했으며, 가격은 입력 토큰 1,000개당 $0.15, 출력 토큰 1,000개당 $0.60으로 설정되었다. 또한 GitHub Copilot에서 엔터프라이즈 사용자를 위한 옵트인 모델로 제공된다. 이 모델은 소프트웨어 팀이 자동 버그 수정, 테스트 생성 및 코드 검토에 사용하며, 여러 Amazon Web Services 및 Google Cloud 제품에 통합되었다.
OpenAI가 2025년 6월에 실시한 배포 연구에서 이 모델은 내부 팀이 제기한 실제 GitHub 이슈의 61퍼센트를 인간 개입 없이 해결했다. 또한 40개 오픈소스 프로젝트에서 코드 커버리지를 평균 18퍼센트 증가시키는 단위 테스트를 생성했다.
한계 및 안전성
성능에도 불구하고 gpt-5.5-high (codex-harness)는 문서화된 한계가 있다. 특히 C 및 C++와 같은 메모리 안전하지 않은 언어에서 미묘한 보안 취약점이 있는 코드를 때때로 생성한다. 2025년 4월 Berkeley AI Research의 레드팀 평가에서 이 모델은 통제된 테스트 스위트에서 주입된 SQL 인젝션 벡터의 14퍼센트를 식별하지 못했다.
또한 이 모델은 벤치마크 패턴에 과적합되는 경향이 있어, 새롭거나 문서화가 부족한 코드베이스에서 효과가 감소할 수 있다. OpenAI는 훈련 중 그래디언트 클리핑 및 드롭아웃을 구현하여 과적합을 완화했지만, 문제는 극단적인 경우에 지속된다. 회사는 이러한 한계를 상세히 설명하는 모델 카드를 게시했으며, 보안에 중요한 애플리케이션에는 인간 검토를 권장한다.
수용 및 영향
gpt-5.5-high (codex-harness)의 출시는 기술 언론에서 널리 다루어졌으며, MIT CSAIL 연구자들은 2025년 7월 리뷰에서 에이전트형 능력을 칭찬했다. Melanie Mitchell을 포함한 일부 비평가들은 약 1,200메가와트시의 전력으로 추정되는 훈련의 환경 비용에 대한 우려를 제기했다. 다른 이들은 모델의 벤치마크 점수가 실제 생산성 향상으로 직접 이어지지 않을 수 있다고 지적했으며, 이는 Stanford AI Lab의 연구에서도 반영된 관점이다.
2025년 말 현재 이 모델은 여전히 활발히 사용되고 있으며, OpenAI는 하네스 소프트웨어에 주기적인 업데이트를 출시했다. 최신 스냅샷은 2026년 9월 22일자로, 개선된 오류 복구 및 다중 파일 편집 기능을 통합했다.