Codex와 ChatGPT 차이: AI 코딩 작업별 선택 기준

Codex와 ChatGPT, 어떤 작업에 무엇을 써야 할까요?

답변을 실제 프로젝트의 변경으로 이어가야 한다면 Codex를 사용합니다. 답변을 이해하는 것 자체가 목적이라면 ChatGPT를 사용합니다. 저장소는 애플리케이션을 구성하는 소스 파일과 프로젝트 변경 이력을 모아 둔 공간입니다. 작업에 이 파일들과 의존성, 테스트가 필요해지는 순간부터는 Codex의 작업 환경이 선택의 핵심 기준이 됩니다.

혼자 제품을 개발하는 개발자라면 오류의 원인을 설명받거나 전체 내용을 직접 살펴볼 수 있는 함수를 논의할 때 ChatGPT로 충분합니다. 오류를 고치기 위해 호출부를 찾고, 관련 파일을 수정하고, 프로젝트의 검증 절차를 실행해야 한다면 Codex를 선택합니다.

버그 수정을 위임하려는 창업자라면 잘못된 동작과 기대하는 결과를 설명할 수 있을 때 Codex를 선택합니다. 배포 전에는 여전히 변경 내용을 직접 검토해야 합니다. 구현 방향을 평가하는 CTO나 운영 책임자라면 ChatGPT에서 논의를 시작하고, 저장소와 구체적인 구현 과제가 준비되면 Codex로 옮겨 가면 됩니다.

이 판단에는 네 가지 기준을 적용했습니다. 작업에 얼마나 많은 맥락이 필요한지, 파일을 변경해야 하는지, 코드를 실행해야 하는지, 마지막으로 사용자가 무엇을 검증해야 하는지입니다. 벤치마크 순위가 아니라 작업 방식에 따른 판단입니다.

기존 Plus, Pro, Business 구독자는 1개 구독으로 ChatGPT와 기본 제공되는 Codex 사용량을 함께 이용할 수 있습니다. 요금제별 내용은 Codex 요금 안내와 OpenAI의 로그인 및 결제 안내를 참고하면 됩니다.

위 기능은 OpenAI의 Codex CLI 가이드, 워크트리 가이드, GitHub 연결 가이드, ChatGPT 코드 블록 가이드에 설명되어 있습니다.

현재 앱에서 Codex와 ChatGPT는 어떻게 구분될까요?

ChatGPT는 폭넓은 용도의 어시스턴트이고, Codex는 소프트웨어 개발을 위한 작업 환경입니다. 현재 OpenAI는 ChatGPT 데스크톱 앱 안에 Codex를 별도 화면으로 제공합니다. 메뉴에서 ChatGPT를 선택하면 일반 Chat과 Work를 전환할 수도 있습니다. Work는 오래 걸리는 작업과 결과물 제작을 위한 에이전트이므로, ChatGPT의 모든 사용 방식을 단순히 텍스트 답변만 받는 창으로 설명하면 정확하지 않습니다. OpenAI의 사용 환경 안내는 이 세 가지를 구분합니다.

이 글은 일반 Chat을 비교 기준으로 삼습니다. Work는 파일과 툴을 사용할 수 있으며, 권한이 허용된 경우 로컬 리소스도 활용할 수 있습니다. 문서를 바탕으로 보고서를 만드는 작업이라면 Work를 검토합니다. 코드베이스를 변경하는 작업이라면 Codex의 저장소 작업 환경을 선택합니다.

설명을 듣거나 범위가 작은 질문을 해결할 때는 ChatGPT가 적합합니다

ChatGPT는 웹과 모바일·데스크톱 앱에서 사용할 수 있는 대화형 어시스턴트입니다. 함수, 오류 메시지, 설계상의 선택지를 제시하고 필요한 설명을 요청하면 됩니다. OpenAI는 웹, iOS, Android 이용 방법과 데스크톱 사용 환경을 안내합니다.

활용 범위는 텍스트 생성보다 넓습니다. 지원되는 코드 블록은 편집하고 미리 볼 수 있으며, 지원되는 Python 코드는 격리된 실행 공간인 샌드박스에서 실행할 수 있습니다. 사용 가능 여부는 기기, 모델, 요금제, 워크스페이스에 따라 달라집니다. 각 기능은 OpenAI의 코드 블록 문서에 설명되어 있습니다.

익숙하지 않은 스크립트를 살펴보는 운영 담당자라면 이 정도로 충분할 수 있습니다. 무엇을 변경하는지, 어떤 입력을 기대하는지, 어떤 실패 사례를 주의해야 하는지 물어보면 됩니다. 필요한 결과물이 직접 판단할 수 있는 설명이라면 저장소 설정은 생략해도 됩니다.

한계는 어떤 맥락을 제공할지 선택하는 데 있습니다. 붙여 넣은 함수에 대한 설명이 그럴듯해도, 예상 밖의 값을 전달하는 호출부를 놓칠 수 있습니다. 코드를 더 제공하면 도움이 되지만, 제공한 맥락이 충분한지 판단할 책임은 여전히 사용자에게 있습니다.

저장소를 수정하고 검증할 때는 Codex가 적합합니다

OpenAI Codex는 프로젝트를 살펴보고 파일을 수정하며 명령을 실행할 수 있는 코딩 에이전트입니다. 인터페이스에 따라 작업하는 위치가 달라집니다.

• Codex 앱 사용 환경: ChatGPT 데스크톱 앱에서 Codex를 선택하고 관련 프로젝트나 폴더를 엽니다. 진행 중인 작업을 전용 화면에서 관리하고 싶을 때 사용합니다. 현재 앱 문서는 이 데스크톱 앱 환경을 다룹니다.
• Codex CLI: 터미널에서 프로젝트 디렉터리를 대상으로 실행하는 명령줄 인터페이스입니다. 필요한 툴이 이미 로컬 개발 환경에 갖춰져 있을 때 선택합니다. CLI 문서를 참고하면 됩니다.
• Codex IDE 확장: 통합 개발 환경 확장은 에디터 옆에서 열려 있는 파일과 선택 영역을 활용하고, 검토할 수 있도록 변경 내용을 보여 줍니다. 현재 살펴보는 코드를 함께 다듬고 싶을 때 적합합니다. IDE 문서를 참고하면 됩니다.
• Codex Cloud: 작업에 필요한 저장소, 툴, 접근 권한을 갖춘 OpenAI 관리 환경을 제공합니다. 작업마다 별도의 작업 공간이 있으며 컴퓨터가 절전 상태여도 계속 진행할 수 있습니다. 변경 내용과 테스트 결과를 검토한 뒤 커밋하거나 풀 리퀘스트를 열 수 있습니다. Cloud 문서를 참고하면 됩니다.

풀 리퀘스트는 공유 코드베이스에 반영하기 전에 검토를 요청하는 변경 제안입니다. 버그 수정을 위임했을 때 필요한 결과물이 바로 이렇게 검토 가능한 변경입니다. 여기에는 영향을 받은 파일, 수행한 검증, 아직 해결하지 못한 질문이 포함되어야 합니다.

Codex의 한계는 제공된 환경에 있습니다. 사용할 수 없는 데이터베이스가 필요한 테스트를 프롬프트만 개선해서 통과한 통합 테스트로 만들 수는 없습니다. Codex에 실패한 테스트와 실행하지 못한 테스트를 구분해 달라고 요청합니다.

데스크톱 설정은 Codex 앱 가이드를 참고하면 됩니다. 휴대전화에서 클라우드 작업을 하려면 먼저 데스크톱이나 웹에서 환경을 준비하고 게시해야 합니다. 그다음 모바일에서 해당 환경의 작업을 시작하거나 이어 갈 수 있습니다. OpenAI는 이 차이를 안내하고 있습니다.

같은 버그를 ChatGPT와 Codex로 각각 고치면 어떻게 달라질까요?

두 방식 모두 같은 코드 수정에 도달할 수 있습니다. 차이는 누가 수정안을 적용하고 프로젝트에서 제대로 작동하는지 입증하느냐입니다. 항목을 하나도 요청하지 않았는데 기본 개수만큼 반환하는 JavaScript 리스트 헬퍼 함수를 예로 들어 보겠습니다.

function take(items, limit) {
  return items.slice(0, limit || 25);
}

의도한 동작은 명확합니다. 0이면 아무 항목도 반환하지 않고, null이거나 한도를 생략하면 기본값인 25를 사용해야 합니다. 버그의 원인은 0도 기본값을 써야 하는 값으로 처리하는 ||입니다. 이를 null 병합 연산자인 ??로 바꾸면 됩니다. 이 연산자는 값이 null 또는 undefined일 때만 기본값을 사용합니다.

function take(items, limit) {
  return items.slice(0, limit ?? 25);
}

이 예제는 작업 방식의 차이를 보여 주기 위한 것으로, 두 제품을 직접 대결시킨 실험 기록은 아닙니다. 원래 동작과 수정 후의 사례는 이 글을 위해 로컬에서 검증했습니다. 코드의 숫자는 예제 입력값이며 제품의 사용 한도가 아닙니다.

ChatGPT로 수정하는 과정

ChatGPT에 함수와 동작 조건을 함께 제공합니다. “0이면 빈 리스트를 반환해야 합니다. 한도를 생략하거나 null을 전달하면 기본 개수만큼 반환해야 합니다. 버그를 설명하고 회귀 테스트를 제안해 주세요.” 회귀 테스트는 같은 오류가 다시 발생하지 않도록 확인하는 테스트입니다.

대화의 도움을 받아 완성한 수정안은 위 함수와 다음 검증 코드로 구성됩니다. 이 코드는 Node.js 모듈에서 실행할 수 있습니다.

import assert from 'node:assert/strict';

function take(items, limit) {
  return items.slice(0, limit ?? 25);
}

const items = Array.from({ length: 30 }, (_, index) => index);
assert.deepEqual(take(items, 0), []);
assert.equal(take(items, undefined).length, 25);
assert.equal(take(items, null).length, 25);
assert.deepEqual(take(items, 2), [0, 1]);

사람에게 남는 작업: 실제 서비스에서 쓰는 헬퍼 함수를 찾고, 수정안을 적용하고, 기존 테스트 프레임워크에 검증 코드를 추가하고, 관련 테스트 묶음을 실행하고, 호출부를 살핀 뒤 커밋이나 풀 리퀘스트를 준비해야 합니다. 다른 파일에서 누락된 한도를 0으로 변환하고 있다면, 배포하기 전에 해당 코드의 동작 조건을 다시 살펴봐야 합니다.

이미 잘 아는 작은 스크립트라면 이 후속 작업은 간단할 수 있습니다. 원인을 이해하는 일이 어렵고 수정안을 적용하는 일이 단순하다면 ChatGPT가 적합합니다.

Codex로 수정하는 과정

Codex에서 저장소를 열고 같은 동작 조건에 구체적인 완료 기준을 더해 전달합니다.

의도한 수정은 여전히 limit ?? 25입니다. 이제 위임한 작업에는 구현 위치 찾기, 주변 코드가 전제하는 조건 확인하기, 테스트 파일 수정하기, 실행 가능한 검증 수행하기도 포함됩니다. 이는 문서에 명시된 Codex의 저장소 작업 및 명령 실행 기능에 해당하며, 이 프롬프트가 언제나 성공한다는 뜻은 아닙니다.

사람에게 남는 작업: 동작 조건이 올바른지 판단하고, diff를 검토하고, 테스트 근거를 확인하고, 접근 권한이나 환경 문제를 해결한 뒤 정상적인 배포 절차에 따라 변경을 승인해야 합니다. diff는 무엇이 바뀌었는지 줄 단위로 보여 주는 기록입니다.

수정안을 프로젝트 차원의 검증 근거로 연결하는 과정에서 대화창, 에디터, 터미널 사이를 오가며 내용을 반복해서 복사해야 한다면 Codex가 적합합니다. 사용자에게 남는 일은 변경 내용과 반영할 준비가 되었는지를 판단하는 것입니다.

저장소 접근: 코드를 읽는 것만으로는 충분하지 않습니다

저장소에서 파일 수정과 명령 실행까지 필요하다면 Codex가 적합합니다. 연결된 코드를 조사하는 일에는 ChatGPT도 도움이 될 수 있습니다. OpenAI의 GitHub 연결 기능은 필요할 때 권한이 허용된 저장소 내용을 가져옵니다. 사용 가능 여부는 요금제와 사용 환경에 따라 다릅니다. 문서에 명시된 범위는 분석과 검색을 위한 읽기 전용 접근입니다. GitHub를 연결해도 해당 앱에 코드를 푸시하거나 풀 리퀘스트를 열 권한이 생기지는 않습니다. OpenAI의 GitHub 가이드는 그런 작업에 Codex를 사용하도록 안내합니다.

서비스가 실패한 요청을 왜 재시도하는지 알아보려는 CTO에게 이 구분은 중요합니다. 재시도 로직을 찾아 설명하는 데는 ChatGPT로 충분할 수 있습니다. 재시도 정책을 바꾸고 영향을 받는 동작을 검증하는 일은 Codex에 맡길 작업입니다.

병렬 작업과 풀 리퀘스트: 범위가 명확할 때 Codex가 유리합니다

변경 내용을 각각 검토할 수 있는 독립적인 코딩 작업에는 Codex를 사용합니다. 워크트리는 Git 저장소를 별도로 체크아웃한 작업 공간입니다. 저장소 이력은 공유하면서 작업마다 고유한 파일을 사용할 수 있습니다. OpenAI는 로컬 체크아웃을 건드리지 않고 병렬로 작업하는 용도로 워크트리를 안내합니다. Codex 워크트리 문서를 참고하면 됩니다.

소규모 소프트웨어 회사라면 범위가 좁은 버그 수정, 실패하는 테스트 조사, 별도 모듈의 문서 작성을 나눠 맡길 수 있습니다. 각각의 범위를 좁히고 기대하는 결과를 명확히 제시합니다. Codex Cloud도 작업마다 고유한 작업 공간을 제공하며, 준비된 환경은 여러 작업에서 재사용할 수 있습니다. Cloud 작업 문서를 참고하면 됩니다.

주의할 문제는 담당 범위가 겹치는 경우입니다. 두 작업이 같은 API 규약을 수정하면 각각은 타당해 보여도 합쳤을 때 서로 맞지 않을 수 있습니다. 별도의 작업 공간은 실수로 같은 파일을 건드리는 일을 막아 줍니다. 하지만 설계상의 의견 차이를 해결하거나 충돌 없는 병합을 보장하지는 않습니다.

결과를 합치기 전에 각각 검토합니다. 그런 다음 통합한 브랜치에서 필요한 검증을 실행합니다. 병렬 작업으로 더 많은 변경 제안을 얻을 수는 있지만, 이를 일관되게 통합해야 할 필요까지 사라지지는 않습니다.

Codex는 어떤 요금제에 포함되며, 사용 한도는 어떻게 적용될까요?

Plus, Pro, Business에는 이미 Codex가 포함되어 있지만, 작업을 무제한으로 맡길 수 있다는 뜻은 아닙니다. OpenAI는 Free, Go, Enterprise와 교육용 상품에도 Codex를 제공한다고 안내합니다. Free와 Go는 이용 범위가 제한됩니다. Codex Cloud를 사용할 수 있는 요금제는 더 적습니다. 이용 대상인 Plus 계정, 모든 Pro 등급, Business, Enterprise, Healthcare, Education에서 제공되며, 순차 배포 상황과 워크스페이스 설정에 따라 달라집니다. Free와 Go에는 포함되지 않습니다. OpenAI의 요금제별 이용 안내를 참고하면 됩니다.

ChatGPT Codex 구독: 사용할 계정으로 로그인해야 합니다

구독에 포함된 사용량을 이용하려면 Sign in with ChatGPT로 로그인합니다. 본인의 API 키를 사용하면 별도의 API 과금이 적용됩니다. 관리형 워크스페이스에서는 자신의 역할에 Codex Local과 Codex Cloud 접근이 활성화되어 있는지 확인합니다. 두 기능의 권한은 별도로 관리됩니다. OpenAI의 계정 및 워크스페이스 안내를 참고하면 됩니다.

OpenAI의 요금 안내 페이지는 Plus에 더 많은 Codex 사용량을 제공하고, Pro는 더 긴 세션을 지원한다고 설명합니다. 일상적인 텍스트 대화를 무제한으로 제공한다는 문구가 코딩 에이전트 작업의 무제한 이용까지 약속하는 것은 아닙니다. 전체 구독 요금제는 이 사이트의 ChatGPT 요금 가이드에서 다룹니다.

Codex 사용량은 선택한 모델, 작업의 복잡도, 맥락, 추론, 속도, 툴, 실행 위치에 따라 달라집니다. 해당되는 요금제에서는 Work와 다른 지원 대상 에이전트 기능이 사용 한도나 크레딧을 공유할 수 있습니다. 설정 또는 사용량 대시보드에서 한도, 크레딧, 초기화 시각을 확인합니다. CLI에서는 /status를 사용하면 됩니다. 자격 요건을 충족하는 Plus와 Pro 사용자는 크레딧을 추가로 구매할 수 있습니다. Codex 사용량 안내를 참고하면 됩니다.

일반 Chat에는 별도의 모델 및 툴 사용 한도가 있습니다. Thinking 사용 가능 여부와 한도 도달 시 대체 동작은 요금제와 모델에 따라 다릅니다. Pro 구독이라고 해서 Pro 모델을 무제한으로 사용할 수 있는 것은 아닙니다. Chat 모델 한도 안내를 참고하면 됩니다.

실제로는 작업 방식을 먼저 선택한 뒤 그 환경의 사용 한도를 살펴보면 됩니다. 짧은 설명을 받는 일과 테스트를 반복 실행하는 저장소 작업은 부하가 다릅니다. “하루에 버그를 몇 개 수정할 수 있다”는 고정된 수치를 약속하면 이런 차이가 가려집니다.

Codex와 ChatGPT는 어떤 모델을 사용할까요?

어느 제품도 하나의 고정된 모델로만 구성되지 않으며, 모델을 선택한다고 저장소 작업 툴까지 주어지지는 않습니다. 사용 가능 여부는 계정, 클라이언트, 워크스페이스 설정, 순차 배포 상황에 따라서도 달라집니다.

일반 ChatGPT에서 OpenAI는 이용 자격이 있는 유료 계정에 GPT-6 선택 옵션을 제공한다고 안내합니다. 제공되는 경우 Instant부터 Extra High까지의 사고 수준은 GPT-6 Sol을 기반으로 합니다. Pro 추론 수준에서는 GPT-6 Astra를 기반으로 하는 GPT-6 Pro를 사용합니다. GPT-5.6 Sol과 GPT-5.6 Sol Pro도 이용 자격이 있는 경우 계속 선택할 수 있습니다. 이는 Chat의 모델 표시명과 설정입니다. ChatGPT 모델 문서를 참고하면 됩니다.

Codex의 현재 문서에는 GPT-6.1 Sol, GPT-6 Astra, GPT-6 Sol, GPT-6 Luna가 나열되어 있으며, 순차 배포 기간에는 GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna도 함께 제공됩니다. 문서는 사용할 수 있는 경우 복잡한 코딩 작업에 GPT-6.1 Sol을, 범위가 좁은 작업에 Luna를 권장합니다. CLI에서는 /model로 모델과 추론 수준을 선택합니다. 기본값은 클라이언트 버전과 설정에 따라 달라집니다. Codex 모델 문서를 참고하면 됩니다.

이름 때문에 구분이 흐려질 수 있습니다. Chat의 GPT-6는 Sol을 기반으로 동작할 수 있지만, Codex에서는 Sol이라는 이름의 모델을 에이전트 모델로 직접 선택합니다. GPT-6.1 Sol은 Work/Codex의 선택 옵션이며 일반 Chat의 GPT-6 선택과는 별개입니다. 사용 환경을 옮겨도 같은 모델 메뉴가 제공될 것이라고 가정해서는 안 됩니다.

앞서 본 버그 예제에서 결정적인 기능은 구현 코드와 테스트에 접근할 수 있느냐입니다. 대화에서 더 뛰어난 모델을 사용하더라도 저장소를 변경하려면 적절한 툴과 환경이 필요합니다.

ChatGPT에서 Codex로 옮겨야 할까요?

구현이 병목이 될 때 Codex를 작업에 추가합니다. 이해하는 것으로 끝나는 질문에는 ChatGPT를 계속 사용합니다. 모든 대화를 옮기거나 이미 일부 업무에 잘 맞는 어시스턴트를 버릴 필요는 없습니다.

준비해야 할 일은 구체적입니다. 프로젝트를 선택하고, 의존성을 갖추고, 테스트 명령을 파악하고, 작업에 필요한 접근 권한을 정해야 합니다. 클라우드 작업이라면 이슈를 맡기기 전에 환경을 준비합니다. 이런 준비를 거쳐야 “버그를 고쳐 달라”는 요청이 검증 가능한 작업이 됩니다.

Codex의 기록은 ChatGPT 기록과 별도로 관리됩니다. 중요한 결정은 짧은 작업 지시로 정리해 전달합니다. 기대하는 동작, 제약 조건, 관련 파일, 완료 여부를 판단할 검증 항목을 포함합니다. 다른 사용 환경에 앞선 논의가 그대로 남아 있을 것이라고 기대해서는 안 됩니다. OpenAI의 기록 및 사용 환경 안내를 참고하면 됩니다.

오래 활용할 지식은 저장소에 남깁니다. 테스트, 동작에 대한 설명, 검토를 마친 변경 내용이 여기에 해당합니다. 그러면 특정 대화 기록에 의존하지 않고도 다른 개발자나 툴이 이어서 작업할 수 있습니다.

소프트웨어가 무엇을 해야 하는지 아직 정하지 못했거나, 사용할 수 있는 프로젝트 환경을 제공할 수 없거나, 결과를 평가할 방법이 없다면 아직 그 작업을 Codex로 옮기지 않는 편이 좋습니다. 먼저 원하는 동작을 명확히 합니다. 일반적인 대화 대신 다른 코딩 에이전트와 Codex를 비교하려면 Codex와 Claude Code 비교를 참고하면 됩니다.

다음 버그를 수정할 때는 어느 툴을 열든 먼저 오류를 일으키는 입력과 기대하는 출력을 적어 봅니다. 설명만으로 일이 끝난다면 ChatGPT를 사용합니다. 다음 단계가 프로젝트 파일을 찾고, 바꾸고, 검증하는 것이라면 Codex를 사용합니다.

자주 묻는 질문

첫 작업의 준비 과정을 반복해서 활용하려면 Claude Code와 Codex 설정 체크리스트를 받아 보세요.