컨텍스트

Codex에 실험적인 컨텍스트 관리 기능이 추가됐습니다.

기존에는 컨텍스트가 가득 차면 이전 내용을 계속 요약했지만, Astra는 중요한 내용을 노트로 남기고 필요할 때 이전 대화와 도구 결과를 다시 검색할 수 있습니다.

설정 방법은 `~/.codex/config.toml`에 아래 내용을 추가하면 됩니다.

[features.context_management] experimental_mode = true 긴 코딩 작업에서 초반의 수정 이유나 실패했던 시도까지 덜 잃어버릴 수 있어, Astra를 자주 사용한다면 꼭 설정해 볼 만합니다.

`~/.codex/config.toml`에서 컨텍스트를 100만, 자동 압축 시점을 90만 토큰으로 지정하면 됩니다.

다만 272K 토큰을 넘기면 사용량 한도가 2배 빠르게 소모될 수 있어 주의가 필요합니다.

기본 설정도 성능과 비용을 고려해 조정된 만큼, 긴 작업이 꼭 필요한 경우에 사용하는 게 좋아 보입니다.

또한, 일부 사용자는 서버 제한 때문에 실제 100만 토큰이 적용되지 않는다고 보고하고 있습니다.

RTX 4090급 단일 GPU부터 배포할 수 있고, 1,000만 토큰 RULER에서 93.3%를 기록했습니다.

BFCL v4와 τ³-bench에서도 자사 평가 기준 선두라고 밝혔습니다.

다만 1,000만 토큰을 B200에서 읽는 데 첫 응답까지 약 173초가 걸린다는 지적이 나옵니다.

가중치는 아직 공개되지 않았습니다.

전체 코드베이스와 문서 저장소를 한 세션에 넣고 에이전트가 장기 작업을 이어가는 구조를 단일 GPU에서 돌릴 수 있다는 점이 이 모델의 요점입니다.

저는 이번 Gemini 3.6 Flash의 벤치마크를 보면서 구글이 전략을 아예 바꾼 것처럼 느꼈습니다.

순수 코딩 점수는 GPT-5.6 Luna나 Grok 4.5, 클로드 소네트 5에 밀리지만, 컴퓨터 사용(OSWorld), 복잡한 차트 해석, 롱컨텍스트에선 전부 1등이고, 특히 롱컨은 100만 토큰 구간에서 3.5 Flash보다 두 배 넘게 뛰었습니다.

저는 구글이 뒤처졌다는 의미보다는 계산된 선택이라고 봅니다.

인지 작업에 필요한 성능은 이미 웬만큼 넘어섰고, 이제 승부는 실제 업무를 얼마나 잘 수행하느냐가 중요해지고 있습니다.

실제로 밖에 나가 보면 현장 사무에서 가장 많이 쓰이는 모델은 Gemini입니다.

강한 비전과 문서 처리, 워크스페이스에 붙은 접근성 덕분입니다.

개발자들은 구글이 코딩에서 밀려 멀어진다고 보지만, 저는 해자 없는 리더보드 1등을 좇는 대신, 이미 이기고 있는 실무 현장을 싸고 빠른 모델로 굳히려는 쪽으로 방향을 튼 것이라고 생각합니다.