GPT-5.5가 516토큰 추론 한계에 부딪혔다는 보도에 개발자들은 불만을 터뜨리고 있다

이 글은 개발자들이 보고한 GPT-5.5 Codex의 `516` 추론 토큰 이상 현상을 설명하며, 주요 GitHub 이슈, 보고된 종합 데이터, 그리고 일부 복잡한 작업이 너무 일찍 끝날 수 있다는 우려를 다룬다. 또한 두 번째 사용자 경험 관련 불만도 다룬다. 바로 ChatGPT가 단순한 요청에도 과도하게 형식을 갖추고, 과도하게 교정하며, 과도하게 답변하는 경향이다. 이 부분의 논의는 더 주관적이지만, 어시스턴트의 성격은 일상적인 제품 경험에 직접 영향을 미치기 때문에 중요하다. 중요한 점은 516 패턴을 숨겨진 절단이 입증된 사례로 받아들이지 않는 것이다. 공개된 증거는 조사할 가치가 있는 모델 동작 이상 현상으로 이해하는 편이 더 적절하다. **개발자에게 실질적인 핵심은 간단하다. AI 코딩 에이전트의 성능이 갑자기 나빠진 것처럼 느껴질 때는, 인상에만 의존하지 말고 메타데이터를 수집하고, 실행 결과를 비교하며, 재현 가능한 패턴을 보고하라는 것이다.**

发布于 2026年7月8日•general•GEO 评分: 0•2 次阅读

GPT-5.5CodexOpenAI Codex추론 토큰516 토큰 문제reasoning_output_tokensGPT-5.5 Codex 버그GitHub 이슈 30364Codex 성능AI 코딩 에이전트ChatGPT 성격Claude 비교모델 동작추론 예산토큰 잘림

选择语言

العربية Deutsch English Español Français Italiano 日本語 한국어 Português Русский 中文

이미지는 어두운 배경 위에 왼쪽에는 파란색 OpenAI 로고가, 오른쪽에는 보라색 GitHub 로고가 배치되어 있다. 이미지 상단에는 큰 글씨로 “GPT-5.5 Codex 516”이 표시되어 있으며, “516” 부분은 더 진한 색으로 강조되어 있다. 하단에는 “Reasoning Token Clustering”과 “Developer Reports, GitHub Evidence, and ChatGPT Personality Concerns”라는 문구가 적혀 있다. 이 이미지는 문서의 “GPT-5.5 Codex 516 Reasoning Token Clustering: Developer Reports, GitHub Evidence, and ChatGPT Personality Concerns” 제목에 대응하며, 제목 내용을 시각적으로 표현한 것이다.

GPT-5.5가 516토큰 추론 장벽에 부딪혔다는 보도가 나왔고, 개발자들은 불만을 표하고 있다

서론

지난 며칠 동안 OpenAI Codex를 사용하는 개발자들 사이에서 이상한 패턴이 논의되고 있다. 일부 GPT-5.5 응답이 매우 특정한 추론 토큰 수인 516 근처에서 멈추는 것으로 보인다는 것이다.

원래 보고서는 OpenAI가 비밀리에 추론을 잘라내고 있다는 점을 입증하지는 않는다. 더 좁은 범위의 주장은 보다 신중하다. 공개된 GitHub 이슈에 공유된 텔레메트리에는 reasoning_output_tokens = 516 부근에서 나타나는 이례적인 GPT-5.5 특유의 군집 패턴이 보이며, 1034와 1552 근처에서도 추가적인 급증이 관찰된다는 것이다.

이 세부 사항이 중요한 이유는, 개발자들이 단순히 GPT-5.5가 실수를 하고 있는지 여부만 묻고 있는 것이 아니기 때문이다. 그들은 복잡한 작업에서 모델이 때때로 더 짧은 추론 경로를 택한 뒤, 기대보다 신뢰성이 떨어진다고 느껴지는 답변을 내놓고 있는 것은 아닌지 묻고 있다.

출처 참고

원문 기사: BAAI Hub 기사
원문에서 참조한 GitHub 이슈: openai/codex issue #30364
관련 재현 이슈: openai/codex issue #29353
BAAI 페이지에는 이 기사가 신즈위안의 위챗 기사에서 가져온 것이라고 명시되어 있다.
원문 기사에는 코드 블록이 포함되어 있지 않았다. 주로 스크린샷, 표, 링크된 참고자료로 구성되어 있었다.
이미지 참고: 관련 스크린샷, 차트, 비교 이미지는 아래에 그대로 보존했다. 장식용 구분선, 브랜드만 표시된 이미지, QR 코드, 채용 그래픽, 관련 없는 홍보 이미지는 포함하지 않았다.

이미지에는 한 남성이 “GPT-5.5”와 “516” 등의 요소 앞에 서 있고, 배경은 강한 기술적 분위기의 인터페이스로 구성되어 있으며 “新智元” 표시가 있다. 화면 왼쪽의 “GPT-5.5”는 파란색 발광 글자로 표현되어 있고, 오른쪽의 “516”은 빨간색 발광 글자로 강조되어 있다. 화면 오른쪽 아래에는 “Token usage” 차트가 있으며 “516 / 1032”를 표시한다. 이 이미지는 문서에서 다루는 GPT-5.5 모델에 대한 논의와 관련이 있으며, 문서에서 언급된 GPT-5.5 모델과 516개의 추론 토큰 등 핵심 정보를 시각적으로 표현한 것으로 보인다.

GPT-5.5가 “516”에서 멈춘다: 개발자들이 이례적인 패턴을 포착하다

논의는 놀랄 만큼 구체적인 숫자인 516에서 시작되었다.

개발자들의 보고에 따르면, GPT-5.5는 최근 Codex 내부의 일부 복잡한 프로그래밍 및 추론 작업에서 더 약한 성능을 보이고 있다. 이 문제가 두드러진 이유는 단지 모델이 때때로 틀린 답을 내놓았기 때문만은 아니었다. 실패했거나 의심스러운 여러 응답이 동일한 추론 토큰 경계에서 멈춘 것으로 보였기 때문이다.

이미지는 트위터 게시물 하나를 보여 준다. 사용자 @bdsq1sz는 GPT-5.5가 실제로 “더 멍청해졌다”고 말하며, 조용히 잘리고 있을 가능성이 있다고 주장한다. 시스템 프롬프트가 모델에게 30초마다 한 번씩 데이터를 제공하라고 명령하는데, 이로 인해 길이가 (usage.output_tokens_details.reasoning_tokens == 518 * n - 2)에 도달하면 모델의 토큰이 자동으로 잘리게 된다는 것이다. 이 게시물은 문서에서 언급된 Codex 내 GPT-5.5의 성능 저하와, 여러 번 동일한 추론 토큰 경계에서 멈추는 비정상적 현상과 관련이 있으며, 이 현상에 대한 하나의 설명일 가능성이 있다.

이후 여러 Codex 사용자들이 논의에 참여해 자신들도 비슷한 행동을 목격했다고 말했다.

![이미지는 네 명의 사용자가 논의에서 동일한 문제를 언급하는 모습을 보여 준다. loner2403, partment, Suvmaker, lujunjiehhh는 각각 1주 전 “Same issue”, “Same issue”, “same problem”, “Same issue”라고 말하며 자신들도 유사한 상황을 겪었다고 밝혔다. 이는 앞서 언급된 Codex 내 GPT-5.5의 성능 약화와, 일부 실패하거나 의심스러운 응답이 동일한 추론 토큰 경계에서 멈추는 현상과 맞물리며, 이 문제에 대한 개발자와 사용자들의 관심을 보여 준다.](https://we0-cms.oss-cn-beijing.aliyuncs.

com/cms-assets/image/2026/07/ff2f0787-2820-4bdf-b103-11b74925167c-04-26d319be-fd5b-4534-b116-0a99c4489246.png)

핵심 질문은 간단합니다. 왜 최상위 추론 모델이 반복적으로 정확히 하나의 특정 토큰 수에 도달하는 걸까요?

GitHub 이슈: 주장 뒤에 있는 더 큰 데이터 창

가장 중요한 공개 참고 자료는 openai/codex 저장소에 등록된 GitHub 이슈 #30364입니다.

이 이슈에서 개발자는 Codex token_count 메타데이터에 나타난 집계 패턴을 보고했습니다. 주장의 핵심은 gpt-5.5 응답이 정확히 reasoning_output_tokens = 516에 과도하게 집중되었고, 1034와 1552 부근에서도 추가적인 고정 경계 스파이크가 나타났다는 것입니다.

이 보고서는 2026년 2월 1일부터 6월 27일까지의 구간을 다뤘습니다. 총 865개 세션에 걸친 390,195개의 응답 수준 토큰 기록을 분석했습니다.

이슈 #30364에 보고된 증거

지표	값
분석된 응답 수준 토큰 기록 수	390,195
포함된 세션 수	865
정확히 `reasoning_output_tokens = 516`인 이벤트 수	3,363
전체 응답 중 GPT-5.5 비중	19.3%
정확히 516인 이벤트 중 GPT-5.5 비중	82.0%
GPT-5.5의 정확히 516 / >=516 비율	44.0%
비 GPT-5.5의 정확히 516 / >=516 비율	1.3%

이미지는 표 하나로, GitHub 이슈 #30364에서 보고된 Codex 모델 관련 여러 핵심 데이터를 보여줍니다. 분석된 응답 수준 token 기록 수는 390,195, 포함된 세션 수는 865, 정확히 reasoning_output_tokens=516인 이벤트 수는 3,363입니다. GPT-5.5는 전체 응답의 19.3%를 차지했고, 정확히 516인 이벤트에서는 82.0%를 차지했으며, GPT-5.5의 정확히 516/>=516 비율은 44.0%, 비 GPT-5.5의 비율은 1.3%였습니다. 이 표는 문맥과 밀접하게 연결되어 있으며, 보고서에서 언급된 데이터를 직관적으로 보여줍니다.

이 이슈는 또한 GPT-5.5를 다른 GPT 계열 모델들과 비교했습니다. 그 격차는 개발자들이 이것이 단순한 추론 길이의 정상 분포가 아닐 수 있다고 의심할 만큼 충분히 컸습니다.

모델 수준 결과

모델	응답 기록 수	정확히 516 / >=516
`gpt-5.5`	75,401	44.0%
`gpt-5.4`	25,214	19.8%
`gpt-5.2`	247,575	0.34%
`gpt-5.3-codex`	13,333	0.0%
`gpt-5.3-codex-spark`	26,179	0.0%

이 이미지는 “7.8일 기사 재작성: GPT-5.5 Codex 516 추론 토큰 군집화”라는 제목의 문서에 있는 모델 수준 결과 표입니다. 표에는 모델명, 전체 응답 기록 수, 정확히 516이거나 516 이상인 결과의 비율이 포함되어 있습니다. GPT-5.5의 응답 기록 수는 75,401이며 정확히 516인 결과 비율은 44.0%입니다. GPT-5.4는 25,214개에 19.8%였고, 나머지 세 모델은 응답 기록 수가 더 많음에도 해당 비율이 모두 0.34% 미만이었으며 일부는 0.0%였습니다. 이 데이터는 문서에서 언급된, GPT-5.5가 전체 응답에서는 일부만 차지했지만 정확히 516인 결과의 대부분을 차지했다는 내용과 맞닿아 있습니다.

원문은 요점을 날카롭게 요약했습니다. GPT-5.5는 전체 응답 중 일부에 불과했지만, 이 데이터셋에서 정확히 516인 이벤트의 대부분을 차지한 것으로 보였습니다.

더 수상한 부분:

전반적인 추론 강도가 떨어졌다

가능한 한 가지 반론은 GPT-5.5가 단순히 더 많이 생각하기 때문에, 더 많은 응답이 자연스럽게 더 높은 추론 토큰 구간에 도달한다는 것일 수 있다.

하지만 보고된 데이터는 오히려 반대 방향을 가리킨다.

정확히 516으로 군집되는 현상이 더 뚜렷해졌다고 전해진 5월과 6월에, GPT-5.5의 전반적인 추론 토큰 강도는 하락했다. 평균 추론 토큰 수와 P90 추론 토큰 수 모두 이전 달들보다 낮았다.

월별 추론 토큰 강도

월	평균 추론 토큰 수	P90 추론 토큰 수
2026년 2월	268.1	772
2026년 3월	256.8	723
2026년 4월	228.7	669
2026년 5월	106.9	344
2026년 6월	168.5	515

이미지는 2026년 2월부터 6월까지의 추론 토큰 관련 데이터를 보여주는 표이다. 표에는 월, 평균 추론 토큰 수(Mean reasoning tokens), P90 추론 토큰 수(P90 reasoning tokens) 세 개의 열이 포함되어 있다. 구체적인 데이터는 2월 평균 268.1, P90 772; 3월 평균 256.8, P90 723; 4월 평균 228.7, P90 669; 5월 평균 106.9, P90 344; 6월 평균 168.5, P90 515이다. 이 표는 문맥과 밀접하게 관련되어 있으며, 시간에 따라 추론 토큰 강도가 어떻게 변했는지를 직관적으로 보여주어 GPT-5.5의 추론 토큰 강도 하락을 분석하는 데 데이터 근거를 제공한다.

이 때문에 개발자들은 이 패턴을 불편하게 느꼈다. 한편으로는 정확히 516이 되는 사례가 더 자주 나타났고, 다른 한편으로는 모델이 전반적으로 사용하는 추론 토큰 수는 더 적어 보였다.

이로 인해 더 심각한 우려가 제기됐다. 복잡하거나 고위험인 작업에서 GPT-5.5가 더 깊은 추론 경로를 완료하기 전에 숨겨진 추론 예산, 절단 지점, 폴백 경로, 혹은 스케줄러 동작에 부딪히고 있을 수 있다는 것이다.

분명히 말하자면, 이것은 어디까지나 개발자들이 보고한 이상 현상이지, OpenAI의 공식 설명은 아니다.

GitHub 개발자들의 반발

GitHub 논의에는 곧 비슷한 문제를 겪었다고 말하는 다른 사용자들도 참여했다.

이미지는 GitHub 토론 게시판에서 두 명의 개발자가 GPT-5.5 추론 문제에 대해 남긴 댓글을 보여준다. 위쪽은 사용자 revantmalani의 댓글로, 자신도 같은 문제를 겪고 있으며 매우 좌절스럽다고 말한다. 아래쪽은 사용자 bluecat1997의 댓글로, 같은 문제를 겪고 있으니 OpenAI가 피드백을 주길 바란다고 적혀 있다. 이 이미지는 문맥과 밀접하게 관련되어 있으며, 앞서 GitHub 토론이 빠르게 다른 사용자들을 끌어들였고 그들 역시 비슷한 문제를 겪었다고 했다는 점을 시각적으로 보여주면서, GPT-5.5 추론 문제에 대한 불만과 피드백을 기대하는 감정을 직관적으로 드러낸다.

이 문제는 앞선 보고서인 #29353와도 연결된다. 이 보고서에서 한 개발자는 Codex Desktop에서 xhigh 추론 설정의 gpt-5.5를 사용할 때 재현 가능한 패턴이 있다고 설명했다.

그 재현 사례에서는 일부 새 실행이 곧바로 최종 답변으로 넘어갔고, 정확히 516개의 추론 출력 토큰을 사용했으며, 오답을 반환했다. 다른 실행들은 수천 개의 추론 토큰을 사용하고, 눈에 보이는 중간 단계를 생성했으며, 기대한 정답을 반환했다.

이 앞선 이슈가 논쟁에 결론을 내리지는 못했지만, 이후의 집계 보고가 덜 고립된 사례처럼 느껴지게 만들었다.

Reddit과 Hacker News의 논의가 추가적인 압박을 더하다

논의는 GitHub를 넘어 다른 곳으로도 확산됐다. 원문 기사에 포함된 스크린샷에는, 고위험 Codex 요청의 일부가 추론 절단 때문에 조용히 성능 저하된 상태로 처리되고 있을 수 있는지에 대해 개발자들이 논의하는 모습이 나온다.

![이미지는 Reddit 커뮤니티 r/codex에서 Codex 요청에 대해 논의하는 내용을 보여준다. 위쪽 문구는 “당신의 고위험 Codex 요청 중 절반은 추론 절단으로 인해 조용히 성능이 저하될 수 있다”이다. 아래쪽 그래프의 제목은 “Reasoning Tokens Distribution, 0-2000 (CDF at 2000: 93.4%)”이며, 가로축은 추론 토큰 수, 세로축은 개수와 누적 백분율이다. 그래프는 추론 토큰 수가 0~2000 범위일 때 개수와 누적 백분율이 어떻게 변하는지를 보여준다.

이 이미지는 문맥과 밀접하게 관련되어 있으며, Codex 추론 토큰 분포에 관한 데이터를 직관적으로 보여 주어, 개발자 논의에서 언급된 고위험 Codex 요청이 추론 중단으로 인해 하향 처리될 수 있다는 문제를 보조적으로 설명합니다.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/66ac6276-29e0-468d-8ef6-16a6b7c62079-10-9faa5e76-924a-4289-97aa-44ff3780761a.png)

기사에 나온 한 댓글은, 어떤 추론 문제들은 정답이 나오기 전에 6,000~8,000개의 사고 토큰이 필요하다고 주장했다. 이런 경우 모델이 약 516토큰 부근에서 멈춘다면, 너무 이른 시점에 답을 내놓을 수 있다.

이미지는 Codex 추론 문제에 관한 Reddit 댓글 하나를 보여 준다. 댓글 작성자는 codex cli를 사용하면 이 문제를 비교적 쉽게 재현할 수 있으며, 추론하고 해결해야 하는 퍼즐 프롬프트를 주면 가끔 사고가 짧게 끊겨 정확히 516개의 토큰만 생각한 뒤 잘못된 결과를 반환하지만, 최종적으로 6000~8000개의 사고 토큰을 사용하면 올바른 결과를 반환한다고 지적한다. 또한 적응형 사고와 관련이 있을 수 있으며, 로컬 모델의 장점은 서버 측의 조용한 변경을 걱정할 필요가 없다는 점이라고 덧붙인다. 이 댓글은 문서에서 개발자들이 논의한 Codex 추론 문제와 관련되어 있으며, 문맥 속 관점을 보완한다.

또 다른 스크린샷에서는 사용자들이 Codex와 Claude를 비교하며, 어떤 주에는 덜 망가져 보이는 쪽으로 도구를 바꿔 쓴다고 말하는 모습이 나왔다.

이미지는 두 사용자가 Codex 품질에 대해 논의하는 장면을 보여 준다. zenapollo는 거의 매일 품질 저하를 겪고 있으며, 예전에는 xhigh에 의존했지만 이제는 어이없는 구현을 보게 되어 Claude로 갈아탔다고 말하며, OpenAI가 이 문제를 진지하게 다루지 않는다고 본다. siva는 세 달 전 Claude가 멍청해져서 Codex로 옮겼고, 여섯 달 전에는 그 반대였다고 말한다. 어느 도구를 쓰든 결국 문제가 생기며, Codex가 약간 더 나을 수도 있다고 덧붙인다. 이 이미지는 문맥과 밀접하게 관련되어 있으며, 개발자들이 Codex 품질 저하를 우려하고 서로 다른 도구로 갈아타는 상황을 직관적으로 보여 준다.

개발자들이 OpenAI에 바라는 해명

커뮤니티의 핵심 요구는 복잡하지 않다. 개발자들은 OpenAI 또는 Codex 팀이 516, 1034, 1552를 둘러싸고 실제로 무슨 일이 일어나고 있는지 설명해 주기를 바란다.

제기된 공개 질문은 다음과 같다.

이것이 추론 예산 때문에 발생한 것인가?
라우팅 문제인가?
잘림(truncation) 또는 스트리밍 동작 때문인가?
폴백 경로인가?
스케줄러나 백엔드 시스템이 고정된 중단 경계를 만들고 있는가?
정확히 516이라는 값은 정상적인 중단 지점인가, 성능이 낮아진 티어인가, 아니면 내부 임계값인가?

원래의 GitHub 이슈는 이것이 숨겨진 연쇄 사고(chain-of-thought) 잘림을 입증한다고 단정하지 않는다. 더 강한 주장은 단지, 이 군집 현상이 모델별 특성과 임계값 패턴을 충분히 띠고 있어 조사할 가치가 있다는 것이다.

단지 덜 신뢰할 수 있는 것만이 아니다: 사용자들은 성격에 대해서도 불평한다

원문의 후반부는 성능에서 성격 문제로 초점을 옮긴다.

Angel이라는 개발자는 GPT-5.5 Instant를 사용하는 ChatGPT와 Claude Fable 5를 나란히 놓은 스크린샷으로 비교했다. 불만의 초점은 모델이 답변할 수 있느냐가 아니었다. 문제는 어시스턴트가 어떻게 행동하느냐였다.

이미지는 “ChatGPT's Personality Drives Me Crazy”라는 제목의 트윗을 보여 준다. 상단에는 OpenAI 로고와 픽셀 스타일의 만화 고양이 한 마리가 있고, 가운데 문구는 “Where OpenAI Gets Personality Wrong”이다. 아래 삽화에는 픽셀 스타일의 만화 캐릭터 두 개가 있는데, 왼쪽은 파란 촉수를 가진 로봇이고 오른쪽은 주황색 만화 고양이다. 이 이미지는 문서의 “Not Just Less Reliable: Users Also Complain About” 부분과 관련되어 있으며, ChatGPT의 성격적 측면에 대한 사용자의 불만을 설명하는 데 사용된다.

기사에서는 반복적으로 나타나는 세 가지 불만을 강조한다.

문제 1: 모든 것이 글머리표 목록이 된다

첫 번째 불만은 ChatGPT가 단순한 대화형 응답조차 지나치게 형식화하는 경향이 있다는 것이다.

더 자연스럽고 덜 AI처럼 말해 달라는 요청을 받았을 때, ChatGPT는 어떻게 자연스럽게 말할지를 구조화된 설명 형태로 답했다고 전해진다. 반면 Claude는 더

훨씬 더 짧고 더 캐주얼한 답변.

이미지에는 대화 인터페이스가 보인다. 사용자가 상단에 “please be natural, i don't like AI-ish responses”라고 입력했고, 아래에서 ChatGPT는 “Got it - I'll keep things natural and conversational. What's up?”라고 답한다. 화면 하단에는 파일, 재생, 좋아요, 싫어요, 새로고침 아이콘과 주황색 별 모양 아이콘이 있다. 이 이미지는 문서의 “Problem 1: Everything Becomes a Bullet List” 부분과 관련이 있으며, 더 자연스럽게 해 달라는 요청에 대한 ChatGPT의 응답을 보여 주면서 형식화 측면의 문제를 드러낸다.

문제는 불릿 포인트가 항상 나쁘다는 것이 아니다. 기술적인 설명에서는 유용하다. 문제는 채팅 도우미가 작은 요청마다 전부 제목, 굵은 글씨, 목록, 추가 제안으로 바꿔 버릴 때 딱딱하게 느껴질 수 있다는 점이다.

문제 2: 항상 뭔가를 고치려 든다

두 번째 불만은 과도한 수정에 관한 것이다.

문장이나 트윗을 확인해 달라고 하면, ChatGPT는 사용자가 단순히 “이거 괜찮아요”라는 답만 원할 수도 있는데도, 종종 그것을 더 좋게 만들거나, 다시 쓰거나, 대안을 제시하려고 한다.

원문은 이를 Claude 스타일의 행동과 대비시키는데, 거기서는 실제로 고칠 필요가 없을 때 도우미가 텍스트를 있는 그대로도 괜찮다고 더 자주 말한다.

이미지에는 사용자가 “Fable 5年底会像玩具一样吗”라고 물었을 때 ChatGPT가 답한 내용이 보인다. 사용자가 X에 올려도 되는지 묻자, ChatGPT는 가능하지만 약간 다듬을 수 있다고 제안한다. “미친 건, Fable 5가 올해 말쯤 장난감처럼 보일 거라는 점이다” 같은 자연스러운 답변 몇 가지와, 더 X 스타일의 톤을 가진 대안 표현도 함께 제시한다. 이 이미지는 문맥과 밀접하게 관련되어 있으며, ChatGPT가 답변에서 텍스트를 편집하고 다듬는 행동을 직관적으로 보여 주고, 문서에서 말하는 “ChatGPT는 항상 고치려 든다”는 문제와 맞닿아 있다.

이미지에는 대화 내용 일부가 보인다. 사용자가 “Fable 5年底看起来像玩具”라는 트윗을 X에 올려도 되는지, 수정이 필요한지, 그렇게까지 격식 차릴 필요가 있는지 묻는다. ChatGPT는 이 트윗은 전혀 문제없고, 매우 캐주얼하면서도 명확하며, 일반적인 X 게시물처럼 읽힌다고 답한다. 약간 손보고 싶다면 앞의 따옴표를 빼거나(의도적으로 인용이라면 닫고), “also” 같은 표현을 삭제하면 된다고 덧붙인다. 이 이미지는 문맥과 밀접하게 관련되어 있으며, 사용자가 트윗을 수정해야 하는지 물었을 때 ChatGPT가 어떻게 답하는지 보여 주는 예시로서, 편집 측면의 문제를 드러낸다.

캐주얼하게 글을 쓰는 사용자에게는 이것이 마찰을 만들 수 있다. 항상 사용자의 글을 “고치는” 모델은 도움이 되는 존재라기보다 엄격한 편집자처럼 느껴질 수 있다.

문제 3: 하나를 부탁하면 셋을 준다

세 번째 불만은 ChatGPT가 자주 요청한 것보다 더 많이 준다는 점이다.

기사의 예시에서 사용자는 농담 하나를 부탁한다. 그런데 ChatGPT는 농담 하나를 준 뒤, 또 하나를 더하고, 세 번째까지 덧붙인 다음, 사용자가 어떤 유머 스타일을 선호하는지 묻는다. Claude는 더 짧게 답한다.

![이미지에는 사용자가 “can you try to cheer me up with a joke”라고 요청했을 때 ChatGPT가 답한 내용이 보인다. 먼저 “Why don't skeletons fight each other? Because they don't have the guts. ...They'd argue, but they just can't stomach confrontation.”라는 농담을 제시하고, 이어서 “I told my computer I needed a break. It said, 'No problem—I'll freeze.'”라는 또 다른 농담을 덧붙인다. 마지막으로 “delightfully silly”한 농담이라며 “What's orange and sounds like a parrot? A carrot.”를 제시한 뒤, 마음에 드는지 묻고, 아니라면 어떤 유머 스타일을 원하는지 알려 주면 더 잘 맞춰 줄 수 있다고 말한다. 이 이미지는 문맥과 밀접하게 관련되어 있으며, 사용자가 농담을 부탁했을 때 ChatGPT가 어떻게 답하는지를 직관적으로 보여 준다.

](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/5dae8b13-68c4-41a0-ac41-d5700f95a278-18-435af1bb-60ec-4684-8e4b-cab023cbbe2d.png)

이것은 미묘한 제품 문제다. 출력이 많을수록 벤치마크에서는 도움이 되는 것처럼 보일 수 있지만, 대화에서는 어시스턴트가 사용자의 말을 제대로 듣지 않는다는 느낌을 줄 수 있다.

이것이 AI 어시스턴트에 중요한 이유

코딩 에이전트에게는 신뢰성이 중요하다. 모델이 너무 일찍 멈추거나, 더 짧은 추론 경로를 택하거나, 어려운 작업에서 고정된 토큰 경계에 걸린다면 개발자들은 이를 알아야 한다. 그들은 디버깅, 코드 리뷰, 아키텍처 결정, 그리고 프로덕션 변경을 위해 이러한 도구에 의존한다.

채팅 어시스턴트에게는 개성도 중요하다. 모든 답변이 지나치게 형식을 갖추고, 지나치게 교정하려 들고, 지나치게 많은 선택지를 제공한다면 사용자 경험은 시간이 갈수록 더 무거워진다.

이 글의 더 큰 주장은 두 문제 모두 같은 제품 리스크를 가리킨다는 점이다. 즉, 어시스턴트가 “답을 전달하는 것”에는 능숙해지면서도 정작 그 순간 사용자에게 실제로 도움이 되는 능력은 더 나빠질 수 있다는 것이다.

FAQ

GPT-5.5의 516 추론 토큰 이슈란 무엇인가?

일부 GPT-5.5 Codex 응답이 정확히 reasoning_output_tokens = 516에서 몰리는 것으로 보인다는 개발자 보고를 가리킨다. 주요 공개 참고 자료는 openai/codex 저장소의 GitHub 이슈 #30364이다. 이 이슈는 이 패턴이 여러 다른 모델보다 GPT-5.5에서 훨씬 더 강하게 나타난다고 주장한다.

이것이 OpenAI가 GPT-5.5의 추론을 몰래 잘라내고 있다는 증거인가?

아니다. GitHub 이슈 자체도 이것이 숨겨진 chain-of-thought 절단을 입증하는 것은 아니라고 말한다. 더 신중한 결론은, 보고된 데이터가 임계값 기반 추론 예산 동작과 일치할 수 있는 비정상적인 고정 토큰 군집 패턴을 보여준다는 것이다.

왜 516이라는 숫자가 중요한가?

반복적으로 정확히 같은 지점에서 멈추는 현상은 일반적인 추론 길이 분포보다 덜 자연스럽게 보일 수 있기 때문에 이 숫자가 중요하다. 보고된 데이터셋에서는 516, 1034, 1552가 고정 경계 스파이크로 나타났다. 개발자들은 이것이 예산, 라우팅 동작, 폴백 경로, 또는 다른 백엔드 메커니즘 때문에 발생하는지 묻고 있다.

OpenAI Codex는 무엇에 사용되는가?

OpenAI Codex는 소프트웨어 개발을 위한 코딩 에이전트다. OpenAI의 개발자 문서에 따르면 Codex는 코드베이스 읽기, 파일 편집, 버그 수정, 코드 리뷰, 그리고 로컬 또는 클라우드 환경 전반의 소프트웨어 작업 수행을 도울 수 있다.

516 이슈는 Codex에만 해당되는가?

공개 논의는 주로 Codex와 Codex Desktop 메타데이터에 집중되어 있다. 이 글에서 가장 강한 주장은 Codex token_count 데이터와 openai/codex 저장소의 GitHub 이슈에 연결되어 있다. 이를 모든 ChatGPT 또는 OpenAI API 사용 사례로 일반화해서는 안 된다.

별도의 증거가 없는 경우.

왜 이 기사에서는 ChatGPT와 Claude를 비교하나요?

이 기사는 순수한 추론 성능만이 아니라 어시스턴트의 “성격”을 논의하기 위해 이 비교를 사용합니다. 스크린샷에는 ChatGPT가 지나치게 구조적이고, 지나치게 교정적이며, 여러 선택지를 너무 적극적으로 제시한다는 불만이 담겨 있는 반면, Claude 스타일의 응답은 때때로 더 짧고 더 대화체에 가깝게 보인다고 나와 있습니다.

개발자가 비슷한 Codex 동작을 보면 어떻게 해야 하나요?

개발자는 가능하다면 재현 가능한 예시, 메타데이터, 타임스탬프, 모델 설정, 작업 프롬프트를 저장해야 합니다. 토큰 수, 기대한 동작, 실제 동작, 재현 단계를 포함한 명확한 보고서는 막연한 불만 제기보다 훨씬 더 유용합니다.

요약

이 기사는 개발자들이 보고한 GPT-5.5 Codex의 516 추론 토큰 이상 현상을 설명하며, 주요 GitHub

문제, 보고된 집계 데이터, 그리고 일부 복잡한 작업이 너무 일찍 종료되고 있을 수 있다는 우려입니다.

또한 이는 두 번째 사용자 경험 관련 불만도 다룹니다. 바로 ChatGPT가 단순한 요청에도 과도하게 형식을 갖추고, 지나치게 교정하며, 필요 이상으로 길게 답하는 경향입니다. 이 부분의 논의는 더 주관적이지만, 어시스턴트의 성격은 일상적인 제품 경험에 직접적인 영향을 미치기 때문에 중요합니다.

중요한 점은 516 패턴을 숨겨진 잘림이 입증된 것으로 다루지 않는 것입니다. 공개된 증거는 조사할 가치가 있는 모델 동작 이상 현상으로 이해하는 편이 더 적절합니다.

개발자에게 실질적으로 중요한 요점은 간단합니다. AI 코딩 에이전트의 성능이 갑자기 나빠진 것처럼 느껴질 때는, 인상에만 의존하지 말고 메타데이터를 수집하고, 실행 결과를 비교하며, 재현 가능한 패턴을 보고해야 합니다.