Codex 사용에 관한 나의 생각: 사용량을 아끼는 것이 과연 최선인가

Codex 사용에 관해 저의 몇 가지 생각을 공유하고자 합니다. 며칠 전 제가 공유했던 AI 사용의 근본적인 마음가짐을 '도(道)로 술(術)을 다스린다'는 관점에서 본다면, 사용량(quota)을 아끼는 것은 '술(術)'이고, 생산성의 주도권이 누구에게 있는지를 파악하는 것이 '도(道)'입니다.

만약 당신도 Codex를 사용 중이며, 사용량을 아껴 쓰는 습관이 있다면—
이 글을 다 읽고 나서 계속 아낄지 결정하시길 권합니다.
어제의 그 리셋(reset)이, 당신이 쌓아온 버퍼(buffer)를 정확히 덮어버렸을지도 모르니까요.

OpenAI Codex 책임자인 Tibo(@thsottiaux)가 게시물을 올렸습니다.
지난 24시간 동안 3번의 소규모 신뢰성 사고가 발생하여,
모든 유료 플랜의 사용량을 일괄적으로 리셋(reset)했다는 소식과 함께 "May the tokens flow again"이라는 문구를 덧붙였습니다.

댓글창은 감사 인사가 가득하며, 'Saint Tibo', 'he did it again' 같은 글들이 도배되고 있습니다. 저는 한 바퀴 둘러본 뒤, 아마 아무도 듣고 싶어 하지 않을 말을 한마디 하고 싶습니다.

당신이 지난 며칠간 머리를 써가며 아껴온 사용량은, 높은 확률로 헛수고가 되었습니다.

먼저 Codex의 사용량이 어떻게 계산되는지 말씀드리겠습니다. 토큰(token) 기준이 아니라 추론 시간(reasoning time) 기준으로 계산됩니다.

5시간의 윈도우(window)가 주어지며, 로컬(local) 작업과 클라우드(cloud) 작업이 이를 공유합니다.
커뮤니티의 실측에 따르면, Plus 플랜에서 GPT-5.4는 약 40분간 추론을 돌리면 이 5시간의 사용량이 100% 소진되며, GPT-5.3은 약 60분 정도 걸립니다.

즉, /goal 명령을 내려서 모델이 스스로 plan→act→test→iterate 과정을 연속적으로 수행하게 하면,
사용량은 당신의 생각보다 훨씬 빠르게 줄어듭니다. 당신은 퍼센트(%)만 볼 뿐, 매 분마다 얼마나 소모되는지는 볼 수 없습니다.

이제 리셋(reset)을 대입해 보겠습니다.
커뮤니티 논의에 따르면, 이 리셋은 많은 경우 사용량을 허공에서 만들어내는 것이 아니라,
당신의 다음 결제 주기의 시작점을 앞당기는 방식입니다.

따라서 리셋 직후 바로 작업을 시작한 사람 중에는 한 번에 11시간 이상의 추론을 돌린 사람도 있습니다.
반면, 당신이 주말의 대형 프로젝트를 위해 힘들게 모아둔 버퍼(buffer)는, 단 한 번의 리셋으로 즉시 덮어씌워져 0이 되어버렸습니다.

아끼는 사람은 손해를 보고, 몰아 쓰는 사람은 이득을 봅니다.
4, 5월부터 이번에 이르기까지 Tibo는 이미 여러 차례 리셋을 진행했습니다. 이는 일시적인 현상이 아니라 일종의 상태(norm)입니다.

그러므로 현재의 규칙 아래에서는, 지나치게 계산하며 아끼는 것이 오히려 차선책(suboptimal solution)이 됩니다.

함부로 낭비하라는 뜻이 아닙니다. 이 시스템은 즉시 소비하는 사람에게 보상을 주고 있으니, 시스템의 규칙에 맞춰 움직여야 한다는 뜻입니다.

하지만 제가 진정으로 주목하는 것은 사용량을 어떻게 아끼느냐가 아니라, 이 사건이 무엇을 의미하느냐입니다.

Codex, 사용량, 리셋이라는 단어들을 제거해 보십시오.
이것은 클라우드 AI로 작업하는 모든 이들이 겪는 동일한 이야기입니다.
당신의 생산성은 당신의 손에 있는 것이 아니라, 당신이 속을 알 수도 없고 보상 방식도 불투명한 하나의 시스템 손에 달려 있습니다.
오늘 Tibo의 기분이 좋아 리셋을 해줄 수는 있지만, 내일 그가 보직을 옮긴다면 어떻게 될까요?

선량한 책임자의 호의(goodwill)에 의존해 연명하는 신뢰는,
그가 있을 때는 매우 따뜻하지만, 그가 떠나면 그동안의 비용을 한꺼번에 청구받게 될 것입니다.

따라서 이 문제의 진정한 해결책은 다음 리셋을 기다리며 웅크리고 있는 것이 아니라,
생산성 전체를 당신이 통제할 수 없는 풀(pool)에 전부 걸지 않는 것입니다.
로컬 모델(local model)로 기본 작업을 수행하고(fallback), 클라우드(cloud)로 피크(peak) 시점에 대응하며, 스스로 연소율(burn rate)을 기록하십시오(예: 40분 $\approx$ 100%, 역산 시 4분 $\approx$ 10%).
그렇게 하여 리듬을 당신의 손안에 쥐어야 합니다.

저는 AI 도구의 다음 분수령은 모델이 얼마나 강력한가가 아니라고 생각합니다.
핵심은 우리의 생산성이 결국 누구의 통제하에 있느냐 하는 점입니다.