NVIDIA 엔지니어와 연구원들이 Codex로 구축하는 방법

결과

10x

엔드 투 엔드 (end-to-end) 연구 워크플로의 속도 향상

결과

40k

Codex에 접근 권한을 가진 NVIDIA 직원 수

NVIDIA에서 엔지니어들은 복잡한 엔지니어링 작업과 엔드 투 엔드 (end-to-end) 머신러닝 (machine learning) 실험을 실행하기 위한 기본 도구로 Codex를 사용하고 있습니다. GPT-5.5를 기반으로 구축되어 NVIDIA GB200 및 GB300 인프라에서 프로덕션 (production) 환경으로 실행되는 Codex는 훨씬 더 길고 자율적인 세션을 처리할 수 있으며, 단순한 실행을 넘어 원래 프롬프트 (prompt)에 포함되지 않았던 문제와 아이디어를 표면화할 수 있습니다.

“Codex는 복잡한 엔지니어링 작업을 위한 우리의 필수 도구이며, GPT-5.5를 통해 다른 모델들이 찾아내지 못했던 제 프로그램의 버그와 공백을 찾아냅니다.”

NVIDIA의 코딩 에이전트 (coding agents) 팀은 회사 전역의 엔지니어들이 실제 개발 워크플로에서 AI 도구를 효과적으로 채택하고 사용할 수 있도록 돕습니다. GPT-5.5를 탑재한 Codex는 복잡한 엔지니어링 작업을 위한 그들의 필수 도구가 되었습니다.

“개인적으로 GPT-5.5가 탑재된 Codex가 훨씬 더 자율적이며, 훨씬 적은 도움(handholding)만으로도 작동한다는 것을 발견했습니다.”라고 에이전트 팀의 시니어 소프트웨어 엔지니어인 Dennis Hannusch는 설명합니다. “여러 번의 컴팩션 (compactions)을 거치는 긴 세션 동안에도 여전히 최고의 정확도로 성능을 발휘하며 작업을 컨텍스트 (context) 내에 유지하는 것을 확인할 수 있었습니다. 또한 전술적으로 적절한 도구와 기술을 선택하는 능력도 뛰어납니다.”

Hannusch는 이미 Codex를 사용하여 내부 플랫폼을 MVP에서 프로덕션 준비 단계의 시스템으로 발전시켰으며, 그 과정에서 확장성과 신뢰성을 개선했습니다. 이는 이전 모델들로는 어려움이 증명되었던 작업이었습니다.

또한 팀은 Riverside와 유사한 내부 팟캐스트 녹음 앱을 구축했는데, 이는 Codex를 사용하여 단 몇 시간 만에 만들어졌습니다. “우리의 개인정보 보호 제약 사항을 고려할 때, 소프트웨어를 조달하는 데 몇 주가 걸렸을 것입니다.”라고 Hannusch는 설명합니다.

컴퓨터 상호작용 (Computer interaction) 기능이 포함된 Codex 데스크톱 앱을 사용하여, 시스템은 비디오 및 오디오 녹화 기능이 구축되는 동안 이를 테스트할 수도 있었습니다. “저는 아무것도 할 필요가 없었습니다. 완전히 자율적으로 구축되고 테스트되었습니다.”라고 그는 말합니다. “Codex는 무엇을 구축할 가치가 있는지에 대한 임계값 (threshold)을 완전히 바꾸어 놓았습니다.”

“엔드 투 엔드 (end-to-end) 머신러닝 (Machine Learning) 연구 워크플로 (workflow) 전체를 처리할 수 있기 때문에, 실험을 실행하는 측면에서만 10배의 속도 향상이 있었습니다.”

NVIDIA의 연구 팀들에게 Codex는 연구 영역 식별부터 머신러닝 실험을 위한 스크립트 작성, 원격 머신에서의 실험 실행에 이르기까지 연구 루프 (research loop)를 크게 자동화했습니다.

NVIDIA의 AI 연구원인 Shaunak Joshi는 “GPT-5.5는 특히 지식 노동 (knowledge work) 측면에서 창의적인 파트너로서 엄청난 잠금 해제 (unlock) 역할을 했습니다”라고 말합니다.

팀은 Codex를 연구 에이전트 (research agent)로 사용하며, 모델이 강화학습 (Reinforcement Learning)과 같은 분야의 방대한 관련 논문 코퍼스 (corpus)를 참조하도록 합니다. “GPT-5.5는 경쟁사들에 비해 훨씬 더 창의적인 것 같습니다.”라고 Joshi는 말합니다. “GPT-5.5는 전체 체인 (chain)을 통해 증거의 파편들을 추적하는 것을 도와주었고, 개념들이 어떻게 서로 연결되는지 시각화하는 데 정말 도움이 되는 아이디어의 지식 그래프 (knowledge graph)를 제안해 주었습니다.”

가설을 식별한 후, Codex는 모델을 훈련하기 위해 머신러닝 인프라 (infrastructure) 상에서 스크립트를 작성합니다. Codex 앱은 SSH를 지원하므로, Joshi는 더 이상 원격 호스트 (remote hosts)에 로그인하거나 설정하는 것을 걱정할 필요가 없다는 것을 발견했습니다. 그는 자신의 노트북에서 쉽게 대규모 머신러닝 워크로드 (workloads)를 실행할 수 있습니다.

“성능이 그리 좋지 않은 오래된 코드베이스 (codebase)가 있다면, Codex는 기계 번역 (machine translation)에 매우 능숙합니다. 그래서 많은 사람들이 자신의 Python 저장소 (repository)를 GPT-5.5로 보내면, 그것을 Rust로 다시 작성하여 약 20배 더 효율적으로 만들어 줍니다.”

Codex는 NVIDIA의 엔지니어링 및 연구 팀 전반에서 아이디어를 개념에서 실행 및 테스트까지 단일 워크플로로 가져오며 업무를 가속화하고 있습니다.

“우리는 이것이 할 수 있는 일의 표면을 이제 막 긁고 있을 뿐입니다,”라고 Hannusch는 말합니다. “실제 시스템을 계속 구축하며 이것이 어디까지 갈 수 있는지 확인하게 되어 정말 기대됩니다.”