개발자를 위한 OpenAI의 2025년 돌아보기

2025년을 대표하는 변화는 특정 모델의 출시보다 프로덕션 환경에서 AI를 운영하기가 한결 쉬워졌다는 점입니다. 모델이 계획을 세우고 도구를 사용하며 시간이 오래 걸리는 작업을 수행하는 능력이 향상되면서, 단계마다 프롬프트로 지시하던 팀들이 점차 에이전트에 작업을 맡기기 시작했습니다.

개발자가 체감한 변화는 다음과 같습니다.

• 추론이 개발자가 조절할 수 있는 핵심 기능으로 자리 잡았고, 범용 채팅 모델에도 점차 통합되었습니다.
• 멀티 모달 기능(문서, 오디오, 이미지, 동영상)을 API에서 기본으로 지원하게 되었습니다.
• 에이전트 개발에 필요한 구성 요소(Responses API, Agents SDK, AgentKit) 덕분에 여러 단계로 이루어진 워크플로우를 더 쉽게 배포하고 운영할 수 있게 되었습니다.
• Codex 덕분에 이전보다 더 빠르게 개발하고 결과물의 품질도 높일 수 있게 되었습니다.

핵심 요약

• 가장 큰 변화는 에이전트를 중심으로 설계한 API와 한층 향상된 모델의 조합입니다. 이제 추론과 도구 사용이 필요한 더 복잡한 작업을 수행할 수 있습니다.
• Codex는 모델과 도구 양쪽에서 발전했습니다. GPT-5.2-Codex의 레포지토리 전반에 걸친 추론 능력에 프로덕션용 CLI, Web 및 IDE 워크플로우가 더해져 장시간에 걸친 코딩 작업을 처리할 수 있게 되었습니다.
• 도구가 개선되면서 모델을 실제 시스템에 연결할 때 겪던 어려움이 줄었습니다.
• 워크플로우 전반에서 멀티 모달 입출력(PDF, 이미지, 오디오, 동영상)을 기본으로 활용할 수 있게 되었습니다.
• 평가, 채점기, 튜닝 기능이 발전하면서 ‘측정 → 개선 → 배포’ 과정을 일관되게 반복하기가 쉬워졌습니다.

2025년의 주요 모델, API, 플랫폼 업데이트를 살펴보고 프로덕션용 에이전트 배포에 어떻게 활용할 수 있는지 알아보세요.

추론 모델의 변화: 독립된 모델군에서 통합 모델군으로

2024년 말, OpenAI는 모델에 ‘생각할 시간’을 주는 추론 방식을 처음 선보였습니다. 2025년 초에는 추론 모델 자체가 별도의 모델군을 이루었습니다. o1, o3, o4-mini 같은 모델은 답변 전에 연산 자원을 더 투입해 추론하면 여러 단계가 필요한 복잡한 작업에서 신뢰성을 크게 높일 수 있음을 보여주었습니다.

o3-mini 역시 주목할 만합니다. 추론이 프런티어 모델에만 국한된 기능이 아니라 개발자가 비용 부담을 줄이면서 쉽게 활용할 수 있는 기능임을 일찍이 보여준 모델입니다.

2025년 중후반에는 통합 흐름이 뚜렷해졌습니다. 깊이 있는 추론, 도구 사용, 수준 높은 대화 능력이 점차 하나의 플래그십 모델군에 모였습니다. 대부분의 팀에서 모델 선택의 기준은 근본적으로 다른 모델군 중 하나를 고르는 것에서 비용, 지연 시간, 품질 사이의 균형을 찾는 것으로 바뀌었습니다.

추론에 중점을 둔 o1, o3 / o4-mini, o3-mini 등의 출시로 개발자가 작업에 맞게 ‘더 깊이 추론할지, 더 빨리 응답할지’를 조절할 수 있게 되었습니다. 이후 이 접근 방식이 GPT-5.x 제품군에 점차 통합되면서 하나의 모델군에서 범용 지능, 깊이 있는 추론, 코딩에 특화된 기능, 멀티 모달 기능을 모두 제공하게 되었습니다.

멀티 모달 기능: 오디오, 비전, 이미지, 동영상

2025년 말에 이르러 멀티 모달 기능은 ‘이미지를 입력할 수 있다’는 수준을 넘어 ‘여러 유형의 데이터를 아우르는 제품을 처음부터 끝까지 구축할 수 있다’는 의미가 되었습니다. 이 모든 과정을 하나의 워크플로우에서 처리할 수 있는 경우도 많아졌습니다.

오디오와 실시간 처리

• 차세대 오디오 모델은 음성 인식의 정확도를 높이고 음성 합성을 더 세밀하게 제어할 수 있도록 해 프로덕션용 음성 파이프라인 구축을 지원했습니다.
• Realtime API가 정식 출시되면서 지연 시간이 짧은 양방향 오디오 스트리밍을 지원하게 되었습니다. 덕분에 실시간 음성 에이전트와 대화형 인터페이스를 프로덕션 환경에서 운영할 수 있게 되었습니다.

이미지

• GPT Image 1은 차세대 이미지 생성 모델의 시작을 알렸습니다. 현실 세계에 대한 높은 이해도와 향상된 지시 이행 능력을 바탕으로 고품질 이미지를 생성하고 구조화된 편집 작업을 수행했습니다.
• 입력 이미지의 특성을 충실히 반영할 수 있게 되어 이미지를 편집할 때 얼굴이나 로고 같은 세부 요소를 더 일관되게 유지할 수 있었습니다.
• GPT Image 1 mini는 모델 자체의 이미지 생성 기능을 더 낮은 비용으로 사용할 수 있게 했습니다.
• OpenAI의 가장 발전된 이미지 생성 모델인 GPT Image 1.5는 이미지 품질과 편집 결과의 일관성을 크게 높였습니다.
• Responses API에 이미지 생성 도구가 추가되면서 여러 차례 이어지는 대화 안에서 다른 도구와 함께 이미지를 생성할 수 있게 되었습니다.

동영상

• Sora 2 및 Sora 2 Pro 모델은 더 높은 품질의 동영상을 생성하고, 시간 흐름에 따른 장면의 일관성을 높였으며, 리믹스 기능도 지원했습니다.
• Video API는 v1/videos를 통해 동영상 생성과 편집 기능을 제공했습니다. 이제 API에서 텍스트, 이미지, 오디오와 마찬가지로 동영상도 기본으로 다룰 수 있습니다.

PDF와 문서

• PDF 입력 지원으로 문서 처리 비중이 큰 워크플로우를 API에서 직접 실행할 수 있게 되었습니다.
• URL로 PDF 참조 기능을 사용하면 문서를 업로드하는 단계를 생략할 수 있습니다.

개발자에게 달라진 점: 이제 OpenAI 플랫폼에서 텍스트와 비전뿐 아니라 이미지 및 동영상 생성 워크플로우와 음성-음성 변환까지 처리할 수 있습니다.

Codex

2025년에는 Codex가 코딩 모델에서 개발자와 함께 일하는 소프트웨어 엔지니어로 발전했습니다. 모델과 로컬 도구, 클라우드를 연결해 개발자가 더 오래 걸리고 복잡한 코딩 작업을 수행할 수 있도록 도왔습니다.

모델

초기 추론 모델은 여러 파일에 걸친 편집, 디버깅, 계획 수립 등 복잡한 코딩 작업에서 성능이 크게 향상되었음을 보여주었습니다. 2025년 중후반에는 이러한 기능이 GPT-5 제품군에 통합되었고, GPT-5.2-Codex가 코드 생성과 리뷰, 레포지토리 전반에 걸친 추론을 위한 최신 기본 모델이 되었습니다. 이제 범용 모델군 안에서 코딩에 특화된 모델을 선택할 수 있게 되었습니다.

CLI

오픈 소스 Codex CLI(GitHub)를 통해 개발자는 로컬 환경에서 코딩 에이전트와 바로 작업할 수 있게 되었습니다. 실제 레포지토리에서 Codex를 실행하고 변경 사항을 반복해서 검토한 뒤, 직접 감독하면서 수정 사항을 파일에 적용할 수 있습니다. 덕분에 일상적인 워크플로우에서도 장시간에 걸친 코딩 작업을 맡길 수 있게 되었습니다.

Codex는 스크립트에서 Codex 실행처럼 반복 가능한 자동화 방식을 기본으로 지원해 대화형 세션 밖에서도 쉽게 운영할 수 있게 되었습니다.

안전성, 제어 및 통합

Codex는 실제 배포 환경의 요구를 반영했습니다. 샌드박스와 승인 모드 덕분에 사람이 작업 과정에 개입하고 감독하기가 쉬워졌습니다. 또한 AGENTS.md와 MCP를 지원해 Codex를 레포지토리에 맞게 설정하고 외부 도구와 컨텍스트로 확장하기가 쉬워졌습니다. CLI를 MCP 서버로 실행해 Agents SDK로 Codex를 오케스트레이션하는 것도 가능했습니다.

2026년 9월 5일 업데이트: Codex MCP 서버가 제거되었습니다. 현재 사용할 수 있는 통합 방식은 마이그레이션 가이드를 참고하세요.

Web, 클라우드 및 IDE

Codex는 CLI에 이어 Web과 클라우드, IDE 확장 프로그램에서도 더 긴 세션과 반복적인 문제 해결을 지원하게 되었습니다. 대화로 해결책을 찾아 실제 코드를 수정하기까지의 과정이 짧아졌습니다. 팀에서는 CI에 Codex Autofix를 적용해 워크플로우 일부를 자동화할 수도 있었습니다.

개발자에게 달라진 점: 2025년 말의 Codex는 ‘프롬프트를 입력하는 모델’을 넘어, 추론 모델과 개발자가 평소 쓰는 도구를 결합한 코딩 환경으로 자리 잡았습니다.

플랫폼의 변화: Responses API와 에이전트 개발 구성 요소

2025년 플랫폼에서 가장 중요한 변화 중 하나는 에이전트를 중심으로 설계한 API 도입이었습니다.

Responses API 덕분에 다음 기능을 활용해 차세대 모델 기반 애플리케이션을 더 쉽게 개발할 수 있게 되었습니다.

• 서로 다른 모달리티를 포함한 복수의 입력 및 출력 지원
• 추론 제어 및 추론 요약 지원
• 추론 중에도 도구를 호출할 수 있도록 도구 호출 지원 강화

이를 기반으로 2025년에는 오픈 소스 Agents SDK와 AgentKit 등 상위 수준의 구성 요소도 출시되어 에이전트 구축과 오케스트레이션이 쉬워졌습니다.

상태를 관리하고 지속적으로 유지하는 일도 쉬워졌습니다.

• 대화 상태 기능과 Conversations API를 활용하면 대화 스레드를 지속적으로 보관하고 상태를 재현할 수 있습니다.
• 커넥터와 MCP 서버를 사용하면 외부 컨텍스트를 가져오고 신뢰할 수 있는 도구 인터페이스를 통해 작업을 수행할 수 있습니다.

개발자에게 달라진 점: 여러 단계를 수행하는 에이전트와 장시간 실행되는 워크플로우를 구축할 때 직접 작성할 연동 코드와 상태 관리 부담이 줄었습니다.

이러한 기본 기능과 함께 모델을 최대한 활용할 수 있는 강력한 내장 도구도 선보였습니다.

도구: 웹 검색부터 워크플로우까지

2025년에는 에이전트가 실제 작업을 안전하게 수행할 수 있도록 표준화된 기능을 출시했습니다. 각 기능은 필요에 따라 조합할 수 있습니다.

• 웹 검색은 최신 정보와 인용 출처가 필요한 에이전트를 위한 간단한 검색 기능을 제공했습니다.
• 파일 검색은 벡터 저장소를 활용하는 호스팅형 RAG 기능을 기본으로 제공했습니다. Responses API 및 구조화된 출력값과 쉽게 조합할 수 있습니다.
• 코드 인터프리터는 샌드박스 컨테이너에서 Python을 실행해 데이터 처리, 파일 변환, 반복적인 디버깅을 지원했습니다.
• 컴퓨터 사용 기능으로 클릭, 입력, 스크롤을 반복하는 작업을 자동화할 수 있게 되었습니다. 샌드박스를 적용하고 사람이 작업을 감독하는 방식과 함께 사용하는 것이 가장 좋습니다.

개발자에게 달라진 점: 팀마다 별도의 도구 런타임을 새로 만들지 않아도 에이전트가 정보를 검색하고 연산을 수행하며 필요한 조치를 안정적으로 실행할 수 있습니다.

운영과 확장: 비동기 처리, 이벤트, 비용 제어

에이전트가 단일 요청을 처리하는 수준에서 여러 단계의 작업을 수행하는 수준으로 발전하면서, 프로덕션 운영 팀에는 비용과 지연 시간, 신뢰성을 관리할 기본 기능이 필요해졌습니다.

• 프롬프트 캐싱은 여러 프롬프트가 동일한 긴 접두부(시스템 프롬프트, 도구, 스키마)를 공유할 때 지연 시간과 입력 비용을 줄였습니다.
• 백그라운드 모드 덕분에 클라이언트 연결을 계속 열어 두지 않고도 시간이 오래 걸리는 응답을 생성할 수 있게 되었습니다.
• 웹훅을 사용하면 모든 작업을 폴링하는 대신 배치 작업, 백그라운드 작업, 파인튜닝의 완료 이벤트에 반응하도록 시스템을 구성할 수 있습니다.
• 사용량 등급과 모델군이 늘어나면서 요청 한도 및 워크로드 최적화에 관한 지침도 더 구체화되었습니다.

개발자에게 달라진 점: 에이전트 개발에서는 프롬프트 작성만큼이나 비동기 처리, 이벤트, 예산을 고려한 시스템 설계가 중요해졌습니다.

개방형 표준과 오픈 소스 에이전트 개발 구성 요소

2025년에는 API 통합과 함께 에이전트 시스템의 상호운용성과 구성 요소 간 조합 가능성도 중요해졌습니다.

• 오픈 소스 Agents SDK는 Python(GitHub)과 TypeScript(GitHub)에서 도구 사용, 에이전트 간 작업 인계, 가드레일, 트레이싱에 필요한 실용적인 구성 요소를 제공했습니다. 특정 공급업체에 종속되지 않으며, OpenAI 이외의 모델을 사용하는 방법도 문서로 제공합니다.
• AgentKit은 에이전트를 더 빠르게 배포하고 개선하려는 팀을 위해 Agent Builder, ChatKit, Connector Registry, 반복 평가 등 상위 수준의 개발 도구를 추가했습니다.
• 표준 측면에서 OpenAI는 AGENTS.md(명세)를 추진하고 AAIF(Agentic AI Foundation)에 참여했습니다. 이와 함께 Model Context Protocol(MCP)과 스킬 같은 생태계 표준도 자리 잡고 있습니다. 공통 규약을 채택하는 곳이 늘어날수록 개발자는 에이전트 도구를 다른 환경으로 쉽게 옮길 수 있고, 개별 시스템에 맞춰 별도로 연동할 일도 줄어듭니다.

에이전트와 관련 표준 외에도 OpenAI는 Apps SDK를 선보였습니다. 이 오픈 소스 프레임워크는 Model Context Protocol(MCP)을 확장해 개발자가 MCP 서버와 함께 UI를 구축할 수 있도록 합니다. 개발자는 ChatGPT 같은 클라이언트에서 실행되는 애플리케이션의 로직과 대화형 인터페이스를 모두 정의할 수 있습니다.

개발자에게 달라진 점: 특정 런타임이나 UI에 대한 의존도가 낮은 에이전트를 구축하고, OpenAI 기반 에이전트를 서로 다른 시스템에 더 쉽게 통합할 수 있습니다.

오픈 웨이트 모델

OpenAI는 호스팅형 API 외에도 오픈 웨이트 모델을 출시했습니다. 이 모델은 뛰어난 추론 능력과 지시 이행 능력을 유지하면서 투명성을 높이고 연구와 온프레미스 또는 자체 호스팅 배포를 지원하도록 설계되었습니다.

• gpt-oss 120b 및 20b는 자체 호스팅과 온프레미스 배포를 위해 설계한 추론 모델입니다.
• gpt-oss-safeguard 120b 및 20b는 gpt-oss와 함께 실행하도록 설계한 안전 및 정책 모델입니다.

평가, 튜닝 및 안전한 배포

• Evals API는 평가 주도 개발을 지원합니다.
• 강화학습 기반 파인튜닝(RFT)에는 프로그래밍 가능한 채점기를 사용합니다.
• 지도학습 기반 파인튜닝 / 증류를 활용하면 대형 모델로 작업 성능을 검증한 뒤 더 작고 저렴한 모델의 품질을 높일 수 있습니다.
• 채점기와 프롬프트 최적화 도구 덕분에 팀에서는 ‘평가 → 개선 → 재평가’ 과정을 더 효율적으로 반복할 수 있게 되었습니다.

마무리

OpenAI는 개발자가 플랫폼에서 제품을 더 쉽게 구축하고 배포할 수 있도록 2025년 한 해 동안 다음 과제에 집중했습니다.

• 추론 능력을 확장하고 개발자가 이를 제어할 수 있도록 핵심 기능으로 제공
• 에이전트를 중심으로 설계한 통합 API 제공
• 개방형 구성 요소 제공 및 새로운 상호운용성 표준 마련
• 텍스트, 이미지, 오디오, 동영상, 문서를 아우르는 폭넓은 멀티 모달 지원
• 평가, 튜닝, 배포를 위한 프로덕션 도구 강화

작업별 추천 모델(2025년 말 기준)

새 프로젝트를 시작하거나 기존 연동을 개선한다면 다음 모델을 작업별 기본 선택지로 고려해 보세요.

• 범용 작업(텍스트 및 멀티 모달): GPT-5.2는 채팅, 긴 컨텍스트를 다루는 작업, 멀티 모달 입력에 적합합니다.
• 깊이 있는 추론 및 높은 신뢰성이 필요한 워크로드: GPT-5.2 Pro는 계획 수립이나 품질을 위해 연산 자원을 더 투입할 가치가 있는 작업에 적합합니다.
• 코딩 및 소프트웨어 엔지니어링: GPT-5.2-Codex는 코드 생성과 리뷰, 레포지토리 전반에 걸친 추론, 도구를 활용하는 코딩 에이전트에 적합합니다.
• 이미지 생성 및 편집: GPT Image 1.5는 원본이나 지시에 더 충실한 이미지를 생성하고 편집을 반복하는 작업에 적합합니다.
• 실시간 음성: gpt-realtime은 지연 시간이 짧은 음성-음성 변환과 실시간 음성 에이전트에 적합합니다.

모델별 최신 제공 여부와 이용 등급은 공식 모델 비교 페이지를 참고하세요.

이러한 업데이트는 앞으로의 개발을 위한 토대가 되었습니다. 2025년 한 해 동안 OpenAI와 함께해 주셔서 감사합니다. 2026년에 여러분이 만들어 갈 결과물을 기대합니다.

링크 및 참고 자료

• 프롬프트 최적화 도구
• 모델 비교(현재 모델 이름, 제공 여부, 이용 등급)
• Agents SDK(Python) 및 Agents SDK(TypeScript)
• Codex 문서 및 Codex CLI GitHub
• 이미지 Playground
• 플랫폼 변경 로그(출시 항목 및 시점)