핵심 요약
GPT‑5.4는 추론, 코딩, 에이전트 기반 워크플로, 컴퓨터 사용까지 통합한 전문 작업용 최상위 모델이다.
이전 세대인 GPT‑5.2/5.3‑Codex 대비 성능은 크게 올리고, 필요한 토큰 수와 지연 시간은 줄이는 방향으로 설계되었다.
특히 스프레드시트·프레젠테이션·웹 탐색·도구 사용·코딩에서 "실제 업무에 바로 쓸 수 있는 결과물"을 만드는 능력이 강화되었다.
GPT‑5.4가 어떤 모델인지 한눈에 보기
GPT‑5.4는 "전문 작업용 범용 모델"이라는 목표 아래 추론, 코딩, 비전, 도구 사용, 컴퓨터 조작 기능을 하나로 합친 프런티어 모델이다.
이전에는 코딩 특화 모델(GPT‑5.3‑Codex)과 일반 추론 모델(GPT‑5.2)이 나뉘어 있었지만, GPT‑5.4는 이 둘을 통합하면서도 각 영역의 최고 수준 성능을 유지하거나 상회하는 것이 특징이다.
사용자는 ChatGPT에서는 GPT‑5.4 Thinking / Pro, API에서는 gpt‑5.4 / gpt‑5.4‑pro로 접근할 수 있고, Codex 환경에서도 동일한 모델 계열을 사용하게 된다.
실제 업무에서의 성능: GDPval과 전문 지식 작업
GPT‑5.4는 실제 직업 세계에서의 "일 잘하는지"를 평가하는 GDPval 벤치마크에서 기존 기록을 크게 경신했다.
GDPval은 미국 GDP에 크게 기여하는 9개 산업, 44개 직종의 구체적인 지식 업무(영업 제안서, 회계 스프레드시트, 응급 진료 스케줄, 제조 도면, 짧은 영상 등)를 생성하는 것을 평가 기준으로 삼는다.
이 평가에서 GPT‑5.4는 전문가와 비슷하거나 더 잘한 비율이 83%로, GPT‑5.2의 약 71%에서 크게 상승했다는 점이 "실제 업무에 붙여도 되는가"를 가늠하는 중요한 지표가 된다.
오피스 업무 강화: 스프레드시트·프레젠테이션·문서
GPT‑5.4의 초점 중 하나는 "화이트칼라 업무에서 바로 써먹는 오피스 작업 능력"이다.
주니어 IB 애널리스트 수준의 엑셀 모델링을 기준으로 한 내부 테스트에서 GPT‑5.4는 87.5점을 기록해 GPT‑5.2의 68.4점보다 훨씬 높은 정확도를 보였다. 이는 복잡한 수식, 연결된 시트, 시나리오 분석 같은 실무형 작업을 더 안정적으로 처리한다는 의미다.
프레젠테이션 제작에서는 디자인 완성도, 슬라이드 간 시각적 다양성, 이미지 활용 측면에서 사람이 평가했을 때 GPT‑5.4가 만든 결과물을 선호하는 비율이 68%로, 이전 세대보다 확실한 선호를 얻었다. 실무적으로는 "거친 초안"이 아니라 바로 발표 가능한 수준에 더 가까운 슬라이드를 기대할 수 있다.
추론 품질과 "환각" 감소
GPT‑5.4는 단순히 똑똑해진 것뿐 아니라 "틀리게 말하는 빈도"를 줄이는 데에도 집중했다.
사용자 피드백으로 수집한 사실 오류가 포함된 프롬프트 세트에 대해 평가한 결과, GPT‑5.4는 GPT‑5.2 대비 개별 주장 단위의 오류 가능성이 33% 줄었다. 전체 답변 단위로 봐도 "틀린 내용이 섞여 있을 확률"이 18% 감소했다.
즉, 완전히 믿어도 되는 단계는 아니지만, 이전 세대보다 검증 비용이 줄어드는 방향으로 개선되었다고 이해하면 된다. 중요한 의사결정에서는 여전히 검증이 필요하지만, 반복적·일상적 업무에서는 더 안심하고 맡길 수 있는 수준에 가까워진 셈이다.
컴퓨터 사용 능력: 에이전트가 "직접 조작하는" 단계
GPT‑5.4의 가장 큰 변화 중 하나는 "컴퓨터 사용" 기능이 기본 내장됐다는 점이다.
모델은 Playwright 같은 라이브러리를 이용해 웹/데스크톱 화면을 조작하는 코드를 작성하거나, 스크린샷을 보고 마우스 클릭·키보드 입력 같은 행동 시퀀스를 계획·실행할 수 있다. 개발자는 이 행동 방식을 개발자 메시지와 정책(확인 절차, 위험 허용 범위)으로 세밀하게 제어할 수 있다.
OSWorld‑Verified 벤치마크(데스크톱 환경에서 작업 수행)에서 GPT‑5.4는 75% 성공률을 기록해 GPT‑5.2(47.3%)뿐 아니라 인간 평균(72.4%)까지 넘어섰고, WebArena‑Verified·Online‑Mind2Web 같은 웹 브라우저 조작 평가에서도 이전 모델과 타 시스템을 상회하는 성능을 기록했다. 이는 "메일 열고 첨부 다운로드 → 다른 시스템에 업로드 → 결과 정리" 같은 실제 복합 작업을 에이전트에게 점점 더 많이 넘길 수 있음을 의미한다.
비전 인식과 문서 이해: 고해상도까지 확장
GPT‑5.4는 이미지·문서 이해 능력에서도 중요한 개선을 보였다.
MMMU‑Pro(고난도 멀티모달 추론)에서는 도구 없이도 81.2%를 기록해 GPT‑5.2를 능가하면서도 필요한 추론 토큰 수는 적었다. 즉, "더 정확하면서 더 빠른" 시각 추론이 가능해진 것이다.
문서 파싱을 평가하는 OmniDocBench에서 GPT‑5.4의 평균 편집 거리 오류는 0.109로 GPT‑5.2의 0.140보다 낮았다. 복잡한 PDF, 스캔 문서, 보고서를 텍스트 구조로 바꿔야 할 때 더 깨끗한 결과를 기대할 수 있다.
또한 입력 디테일 옵션이 도입되어 최대 약 6K 해상도(또는 1,000만 픽셀)까지 원본 수준 인식이 가능해졌다. 위치 정보나 작은 글씨, UI 요소를 구분해야 하는 상황(예: 디자인 검수, UI 테스트, 도면 읽기)에서 정확도가 크게 향상되는 기반이 된다.
코딩 능력: GPT‑5.3‑Codex 통합 + 더 빠른 속도
GPT‑5.4는 GPT‑5.3‑Codex의 코딩 성능을 그대로 가져오면서, 추론 효율과 컴퓨터 사용 능력을 결합해 "코드 짜는 에이전트"로 한 단계 진화했다.
SWE‑Bench Pro 같은 실제 오픈소스 이슈 해결 벤치마크에서 GPT‑5.3‑Codex와 같은 수준 혹은 그 이상을 기록하면서도 모든 추론 레벨에서 지연 시간이 감소했다. 이 말은 같은 난이도의 버그를 더 빠르게 해결할 수 있다는 뜻이다.
Codex의 /fast 모드를 사용하면 모델 지능은 유지하면서 최대 1.8배 속도를 높일 수 있고, API에서는 우선 처리 옵션으로 비슷한 효과를 얻을 수 있다. 특히 프런트엔드 UI 구현, 복잡한 웹앱 작성에서 디자인·기능 모두 기존 어떤 모델보다 품질이 좋다는 내부 평가 결과가 있다.
Playwright(Interactive) 스킬 예시처럼, 모델이 직접 브라우저를 띄워 UI를 디버깅하고, 테스트를 동시에 작성하는 워크플로도 가능해져 "코드 + 실행 + 디버깅"이 하나의 연속된 작업으로 묶인다.
도구 사용과 도구 검색: 대규모 생태계에 맞춘 설계
GPT‑5.4는 외부 도구와 상호작용할 때 "무엇을 언제 쓸지"를 더 잘 결정하도록 설계되었다.
먼저 도구 검색 기능이 추가되면서, 모델은 처음부터 모든 도구 정의를 프롬프트에 넣어두지 않고, 간단한 도구 목록만 보고 필요할 때만 상세 정의를 가져오게 되었다. 도구 수가 많을수록 이전 방식은 요청마다 수천~수만 토큰이 낭비되는 문제가 있었는데, 이제 토큰 사용량과 비용, 지연 시간이 모두 크게 줄어든다.
MCP Atlas 벤치마크에서 36개 MCP 서버를 모두 띄운 상태로 실험한 결과, 도구 검색을 활용한 구성은 정확도를 유지한 채 전체 토큰 사용량을 47% 절감했다. 이는 "도구가 많을수록 더 비싸지고 느려진다"는 기존 한계를 크게 완화하는 결과다.
Toolathlon 벤치마크(실제 도구와 API를 사용해 다단계 작업 수행)를 보면 GPT‑5.4는 GPT‑5.2보다 더 적은 턴과 더 적은 도구 중단으로 더 높은 정확도를 달성했다. 즉, 같은 일을 더 적은 왕복 API 호출과 더 짧은 시간 안에 처리할 수 있다.
웹 검색과 GPT‑5.4 Thinking의 계획 기능
GPT‑5.4는 웹 검색을 활용한 정보 수집에서도 이전보다 "깊이 파고들기"에 특화되었다.
BrowseComp 벤치마크(어려운 정보를 웹에서 끈질기게 찾아내는 능력)에서 GPT‑5.4는 GPT‑5.2보다 17%p 높은 점수를 기록했으며, GPT‑5.4 Pro는 89.3%로 새로운 최고 성능을 달성했다.
실제 ChatGPT 환경에서 GPT‑5.4 Thinking은 복잡한 질문을 받으면 먼저 해결 계획을 간단히 제시한 뒤, 그 계획을 따라 웹을 탐색하고 정보를 모아 답한다. 사용자는 이 과정 중간에도 "방향 수정"이나 추가 지침을 줄 수 있어, 결과물이 마음에 들지 않을 때 처음부터 다시 시키지 않아도 된다는 이점이 있다.
또한 긴 추론 과정에서도 앞선 대화 내용을 안정적으로 유지하도록 설계되어 긴 워크플로나 길고 복잡한 프롬프트에서도 일관성 있는 결과를 유지하기 쉬워졌다.
제어 가능성과 안전: 강력하지만 관리 가능한 모델
GPT‑5.4는 강력해진 만큼 안전장치도 함께 강화되었다.
사이버 보안 측면에서는 GPT‑5.3‑Codex와 마찬가지로 고급 역량으로 분류되지만, 확장된 사이버 안전 체계, 모니터링, 일부 환경에서의 고위험 요청 차단 등 다양한 방어 수단과 함께 배포된다. 다만 이런 보호 장치 때문에 일부 합법적인 요청이 과도하게 차단되는 오탐도 여전히 존재할 수 있다.
추론 과정 모니터링(Chain‑of‑Thought 모니터링)이 여전히 유효한 안전 도구인지 확인하기 위한 "CoT 제어 가능성" 연구에서는 GPT‑5.4 Thinking이 의도적으로 자신의 추론 과정을 숨기거나 흐리는 능력이 낮다고 평가되었다. 이는 모델이 "몰래 생각을 감추며 우회"하는 방향으로 진화하지 않았음을 의미하며, 안전 모니터링을 설계하는 쪽에서 긍정적인 결과다.
이용 가능 범위와 가격 구조 이해하기
GPT‑5.4는 ChatGPT, API, Codex 전반에서 순차적으로 제공된다.
ChatGPT에서는 GPT‑5.4 Thinking이 Plus, Team, Pro에서 바로 사용 가능하고, Enterprise·Edu는 관리자가 조기 액세스를 켤 수 있다. GPT‑5.4 Pro는 Pro 및 Enterprise 플랜에서 사용할 수 있어, 가장 무거운 작업에 최적화된 선택지로 쓰인다.
API에서는 gpt‑5.4, gpt‑5.4‑pro라는 이름으로 제공되며, 토큰당 가격은 GPT‑5.2 대비 높지만, 문제 해결에 필요한 토큰 수가 줄어들도록 설계되어 "총 비용"은 작업에 따라 오히려 비슷하거나 더 낮을 수 있다. 캐시, Batch, Flex, 우선 처리 옵션을 조합하면 비용과 속도 사이에서 다양한 트레이드오프를 설계할 수 있다.
중요한 점은 GPT‑5.4가 gpt‑5.3‑codex 수준의 코딩 능력을 내장한 첫 메인라인 추론 모델이라는 것인데, 이로써 "일반 모델 vs 코딩 특화 모델"을 고민하던 구조가 상당 부분 단순해진다.
인사이트
GPT‑5.4는 "단일 대답 잘하기"에서 "복잡한 일을 끝까지 책임지는 에이전트"로의 전환을 본격적으로 보여주는 모델이라고 볼 수 있다.
현실적인 활용 관점에서는 첫째, 엑셀·프레젠테이션·문서 생성 같은 반복적 전문 업무를 과감히 맡겨 시간을 확보하고, 사람이 해야 하는 검토·의사결정에 집중하는 전략이 유효하다. 둘째, 도구 사용과 컴퓨터 조작 기능을 결합해 "이메일–드라이브–내부 시스템–스프레드시트"처럼 여러 앱을 넘나드는 업무 흐름을 점진적으로 자동화하는 것이 좋다.
개발자라면 GPT‑5.4를 단순한 코드 자동완성 도구로 쓰기보다 "테스트 작성–실행–디버깅–UI 조작까지 포함된 전체 개발 루프"에 통합하는 쪽이 투자 대비 효율이 크다. 비용과 지연 시간은 도구 검색, 캐시, /fast 모드, 우선 처리 옵션을 적절히 조합해 최적화할 수 있다.
마지막으로, 아무리 정확성이 높아졌다 해도 중요한 비즈니스·법률·의료 의사결정에서는 여전히 사람의 검토가 필요하다. GPT‑5.4를 "정답 기계"가 아니라 "매우 유능한 주니어 동료 + 자동화 에이전트"로 바라보고, 책임 있는 검증과 거버넌스를 같이 설계하는 것이 장기적으로 가장 안전하고 효율적인 활용 방식이다.
출처 및 참고 : GPT-5.4를 소개합니다 | OpenAI
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.