GPT-5.4는 OpenAI의 새로운 프런티어 모델로, 복잡한 전문 작업에 최적화되어 있습니다: 대규모 컨텍스트(≈1.05M 토큰), 내장된 computer-use + 향상된 툴링(deferred tool loading / tool_search), 새로운 추론 제어, 그리고 더 어려운 문제를 위한 고연산 “Pro” 버전을 제공합니다. 이 가이드는 GPT-5.4가 무엇인지, 핵심 개선 사항, Responses API에서 호출하는 방법(Python 및 JavaScript 예시), 매개변수 제어(reasoning.effort, text.verbosity, tooling flags), 도구를 안전하게 사용하는 방법(“computer use” 도구 포함)을 설명합니다.
2026년 3월 5~7일, OpenAI는 전문적이고 문서 중심이며 에이전트형 워크플로에 맞게 조정된 최전선 모델인 GPT-5.4를 공개 출시했습니다. 이번 릴리스는 세 가지 수렴하는 발전을 강조합니다: (1) 대폭 확장된 컨텍스트 윈도우(≈1,050,000 토큰), (2) 개발자가 내부 추론 투입량을 제어할 수 있게 하는 새로운 “reasoning” 기능, (3) 일급의 computer-use / 도구 오케스트레이션과 향상된 멀티모달 이해(텍스트 + 이미지 + 스크린샷). 이러한 기능으로 GPT-5.4는 스프레드시트 모델링, 계약서 검토, 슬라이드 생성, 다단계 에이전트형 워크플로, 실제 시스템을 작동시키는 코드를 작성하는 작업에 특히 적합합니다.
CometAPI에서 GPT-5.4를 사용해 볼 수 있습니다. 더 높은 연산량을 투입하는 변형 — GPT-5.4 Pro — 은 가장 어려운 추론 및 다중 턴 워크로드에 사용할 수 있습니다.
GPT-5.4는 장문 문서, 코드, 다단계 추론, 에이전트형 워크플로 등 복잡한 전문 작업을 위한 GPT-5의 “프런티어” 모델로 자리매김합니다. 이번 릴리스는 기존에 Codex(코딩)와 GPT 계열로 나뉘어 있던 기능을 통합하여, 코딩·추론·도구 사용·장문맥 관리까지 하나의 모델로 수행할 수 있게 합니다. 공식 모델 가이드에서는 대부분의 작업에 gpt-5.4, 가장 어려운 문제에는 gpt-5.4-pro를 권장합니다.
주요 사양(공식):
컨텍스트 윈도우: 약 1,050,000 토큰(영문 약 70만~80만 단어 상당)으로, 책 원고 전체, 다중 파일 코드베이스, 대형 법률 문서 등 매우 큰 입력을 처리할 수 있습니다.
최대 출력 토큰: 보고에 따르면 매우 큰 출력이 지원됩니다(예: 일부 Pro 구성에서 최대 128,000 토큰).
변형:gpt-5.4(기본), gpt-5.4-pro(더 많은 연산, 더 깊은 사고), 그리고 비용 민감용 경량/미니 모델.
'Thinking'와 'Pro' 설명
GPT-5.4 Thinking: 대화형 추론에 맞게 조정된 모드입니다. 계획 우선(plan-first) 워크플로를 강조하며, 전체 결과를 생성하기 전에 사전 계획(“upfront plan”)을 제시해 중간에 방향을 조정하고 잘못된 방향으로 인한 토큰 낭비를 줄일 수 있습니다. 이 모드는 모델이 의도하는 단계의 가시성을 높여 장기 작업을 더 안전하고 통제 가능하게 만듭니다.
GPT-5.4 Pro: 가장 어려운 문제를 위한 고연산 버전으로, 더 깊은 연쇄적 추론, 더 큰 내부 연산 예산, 까다로운 벤치마크에서 더 결정적이고 안정적인 결과를 제공합니다. Responses API에서 제공되며, 다중 턴의 고난도 추론 작업을 염두에 두고 설계되었습니다(지연 시간과 비용 증가 예상).
GPT-5.4의 주요 향상점과 신규 기능
대규모 컨텍스트 윈도우(≈1,050,000 토큰)
전체 책, 다중 파일 코드베이스, 엔터프라이즈 문서 세트를 조각내지 않고 한 번에 받아들이고 추론할 수 있는 점이 대표적인 개선 사항입니다. 실무적으로는 계약서 전수 검토, 전체 문서 요약, 다문서 Q&A 같은 작업이 단순해집니다. 사용 사례: 법률 실사, 기술 감리, 에이전트 로그.
실무 메모: 더 큰 컨텍스트 윈도우는 시스템 설계를 바꿉니다. 과도한 청킹 대신 더 많은 “글로벌” 상태를 컨텍스트에 유지할 수 있지만, 비용을 합리적으로 유지하기 위해서는 여전히 압축(compaction)(Parameter Control 참조)이 필요합니다.
네이티브 컴퓨터 사용 및 도구 통합
GPT-5.4는 네이티브 컴퓨터 사용 기능을 갖춘 최초의 범용 모델로, 브라우저나 OS 동작 시퀀스(Playwright 스크립트, 키보드/마우스 이벤트) 생성, 스크린샷 읽기, 웹 UI 상호작용, 멀티 도구 워크플로 오케스트레이션을 수행합니다. 이는 실제 작업을 종단간으로 수행하는 자율 에이전트를 구축하는 데 큰 도약입니다.
GPT-5.4에는 computer use가 기본 포함되어 있어, 모델이 로컬/원격 소프트웨어 에이전트와 상호작용하고, 커넥터를 호출하며, 스프레드시트를 조작하고, 스크린샷을 찍으며, 허용되는 경우 다단계 워크플로를 자동화할 수 있습니다. 이는 접착 코드(glue code)를 줄여 주며, 취약한 래퍼 대신 문서화된 도구 API를 활용해 빌드-실행-검증-수정 루프(에이전트형 동작)를 구동합니다. 이는 안전하고 실용적인 자율 에이전트로의 큰 진전입니다.
Reasoning 모드 및 reasoning.effort
조절 가능한 reasoning.effort 파라미터로 모델이 내부적으로 연쇄적 추론과 해 탐색에 투입하는 연산량을 제어할 수 있습니다(옵션: none, low, medium, high, xhigh). 노력치를 높일수록 복잡한 문제에 더 적합하지만 비용과 지연이 증가합니다 — 특히 gpt-5.4-pro에 적합합니다.
사전 계획 / 인터랙티브 플랜
“Upfront plans”는 모델이 장문의 생성을 실행하기 전에 짧은 계획을 먼저 출력하도록 하여, 개발자나 사용자가 이를 점검·수정할 수 있게 합니다. 이를 통해 잘못된 방향으로 장문을 생성하는 낭비를 줄이고, 중간에 경로를 수정할 수 있어(긴 문서 작성이나 다단계 분석에 유용) 효율이 높아집니다.
향상된 멀티모달/문서 능력
모델과 함께 공개된 벤치마크 및 내부 평가에서 스프레드시트 작업의 큰 향상이 보고되었습니다(내부 스프레드시트 평가 예: GPT-5.4 평균 87.3% vs GPT-5.2 68.4%). 프레젠테이션 결과에 대한 인간 선호도도 상승했습니다(GPT-5.4가 만든 프레젠테이션이 GPT-5.2 대비 68% 선호). 또한 사실 오류 감소가 보고되었습니다(개별 주장 오류율 약 33%↓, 전체 응답 오류율 약 18%↓ vs GPT-5.2).
GPT-5.4 API 사용 방법(Responses API / Chat API )
GPT-5.4 pro는 response 액세스만 지원합니다. GPT-5.4 (thinking)는 chat과 responses를 지원합니다. CometAPI(대형 모델 API를 모아 제공하는 원스톱 플랫폼, 할인 제공)는 GPT-5.4 시리즈에 대해 두 가지 액세스 방식을 제공하며 호환 가능한 유용한 플레이그라운드도 제공합니다).
참고: Responses API는 추론 파라미터, 도구 등록, 더 큰 컨텍스트 크기를 직접 지원하므로 GPT-5.x 모델 통합에 권장됩니다.
Python — Responses API(예시)
# pip install openai (or use the official package named in docs)
from openai import OpenAI
import os
api_key = os.environ.get("OPENAI_API_KEY") # or set env var
client = OpenAI(api_key=api_key)
resp = client.responses.create(
model="gpt-5.4-pro-2026-03-05",
input="How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
reasoning={"effort": "high"}, # hidden internal reasoning tokens used
max_output_tokens=4096, # keep below max output limit for your use case
temperature=0.0, # deterministic for legal/technical tasks
tools=[ # optionally register tools the model can call
{
"name": "file_search",
"type": "file_search",
"config": {"root": "/mnt/data/contracts"}
}
],
response_format={"type":"json", "json_schema":{
"name":"redlines",
"schema":{"type":"object","properties":{"summary":{"type":"string"},"redlines":{"type":"array","items":{"type":"object"}}}}
}}
)
print(resp.output_text) # final model answer
참고: reasoning은 내부 추론 노력치를 제어합니다. tools는 모델이 호출할 수 있는 도구 인터페이스를 등록합니다. response_format은 구조화된 출력을 강제합니다. 사용 가능한 reasoning.effort 값은 SDK와 제공자 지원에 따라 none에서 xhigh까지입니다. 간단한 요약에는 낮은 노력치를, 복잡하고 다단계인 작업에는 더 높은 노력치를 사용하세요.
Responses API는 tools 배열을 전달하는 방식을 지원합니다. 모델이 호스팅 도구(web_search, file_search)를 선택하거나, 미리 선언해 제한할 수 있습니다. 예: 모델에 웹 검색 사용을 요청합니다.
response = client.responses.create( model="gpt-5.4", input="What are the three most-cited 2025 papers on federated learning?", tools=[{"type": "web_search", "name": "web_search"}], tool_search={"enabled": True})
많은 도구 정의를 전달하는 경우 tool_search를 사용하면 GPT-5.4가 대부분의 도구 로드를 지연하고 관련된 도구만 로드하도록 할 수 있습니다. 이는 대규모 도구 생태계에서 매우 중요합니다.
GPT-5.4 파라미터 호환성 및 제어 가이드
전통적인 LLM 파라미터는 여전히 존재하지만, 추론 모드에 따라 제한을 받습니다.
핵심 GPT-5.4 API 파라미터
reasoning.effort: 다음 파라미터는 GPT-5.4 호출 시 완전히 지원되며 권장됩니다. 모델이 최종 출력을 생성하기 전에 수행하는 내부 추론의 양을 제어합니다.
지원 값:
nonelowmediumhighxhigh
예시:
response = client.responses.create( model="gpt-5.4", reasoning={"effort": "high"}, input="Explain the Nash equilibrium in game theory.")
효과:
값
동작
none
가장 빠른 응답
low
경량 추론
medium
기본 균형
high
강한 추론
xhigh
최대 추론 심도
추론 노력치를 높이면 일반적으로 다음이 증가합니다:
답변 정확도
내부 추론 토큰
지연 시간
비용
기본 레벨은 일반적으로 medium입니다.
도구
모델이 호출할 수 있는 도구를 정의합니다. tools + tool_search
tool_search는 효율을 위해 도구 정의 로드를 지연합니다. 대규모 도구 세트에서 활성화하세요.
tools는 도구 정의를 선언합니다(web_search, file_search, 사용자 정의 RPC 등).