ZDNET을 팔로우하세요: 우리를 선호 소스로 추가하세요 Google에서.
ZDNET의 주요 시사점
- GPT-5.4 mini는 GPT-5 mini보다 2배 이상 빠르게 실행됩니다.
- 새로운 모델은 에이전트, 코딩 및 다중 모드 워크플로를 목표로 합니다.
- 개발자는 대규모 계획 모델을 저렴한 하위 에이전트와 혼합할 수 있습니다.
지난 몇 주 동안 우리는 OpenAI의 주력 대형 언어 모델 세대가 GPT-5.3에서 GPT-5.4로 반복되는 것을 보았습니다. 모델을 AI 계산을 지원하는 엔진으로 생각하십시오. 각 세대 점프는 일반적으로 성능과 정확성을 향상시킵니다.
또한: OpenAI의 새로운 GPT-5.4는 테스트에서 프로 수준의 작업에서 인간을 83%나 더 크게 만듭니다.
실제 릴리스는 스코어카드 없이 추적하기가 약간 어려울 수 있습니다. OpenAI는 3월 5일 고성능 심층 사고 모델인 GPT-5.4 Thinking을 출시했습니다. 이틀 전, “일상적인 대화를 더욱 지속적으로 유용하고 유연하게 만드는” 모델인 GPT-5.3(5.4 아님) Instant를 출시했지만 반드시 더 정확하지는 않았습니다.
이번 주 OpenAI는 GPT-5.4 미니 및 GPT-5.4 나노 모델을 출시합니다. 이러한 모델은 빠르고 효율적인 대용량 AI 워크로드를 위해 설계되었습니다. 이는 기본적으로 예산 언어 모델 제품입니다.
AI 워크플로우를 위한 더 작은 모델
많은 AI 워크플로우에서 가장 효과적인 모델은 강력한 성능과 빠른 응답, 안정적인 도구 사용의 균형을 맞추는 모델입니다.
OpenAI에 따르면 “이러한 모델은 응답성이 필요한 코딩 보조자, 지원 작업을 신속하게 완료하는 하위 에이전트, 스크린샷을 캡처하고 해석하는 컴퓨터 사용 시스템, 실시간으로 이미지를 추론할 수 있는 다중 모드 애플리케이션 등 대기 시간이 제품 경험을 직접적으로 형성하는 종류의 워크로드를 위해 구축되었습니다.”
또한: 자율주행차를 위한 Nvidia의 ‘ChatGPT 모멘트’ 및 GTC 2026에서 발표된 기타 주요 AI 발표
회사는 “이러한 환경에서 가장 좋은 모델은 가장 큰 모델이 아닌 경우가 많습니다. 신속하게 대응하고 도구를 안정적으로 사용하며 복잡한 전문 작업을 잘 수행할 수 있는 모델입니다”라고 말했습니다.
GPT-5 mini와 비교하여 GPT-5.4 mini는 코딩, 추론, 다중 모드 이해 및 도구 사용 전반에 걸쳐 향상됩니다. 이 모델은 GPT-5 mini보다 2배 이상 빠르게 실행됩니다.
GPT-5.4 nano는 분류, 추출, 순위 지정 및 보다 간단한 코딩 지원 작업을 목표로 하는 가장 작고 빠른 모델입니다.
성능 개선
더 작고 저렴한 모델을 볼 때 성능이 구별되는 요소입니다. 구매자는 자신이 얻고 있는 비용에 비해 얼마나 많은 수익을 얻을 수 있는지 알고 싶어합니다. 이러한 성능을 설명하기 위해 OpenAI는 불과 몇 달 전에 출시된 모델에 비해 상당한 이점을 보여줍니다.
- GPT-5.4 mini 점수는 SWE-bench Pro에서 54.38%인 반면 GPT-5 mini에서는 45.69%입니다.
- Terminal-Bench 2.0에서 GPT-5.4 mini는 60.00%에 도달한 반면 GPT-5 mini는 38.20%에 도달했습니다.
- GPQA 다이아몬드에서 GPT-5.4 mini는 88.01%를 기록해 GPT-5.4의 93.00%에 접근합니다.
- OSWorld 검증 결과 GPT-5.4 mini는 72.13%로 GPT-5 mini의 42%보다 훨씬 높습니다.
GPT-5.4 mini는 더 빠른 실행을 제공하면서 GPT-5.4 수준의 통과율에 접근합니다. 즉, 더 작고 가벼운 GPT-5.4 미니 모델은 모델이 문제를 올바르게 해결하는지 측정하는 벤치마크 테스트(“통과율”)에서 전체 GPT-5.4 모델과 거의 동일한 성능을 발휘합니다.
또한: AI 기반 랜섬웨어 시대에 암호화된 백업이 실패할 수 있는 이유
GPT-5.4 nano는 차이를 나눕니다. 예를 들어 SWE-bench Pro에서는 52.39%, Terminal Bench 2.0에서는 46.30%의 점수를 얻었습니다. GPT-5.4 mini만큼 높지는 않지만 GPT-5 mini보다는 훨씬 낫습니다.
고객 테스트는 이점을 강조합니다.
기술 전문가인 Hebbia는 전문가가 자연어를 사용하여 방대한 문서 컬렉션을 조사하는 데 도움이 되는 도구를 만듭니다. 이들 제품은 금융, 법률 및 연구와 같은 분야의 사용자에게 매력적이며, 여러 문서에서 동시에 통찰력을 분석하고 도출할 수 있는 기능이 특히 유용합니다.
Hebbia의 CTO인 Aabhas Sharma는 다음과 같이 말합니다. “GPT-5.4 mini는 이 클래스의 모델에 대해 강력한 엔드투엔드 성능을 제공합니다. 평가에서 훨씬 저렴한 비용으로 여러 출력 작업 및 인용 재현율에서 경쟁 모델과 일치하거나 능가했습니다. 또한 더 큰 GPT-5.4 모델보다 더 높은 엔드투엔드 통과율과 더 강력한 소스 속성을 달성했습니다.”
디지털 작업 공간 Notion은 인터넷 기반 생산성 전문가들의 사랑을 받는 제품입니다. 저는 Notion 작업 공간에서 이 글을 쓰고 있습니다. 이 기술은 구조화된 데이터와 구조화되지 않은 데이터 모두를 위한 공간을 제공합니다. Notion을 사용하여 정보 관리를 위한 코드 없는 미니 애플리케이션을 구축할 수도 있습니다. 저는 Notion을 사용하여 기사 제작, 내부 프로젝트, 비디오 계획, 개발 프로젝트 등을 추적합니다.
또한: AI 에이전트가 확산됨에 따라 1Password의 새로운 도구는 증가하는 보안 위협을 해결합니다.
Notion의 AI 엔지니어링 책임자인 Abhisek Modi는 “GPT-5.4 mini는 집중적이고 잘 정의된 작업을 인상적인 정밀도로 처리합니다. 특히 페이지 편집의 경우 컴퓨팅의 일부로 복잡한 서식을 처리하는 데 있어 GPT-5.2와 일치하거나 능가하는 경우가 많습니다.”라고 말했습니다.
Modi는 계속해서 다음과 같이 말했습니다. “최근까지는 가장 비싼 모델만이 에이전트 도구 호출을 안정적으로 탐색할 수 있었습니다. 오늘날 GPT-5.4 mini 및 nano와 같은 소형 모델은 이를 쉽게 처리할 수 있으므로 사용자는 Notion에서 사용자 지정 에이전트를 구축하여 필요한 정보의 양을 정확하게 선택할 수 있습니다.”
나는 Notion의 AI에 깊은 인상을 받지 못했습니다. 이러한 새로운 모델을 통합함으로써 Notion AI의 성능이 크게 향상되기를 바랍니다.
하위 에이전트 및 다중 모드 작업
에이전트가 전체 생태계에 어떻게 적응하는지 살펴보기 시작하면 AI가 실제 인간 작업을 반영하도록 구성될 수 있다는 것이 분명해집니다. 예를 들어, 선임 엔지니어가 하급 엔지니어 팀을 관리하는 것과 같은 방식으로 더 강력한 AI 모델(예: GPT-5.4 Thinking)을 GPT-5.4 mini와 같은 더 빠르고 저렴한 모델과 결합할 수 있습니다.
또한: Nvidia는 AI 데이터 센터를 처음부터 끝까지 소유하고 싶어합니다.
에이전트 시스템은 다양한 크기의 모델을 결합할 수 있으며, 더 큰 모델은 작업을 계획하고 더 작은 모델은 하위 작업을 실행합니다. 이러한 맥락에서 GPT-5.4 mini는 코드베이스 검색, 파일 검토, 문서 처리와 같은 하위 에이전트 작업을 처리할 수 있습니다.
OpenAI는 “GPT-5.4 mini는 다중 모드 작업, 특히 컴퓨터 사용과 관련된 작업에도 강력합니다. 이 모델은 밀집된 사용자 인터페이스의 스크린샷을 빠르게 해석하여 컴퓨터 사용 작업을 빠르게 완료할 수 있습니다.”라고 말했습니다.
가용성 및 가격
GPT-5.4 mini는 API, Codex 및 ChatGPT 버전으로 제공됩니다. 무료 및 Go 등급 사용자의 경우 플러스 메뉴의 “Thinking” 옵션을 통해 GPT-5.4 mini에 액세스할 수 있습니다. OpenAI는 “다른 모든 사용자의 경우 GPT-5.4 mini는 GPT-5.4 Thinking에 대한 속도 제한 폴백으로 사용할 수 있습니다”라고 말했습니다.
또한: GPT-5.2-Codex를 사용하여 미스터리 버그와 악몽을 발견했습니다. 속도가 너무 빨랐습니다.
회사는 프로그래머를 위해 Codex 앱, CLI, IDE 확장 및 웹에서 GPT-5.4 mini를 사용할 수 있다고 밝혔습니다. OpenAI는 미니 모델이 “GPT-5.4 할당량의 30%만 사용하므로 개발자가 약 3분의 1의 비용으로 Codex에서 더 간단한 코딩 작업을 신속하게 처리할 수 있다”고 밝혔습니다. 또한 Codex는 GPT-5.4 미니 하위 에이전트에 위임하여 추론 집약적인 작업이 덜 비용이 많이 드는 모델에서 실행되도록 할 수도 있습니다.
비용을 나란히 보면 비용이 어떻게 비교되는지 확인할 수 있습니다.
- GPT-5.4 미니 가격은 400k 컨텍스트 창에서 입력 토큰 백만 개당 0.75달러, 출력 토큰 백만 개당 4.50달러입니다.
- GPT-5.4 nano는 API 전용이며 비용은 백만 입력 토큰당 $0.20, 백만 출력 토큰당 $1.25입니다.
이에 비해 GPT-5.4의 가격은 입력 토큰 백만 개당 2.50달러, 출력 토큰 백만 개당 15.00달러입니다. 그건 많은 더 비싸요. 비용을 낮추고 추가 처리 성능이 필요하지 않은 경우 미니 및 나노 모델을 사용하는 것이 더 좋습니다.
당신은 어때요?
자신의 워크플로우에서 GPT-5.4 mini 또는 nano와 같은 더 작은 AI 모델을 실험해 보셨나요? 사용 가능한 가장 큰 모델을 사용하는 것을 선호하십니까, 아니면 더 빠르고 저렴한 모델이 코딩, 문서 분석 또는 상담원 워크플로와 같은 실시간 작업에 “충분히 좋은” 경우가 많다고 생각하시나요?
AI 기반 도구를 구축하는 경우 전체 추론 모델과 경량 하위 에이전트 모델을 사용할 시기를 어떻게 결정합니까? 실제로 보고 있는 내용을 알려주시고 아래에 의견을 남겨주세요.
소셜 미디어에서 저의 일상적인 프로젝트 업데이트를 팔로우하실 수 있습니다. 내 주간 업데이트 뉴스레터를 구독하고 Twitter/X에서 나를 팔로우하세요. @DavidGewirtzFacebook(Facebook.com/DavidGewirtz), Instagram(Instagram.com/DavidGewirtz), Bluesky(@DavidGewirtz.com), YouTube(YouTube.com/DavidGewirtzTV).