API 모델명: gpt-5.4-mini
IT/AI
GPT-5.4 mini, 무료 사용자에겐
조건이 다릅니다
2026년 3월 18일, OpenAI가 GPT-5.4 mini와 nano를 동시에 출시했습니다. 빠르고 저렴하다는 말이 많은데, 막상 공식 문서를 직접 읽어보면 플랜마다 접근 조건이 완전히 다릅니다. API 요금은 전 세대 대비 3배 올랐고, Codex에서는 기존 모델을 완전히 대체하지 못하는 구간도 있습니다. 결론부터 말씀드리면, 이 모델이 진짜 유리한 케이스는 생각보다 좁습니다.
GPT-5.4 mini가 정확히 뭔가요? — 위치부터 정리
GPT-5.4 mini는 GPT-5.4의 경량화 버전입니다. OpenAI 공식 블로그에서는 “코딩 어시스턴트, 서브에이전트, 컴퓨터 사용 시스템처럼 응답 속도가 제품 경험을 직접 결정하는 고볼륨 작업을 위해 설계됐다”고 밝히고 있습니다. (출처: OpenAI 공식 블로그, 2026.03.17) 즉, 혼자 무거운 작업을 처리하는 모델이 아니라, 빠르게 보조 역할을 하는 워커 모델에 가깝습니다.
GPT-5.4 계열 전체를 보면 이렇습니다. GPT-5.4(본체), GPT-5.4 Pro, GPT-5.4 mini, GPT-5.4 nano 순으로 구성됩니다. 본체는 2026년 3월 5일, mini와 nano는 같은 달 18일에 출시됐습니다. ChatGPT에서는 GPT-5.4 mini가 ‘GPT-5.4 Thinking mini’라는 이름으로 제공됩니다. (출처: 나무위키 GPT-5 문서, 2026.03.28 확인)
기존 GPT-5 mini와는 세대가 다른 모델입니다. GPT-5.4 mini가 출시되면서 기존 GPT-5 Thinking mini는 2026년 4월 18일에 지원이 종료됩니다. 한 달도 채 남지 않았습니다.
요금표가 달라졌습니다 — 전 세대 대비 실제 인상폭
GPT-5.4 mini가 “저렴한 모델”이라고 많이 알려졌는데, 전 세대인 GPT-5 mini와 비교하면 이야기가 달라집니다. 공식 API 요금 기준으로 직접 계산해봤습니다.
| 모델 | 입력 (1M 토큰) | 출력 (1M 토큰) | 전 세대 대비 |
|---|---|---|---|
| GPT-5 mini | $0.25 | $2.00 | 기준 |
| GPT-5.4 mini | $0.75 | $4.50 | 입력 3배↑ / 출력 2.25배↑ |
| GPT-5 nano | $0.05 | $0.40 | 기준 |
| GPT-5.4 nano | $0.20 | $1.25 | 입력 4배↑ / 출력 3.125배↑ |
(출처: OpenAI 공식 블로그 ‘Introducing GPT-5.4 mini and nano’, 2026.03.17 / 나무위키 GPT-5 문서)
💡 공식 발표 수치와 이전 세대를 나란히 놓고 보면 이런 차이가 보였습니다.
“mini라서 싸다”는 건 GPT-5.4 전체 라인업 내에서만 맞는 말입니다. 전 세대인 GPT-5 mini와 비교하면 입력 기준 3배, nano는 무려 4배가 올랐습니다. 고볼륨 API 운영 중이라면 단순히 “최신 mini로 교체”만 해도 예산이 눈에 띄게 달라집니다.
반면 GPT-5.3-Codex와 비교하면 이야기가 또 달라집니다. GPT-5.3-Codex는 API에서 입력 $1.75, 출력 $14.00입니다. 출력 기준으로 GPT-5.4 mini($4.50)가 약 3분의 1 수준이니, 이 비교에서는 mini가 확실히 유리합니다. (출처: aifreeapi.com, 2026.03.20 공식 페이지 확인)
무료·Go 플랜에서 쓸 수 있는 조건
ChatGPT에서 GPT-5.4 mini를 쓸 수 있는 조건이 플랜마다 다릅니다. OpenAI 공식 블로그에 딱 이렇게 나옵니다.
• Free / Go 플랜: + 메뉴 → ‘잘 생각하기’ 버튼으로 접근. 단, GPT-5.4 Thinking(본체)이 아닌 mini 버전만 제공됩니다.
• Plus 이상 플랜: GPT-5.4 Thinking 한도를 다 쓰면 자동으로 mini로 전환되는 fallback 모델로 작동합니다.
• API: gpt-5.4-mini로 직접 호출 가능. 400K 컨텍스트 윈도우 지원.
무료 사용자 입장에서 솔직히 말하면, ‘잘 생각하기’를 누르면 항상 최신 추론 모델이 켜진다고 생각하기 쉽습니다. 막상 해보면 mini가 적용됩니다. 성능 차이는 벤치마크에서 확인할 수 있는데, 뒤에서 설명하겠습니다.
Reddit에서 Go 플랜 사용자들이 “GPT-5.4 Thinking이 안 되고 5 Thinking mini만 뜬다”며 혼란스러워하는 반응이 나왔는데, 나무위키 ChatGPT 문서에도 “무료와 Go 사용자는 GPT-5.4 Thinking mini가 적용된다”고 명시돼 있습니다. 이 구조는 출시 당시부터 의도된 것입니다.
Codex에서는 GPT-5.3-Codex를 못 대체하는 작업이 있습니다
GPT-5.4 mini 출시 소식을 보면서 많은 분이 “이제 Codex에서도 mini로 다 되겠다”고 생각했을 겁니다. 그게 맞는 경우도 있고, 완전히 틀린 경우도 있습니다. Codex 공식 가격 페이지에 현재 상태가 정리돼 있습니다.
| Codex 기능 | GPT-5.4 mini | GPT-5.3-Codex |
|---|---|---|
| 로컬 루틴 작업 | ✓ 가능 | ✓ 가능 |
| Cloud Tasks | ✗ 불가 | ✓ 가능 |
| GitHub Code Reviews | ✗ 불가 | ✓ 가능 |
| 평균 크레딧 소비 | 약 2 credits | 약 5 credits |
(출처: aifreeapi.com GPT-5.4 mini vs GPT-5.3-Codex 비교, 2026.03.20 Codex pricing page 기준)
💡 공식 Codex pricing page와 모델별 제품 역할을 교차해서 보면 이 구조가 드러납니다.
Codex를 본격적으로 쓰는 팀이라면 mini를 로컬 루틴 작업에 두고, cloud tasks와 리뷰 작업에는 GPT-5.3-Codex를 유지하는 2레인 구조가 현재로선 가장 현실적입니다.
벤치마크 수치로 본 실제 강점과 약점
GPT-5.4 mini(xhigh 기준)의 공식 벤치마크 수치를 GPT-5 mini 및 GPT-5.3-Codex와 함께 놓으면 패턴이 보입니다.
| 벤치마크 | GPT-5.4 mini | GPT-5.3-Codex | GPT-5 mini |
|---|---|---|---|
| SWE-Bench Pro | 54.4% | 56.8% | 45.7% |
| Terminal-Bench 2.0 | 60.0% | 77.3% | 38.2% |
| OSWorld-Verified | 72.1% | 64.7% | 42.0% |
| GPQA Diamond | 88.0% | 92.6% | 81.6% |
| Toolathlon | 42.9% | 51.9% | 26.9% |
(출처: OpenAI 공식 블로그 ‘Introducing GPT-5.4 mini and nano’, 2026.03.17 / ‘Introducing GPT-5.3-Codex’, 2026.02.05)
Terminal-Bench 격차가 가장 눈에 띕니다. GPT-5.4 mini 60.0% vs GPT-5.3-Codex 77.3%, 약 17.3%p 차이입니다. 터미널 중심 CLI 작업, shell 명령 자동화, repo 디버깅을 주로 한다면 mini로 교체했을 때 체감 성능 저하가 실제로 납니다.
반대로 스크린샷 해석, GUI 자동화, 컴퓨터 사용 계열에서는 mini가 GPT-5.3-Codex를 앞섭니다. OSWorld-Verified에서 mini 72.1%, GPT-5.3-Codex 64.7%로 약 7.4%p 차이가 납니다. OpenAI가 mini의 쓰임새로 컴퓨터 사용 워커를 명시한 건 이 수치와 맞아떨어집니다.
컨텍스트 윈도우 격차 — 본체와 mini의 차이
GPT-5.4 mini의 컨텍스트 윈도우는 400,000 토큰입니다. 충분해 보이지만, 본체인 GPT-5.4의 1,050,000 토큰과 비교하면 절반도 안 됩니다. (출처: Microsoft Azure Foundry 공식 모델 문서, 2026.03.19)
장문 컨텍스트 벤치마크(OpenAI MRCR v2)에서 이 차이가 드러납니다. 64K~128K 구간에서 GPT-5.4 본체는 86.0%인데, mini는 47.7%로 절반 수준입니다. 256K 구간에서는 본체 79.3%에 mini 33.6%입니다. (출처: OpenAI 공식 블로그, 2026.03.17) 장문 코드베이스를 통째로 올려 분석하거나, 긴 문서를 다중 소스로 처리해야 한다면 mini로는 정확도가 크게 떨어집니다.
💡 “빠른 모델”이라는 수식어 뒤에 가려진 부분을 컨텍스트 수치로 확인했습니다.
이 부분이 좀 아쉬웠습니다. nano는 mini보다 컨텍스트 처리가 더 떨어지고, 장문 구간(64K~128K) 기준으로 mini(47.7%)와 nano(44.2%)가 비슷한 수준이라 nano를 선택할 이유가 순수 비용 절감 목적 외에는 많지 않습니다.
어떤 상황에서 쓰는 게 맞는지
공식 문서를 전부 읽고 난 뒤 정리한 결론입니다. 상황별로 나눠봤습니다.
✅ GPT-5.4 mini가 맞는 경우
- API에서 고볼륨 코딩 작업, 서브에이전트를 저비용으로 구성하고 싶을 때
- 스크린샷 기반 GUI 자동화, 컴퓨터 사용 계열 작업
- Codex에서 로컬 루틴 작업을 크레딧 아껴가며 처리할 때
- ChatGPT 무료/Go 사용자로 Thinking 기능 체험이 목적일 때
- GPT-5.3-Codex 대비 API 비용을 3분의 1로 줄이고 싶을 때 (출력 기준)
⚠️ GPT-5.4 mini가 맞지 않는 경우
- Codex에서 Cloud Tasks 또는 GitHub Code Reviews가 필요할 때 → GPT-5.3-Codex 필요
- 128K 이상 장문 컨텍스트 정확도가 중요할 때 → GPT-5.4 본체 권장
- 터미널 중심 CLI/shell 작업이 핵심일 때 → Terminal-Bench 기준 GPT-5.3-Codex가 17%p 앞섬
- GPT-5 mini 대비 “더 저렴한 모델”로 쓰려 할 때 → 실제로는 입력 3배 더 비쌈
Q&A
마치며
GPT-5.4 mini는 분명히 쓸모 있는 모델입니다. 서브에이전트, GUI 자동화, Codex 로컬 루틴 작업에서는 가성비가 좋습니다. 하지만 “싸고 빠르다”는 말만 보고 기존 워크플로에 그대로 끼워 넣으면 의외의 지점에서 막힙니다. GPT-5 mini보다 API 비용이 3배 올랐고, Codex에서는 아직 cloud tasks와 코드 리뷰를 못 합니다. 장문 컨텍스트에서는 본체 대비 성능이 절반 아래로 내려가는 구간도 있습니다.
기대했던 것과 달랐던 부분은 “모든 플랜에서 동일하게 작동한다”는 착각입니다. ChatGPT에서 무료와 Plus 이상의 경험이 다르고, Codex에서도 mini와 GPT-5.3-Codex의 역할이 나뉩니다. 이 구조를 파악하고 쓰면 오히려 예산을 효율적으로 운영할 수 있습니다. 쓰기 전에 본 조건들이 결국 쓰고 나서 드는 비용을 줄여줍니다.
본 포스팅 참고 자료
※ 본 포스팅은 2026년 4월 1일 기준으로 작성됐습니다. 본 포스팅 작성 이후 OpenAI 서비스 정책·UI·기능·요금이 변경될 수 있습니다. 최신 정보는 반드시 공식 사이트에서 직접 확인하시기 바랍니다.
댓글 남기기