OpenAI가 Codex의 모델 컨텍스트 크기를 372k 토큰에서 272k 토큰으로 약 10만 토큰 축소했습니다. 얼핏 '다운그레이드'처럼 보이지만, 핵심은 '더 넓은 창'이 곧 '더 나은 성능'은 아니라는 점입니다. LLM은 컨텍스트가 길어질수록 중간 정보를 놓치는 이른바 '컨텍스트 로트(context rot)' 현상으로 정확도와 추론 품질이 떨어지는 경향이 있습니다. 또한 입력 창을 줄이면 그만큼 추론·출력 토큰을 위한 여유가 확보되어, 긴 코드베이스 작업에서 잘림 없이 안정적으로 답을 완성할 수 있습니다. 즉 이번 변경은 최대치를 자랑하기보다 실제 코딩 작업의 신뢰성과 응답 품질을 우선한 실용적 튜닝입니다. 한국 개발자에게 시사점은 분명합니다. 컨텍스트 윈도우 숫자를 스펙 경쟁으로만 볼 게 아니라, 자신의 워크로드에서 실효 정확도가 유지되는 구간을 찾아 프롬프트와 입력량을 설계하는 것이 중요합니다. 큰 창을 꽉 채우기보다, 필요한 맥락만 정제해 넣는 전략이 결국 더 좋은 결과를 냅니다.