문구 고치기, 색 바꾸기, 오타 잡기, 이미 있는 패턴 복제. 여기에 최상위 모델을 쓰는 건 택시로 옆집 가는 격입니다.
어느 모델을,
어떻게 부리나.
회사마다 모델 이름이 다르고, 같은 회사 안에서도 급이 나뉩니다. 그리고 모델마다 버릇이 다릅니다. 지금 쓸 수 있는 것들과, 각 회사가 공식 문서에 직접 적어둔 사용법을 모았습니다.
급하면 여기까지만
우리 수업에서 하는 일 기준입니다. 셋 다 "말로 시키는" 방식은 같고, 차이는 얼마나 어려운 일을 맡기느냐입니다.
페이지 하나 새로 만들기, 섹션 구조 바꾸기, 반응형 정리. 수업 대부분이 여기입니다. Claude Opus 5 / GPT-5.6 Sol / Gemini 3.8 Flash / Grok 4.6 급.
원인을 모르는 버그, 파일 여러 개를 동시에 고쳐야 하는 작업, 한 번에 오래 굴려야 하는 일. Claude Fable 5.1 / GPT-6 Astra.
순서를 거꾸로 하지 마세요. 비싼 모델부터 켜두고 쓰면, 정작 어려운 일이 왔을 때 쓸 사용량이 남아 있지 않습니다.
그래서 지금은 뭘 켜나
위 셋 중 어디인지 애매할 때 쓰세요. 세 개만 고르면 됩니다. 정답을 정해주는 게 아니라 후보를 좁혀줍니다 — 최종 판단은 여러분 몫이고, 그게 이 수업에서 연습하는 것입니다.
모델 하나씩 자세히
공식 사용 가이드가 있는 모델은 따로 한 장씩 정리했습니다. 스펙, 언제 고르나, 그 모델의 버릇과 그대로 복사해 쓰는 문장까지.
한눈에 비교
숫자를 표에서 읽는 것과 길이로 보는 건 다릅니다. 가장 비싼 모델이 가장 싼 모델의 40배라는 걸 표에서는 알아채기 어렵습니다.
출력 요금 — 100만 토큰당
컨텍스트 — 한 번에 읽어둘 수 있는 분량
공식 문서에 실린 것 전부
네 회사 공식 목록을 그대로 옮겼습니다 — 글·코드 모델뿐 아니라 이미지·영상·음성·보안 모델까지. 값은 100만 토큰당 미국 달러이고, 출력이 입력보다 5배 안팎 비쌉니다. —는 공식 목록에 값이 표로 없는 것입니다(지어내지 않았습니다).
OpenAI — Astra는 토큰 단가가 비싸지만, 공식 문서는 더 적은 출력으로 끝내서 작업당 비용은 오히려 낮다고 설명합니다. 단가만 보고 피할 이유는 없습니다.
Anthropic — 같은 지시문을 반복해 쓰면 캐시가 걸려 입력값의 10%만 냅니다(Fable 5.1은 2.5%). 걸리려면 최소 512토큰. 묶음 처리(Batch)는 50% 할인. Sonnet 5는 이전 세대 Sonnet 4.6($3/$15)보다 싸니 옛 모델에 머물 이유가 없습니다.
Google — 3.8 Flash의 $0.75 / $3.75는 2026년 12월 31일까지의 값입니다. 2027년 1월부터 두 배($1.50 / $7.50). 컨텍스트 크기는 공식 목록에 표로 나와 있지 않아 비워뒀습니다.
xAI — 표의 값은 프롬프트가 20만 토큰 미만일 때입니다. 넘는 순간 그 요청 전체가 두 배로 계산됩니다. 그리고 캐시가 자동으로 걸리지 않아서, 같은 대화를 이어갈 때는 캐시 키를 직접 붙여야 정가를 안 냅니다.
모델마다 버릇이 다릅니다
세 회사 모두 "이 모델은 이렇게 행동하니 이렇게 눌러라"를 공식 문서에 적어뒀습니다. 되묻는 버릇, 말이 길어지는 버릇, 시키지 않은 것까지 하는 버릇 — 그리고 각각을 누르는 문장까지 모델별 페이지에 원문과 함께 정리해뒀습니다.
회사들이 똑같이 말하는 것
문서를 나란히 놓고 보면 겹치는 조언이 있습니다. 모델 이름이 바뀌어도 이 셋은 남을 겁니다. (xAI만 예외로, 프롬프트 가이드 페이지 자체가 없습니다 — 목차를 확인했습니다.)
세 회사가 전부 같은 말을 합니다. 예전 모델을 어르려고 붙여둔 긴 지시문 — "단계별로 생각해", "다시 검증해" — 이 지금 모델에서는 성능을 떨어뜨립니다. 지우는 게 고치는 겁니다.
Claude는 길게, Gemini는 짧게, GPT는 목록으로 — 기본값이 제각각입니다. 원하는 분량과 형태를 말하지 않으면 그 모델의 기본 성격이 그대로 나옵니다.
effort · reasoning effort · thinking_level · reasoning_effort. 네 회사가 이름만 다르게 같은 손잡이를 답니다. 쉬운 일에 최대로 두는 건 낭비이고, 어려운 일에 낮춰두면 얕은 답이 나옵니다.
$10이 감이 안 잡힐 때
토큰은 글자를 잘라 세는 단위입니다. 대략 유니코드 문자 250만 개가 100만 토큰 정도라고 보면 됩니다(Anthropic 기준). 문자 두어 개에 1토큰인 셈입니다.
| 이런 걸 넣으면 | 대략 | 입력값 $5 모델이면 |
|---|---|---|
| A4 한 장짜리 기획서 | 약 1,000토큰 | 7원 정도 |
| 이 강의 1차시 페이지 통째로 (216KB) | 약 9만 토큰 | 600원 정도 |
| 컨텍스트를 꽉 채운 한 번의 요청 (100만) | 100만 토큰 | 7,000원 정도 |
어림값입니다(1달러 1,400원 기준). 요점은 액수가 아니라 순서입니다 — 같은 파일을 매번 통째로 다시 넣는 습관이 가장 비쌉니다. 필요한 파일만 지목하고, 긴 지시문은 앞쪽에 고정해 캐시가 걸리게 하세요.
직접 넣어보는 쪽이 빠릅니다. 세 번째 칸을 "통째로"로 바꿔보세요 — 습관 하나가 액수를 얼마나 바꾸는지가 이 계산기의 전부입니다.
그래서 우리 수업에서는
Codex를 쓴다면 — OpenAI는 9월 3일 발표에서 ChatGPT와 Codex에 Astra를 함께 올린다고 밝혔습니다. /model로 확인하고, 되묻는 게 잦으면 위 01번 문장을 AGENTS.md에 넣어두세요.
Claude Code를 쓴다면 — Claude 5 계열이 돕니다. 답이 길고 중계방송이 많다고 느끼면 01·02번 문장을 CLAUDE.md에 넣으면 조용해집니다. 반대로 "검증해줘"는 넣지 마세요.
둘 다 공통 — 모델을 올리기 전에 맥락을 먼저 주세요. 같은 모델이라도 "이 파일의 이 함수가 이런 상황에서 이렇게 틀린다"고 말하면 답이 달라집니다. 모델을 바꿔서 풀리는 문제보다, 설명을 고쳐서 풀리는 문제가 훨씬 많습니다.
원문 확인하기
위 인용은 전부 아래 문서에서 가져왔습니다. 숫자나 문장을 인용할 일이 있으면 여기서 다시 보세요. 이 페이지는 손으로 갱신합니다.