[AI입문]어떤 AI를 언제 쓸까 — 모델 선택 가이드

이 글은 AI 입문 연재 2단계의 두 번째 글이다. 41편 무료로 AI 시작하기에서 서비스에 가입하고 첫 대화를 시작하는 데까지 왔다. 그런데 막상 화면을 열면 이름이 여러 개 뜬다. 같은 서비스 안에서도 고를 수 있는 모델이 두세 가지씩 있다. 이번 글은 그 목록 앞에서 무엇을 고를지에 관한 이야기다. 특정 서비스가 더 낫다는 이야기는 하지 않는다. 그건 자주 바뀌고, 사람마다 하는 일이 다르기 때문이다. 대신 어떤 성격의 작업에 어떤 성격의 모델이 맞는지를 본다.

왜 한 서비스에 여러 모델이 있나

AI를 굴리는 데는 실제로 돈과 전기가 든다. 어려운 문제를 오래 붙들고 있으면 그만큼 비용이 커진다. 그래서 서비스들은 하나의 모델로 모든 일을 처리하지 않고, 무거운 쪽과 가벼운 쪽을 나눠 놓는다. 식당에 단품과 코스가 함께 있는 것과 비슷하다. 늘 코스를 먹을 필요는 없다.

알파벳순으로 적자면 챗GPT(ChatGPT), 클로드(Claude), 제미나이(Gemini)같은 주요 서비스가 모두 이런 구조를 갖고 있다. 이름과 개수는 서비스마다 다르고 자주 바뀌지만, 갈라지는 방식은 대체로 같다.

빠른 모델과 신중한 모델

빠른 모델과 신중한 모델

요즘 나뉘는 기준은 크게 답하기 전에 얼마나 생각하느냐다. 빠른 쪽은 묻자마자 답을 내놓는다. 신중한 쪽은 답을 내기 전에 스스로 단계를 밟아 본 뒤 결론을 낸다. 뒤엣것을 흔히 추론 모델이라고 부른다. 사람으로 치면 즉답과 "잠깐만요, 계산 좀 해 보고요"의 차이다.

신중한 쪽이 항상 좋은 것은 아니다. 번역이나 맞춤법 손질처럼 답이 뻔한 일에서는 느리기만 하고 결과는 거의 같다. 게다가 생각하는 과정도 처리량으로 계산되기 때문에 무료 한도를 훨씬 빨리 쓴다.

모델 이름 옆에 붙은 표시로 구분되는 경우가 많다. 가볍고 빠르다는 뜻의 단어가 붙어 있거나, 반대로 "생각하기" 같은 스위치를 켜고 끄는 방식이다. 처음에는 기본값으로 두고 쓰다가, 답이 아쉬울 때 신중한 쪽으로 올려 보면 된다.

작업 성격별로 고르기

작업 성격별 고르는 기준

짧은 요약과 번역. 빠른 모델로 충분하다. 원문이 이미 있으니 AI가 새로 판단할 것이 적다.

긴 문서 다루기. 여기서는 속도보다 한 번에 볼 수 있는 분량이 중요하다. 39편에서 본 컨텍스트 윈도우 이야기다. 문서가 길면 앞부분이 밀려나 엉뚱한 요약이 나온다. 긴 문서를 통째로 넣을 일이 잦다면 그 항목을 먼저 확인한다.

아이디어와 창작. 모델 성능보다 여러 번 시켜 보고 고르는 것이 결과를 좌우한다. 한 번에 좋은 문구가 나오는 일은 드물다. 빠른 모델로 여러 개를 뽑아 놓고 마음에 드는 방향을 골라 다듬는 편이 효율적이다.

코딩과 논리, 계산. 신중한 쪽이 확실히 낫다. 중간에 한 단계만 틀려도 결과 전체가 어긋나는 종류의 일이기 때문이다.

사실이 중요할 때. 신중한 모델을 쓰되, 그것으로 끝내지 않는다. 42편에서 봤듯 어느 모델이든 그럴듯한 거짓을 만들 수 있다. 검색 기능을 켜고, 나온 근거를 직접 확인한다. 이 방법은 46편에서 따로 다룬다.

무료 한도 안에서 아껴 쓰기

무료로 쓸 때 한도가 금방 닳는 이유는 대개 셋 중 하나다. 쉬운 일까지 신중한 모델에 맡기거나, 한 대화를 너무 길게 끌거나, 큰 파일을 반복해서 올리는 경우다.

  • 기본은 빠른 모델로 둔다. 답이 아쉬울 때만 올린다.
  • 주제가 바뀌면 새 대화를 연다. 긴 대화는 매번 앞부분을 다시 읽는 셈이라 처리량이 계속 늘어난다.
  • 같은 문서를 여러 번 올리지 않고, 한 대화 안에서 이어서 묻는다.
  • 초안은 빠른 모델, 마지막 검토만 신중한 모델에 맡긴다.

한눈에 보기

하려는 일고를 방향함께 볼 것
요약·번역·다듬기빠른 모델원문을 그대로 붙여넣기
긴 보고서 읽히기맥락이 넓은 쪽나눠서 넣기
기획·아이디어빠른 모델로 여러 번고르고 다시 시키기
코딩·계산·논리신중한 모델결과를 직접 돌려 보기
사실 확인이 필요한 글신중한 모델검색 켜고 출처 열기

정리

모델 선택은 생각보다 단순하다. 실수해도 되는 일은 빠르게, 틀리면 곤란한 일은 신중하게. 이 한 문장이면 대부분의 상황이 정리된다. 이름이 바뀌고 새 모델이 나와도 이 기준은 잘 변하지 않는다.

고민이 길어진다면 그냥 기본값으로 시작하는 편이 낫다. 답을 받아 보고 아쉬우면 그때 바꾸면 된다.

다음 편은 45. 파일과 이미지로 대화하기 — 텍스트 너머의 활용법이다. 문서와 사진을 올려 놓고 시키는 방법을 본다.

· · · 연재 순서 · · ·

(이전) 프롬프트 작성 기본 — 같은 질문도 이렇게 물으면 답이 달라진다

(다음) 파일과 이미지로 대화하기 — 텍스트 너머의 활용법

※ 이 글의 설명은 2026년 8월 기준이며 서비스 정책은 자주 변경됩니다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

[AI입문]AI 용어 사전 — 토큰, 컨텍스트, 환각... 뜻만 알면 절반은 끝난다

이미지
이 글은 새로 시작하는 AI 입문 연재의 첫 번째 글이다. 이 연재는 AI를 한 번도 써 본 적 없는 사람을 위해 쓴다. 그런데 첫 관문은 기술이 아니라 말이다. 토큰, 컨텍스트, 환각 같은 단어가 설명 없이 튀어나오는 순간부터 글이 읽히지 않는다. 그래서 첫 글에서는 앞으로 계속 나올 용어를 하나씩 짚는다. 용어마다 일상 비유 하나와, 그 말을 알면 무엇이 달라지는지를 붙였다. 외울 필요는 없다. 읽고 나서 "아, 그게 그 말이었구나" 정도만 남아도 충분하다. 대화를 이루는 기본 용어 LLM과 생성형 AI LLM 은 '거대 언어 모델'의 줄임말이다. 어마어마한 양의 글을 읽고 말의 패턴을 익힌 프로그램이라고 보면 된다. 생성형 AI 는 그보다 넓은 말로, 없던 결과물을 새로 만들어 내는 AI 전체를 가리킨다. 글을 만들면 언어 모델, 그림을 만들면 이미지 생성 AI다. 왜 중요한가. 흔히 말하는 'AI 챗봇'은 대부분 LLM, 즉 글을 다루는 데 특화된 도구다. 계산기나 검색 엔진과는 잘하는 일이 애초에 다르다는 뜻이다. 토큰 AI는 글을 글자 단위로 세지 않는다. 토큰 이라는 조각 단위로 센다. 한글은 한 글자가 대략 한 토큰 정도라고 생각하면 크게 어긋나지 않는다. 택배 요금을 무게로 매기듯, AI는 처리량을 토큰으로 잰다. 왜 중요한가. 무료 사용 한도, 유료 요금, 한 번에 넣을 수 있는 문서 분량이 모두 토큰으로 계산된다. "길게 쓰면 비싸진다"는 말의 근거가 여기에 있다. 컨텍스트 윈도우 AI가 한 번에 펼쳐 놓고 볼 수 있는 분량이다. 책상 넓이에 비유할 수 있다. 책상이 넓으면 자료를 여러 개 올려놓고 볼 수 있지만, 좁으면 새 자료를 놓을 때 먼저 있던 것을 치워야 한다. 대화가 길어지면 앞부분이 이 책상에서 밀려난다. 왜 중요한가. 오래 이어 간 대화에서 AI가 갑자기 앞 내용을 잊는 것은 고장이 아니다. 구조상 당연한 일이다. 주제가 바뀌면 새 대화를 여...
자세한 내용 보기

메일 주소 하나 만들려다 브랜드를 세웠다 — 1인 스튜디오 브랜딩 실전기

이미지
메일 주소 하나 만들려다, 브랜드를 통째로 세웠다 1인 스튜디오 브랜딩 실전기 — 도메인 · 메일 · 로고 · 상표 출원까지 직접 해본 기록 시작은 단순했다. " 내이름@내스튜디오.com 같은 전문적인 메일 주소 하나 갖고 싶다." 딱 그거였다. 그런데 그 한 가지 바람이 도메인 선정, 브랜드 네이밍, 상표 검색, 로고 제작, 메일 서버 인증, 상표 출원까지 줄줄이 이어졌다. 결국 1인 개발/콘텐츠 스튜디오 ‘에이븐스튜디오(Aeven Studio)’ 의 기반을 통째로 세우게 됐다. 같은 길을 걸을 다른 1인 창작자들을 위해, 부딪힌 함정과 배운 것을 정리한다. 1. 자체 메일 서버? 결론은 ‘관리형’ 처음엔 멋있어 보여서 메일 서버를 직접 굴려볼까 했다. 알아보니 개인이 자체 발송 서버를 운영하는 건 생각보다 가시밭길이다. 가정용 IP는 대부분 스팸 차단 목록에 기본 등록돼 있어 받는 쪽이 거부한다. 발송 포트(25번)가 막혀 있고, 역방향 DNS(PTR)를 내 맘대로 못 건다. AWS EC2조차 25번 포트가 기본 차단이고 IP 평판이 좋지 않다. 결론: 비즈니스 메일이라면 Google Workspace · Zoho · 네이버웍스 같은 관리형 서비스 가 정답이다. 서버·보안·스팸·도달률이라는 골치 아픈 문제를 통째로 넘길 수 있다. 나는 익숙함과 생태계 통합 때문에 Google Workspace로 정했다. 2. 이름 짓기 — 가장 오래 헤맨 구간 여기서 제일 많이 배웠다. 좋은 이름을 정하는 건 ‘감각’의 문제가 아니라 세 개의 관문을 동시에 통과 시키는 문제였다. 이름 하나가 통과해야 할 세 관문 후보 이름 "이거 어때?" 관문 ① 상표 KIPRIS 검색 내 사업류에 살아있는 유사 상표 없어야 'AI' 등 설명적 단어는 식별력 없음 관문 ② 도메인 진짜 병목 구간 어감 좋은 단어는 .com이 이미 선점됨 해법: .kr/.app 수용 또는 조어(coined word) 관...
자세한 내용 보기

클로드 Fable 5와 Opus 4.8 비교 - 차이점, 가격, 무료 기간 종료 후 변화까지 총정리 (7월 최신)

이미지
2026년 6월 9일, Anthropic이 5세대 모델 가족의 첫 주자인 Claude Fable 5 를 공개했다. 기존 최상위 모델이던 Opus 4.8과 무엇이 다른지, 구독 플랜에서는 어떻게 제공되는지, 그리고 출시 직후 벌어진 접근 중단 사태까지, 실제 사용 과정에서 확인한 내용을 정리한다. 새 모델을 써볼지 고민 중이거나 갑자기 모델 접근 오류를 만난 사람에게 도움이 될 것이다. Fable 5란 어떤 모델인가 Fable 5는 Anthropic의 모델 계층에서 가장 위에 있는 Mythos급(Mythos-class) 모델이다. 기존 계층이 Haiku → Sonnet → Opus 순서였다면, 이제 그 위에 Mythos 등급이 추가된 셈이다. 배경을 보면 Anthropic은 같은 해 4월에 Mythos를 먼저 공개했지만, 고급 사이버보안 능력 때문에 일부 승인된 고객에게만 제한적으로 배포했다. Fable 5는 그 Mythos 기술에 안전장치를 더해 일반 사용자도 쓸 수 있게 만든 버전이다. 함께 발표된 Claude Mythos 5는 여전히 일반 출시되지 않았으며, 두 모델은 본질적으로 같은 기반 모델이다. Fable 5 vs Opus 4.8 - 핵심은 용도의 차이 두 모델의 가장 중요한 차이는 성능 수치가 아니라 용도 다. Fable 5는 모델이 스스로 작업을 분해하고 조사하고 만들고 검증하는 장기 비동기 프로젝트 에 적합하고, Opus 4.8은 복잡한 작업을 사람과 주고받으며 처리하는 빠른 동기적(실시간) 협업 에 적합하다. Fable 5의 강점으로 알려진 내용은 다음과 같다. Claude Code 같은 에이전트 환경에서 며칠 동안 작업을 지속 하며, 단계별로 계획하고 하위 에이전트에 위임하고 자기 작업을 검증한다. 5천만 줄 규모의 Ruby 코드베이스에서, 팀이 수작업으로 2개월 넘게 걸릴 전체 마이그레이션을 하루 만에 수행한 사례가 소개됐다. 파일과 PDF 안에 중첩된 다이어그램·차트·표를 이해하는 비전 능력이 강화되어 금융·법률...
자세한 내용 보기