Fable 5.1 엑스트라 설정을 Opus 5.5 높음으로 바꿀 때의 사용량입니다 (Fable 5.1 엑스트라 = 100%). AA 실측 비용 업무 점수 추정
업무별 추천 조합
최고품질 = 최고점의 97% 이상(벤치 오차 범위) 중 사용량 최소 · 가성비 = 90% 이상 중 사용량 최소 · 속도 = 75% 이상 중 가장 빠름 · 후보는 노력별 측정값이 있는 조합만공개 데이터로 확인된 사실
가장 불확실한 판단 3개
추정이 틀릴 수 있는 지점과, 그걸 확인할 실측 번호입니다.
Opus 5.5 노력 5단계: 능력 vs 가성비
같은 모델 안에서 노력만 바꿨을 때 무엇이 얼마나 달라지는지입니다. 단계별 능력·비용·시간은 Artificial Analysis(AA)가 5단계를 각각 독립 측정한 값이고, 업무 점수는 그 값을 5대 업무에 매핑한 추정입니다. 시간·응답 속도는 AA 실시간 값(2026-10-24)입니다.
업무별 권장 노력
기본 = 한 단계 올릴 때 추가 $1당 0.5점 이상 오르는 마지막 단계(제가 정한 기준선)공개 데이터로 확인된 사실
노력 사다리
업무 점수 (0–10)
큰 점 = 최고점의 97%에 처음 닿는 단계. 추정
비용·시간 배수 (로그 눈금)
중간 = ×1. AA 과제당 평균 비용·시간. 검증
표로 보기
벤치별 원자료 검증
각 행의 최고값은 굵게, 바로 아래 단계보다 떨어진 값에는 ↓를 붙였습니다(과잉사고 구간).
한계효용: 한 단계 올릴 때 추가 $1당 점수
업무 × 노력 히트맵
칸 = 업무 점수 · 비용 배수. 기본 / 최종본 / 실패 시 / 가볍게 표시는 권장 카드와 같습니다.
에스컬레이션 시뮬레이터
“낮은 단계로 먼저 해보고 실패하면 올리기”가 “처음부터 높은 단계”보다 싼지 계산합니다. 기본값은 Anthropic 차트의 단계별 성공률·과제당 비용입니다. 숫자를 직접 고치면 바로 다시 계산됩니다.
규칙: 낮은 단계 비용 < 낮은 단계 성공률 × 높은 단계 비용일 때만 이득. 실패를 확인하는 사람의 시간은 비용에 포함하지 않았습니다.
2단 전략 비교
15회 실측 계획 (우선순위 순)
결과는 실측 키트 탭과 같은 저장소에 쌓입니다. 이 중 11회는 기존 24회 계획과 겹쳐서 한 번만 하면 양쪽에 반영됩니다.
반대 근거
이 탭의 출처 (확인일 2026-10-24)
GPT-6 계열: 버전 × 노력별 능력 차이
GPT-6 Astra 출시(9월 3일) 이후 버전들을 Artificial Analysis(AA)의 같은 시험 환경 수치로 비교했습니다(10/24 재확인, AA가 Elo를 재산정해 10/6 값과 일부 다름). Claude도 같은 기준으로 나란히 둡니다. 업무 점수는 AA 공통 벤치만 써서 다시 계산했기 때문에(CursorBench·FrontierCode 제외) 다른 탭의 점수와 기준이 다릅니다.
업무별 GPT 추천 조합
최고품질 = GPT 최고점의 97% 이상 중 최저 비용 · 가성비 = 90% 이상 중 최저 비용 · 속도 = 75% 이상 중 과제당 시간 최소공개 데이터로 확인된 사실
라인업
세대 진화
같은 노력 단계끼리 비교한 변화량입니다. 막대 오른쪽은 개선, 왼쪽은 후퇴입니다.
노력 사다리
업무 점수 (0–10)
AA 공통 벤치 기준 업무 점수. 추정
과제당 비용 (USD, 로그 눈금)
AA 과제당 평균 비용. 검증
표로 보기
히트맵: 버전 × 노력 × 업무
칸 = 업무 점수 · 과제당 비용. 테두리 칸은 위 추천 카드의 조합입니다. 아래 Claude 행은 같은 기준의 참고선입니다.
가성비 지도
GPT와 Claude의 모든 측정 조합입니다. 선은 효율적 프론티어(같은 비용에 더 높은 점수가 없는 조합)이고, 흐린 점은 더 싸고 더 좋은 대안이 있는 조합입니다.
크로스오버
칸마다 이긴 쪽, 점수 차(왼쪽 − 오른쪽), 비용 비(왼쪽 ÷ 오른쪽)입니다. 점수 차 0.2 미만은 동급으로 봅니다.
강점·약점
20회 실측 계획 (우선순위 순)
GPT 결과도 실측 키트에 그대로 저장됩니다(모델 선택에 GPT-6 계열 추가). ChatGPT 앱의 노력 표기(Instant·Medium·High·Extra High)는 2차 출처로만 확인했으니, 단계를 정확히 맞추려면 API나 Codex에서 실행하세요. 채점은 서로의 모델로 교차합니다: GPT 결과물은 Claude가, Claude 결과물은 GPT가 블라인드로 채점합니다.
이 탭의 출처 (확인일 2026-10-24)
모델 13종 × 업무 5개
칸 숫자는 업무 점수(0–10, 모든 모델·노력 중 벤치 최고=10), 아래는 사용량 배수(Opus 5.5 중간 = ×1.00). 주력 4모델과 Opus 5는 단계마다 AA 실측, 나머지 레거시는 최대 외 단계가 빌린 곡선(*)입니다. 실선 강조는 직접 실측이 있는 칸입니다.
모델별 원자료 (최대 노력, Artificial Analysis v4.3.2) 검증
노력 곡선
노력을 올릴 때 품질이 얼마나 오르고, 사용량은 얼마나 늘어나는지. 큰 점이 최고점의 97%에 처음 도달하는 단계(한계효용 체감 지점)입니다.
품질 점수
사용량 배수 (로그 눈금)
Opus 5.5 중간 = ×1. 표시된 4모델은 AA가 단계마다 잰 과제당 비용입니다. 검증
표로 보기
곡선의 근거 ①: AA 노력별 독립 측정 검증
10/24 기준 AA는 Opus 5.5·Sonnet 5.5·Fable 5.1·Haiku 5.5·Opus 5를 노력 단계마다 따로 측정합니다. 업무 점수와 사용량은 이 값을 그대로 씁니다.
곡선의 근거 ②: Anthropic 차트 (벤더 측정) 검증
CursorBench·FrontierCode의 노력별 값은 Opus 5.5·Sonnet 5.5만 Anthropic 차트로 공개돼 있습니다. Fable 5.1·Opus 5는 Opus 5.5 비율, Haiku 5.5는 Sonnet 5.5 비율로 추정했습니다.
크로스오버: 하위 모델 + 높은 노력 vs 상위 모델 + 낮은 노력
칸마다 이긴 쪽, 점수 차, 사용량 비(왼쪽 조합 ÷ 오른쪽 조합)를 적었습니다. 점수 차 0.2 미만은 동급으로 봅니다. 아래에는 각 대결을 직접 뒷받침하는 공개 수치를 붙였습니다.
가성비 지도
모든 모델×노력 조합을 점으로 찍었습니다. 선은 효율적 프론티어(같은 사용량으로 더 높은 점수를 내는 조합이 없는 점)입니다. 흐리게 표시된 점은 프론티어 밖, 즉 더 싸고 더 좋은 대안이 있는 조합입니다.
프론티어 위 조합
쓸 이유가 없는 조합
세대 진화
각 모델의 최대 노력 업무 점수입니다. 속이 빈 점은 하위 벤치 상당수를 보간한 모델(Opus 4.7·4.6·3)입니다.
Opus 계열
Sonnet 계열
Fable 계열
구버전을 쓸 이유가 있는가
실측 벤치마크 키트
실제 업무 그대로 5개 표준 과제를 돌리고 점수를 넣으면, 히트맵·노력 곡선·가성비 지도·크로스오버에 실측 레이어로 바로 붙습니다.
1. 결과 입력
2. 과제 프롬프트
블라인드 채점 순서
- 과제마다 새 대화에서 실행합니다. 프롬프트·첨부·웹검색 설정은 모두 같게 둡니다.
- 결과물 파일명을 무작위 코드(A–Z)로 바꿉니다.
- 별도 대화에 코드명 파일만 넣고 아래 루브릭으로 채점만 맡깁니다.
- 블라인드 점수와 본인 체감의 평균을 입력합니다.
3. 24회 실측 계획 (우선순위 순)
크로스오버 질문에 답하는 데 필요한 조합만 골랐습니다. 1–10번이 가장 중요합니다: Fable 5.1 엑스트라 설정을 Opus 5.5 높음이 대체할 수 있는지를 5개 업무 전부에서 확인합니다.
4. 추정 vs 실측
5. 기록
벤치마크 → 업무 매핑 추정
어떤 공개 벤치마크를 어느 업무의 대리 지표로 썼는지, 가중치는 얼마인지입니다. 매핑 자체가 판단이므로 전부 추정입니다. 게임 개발은 직접 대응하는 벤치가 없어 가장 약한 매핑입니다.
점수 산출식
원자료 전체
Elo는 원래 단위로 표시. 기울임꼴은 보간한 추정값입니다. CursorBench·FrontierCode는 Anthropic 발표값, 나머지는 Artificial Analysis 독립 측정(최대 노력)입니다.