Sol Pro·테라·루나, 저마다 다른 이유로 저울 위에 오르다

기획은 Sol Pro, 구현은 코덱스로

오전 11시 51분, 한 참여자가 ChatGPT Sol Pro로 기획과 아키텍처를 먼저 점검한 뒤 실제 구현은 코덱스로 넘기는 워크플로우를 소개했다. 속도와 점검 편의성에 대한 호평이 이어졌다. 기획 단계와 구현 단계를 서로 다른 모델에 나눠 맡기는 방식 자체가, 하나의 모델로 전체 작업을 끝내기보다 단계마다 최적의 도구를 골라 쓰는 감각이 자리잡고 있음을 보여준다.

🔸 "ChatGPT Sol Pro로 기획 점검 돌리는데.. 확실히 다르네요. 진짜 챗으로 기획이랑 아키텍쳐 설계하고나서 실제 구현은 코덱스로 넘기는게 좋을 듯" 🔸 "Sol pro 속도도 빠르네요"

반면 테라가 가장 낫다는 평가도 나오며 모델별 선호가 갈렸다.

🔸 "제가볼땐 테라가 짱인거 같아요"

짧은 한마디가 Sol Pro 워크플로우 소개 직후에 붙으며, 같은 5.6 라인업 안에서도 용도에 따라 평가가 엇갈리고 있음을 보여줬다. 어느 세부 모델이 우위인지에 대한 합의가 아직 방 안에 자리잡지 못했다는 뜻이기도 하다.

272K 토큰의 함정과 오래된 경험칙

오후 12시 54분에는 실용적인 경고도 나왔다. 한 참여자는 272K 토큰을 넘기면 OpenAI가 입력 2배·출력 1.5배 요금을 매긴다며 auto-compact(자동 요약) 조절이 필요하다고 짚었다.

🔸 "272K를 초과하면 OpenAI는 전체 API 요청에 대해 입력 2배, 출력 1.5배를 청구 auto compact 조절 필요"

비용 구조를 미리 파악해야 손해를 피할 수 있다는 실전 팁이었다. 대화 말미에는 다른 참여자가 클로드 계열과 GPT 계열 사이의 오래된 경험칙을 다시 확인시켜줬다.

🔸 "기존 시리즈랑 비슷하게 클로드는 큰 그림을 보고 gpt 는 작은것들을 집요하게 잡습니다"

Sol Pro·테라·루나라는 신규 라인업이 나왔어도, 두 모델군의 성격 차이에 대한 인식은 크게 바뀌지 않았다는 뜻으로 읽힌다. 새로운 세부 모델이 쏟아질수록 오히려 오래된 경험칙에 기대어 선택 기준을 세우려는 경향이 강해지는 것으로 보인다. 워크플로우 소개·모델별 호불호·요금 경고가 한 토픽 안에 뒤섞여 나왔다는 점은, 5.6 라인업을 아직 각자 시행착오로 검증해가는 단계라는 것을 보여준다.