어려운 일은 페이블, 빠른 코딩은 그록 — 역할 분담 루틴

방 참여자들은 작업 성격에 따라 모델을 나눠 쓰는 자기만의 루틴을 공유했다. 한 참여자는 웬만한 일은 다 그록으로 넘기고 있다고 밝혔는데, 이는 특정 모델 하나에 작업을 몰아주기보다 상황에 맞춰 배분하는 방식이 이 방에서는 이미 익숙한 습관으로 자리잡았음을 보여준다.

"걍 웬만한일 다 그록으로 토스중입니다"

다만 어려운 문제는 클로드(페이블)에 맡긴다는 의견이 반복됐다. 한 참여자는 어려운 일은 페이블에 맡긴다고 짧게 답하며 이 구분에 동의를 표했다.

"어려운건 페이블"

맡기는 방식에 따른 구분도 이어졌다. 통째로 "해줘"라고 맡기고 싶을 때는 페이블을 쓴다는 답에, 직접 코딩에 관여하고 싶을 때는 그록을 쓴다는 발언이 곧바로 붙었다.

"'해줘'는 페이블"

"내가 코딩하고싶을땐 그록"

밤에는 페이블이 사라지면 GPT와 그록 조합으로 가겠다는 가정 섞인 발언도 나왔다. 클로드(페이블) 한도 소동이 밤새 이어지던 바로 그 시점과 맞물린 발언이어서, 대체재를 미리 정해두려는 태도가 더 두드러져 보였다.

"그냥 gpt + grok 쓸듯하네여저는"

문제 난이도와 원하는 개입 정도에 따라 모델을 갈아 쓰는 루틴이 공유된 것은, 참여자들이 특정 모델 하나에 의존하기보다 상황별 대체재를 미리 마련해두려는 실용적 태도를 갖고 있음을 시사한다. 페이블 한도 소동이 잦아지는 시기일수록 이런 대체 조합에 대한 관심이 자연스럽게 커지는 것으로 보이며, 이는 단일 모델 장애에 대한 참여자들 나름의 리스크 분산 전략으로 읽힌다. "해줘"와 "내가 직접"이라는 두 표현이 대비를 이루며 등장한 것은, 이들이 모델을 단순한 성능 순서가 아니라 개입 강도의 차이로 구분해 쓰고 있음을 보여주는 대목이라고 할 수 있다.