한국어로 작성한 내용을 AI 모델에 입력하면 영어보다 토큰을 많이 사용한다고 합니다. 뿐만 아니라 같은 자료를 넣어도 모델마다 사용량이 다르다는 영상을 봤습니다. 저는 Composer 2.5와 Auto 모드를 주로 사용했었는데 영상에서는 GPT 계열이 상대적으로 효율이 좋다고 나와서 "GPT 계열 모델을 사용하는 게 나을까?"라는 생각으로 한글 PDF를 여러 모델에 분석시켜 비교해 보았습니다.
실험 대상과 비교 모델
분석 대상은 한글로 작성된 PDF 파일입니다. 먼저 PDF를 읽게 한 뒤, 이어서 문서 요약과 분석을 요청했습니다.
비교한 모델은 다음과 같습니다.
- GPT-5.6 Luna
- Composer 2.5
- Gemini 3.8 Flash High
- Grok 4.6
- Auto
사용량은 Cursor에서 확인한 Total Tokens 기준입니다. 따라서 일반적인 토크나이저로 문장만 변환했을 때의 토큰 수와는 다를 수 있습니다.
1단계 — PDF만 읽게 했을 때
첫 번째 단계에서는 별도의 분석을 요청하지 않고 PDF를 읽게 했습니다.
| 모델 | Total Tokens |
|---|---|
| Gemini 3.8 Flash High | 36,949 |
| GPT-5.6 Luna | 40,019 |
| Composer 2.5 | 40,412 |
| Auto | 40,649 |
| Grok 4.6 High | 41,596 |
PDF를 읽는 데에는 대부분의 모델이 약 4만 토큰을 사용했습니다. Gemini 3.8 Flash High가 36,949토큰으로 가장 적었고, Grok 4.6 High가 41,596토큰으로 가장 많았습니다. 다만 이 단계에서는 모델 간 차이가 크다고 보기는 어렵습니다.
2단계 — 요약과 분석을 요청했을 때
두 번째 단계에서는 읽은 PDF를 요약하고, 문서의 내용을 분석하도록 요청했습니다.
| 모델 | Total Tokens |
|---|---|
| GPT-5.6 Luna | 40,681 |
| Composer 2.5 | 41,421 |
| Gemini 3.8 Flash High | 41,701 |
| Grok 4.6 High | 42,897 |
| Auto | 59,591 |
분석을 요청하자 차이가 크게 벌어졌습니다. GPT-5.6 Luna, Composer 2.5, Gemini 3.8 Flash High, Grok 4.6 Medium은 모두 약 4만 토큰을 사용했습니다. Auto는 약 5만 9천 토큰으로 더 많았습니다.
이 결과를 비용 비교로 바로 보면 안 되는 이유
이번 실험 결과를 모델의 절대적인 비용 순위로 해석하기에는 몇 가지 주의할 점이 있었습니다.
- Auto는 실제로 어떤 모델로 라우팅되었는지 확인하지 못했습니다.
- PDF의 내용과 프롬프트가 달라지면 결과도 달라질 수 있습니다.
- GPT-5.6 Luna는 컨텍스트 길이에 따라 입력 토큰 가격이 달라질 수 있습니다.
따라서 Total Tokens만 보고 실제 비용을 계산할 수 없었습니다. 특히 GPT-5.6 Luna는 컨텍스트 길이, Fast 모드 여부, 캐시 읽기·쓰기 여부에 따라 가격 정책이 달랐습니다. (참고: Cursor Models & Pricing 공식 문서)
특정 분야의 성과를 비교한 것은 아닙니다
이번 실험은 PDF에 담긴 내용 자체의 성과나 실용성을 검증한 것이 아닙니다. 동일한 한글 PDF를 모델에 읽히고 요약·분석하게 했을 때, 문서 분석에 필요한 사용량과 답변 품질을 비교한 실험입니다. 따라서 이번 결과를 특정 분야에서 어떤 모델이 가장 적합한지에 대한 결론으로 확장해서는 안 됩니다. 이번 결과로 말할 수 있는 범위는 특정 문서 분석 작업에서 어떤 모델이 적은 사용량으로 충실한 답변을 만들었는지 정도입니다.
(최종) 일상 사용은 GPT-5.6 Luna로
분석 결과를 토대로 일단 저는 일상적인 활용에는 GPT-5.6 Luna를 사용하고, 작업 규모가 커지면 Composer 2.5 (또는 Auto)를 사용할 생각입니다. 일상에서의 활용은 대부분 컨텍스트 길이가 짧아 Luna로 비교적 낮은 단가에 사용할 수 있고, 이번 실험에서 나온 답변도 마음에 들었기 때문입니다. 컨텍스트가 길어길 경우 가성비를 생각하면 역시 Composer 2.5를 사용할 것 같습니다.
프롬프트
첨부된 PDF 전체를 읽고, PDF 내용만 근거로 아래 형식에 맞춰 답변하세요.
- 핵심 내용 5개
- 문서에 설명된 전략의 진입 조건
- 손절 및 익절 원칙
- 전략의 위험 요소와 주의사항
전체 답변은 한국어 800자 이내로 작성하세요. 표와 서론은 사용하지 말고, 위 번호 형식으로만 답변하세요. PDF에 없는 내용은 추측하거나 추가하지 마세요.
| 모델 | 답변 |
|---|---|
| GPT-5.6 Luna | 핵심 내용 5개 ① 가격 움직임과 시장 심리를 중시한다. ② 손절은 기계적으로 실행한다. ③ 익절은 캔들 길이·거래량·매수세를 보며 감각적으로 결정한다. ④ 장 시작 후 첫 30분은 관찰한다. ⑤ 거래량과 확률에 기반해 역추세 매매를 한다. 문서에 설명된 전략의 진입 조건 단기간 급락한 종목 중 25일 EMA 대비 가격이 약 -20~-35% 이탈한 구간을 주목한다. RSI가 30 이하 과매도 구간에 도달하고, 가격 하락이 멈춰 횡보하며 거래량과 캔들 길이가 줄어든 뒤 첫 강한 양봉이 나타나는지 확인한다. 최종적으로 MACD 히스토그램이 음수에서 양수로 전환될 때 진입한다. 주요 지지선 부근이면 우선 고려한다. 손절 및 익절 원칙 매수 전에 손절선을 정하고 가격이 하락하면 미련 없이 기계적으로 손절한다. 손절 기준의 구체적 수치는 제시되지 않았다. 익절은 고정 수익률로 정하지 않고, 거래량 감소·캔들 단축·모멘텀 약화를 보며 결정한다. 상승장에서는 목표를 넉넉히, 하락장에서는 짧고 빠르게 수익을 확정한다. 전략의 위험 요소와 주의사항 급락 종목의 바닥을 정확히 잡기는 어렵고, 해당 인물도 초기에는 여러 번 실패했다. 종목과 시장 상황에 따라 필요한 이격도가 다르며, 하락장에서는 더 깊은 하락을 기다린다. 첫 30분은 가격 왜곡 가능성이 있어 진입하지 않는다. PDF에는 이 전략의 수익이 보장된다는 내용이 없다. |
| Composer 2.5 | 핵심 내용 5개 ① 문서에서는 약 1,600만 원으로 단타를 시작해 8년 만에 2,000억 원 이상, 현재 4,000억 원 이상으로 추정한다. ② 핵심은 가격·거래량·시장심리 중심의 단기 역추세(급락 반등) 매매다. ③ 7원칙: 가격 우선, 기계적 손절, 감각적 익절, 독립 판단, 장 시작 후 30분 관찰, 확률 매매, 거래량 중시다. ④ 실전은 25일 EMA 이격·RSI·MACD 히스토그램을 결합한다. ⑤ 특정 사례처럼 패닉 속 대량 매수로 단시간에 큰 수익을 낸 사례가 있다. 문서에 설명된 전략의 진입 조건 급락 후 거래량·캔들 축소·횡보·강한 양봉이 겹치고, 25일 EMA 대비 -20%~-35% 이격, RSI 30 이하, MACD 히스토그램이 음→양 전환 시 매수한다. 장 시작 후 첫 30분은 관찰만 한다. 손절 및 익절 원칙 매수 전 손절선을 정하고 하락 시 미련 없이 기계적으로 손절한다. 익절은 고정 %가 아니라 캔들 길이·거래량·매수세 강도를 보고 감각적으로 정리한다. 상승장엔 익절을 넉넉히, 하락장엔 짧고 빠르게 확정한다. 전략의 위험 요소와 주의사항 급락 바닥 포착은 어렵고 초기 실패가 많다. 첫 30분 가격 왜곡, 감정 진입, 손절 지연이 위험하다. 하락장에선 -30%~-35%까지 깊게 눌린 구간에서만 진입하라고 한다. |
이번 분석처럼 모델별 사용량이나 가격이 궁금해서 다시 비교해보게 되면 그 내용도 정리해서 올리겠습니다. 읽어주셔서 감사합니다.
