Luna·GPT-6.1 Sol·Astra와 reasoning effort를 작업 난도에 맞게 골라, 사용량을 아끼면서 바이브코딩 결과를 높이는 방법을 정리합니다.
가장 강한 모델을 고르는 것이 정답은 아니다
ChatGPT로 바이브코딩을 시작하면 모델 이름부터 어렵습니다. Astra, GPT-6.1 Sol, Luna가 있고, 그 옆에는 Light·Medium·High·Extra High 같은 생각 수준도 보입니다. 처음에는 가장 위에 있는 모델과 가장 높은 단계를 고르면 결과도 가장 좋을 것처럼 느껴집니다.
하지만 버튼 색 하나를 바꾸거나 파일 이름 하나를 고치는 일까지 가장 강한 모델에게 맡기면, 더 오래 기다리고 사용량을 더 쓰면서도 결과 차이는 거의 없을 수 있습니다. 회사로 비유하면 간단한 자료 정리까지 대표이사에게 직접 맡기는 것과 비슷합니다. 중요한 것은 서열이 아니라 지금 일이 얼마나 모호하고, 길고, 틀렸을 때 비용이 큰지입니다.
이 글은 2026년 10월 10일 기준 ChatGPT 데스크톱 앱의 Work·Codex와 ChatGPT Work 웹에서 쓰는 Astra·GPT-6.1 Sol·Luna, 그리고 reasoning effort(생각 수준)를 다룹니다. 일반 Chat 화면의 모델과는 구성이 다를 수 있고, 요금제·앱 버전·조직 설정·단계적 출시에 따라 보이는 선택지도 달라질 수 있습니다.
모델과 생각 수준은 서로 다른 두 개의 다이얼
모델 선택에서 가장 먼저 이해할 것은 모델과 reasoning effort가 다른 설정이라는 점입니다.
• 모델: 어떤 사람에게 일을 맡길지 정합니다. Luna는 빠르고 범위가 분명한 일, GPT-6.1 Sol은 대부분의 복잡한 실무, Astra는 여러 단계의 판단이 이어지는 가장 어려운 일에 맞습니다.
• 생각 수준: 그 사람이 이번 일에 얼마나 오래 검토하게 할지 정합니다. Light는 빠른 확인, Medium은 균형, High·Extra High는 더 깊은 계획과 검증에 가깝습니다.
예를 들어 Astra Light와 GPT-6.1 Sol Extra High는 이름만 보고 어느 쪽이 무조건 낫다고 말할 수 없습니다. 익숙한 작업을 빠르게 잘 끝내야 한다면 Sol이 더 실용적일 수 있고, 요구가 서로 충돌하는 낯선 프로젝트라면 Astra가 낮은 생각 수준에서도 더 잘 맞을 수 있습니다.
처음부터 두 다이얼을 모두 최대로 올리지 마세요. 먼저 작업에 맞는 모델을 고르고 기본 생각 수준으로 시작한 뒤, 계획이나 검증이 부족할 때만 한 단계 올리는 편이 결과를 비교하기 쉽습니다.
세 모델을 개발팀으로 생각해 보기
공식 OpenAI 안내를 바이브코딩 작업에 맞춰 풀면 다음과 같습니다.
• Luna: 빠른 실무 담당자. 검색, 분류, 요약, 정해진 형식으로 바꾸기, 작은 코드 수정처럼 정답의 모양이 분명하고 반복 횟수가 많은 일에 잘 맞습니다.
• GPT-6.1 Sol: 대부분의 프로젝트를 맡는 주력 개발자. 여러 파일을 고치는 기능 추가, 원인이 어느 정도 좁혀진 버그, 문서·코드·앱을 함께 다루는 긴 작업에서 성능과 사용량의 균형을 잡기 좋습니다.
• Astra: 모호한 문제를 끝까지 책임지는 기술 책임자. 여러 도구와 자료를 오가며 요구사항을 정리하고, 상충하는 근거를 판단하며, 처음부터 끝까지 완성도 높은 결과가 필요한 가장 어려운 일에 맞습니다.
이 구분은 “Luna는 못하고 Astra만 할 수 있다”는 뜻이 아닙니다. 작은 일은 Luna가 더 빨리 끝낼 수 있고, 명확한 개발 작업은 Sol이 Astra에 가까운 결과를 더 적은 사용량으로 낼 수 있습니다. 반대로 원인이 불명확한 장애나 전체 구조를 다시 설계하는 일은 가벼운 모델로 여러 번 실패하는 것보다 Astra로 한 번 깊게 보는 편이 총비용이 낮을 수 있습니다.
바이브코딩 작업별로 이렇게 시작해 보기
처음 선택할 때는 아래처럼 출발점만 정해 두면 편합니다.
• 문구 교체, 파일 찾기, 목록 정리, 로그에서 오류 줄 뽑기: Luna Light 또는 Medium
• 범위가 명확한 화면 하나, 작은 PHP 함수, 테스트 추가: Luna High 또는 GPT-6.1 Sol Light
• 여러 파일에 걸친 기능 추가, 일반적인 버그 수정, 배포 전 점검: GPT-6.1 Sol Medium 또는 High
• 원인이 불명확한 장애, 데이터 이전, 인증·권한·보안처럼 실수 비용이 큰 변경: GPT-6.1 Sol Extra High 또는 Astra Light·Medium
• 코드·브라우저·문서·외부 자료를 함께 다루는 새 서비스 설계: Astra Medium 이상
이 표는 고정 정답이 아닙니다. 같은 “버그 수정”이라도 오타 한 글자와 결제 데이터가 사라지는 문제는 난도가 전혀 다릅니다. 작업 이름보다 필요한 판단의 수, 영향을 받는 파일과 시스템의 수, 실패했을 때 되돌리기 어려운 정도를 보고 고릅니다.
Light부터 Ultra까지, 언제 올려야 할까
생각 수준은 모델을 바꾸기 전에 조절해 볼 수 있는 두 번째 손잡이입니다.
• Light: 결과를 내가 바로 확인할 수 있는 짧고 명확한 작업
• Medium: 계획이 조금 필요하지만 범위는 분명한 일반 작업
• High·Extra High: 여러 단계·출처·트레이드오프가 있고, 빠뜨린 조건을 더 깊게 확인해야 하는 작업
• Max: 속도와 사용량보다 한 문제를 깊게 푸는 것이 중요한 가장 어려운 작업
• Ultra: 한 모델이 오래 생각하는 설정이 아니라, 나눌 수 있는 큰 일을 여러 하위 에이전트가 병렬로 처리하는 방식
특히 Ultra를 “무조건 가장 똑똑한 단계”로 생각하면 안 됩니다. 보안 점검, 큰 저장소 조사, 여러 문서 비교처럼 일을 독립된 묶음으로 나눌 수 있을 때 효과가 있습니다. 버튼 색 하나를 고치거나 한 파일의 버그를 찾는 일에는 조율 비용만 늘 수 있습니다. 공식 안내도 대부분의 작업에는 Max나 Ultra가 필요하지 않다고 설명합니다.
ChatGPT와 Codex에서 바꾸는 법
ChatGPT 데스크톱 앱의 Work 또는 Codex에서는 입력창 아래의 모델·reasoning 조절 메뉴를 엽니다. 먼저 기본 Power 설정으로 시작하고, 더 빠르게 하려면 Faster 쪽으로, 더 깊게 검토하게 하려면 Smarter 쪽으로 옮길 수 있습니다. Advanced를 열면 지원되는 모델과 생각 수준을 직접 고를 수 있습니다.
Codex CLI를 쓴다면 대화 중에는 다음 명령으로 선택기를 엽니다.
/model
실행할 때 모델을 바로 지정할 수도 있습니다.
codex --model gpt-6.1-sol
codex exec -m gpt-6-luna "이 폴더의 PHP 문법 오류만 찾아 줘"
데스크톱 앱, CLI, IDE 확장은 같은 설정 파일을 사용할 수 있으므로 기본 모델을 고정했다면 다른 화면에도 영향을 줄 수 있습니다. 반대로 계정이나 요금제에 모델이 아직 보이지 않는다면 이름을 설정 파일에 적는다고 접근 권한이 생기지는 않습니다. 실제 선택기에 보이는 모델을 기준으로 사용하세요.
한 번 실패했다고 바로 Astra로 가지 않기
가벼운 모델의 첫 결과가 부족할 때는 모델부터 올리기 전에 요청을 확인해 봅니다.
• 원하는 결과를 한 문장으로 적었는가
• 바꿔도 되는 파일과 건드리면 안 되는 파일을 알려 줬는가
• 현재 오류 메시지와 재현 방법을 줬는가
• “끝났다”의 기준과 실행할 검사를 적었는가
• 최신 정보가 필요하다면 공식 출처를 확인하라고 했는가
“로그인 고쳐 줘”보다 “PHP 로그인에서 1시간 비활성 만료가 작동하지 않는다. 기존 자동 로그인은 유지하고, 관련 테스트를 실행해 원인과 수정 결과를 알려 줘”가 어떤 모델에서도 훨씬 잘 작동합니다. 모호한 요청을 Astra에 주면 더 긴 모호한 결과가 나올 수도 있습니다.
요청이 충분히 구체적인데도 계획을 놓치거나 같은 실수를 반복한다면 그때 생각 수준을 올립니다. 그래도 부족하고 문제 자체가 여러 시스템의 판단을 요구한다면 Sol에서 Astra로 바꾸는 순서가 낭비를 줄여 줍니다.
토큰 단가보다 ‘정답까지의 총비용’ 보기
ChatGPT 요금제에서는 모델과 생각 수준에 따라 사용량이나 크레딧 소모가 달라질 수 있습니다. 정확한 제공 범위와 사용량은 요금제·조직·출시 상태에 따라 바뀌므로, 화면에 표시되는 현재 안내를 확인해야 합니다.
실무에서는 한 번의 요청이 얼마나 비싼지만 보면 안 됩니다. Luna로 세 번 다시 시도하고 사람이 매번 확인하는 것보다 Sol로 한 번 정확히 끝내는 편이 쌀 수 있습니다. 반대로 오타 수정에 Astra Extra High를 쓰는 것은 기다리는 시간까지 포함하면 비효율적입니다.
제가 볼 기준은 네 가지입니다.
• 올바른 결과가 나올 때까지 몇 번 시도했는가
• 사람이 다시 설명하고 검토한 시간은 얼마인가
• 잘못됐을 때 데이터·보안·배포에 미치는 영향은 얼마나 큰가
• 같은 작업을 앞으로 몇 번 반복할 것인가
반복 작업이라면 처음 한 번은 강한 모델로 지침과 검사 기준을 만들고, 이후 실행은 Luna나 Sol로 내려서 같은 품질이 유지되는지 비교하는 방법도 좋습니다.
초보자용 선택 순서
복잡하게 외우지 않고 다음 순서로 시작할 수 있습니다.
• 1단계: 작업과 완료 기준을 한 문장씩 씁니다.
• 2단계: 결과 모양이 분명하고 반복적인 일은 Luna로 시작합니다.
• 3단계: 여러 파일을 고치거나 계획이 필요한 일반 개발은 GPT-6.1 Sol로 시작합니다.
• 4단계: 기본 생각 수준에서 부족할 때만 Medium, High, Extra High 순으로 올립니다.
• 5단계: 문제가 모호하고 여러 도구·자료·의사결정을 끝까지 연결해야 할 때 Astra를 선택합니다.
• 6단계: 큰 일을 서로 독립된 조사·구현·검사로 나눌 수 있을 때만 Ultra를 검토합니다.
2026년 10월 14일에는 ChatGPT 로그인으로 쓰는 GPT-5.5가 ChatGPT·Work·Codex에서 종료될 예정입니다. 저장된 기본값이나 자동화에 GPT-5.5를 고정했다면, 현재 계정에서 제공되는 GPT-6.1 Sol 또는 Luna 같은 모델로 바꿔야 합니다. API에서의 제공 상태는 별도이므로 ChatGPT와 API를 같은 것으로 생각하지 않는 것도 중요합니다.
마무리: 필요한 만큼만 똑똑하게
ChatGPT 모델 선택의 정답은 “항상 Astra”도 “항상 Luna”도 아닙니다. 분명하고 반복적인 일은 Luna, 대부분의 복잡한 실무는 GPT-6.1 Sol, 모호하고 중요한 전체 프로젝트는 Astra로 시작하면 됩니다. 그다음 생각 수준을 한 단계씩 올리면서 속도와 결과를 비교하세요.
가장 비싼 모델을 오래 생각하게 만드는 것보다, 완료 기준과 검사 방법을 분명히 주는 편이 결과를 더 크게 바꿀 때가 많습니다. 필요한 순간에 필요한 수준의 지능만 쓰는 것. 그것이 ChatGPT로 바이브코딩할 때 사용량을 아끼면서도 결과를 높이는 가장 현실적인 모델 선택법입니다.
Claude Code의 Fable·Opus·Sonnet·Haiku를 고르는 기준은 클로드 모델 선택법에서 이어서 볼 수 있습니다.
