모델 오케스트레이션 · AI에게 일을 나눠 맡기는 법

세 모델을 이렇게 구분합니다

• Opus — 복잡한 문제를 정리하고 중요한 판단이 이어지는 작업을 맡깁니다.
• Fable — 여러 단계가 몇 시간 이상 이어지는 자율 작업과 긴 조사·제작을 맡깁니다.
• Sonnet — 기준이 이미 정해진 수정·변환·검사처럼 빠르게 반복할 일을 맡깁니다.

세 가지 일하는 방식

• 직접 처리 — 할 일이 하나면 한 모델이 처음부터 끝까지 맡습니다.
• Advisor — 작업 중 어려운 판단만 따로 확인할 때 씁니다.
• Orchestrator — 조사·변환·검사처럼 서로 기다리지 않고 진행할 일이 여러 개일 때 씁니다.

Advisor는 옆에서 어려운 판단만 확인하는 검토 역할입니다. Orchestrator는 일을 나누고 결과를 모으는 지휘 역할입니다.

먼저 Opus로 한 번 끝내기

처음에는 실행자를 여러 명 만들지 않습니다. 어려운 작업 하나를 Opus에 맡기고 수정 요청을 반복하지 않아도 실제로 쓸 수 있는 결과가 나오는지 확인합니다.

실제 화면에서 찾기

1 2 3

1 2

1. Claude Code에서 /model을 입력하고 opus를 고릅니다.
2. 실제로 끝내야 하는 작업 하나와 완료 조건을 정합니다.
3. 아래 문장의 대괄호 안을 내 작업에 맞게 바꿔 한 번만 보냅니다.

[작업]을 Opus가 처음부터 끝까지 처리해 주세요.
완료 조건은 [눈으로 확인할 결과 또는 검사]입니다.
[건드리면 안 되는 파일·발송·결제·삭제]는 실행하지 말고 멈춰 알려 주세요.
필요한 작업을 모두 진행한 뒤 실제 결과와 검사 내용을 함께 보여 주세요.

4. 작업을 마치면 /usage를 열어 Opus의 실제 버전과 사용량을 적습니다.

실습이 끝났는지 확인하기

• Opus가 계획과 실행을 한 대화에서 이어 갔습니다.
• 같은 지시를 반복하지 않고 결과를 한 번 받았습니다.
• 결과와 함께 실제 검사 내용을 확인했습니다.
• /usage에서 실제 사용 모델을 확인했습니다.

오래 이어지거나 여러 덩어리면 나눠 맡기기

여러 단계가 오래 이어지는 일은 Fable이 끝까지 맡습니다. 공식 문서 세 개 조사, 파일 여러 개를 같은 규칙으로 바꾸기, 검사 명령 여러 개 실행하기처럼 각 결과를 따로 확인할 수 있다면 Opus가 일을 나누고 Sonnet 실행자들이 반복 작업을 맡습니다.

아래처럼 요청하면 세 모델의 역할이 섞이지 않습니다.

Opus는 계획·분배·최종 판단을 맡아 주세요.
여러 단계가 오래 이어지는 큰 작업은 Fable에게 맡겨 주세요.
기준이 정해진 반복 변환과 검사 실행은 Sonnet에게 맡겨 주세요.
실행자는 사용한 근거, 바꾼 파일, 실제 검사 결과만 보고해 주세요.

Fable을 고를 때 사용량 크레딧 동의나 결제 안내가 나오면 선택하지 않습니다. 이 경우 Opus가 직접 처리하고 Fable의 장기 실행 사례는 화면으로만 확인합니다.

---
name: sonnet-executor
description: 독립적인 검색, 문서 변환, 검사 실행을 맡고 근거와 결과만 요약합니다.
model: sonnet
tools: Read, Write, Edit, Grep, Glob, Bash
---

받은 일만 처리합니다.
완료 조건을 직접 확인한 뒤 사용한 근거, 바꾼 파일, 검사 결과만 보고합니다.
판단이 필요한 충돌은 임의로 정하지 말고 선택지와 근거를 보고합니다.

어떤 방식을 고를까요?

같은 맥락으로 자주 묻고 답해야 하거나, 실행자에게 설명할 내용이 실제 작업보다 길다면 나누지 않습니다.

GPT-6 Astra의 두 시험 점수

ARC-AGI-3는 규칙을 알려 주지 않은 게임에서 AI가 목표를 찾고 풀어내는지 보는 시험입니다. 2026년 9월 ARC Prize는 GPT-6 Astra를 두 방식으로 시험했으며, 모든 모델에 같은 최소 기능을 주는 표준 방식에서는 62.7%, OpenAI가 제공한 추론 기록 유지와 긴 대화 정리 기능을 쓰는 전용 방식에서는 99.9%를 기록했습니다. 평가 비용은 각각 26,098달러와 18,817달러였습니다.

ARC Prize의 공식 해설은 두 점수를 따로 공개하며, 99.9%를 인공일반지능 달성의 증거로 해석하지 않습니다. ARC-AGI-3는 규칙과 목표가 닫힌 시험이므로 모델 이름과 점수 외에 시험 실행 방식, 모델이 생각하도록 허용한 수준, 비용, 실제 업무와의 차이를 함께 확인합니다.

내 일에서 효과가 있는지 비교하기

공식 실험 숫자를 그대로 믿기보다 같은 일을 두 방식으로 해 봅니다. Opus에는 한 번 맡기고 Sonnet에는 첫 결과 뒤 수정 요청을 두 번까지 보냅니다. 입력과 완료 조건은 똑같이 유지합니다.

각 일을 Opus 직접 처리 1회와 Sonnet 직접 처리 최대 3회로 진행한 뒤 아래 표를 채웁니다.

먼저 실제로 쓸 수 있는 결과인지 확인합니다. Sonnet을 여러 번 실행했다면 세 번의 사용량과 걸린 시간을 모두 더합니다. 둘 다 쓸 수 있다면 수정 횟수와 완료 시간, 사용량을 비교하고 세 작업 중 두 작업에서 나은 방식을 다음 작업의 기본 규칙으로 정합니다.

환산액 = 입력 토큰 ÷ 1,000,000 × 입력 단가
       + 출력 토큰 ÷ 1,000,000 × 출력 단가
       + 캐시 읽기 토큰 ÷ 1,000,000 × 캐시 읽기 단가
       + 캐시 쓰기 토큰 ÷ 1,000,000 × 캐시 쓰기 단가

수업을 마치며

모델 이름보다 역할을 먼저 기억합니다. 어려운 일 하나는 Opus가 처리하고 여러 단계가 오래 이어지면 Fable을 고릅니다. 기준이 정해진 반복 실행은 Sonnet에 맡기며 서로 기다리지 않아도 되는 일이 여러 개일 때만 Opus가 나누고 결과를 모으게 합니다.

공식 출처

• Claude Desktop 화면 살펴보기 — Anthropic 공식 아카데미
• Claude Desktop의 모델·사용량 확인 — Claude Code Docs
• Claude 모델 비교와 기본 선택 — Anthropic Docs
• Fable 5.1의 장기 자율 작업 안내 — Anthropic Docs
• Claude Code 모델별 용도와 사용량 — Anthropic Help Center
• Advisor로 어려운 판단 검토하기 — Claude Code Docs
• 커스텀 서브에이전트 만들기 — Claude Code Docs
• Claude Code 비용 추적하기 — Claude Code Docs
• Pro·Max 구독으로 Claude Code 사용하기 — Claude Help Center
• Claude Code 프롬프트 캐싱 — Claude Code Docs
• Claude API 모델 가격 — Anthropic Docs
• Plan big, execute small — Anthropic Cookbook 고정 버전
• Managed Agents 멀티에이전트 오케스트레이션 — Anthropic Docs
• GPT-6 Astra ARC-AGI-3 평가 해설 — ARC Prize
• GPT-6 Astra ARC-AGI-3 평가 결과 — ARC Prize
• Running a Software Factory Efficiently at Uber Scale — Uber Engineering

수업 아이디어의 원문은 Notion 참고 페이지입니다. 기술 사실과 수치는 위 공식 출처로 별도 확인했습니다.