멀티 모델 전략

여러 AI 모델을 상황에 맞게 선택하고 비용을 최적화하는 방법을 알아봅니다.

모델 비교

상세 비교

모델 선택 가이드

작업 유형별 모델 선택

agents:
  defaults:
    model: "claude-sonnet-4-20250514"

  taskModels:
    simple:
      model: "claude-haiku-4-20250514"
      useCases:
        - "단순 질의 응답"
        - "텍스트 요약"
        - "데이터 추출"

    standard:
      model: "claude-sonnet-4-20250514"
      useCases:
        - "일반 대화"
        - "코드 작성"
        - "문서 생성"

    complex:
      model: "claude-opus-4-20250514"
      useCases:
        - "복잡한 분석"
        - "창의적 작업"
        - "다단계 추론"

동적 모델 선택

async execute(context) {
  const complexity = this.assessComplexity(context.message.text);

  const model = complexity === 'high' ? 'claude-opus-4-20250514' :
                complexity === 'medium' ? 'claude-sonnet-4-20250514' :
                'claude-haiku-4-20250514';

  const result = await this.executeWithModel(model, context);
  return { success: true, model, result };
},

assessComplexity(text) {
  const indicators = {
    high: ['분석해', '비교해', '전략', '아키텍처'],
    medium: ['작성해', '만들어', '코드', '함수'],
    low: ['뭐야', '설명', '요약', '알려줘']
  };

  for (const [level, keywords] of Object.entries(indicators)) {
    if (keywords.some(kw => text.includes(kw))) {
      return level;
    }
  }
  return 'low';
}

사용 사례별 추천

단순 질문 ("오늘 날씨 어때?") → Haiku
요약 ("이 글을 요약해줘") → Haiku

일반 대화 ("코드 설명해줘") → Sonnet
문서 작성 ("README 작성해줘") → Sonnet

복잡한 분석 ("이 데이터를 분석하고 인사이트 도출") → Opus
창의 작업 ("혁신적인 아이디어 제안") → Opus

비용 최적화

캐싱 전략

async execute(context) {
  const cacheKey = this.hash(context.message.text);

  const cached = await this.getCache(cacheKey);
  if (cached) {
    return { success: true, cached: true, result: cached };
  }

  const result = await this.callModel(context);

  if (this.isFrequentQuestion(context.message.text)) {
    await this.setCache(cacheKey, result, 3600);
  }

  return { success: true, cached: false, result };
}

배치 처리

여러 작업을 하나의 요청으로 묶어 비용을 절감합니다:

const prompt = tasks.map((t, i) => `작업 ${i + 1}: ${t}`).join('\n\n');

const batched = await this.callModel({
  messages: [{ role: 'user', content: `다음 작업들을 처리하세요:\n\n${prompt}` }]
});

컨텍스트 최소화

// 필수 컨텍스트만 포함
const prompt = `
  관련 요약: ${relevantSummary}
  현재 질문: ${userQuery}
`;

모범 사례

간단한 작업은 Haiku를 사용합니다:

// 비용 효율적
model: "claude-haiku-4-20250514"  // $0.25/1M 토큰

// 불필요한 과도한 모델 사용 지양
// model: "claude-opus-4-20250514"  // $15/1M 토큰

캐싱을 활용합니다:

const cached = await this.getCache(prompt);
if (cached) return cached;
const result = await this.callModel(prompt);
await this.setCache(prompt, result);

최신 모델 및 Provider 업데이트

Anthropic 기본 모델 변경 (v2026.4.15)

v2026.4.15부터 Anthropic 기본 모델이 Claude Opus 4.7로 변경되었습니다. opus 별칭, Claude CLI 기본값, 번들 이미지 이해 기능 모두 Opus 4.7을 기리킵니다.

agents:
  defaults:
    model: "claude-opus-4-7-20260416"  # v2026.4.15 이후 기본값

OpenAI 기본값 변경

• Chat (v2026.3.22): OpenAI 기본 채팅 모델이 openai/gpt-5.4로 변경되었습니다.
• Codex (v2026.3.22): Codex는 openai-codex/gpt-5.4를 사용합니다.
• 이미지 생성 (v2026.4.21): 번들 이미지 생성 provider의 기본 모델이 gpt-image-2로 변경되었습니다. 2K/4K 크기 힌트를 지원합니다.
• gpt-5.4-pro (v2026.4.14): openai-codex/gpt-5.4-pro 지원이 추가되었습니다 (#66453).

번들 Codex Provider (v2026.4.12)

codex/gpt-* 모델 전용 번들 Codex provider가 추가되었습니다. Codex-managed 인증, 네이티브 스레드, 모델 검색, 컴팩션을 사용합니다. openai/gpt-*는 기존 OpenAI provider 경로를 유지합니다 (#64298).

agents:
  defaults:
    model: "codex/gpt-5.4"  # Codex provider 사용 시

번들 LM Studio Provider (v2026.4.12)

로컬/셀프호스팅 OpenAI 호환 모델을 위한 번들 LM Studio provider가 추가되었습니다. 온보딩, 런타임 모델 검색, 스트림 프리로드, 메모리 검색 임베딩을 지원합니다 (#53248).

models:
  providers:
    lmstudio:
      enabled: true
      baseUrl: "http://localhost:1234"

Moonshot Kimi (v2026.4.20)

번들 Moonshot 기본 모델이 kimi-k2.6으로 변경되었습니다. kimi-k2.5는 호환성을 위해 유지됩니다 (#69477). thinking.keep = "all" 옵션이 kimi-k2.6에서 지원됩니다 (#68816).

Google Gemma 4 및 Gemini TTS (v2026.4.7 / v2026.4.15)

• Gemma 4 (v2026.4.7): 번들 Google provider에서 Gemma 4 모델 지원이 추가되었습니다 (#61507).
• Gemini TTS (v2026.4.15): google 플러그인에 Gemini text-to-speech 지원이 추가되었습니다. 음성 선택, WAV 응답 출력, PCM 전화통신 출력을 지원합니다 (#67515).

참고:

• Claude 모델 비교
• 공식 문서: Multi-Model