강한 모델로 덜 헤매기
한 줄 정의
강한 모델로 덜 헤매기는 복잡한 작업에서는 저렴하고 빠른 모델보다 실수가 적은 강한 모델이 전체 비용을 낮출 수 있다는 판단 기준이다.
핵심 요지
- 모델 비용은 토큰 가격만이 아니라 재설명, 디버깅, 되돌리기, 방향 수정 시간을 포함한다.
- 복잡한 아키텍처 변경, 대규모 리팩터링, 여러 파일 변경은 강한 모델을 쓸 근거가 더 크다.
- 단순 반복 작업은 작은 모델이나 command 자동화로 충분할 수 있다.
상세
보리스 자료에서는 거의 모든 작업에 더 강력한 모델, 특히 Opus를 선호한다는 설명이 나온다. 이유는 느린 모델이라도 실수가 적으면 전체 작업 시간이 줄어들 수 있기 때문이다. 이 주장은 특정 모델명이 아니라 작업 위험도에 맞춰 추론 품질을 선택하라는 기준으로 받아들이는 편이 안전하다. 출처: raw/Claude Code 창시자 Boris의 AI 에이전트 셋업. 전부 다 까보자!.md, raw/보리스_클로드코드_실무_사용법.md
AI 코딩 에이전트 검증 전략이 갖춰져 있더라도, 잘못된 설계 방향으로 오래 달리면 검증 전에 이미 비용이 커질 수 있다. 따라서 Plan Mode 기반 AI 작업처럼 초기 설계 판단이 중요한 구간에는 강한 모델을 배치하고, 포맷팅이나 반복 문서 작업은 낮은 비용의 자동화로 분리한다.
예시
- 강한 모델: 인증 흐름 재설계, 결제 로직 변경, 데이터 마이그레이션 계획
- 작은 모델/자동화: changelog 초안, lint fix, 반복 테스트 실행, 문서 포맷 정리
충돌
현재 확인된 충돌 없음.