한마디에서 공개 게임까지 — 38장 강의 해설
GPT-6 Astra × ChatGPT Work
검증 기준: 2026-09-09

01. 한마디에서 공개 게임까지

이 강의는 추상적인 AI 미래 전망이 아니라, 이번 대화에서 만든 솔빛농장의 실제 파일과 테스트를 사례로 삼습니다. 처음에는 농사와 두더지 방어 게임을 요청했고, 이어 사진 캐릭터·자동 운영·별도 공개 링크·배너 수정이 추가됐습니다. 따라서 전체 결과를 문자 그대로 단 한 번의 지시만으로 완성했다고 소개하지 않습니다. 짧은 사용자 지시 뒤에서 여러 번의 코드 작성과 도구 실행이 일어났다는 것이 출발점입니다. 권장 강의 길이는 질문을 포함해 35~45분입니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

02. 우리가 만든 것은 실행 가능한 웹 게임입니다

원본에는 농사와 경제, 집·농지·도구 업그레이드가 있습니다. 방송판에는 안대표·이프로 캐릭터, 더 잦은 출몰, 자동 운영이 추가됐습니다. 두 게임은 서로 다른 배포 주소와 저장 키를 사용합니다. 테스트 13개는 현재 방송판 저장소에서 node --test tests/*.test.mjs를 실행해 모두 통과한 결과입니다. 이 수치는 테스트한 시나리오의 통과율이지 전체 버그가 없다는 뜻이나 모델 벤치마크가 아닙니다. 플레이는 각 방문자의 브라우저에서 실행되며 멀티플레이 서비스는 아닙니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site
솔빛농장 원본 — https://solbit-farm.socialkim.chatgpt.site

03. 완성도를 만든 것은 네 요소의 결합입니다

모델은 다음에 무엇을 할지 판단하지만, 파일을 디스크에 기록하거나 사이트를 배포하는 실제 동작은 연결된 소프트웨어가 수행합니다. 실행 결과가 다시 모델의 입력으로 돌아오면 수정 방향을 바꿀 수 있습니다. Work는 이런 작업을 지속할 환경을 제공합니다. 공식 문서는 Cloud Work가 관리형 격리 환경에서 Codex 실행 체계를 구동한다고 설명합니다. 네 요소 중 하나만 바뀌어도 사용자 경험은 크게 달라질 수 있으므로, 이번 성공을 모델 단독의 인과 효과로 분해할 수는 없습니다.
출처
GPT-6 Astra 모델 가이드 — https://developers.openai.com/api/docs/guides/latest-model
ChatGPT Work Overview — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-overview
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

04. 짧은 요청은 여러 산출물로 풀어집니다

이것은 비공개 사고 과정의 재현이 아니라 파일과 실행 결과로 확인 가능한 작업 흐름입니다. 처음에는 게임 루프를 설계하고 규칙 엔진과 화면 코드를 작성했습니다. 그림은 이미지 생성 도구로 만들고 게임에 연결했습니다. 이후 테스트와 정적 확인을 거쳐 정적 웹 파일을 배포했습니다. 사진 캐릭터와 자동 운영은 방송판에 추가했고, 마지막 배너 수정은 해당 이벤트 처리 코드만 바꿨습니다. 이미지 제작에는 별도 이미지 작업 에이전트가 사용됐지만, 게임의 최종 통합과 배포는 하나의 코드 기준으로 진행됐습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

05. ‘농장 게임’이라는 말을 상태와 규칙으로 바꿉니다

자연어를 코드로 옮기기 전에 누락된 세부 규칙을 메워야 합니다. 예를 들어 씨앗이 무료인지, 수확을 언제 허용하는지, 두더지가 무엇을 망치는지, 승리 뒤에도 계속할 수 있는지 등을 정했습니다. 이런 수치들은 사용자가 직접 지정한 요구가 아니라 이번 구현에서 선택한 설계값입니다. 요구 해석의 품질은 빠뜨린 기능이 적은지와 서로 모순되지 않는 규칙을 만드는지에서 드러납니다. 이 단계는 GPT-5도 수행할 수 있던 영역이며 이번 세대만의 최초 능력이라고 설명하면 부정확합니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

06. 모델은 문맥을 읽고 다음 출력이나 동작을 생성합니다

텍스트는 토큰이라는 처리 단위로 나뉘고, 모델은 주어진 문맥을 바탕으로 다음 출력을 생성합니다. 도구 호출이 나오면 실행 환경이 정해진 인자를 받아 실제 작업을 하고 결과를 돌려줍니다. 이렇게 외부 세계의 결과를 다시 입력으로 받는 것이 단순한 코드 답변과 다른 점입니다. 추론 모델에는 보이는 답변 외에 추론 토큰도 있습니다. 다만 Astra의 정확한 파라미터 수, 내부 신경망 구성, 학습 데이터와 학습량은 이 사례에서 확인할 수 없습니다. 구조가 이러해서 이 게임에 성공했다고 내부 원인을 만들어내지 않습니다.
출처
Reasoning models · 토큰 집계 — https://developers.openai.com/api/docs/guides/reasoning
ChatGPT Work Overview — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-overview

07. 에이전트는 ‘작성 → 실행 → 관찰’을 반복합니다

함수 호출은 모델이 정해진 형식의 요청을 내보내는 인터페이스입니다. 실행 환경이 그 요청을 받아 프로그램을 실행합니다. 예를 들어 엔진 파일 작성 뒤 구문 검사나 테스트를 호출하고, 결과에 실패가 나오면 해당 로직을 수정할 수 있습니다. 이 흐름을 보통 에이전트 루프라고 부릅니다. 위 코드는 원리를 설명하기 위한 의사 코드이며 실제 서비스의 내부 코드를 공개한 것이 아닙니다. 권한과 접근 가능한 도구가 작업 범위를 정한다는 점도 함께 설명하십시오.
출처
ChatGPT Work Overview — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-overview
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

08. 게임의 현재 상황은 하나의 상태 객체로 관리합니다

화면의 숫자만 바꾸는 장난감이 아니라, 규칙 함수가 상태를 바꾸고 화면이 그 상태를 읽도록 분리했습니다. 밭 칸에는 경작 여부, 작물 종류, 물 공급 여부, 성장 시간이 들어갑니다. 처음에는 12칸만 열려 있고 전체 데이터 공간은 36칸입니다. 비용이 부족하거나 수확 조건을 충족하지 않으면 함수가 실패 결과를 반환합니다. 화면 없이도 엔진을 실행할 수 있기 때문에 경제와 진행 규칙을 빠르게 테스트할 수 있습니다. 이 분리가 나중에 자동 농장을 붙이는 기반이 됩니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

09. 브라우저는 상태를 갱신하고 매 프레임 다시 그립니다

game.js는 requestAnimationFrame으로 그리기를 예약하고 경과 시간을 계산합니다. engine.js는 물을 준 작물의 growth에 dt를 더합니다. 화면은 밭을 등각 투영 형태로 그리고 작물과 두더지를 올립니다. 메뉴와 버튼은 HTML, 스타일은 CSS, 농장 장면은 Canvas가 맡습니다. 보이지 않는 탭, 일시 정지, 모달 상태에서는 게임 진행을 멈추도록 구성했습니다. 프레임마다 AI를 호출하지 않으므로 모델 응답 시간을 기다리지 않고 즉각적인 조작이 가능합니다. 실제 FPS를 측정한 결과는 없으므로 60fps 보장을 주장하지 않습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

10. 업그레이드가 다시 수익을 늘리는 순환을 만듭니다

성장 속도 45% 증가와 성장 시간 45% 감소는 다릅니다. 코드는 기본 재배 시간을 1.45로 나누므로 시간은 약 31% 줄어듭니다. 이처럼 강의에서는 수치를 정확히 표현해야 합니다. 집은 기본 판매 단가에 12%씩 더하고 반올림합니다. 씨앗 구매, 수확량, 판매가, 업그레이드 비용이 서로 연결되므로 하나의 수치 변경이 전체 진행 속도에 영향을 줍니다. 무일푼 상태에서도 다시 시작할 수 있도록 제한적인 당근 씨앗 지원 규칙도 들어 있습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

11. 사진의 특징을 살려 두더지 캐릭터로 변환했습니다

왼쪽의 안경 쓴 얼굴과 오른쪽의 웃는 얼굴은 사용자가 제공한 사진에 대응합니다. 이름과 캐릭터 설정도 사용자가 지정했습니다. 사진을 단순히 동그랗게 붙이는 대신 게임 배경의 따뜻한 색감과 두더지 몸 형태에 맞춰 이미지 생성 도구로 변환했습니다. 여기 보이는 완성 이미지는 실제 게임의 배경 제거 로직을 거친 텍스처 출력입니다. 모델의 이미지 이해, 별도의 이미지 생성 도구, 게임 렌더러는 역할이 다릅니다. Astra가 텍스트 출력만으로 PNG를 직접 생성했다고 설명하지 마십시오.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

12. ‘투명해 보이는 그림’이 실제로는 투명하지 않았습니다

이 사례는 결과를 맹신하면 안 되는 이유를 잘 보여줍니다. 이미지 생성 결과는 투명 PNG처럼 보이는 체크무늬를 실제 픽셀로 갖고 있었습니다. 추가 추출 요청도 기대한 투명도를 만들지 못했습니다. 그래서 테두리에서 시작하는 연결 영역 탐색으로 밝고 중립적인 배경만 제거하는 보완 코드를 작성했습니다. 중립색 조건은 RGB 최대·최소 차이 18 미만, 최소 채널값 137 초과입니다. 이는 모든 이미지에 통하는 배경 제거기가 아니라 이번 자산에 맞춘 방법입니다. 경계 품질과 하이라이트 보존은 별도로 확인해야 합니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

13. 자연스러운 움직임은 작은 변화의 합입니다

drawMole()은 시간에 따라 등장 비율을 계산하고 약간 튀어 오르는 보간식을 적용합니다. 몸은 sin 함수로 미세하게 호흡하고, 좌우 회전도 작은 범위에서만 바뀝니다. 퇴치하면 별도의 효과 목록에서 투명도와 위치를 바꾸며 사라집니다. 이미지 스무딩과 그림자는 장면에 붙어 있는 느낌을 보완합니다. 이런 것은 이미지 생성의 결과가 아니라 브라우저가 실행하는 렌더링 코드입니다. 시각적으로 자연스러운지는 실제 환경에서 확인할 필요가 있으며, 여기서는 구현 기법과 이미지 자산을 설명합니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

14. 이름·빈도·방어 시간을 하나의 이벤트로 연결했습니다

방송판의 첫 출몰 시도는 4.5초 뒤이고 이후에는 7초에 0~4초 난수를 더합니다. 단, 작물이 있고 현재 두더지 수가 허용 범위일 때만 실제로 등장합니다. 따라서 7~11초마다 무조건 보인다고 말하면 안 됩니다. 캐릭터는 출몰 횟수의 짝수·홀수로 교대합니다. 이벤트에 종류와 문구를 실어 화면이 정확한 이름을 표시하도록 했습니다. 자동 방어는 얼굴을 보여줄 시간을 확보하려고 3.4초 기다립니다. 수동 조작자는 더 빨리 클릭할 수 있습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site
솔빛농장 원본 — https://solbit-farm.socialkim.chatgpt.site

15. 자동 농장은 사용자에게 맡긴 범위만 처리합니다

농사만 자동에는 씨앗값 지출이 포함됩니다. 사용자가 요청한 매매 분리 의도는 수확물 판매와 건물 구매를 별도로 통제하도록 해석했습니다. 이 모드에서는 수확물을 팔지 않기 때문에 씨앗 자금이 부족하면 직접 판매하거나 전체 자동으로 바꿔야 합니다. 전체 자동은 수익을 판매하고 다음 씨앗 자금을 남긴 뒤 업그레이드합니다. 두더지 퇴치는 두 모드에서 별도 옵션이며 끄면 농사 동작도 두더지가 있는 칸을 피합니다. 권한 범위를 코드로 나누는 구체적인 자동화 사례입니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

16. 자동 농부는 생성형 AI가 아닌 규칙 기반 프로그램입니다

AI가 자동 농장 코드를 만들었다는 말과 자동 농장 안에 AI 모델이 돌아간다는 말은 다릅니다. 이 게임은 후자가 아닙니다. 봇은 수확 가능한 칸부터 찾고, 다음으로 물이 필요한 칸, 심을 칸, 경작할 칸을 고릅니다. 일반 플레이어와 같은 act·sellAll·upgrade 함수를 호출하므로 기본 비용과 제약을 그대로 적용받습니다. 전체 자동은 도구·집·농지 순서로 구매 가능한 항목을 찾습니다. 게임에는 모델 API 호출이 없어서 자동 운영을 오래 켜도 그 자체로 LLM 토큰이 발생하지 않습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

17. ‘지켰으면 배너도 내려줘’는 이벤트 처리로 고쳤습니다

수정 전에는 배너가 독립적인 표시 시간을 갖고 있어서 두더지를 퇴치해도 남을 수 있었습니다. 수정 뒤에는 방어 성공 이벤트가 발생할 때 현재 배너가 같은 캐릭터인지 확인하고 null로 지웁니다. updateUI가 hidden 속성을 갱신합니다. 기존 동작을 크게 재작성하지 않고 공통 이벤트 처리 지점을 바꿨기 때문에 수동 클릭과 자동 방어에 함께 적용됩니다. 이 변경은 dd62c96 커밋에 남아 있습니다. 이 작은 변경에는 새 테스트를 추가하지 않았고 구문·차이 확인과 배포 검증을 수행했습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

18. 실행 결과로 확인한 것과 아직 측정하지 않은 것을 나눕니다

현재 테스트 실행 결과는 13개 통과, 실패 0개였습니다. 전체 자동 시뮬레이션은 작은 고정 시간 간격과 통제된 난수로 실행하며 누적 판매 7,639 G까지 진행했습니다. 테스트를 통과했다고 UI가 모든 브라우저에서 완벽하다는 뜻은 아닙니다. 기존 제작 단계에서 브라우저 UI QA는 수행하지 않았고, 이번 강의에는 실제 자산과 코드 기반 도식을 사용합니다. 생성한 이미지나 테스트 숫자를 실제 접속 화면 캡처나 사용자 실험 결과처럼 제시하지 않는 것이 중요합니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

19. 공개 접속은 모델이 아닌 호스팅 서비스가 제공합니다

모델은 배포할 파일을 준비하고 도구를 통해 호스팅 작업을 요청합니다. 실제 웹 주소와 파일 제공은 Sites 호스팅이 맡습니다. 이번 게임은 정적 웹앱이므로 실행 서버나 게임 데이터베이스를 별도로 만들 필요가 없었습니다. 이 단순한 구조가 짧은 요청에서 공개 결과까지 도달하기 쉽게 만든 조건이기도 합니다. 게임의 AI 제작 능력과 배포 서비스의 역할을 구분해서 설명하십시오. 로그인, 실시간 멀티플레이, 결제, 중앙 저장이 필요한 게임은 추가 서버 설계가 필요합니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site
솔빛농장 원본 — https://solbit-farm.socialkim.chatgpt.site

20. ‘Work에 저장된다’는 말을 네 층으로 구분해야 합니다

사용자가 짚은 저장소는 중요한 변화입니다. 결과가 대화 텍스트로만 남는 것보다 실제 파일을 다시 읽고 수정할 수 있을 때 후속 작업이 쉬워집니다. 그러나 모든 저장이 같은 곳에서 일어나지는 않습니다. 이번 사이트 코드는 외부 Git 저장소에 기록돼 있고, 강의용 PPT와 영상 같은 파일은 Library 산출물이 됩니다. 게임 진행은 방문자 브라우저에 있습니다. Library의 일반적 존재와 저장 가능성은 공식 Work 문서로 확인했고, 임시 작업 공간과 Git·localStorage의 구분은 이 사례의 실제 환경과 소스로 확인했습니다.
출처
ChatGPT Work Overview — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-overview
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

21. 파일이 남아 있어도 모델이 항상 전부 읽는 것은 아닙니다

저장 공간은 캐비닛, 문맥 창은 지금 펼쳐 놓은 책상으로 비유할 수 있습니다. 캐비닛이 커져도 모든 문서가 책상 위에 있는 것은 아닙니다. 이번 작업도 실제 파일에서 필요한 부분을 찾아 읽어 수정했습니다. 긴 대화의 요약은 목표를 이어 가는 데 도움을 주지만 원본 파일의 세부 내용을 모두 대체하지는 못합니다. 파일 재사용은 정확한 내용을 다시 가져오는 과정이고, 모델의 재학습과는 다릅니다. 공식 문서에서도 저장 파일의 자동 참조는 설정에 따라 달라진다고 설명합니다.
출처
ChatGPT Work Overview — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-overview
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

22. 문맥 창은 커졌지만 GPT-5도 앱을 만들 수 있었습니다

문맥 창은 약 2.63배 커졌지만 최대 출력 토큰 수는 두 모델 모두 128,000입니다. 창이 크다는 것은 관련 코드와 자료를 더 많이 다룰 여지가 있다는 뜻이지 모든 내용을 정확히 기억한다는 보장은 아닙니다. 2025년 GPT-5 공식 가이드도 새 앱 제작과 여러 파일 수정 능력을 설명했습니다. 따라서 GPT-5가 원천적으로 게임을 못 만들었다고 말하면 사실과 다릅니다. 사용자가 겪은 실패 경험은 존중하되, 당시 도구와 작업 조건을 함께 조사해야 합니다.
출처
GPT-6 Astra 모델 사양 — https://developers.openai.com/api/docs/models/gpt-6-astra
GPT-5 모델 사양 — https://developers.openai.com/api/docs/models/gpt-5
GPT-5 prompting guide · 2025 — https://developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide

23. 새 기능과 기존 능력의 개선을 구별할 수 있습니다

공식 Astra 가이드는 여러 단계의 작업, 지시 준수, 변경된 요구 반영을 강조하고 세 가지 API 기능을 새 항목으로 설명합니다. 다만 이번 Work 세션에서 어떤 내부 API 이벤트가 사용됐는지에 대한 로그는 없으므로 모두 직접 사용했다고 주장하지 않습니다. 이미지 생성을 기다리면서 코드 작업을 진행하는 모습과 API 차원의 비동기 도구 호출도 구분해야 합니다. 이전 모델에서도 실행 환경이 병렬 작업을 조직할 수 있었기 때문입니다. 모델 개선과 제품 설계의 차이를 나눠 가르치는 데 유용한 슬라이드입니다.
출처
GPT-6 Astra 모델 가이드 — https://developers.openai.com/api/docs/guides/latest-model
Async tool calling — https://developers.openai.com/api/docs/guides/async-tool-calling

24. 느린 도구를 기다리는 동안 독립 작업을 이어갈 수 있습니다

일반적인 동기 호출은 결과가 올 때까지 다음 단계가 기다립니다. 비동기 도구 호출은 도구를 실행 중으로 남겨 둔 채 모델이 다른 일을 할 수 있게 합니다. 완료된 결과는 원래 call_id에 연결해야 작업이 섞이지 않습니다. 공식 문서는 이 기능을 Astra 이후 모델에서 지원한다고 명시합니다. 애플리케이션이 도구를 실행하고 미완료 작업을 관리한다는 책임은 그대로 남습니다. 모든 도구와 모드에 자동 적용되는 것도 아니며, 이 세션이 직접 해당 API 기능을 사용했는지는 별도로 확인되지 않았습니다.
출처
Async tool calling — https://developers.openai.com/api/docs/guides/async-tool-calling

25. 사용자가 덜 지시해도 되게 만드는 지점은 여러 곳입니다

사용자 경험의 변화는 ‘코드를 더 잘 쓴다’보다 넓습니다. 요구사항을 유지하고, 실패한 단계의 결과를 보고, 나머지 단계까지 이어 가야 사용자가 중간 조율을 덜 하게 됩니다. 이번에 그 행동들이 관찰됐습니다. 그러나 몇 퍼센트가 모델 개선 덕분인지, 몇 퍼센트가 Work 도구와 작업 지침 덕분인지는 한 번의 성공 사례로 계산할 수 없습니다. 강의에서는 관찰한 행동을 구체적으로 말하고, 인과 관계의 강도를 그보다 크게 주장하지 않는 것이 좋습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

26. Fable에서도 안 됐던 이유는 당시 조건을 봐야 합니다

Anthropic 공식 문서는 Fable 5의 코드 실행, 프로그램 방식 도구 호출, 장기 에이전트 작업을 명시합니다. 5.1은 별도 후속 버전입니다. 따라서 Claude 계열은 이 일을 할 수 없다고 결론 내리는 것은 부정확합니다. 당시 실행 환경에 파일 접근이나 배포가 없었는지, 이미지 작업을 지원했는지, 오류 뒤 중단됐는지, 시간이나 사용량 제한이 있었는지를 확인해야 합니다. 이런 것은 가능한 원인 후보이며 당시 실패의 확인된 원인이 아닙니다. 비교 대상 버전과 실패 로그가 있으면 더 좁혀 분석할 수 있습니다.
출처
Claude Fable 5 공식 문서 — https://platform.claude.com/docs/en/models/fable-5/introducing-claude-fable-5-and-claude-mythos-5
Claude Fable 5.1 공식 문서 — https://platform.claude.com/docs/en/models/fable-5-1/overview

27. 어디서 막혔는지를 보면 필요한 개선이 보입니다

이 표는 특정 모델이 실제로 이런 원인 때문에 실패했다는 단정이 아닙니다. 각 단계에서 점검할 수 있는 가설과 이번에 이용한 해결 수단의 연결입니다. 예를 들어 코드를 잘 만들었어도 호스팅 연결이 없다면 ‘누구나 접속하게 해 달라’는 요구까지 완료하기 어렵습니다. 반대로 모든 도구가 있어도 모델이 잘못된 코드를 쓰고 테스트 실패를 해석하지 못하면 완성도가 낮아집니다. 사용자가 예전에 받은 결과물을 이 표에 대입하면 모델 문제와 환경 문제를 더 정확히 구분할 수 있습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

28. 모델 비교에는 같은 작업 환경이 필요합니다

이것은 이번 사례를 바탕으로 제안하는 평가 설계입니다. 모델마다 동일한 과제와 도구를 주고, 플레이 가능한지·저장이 되는지·판매가 맞는지·공개 링크가 열리는지 같은 완료 기준을 먼저 정합니다. 여러 번 실행해 편차를 봐야 한 번의 우연한 성공이나 실패에 덜 흔들립니다. 동일한 모델에서 도구만 바꾸는 실험을 추가하면 Work 환경의 효과도 추정할 수 있습니다. 본 강의에서는 이런 통제 실험을 수행하지 않았습니다. 비교 실험 없이 승률이나 성능 배수를 넣지 않습니다.

29. 한 줄의 요청보다 훨씬 많은 문맥이 오갑니다

사용자가 입력한 문장 길이가 작업의 총 토큰은 아닙니다. 파일을 읽은 내용과 도구 결과도 다음 모델 호출의 입력이 될 수 있습니다. 이전 문맥 일부가 반복 사용되고 캐시 적용 여부에 따라 비용이 달라집니다. 공식 API의 output_tokens에는 reasoning_tokens가 포함되므로 두 수치를 더해서 출력량을 계산하면 중복입니다. 도구가 CPU로 1분 실행됐다고 반드시 1분 내내 모델 토큰이 발생하는 것도 아닙니다. 이미지 생성이나 다른 도구의 과금 항목은 모델 텍스트 토큰과 따로 구분할 필요가 있습니다.
출처
Reasoning models · 토큰 집계 — https://developers.openai.com/api/docs/guides/reasoning
ChatGPT Work: usage and cost — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-usage-and-cost

30. 이 세션의 총 토큰 수는 현재 확인할 수 없습니다

정확한 총 토큰을 말하려면 제작 과정의 모든 모델 호출과 이미지 도구를 포함한 계량 자료가 필요합니다. 현재 그런 전체 원장이 노출돼 있지 않으므로 몇십만 혹은 몇백만 토큰을 썼다고 추측하지 않습니다. 측정할 수 있는 것은 현재 방송판의 JS 4개, CSS 2개, HTML 1개 합계 98,311바이트입니다. 이미지와 테스트 파일은 제외했습니다. 이것은 최종 코드 크기일 뿐 읽기·수정·재시도의 토큰을 나타내지 않습니다. 이 강의 자료를 만드는 후속 작업도 별도 사용량을 더하지만 역시 총량을 직접 집계할 수 없습니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site
Reasoning models · 토큰 집계 — https://developers.openai.com/api/docs/guides/reasoning

31. 가상의 20회 호출이라면 총 46만 토큰입니다

호출마다 입력 20,000토큰 중 12,000이 캐시 적중하고 8,000이 일반 입력이라고 가정합니다. 출력 3,000에는 추론이 이미 포함됩니다. 20회이면 입력 합계 400,000, 출력 60,000, 총 460,000입니다. 비용은 일반 입력 1.60달러, 캐시 입력 0.24달러, 출력 3달러로 합계 4.84달러입니다. 이는 2026년 9월 9일 공식 모델 사양의 Standard 짧은 문맥 단가로 계산한 교육용 사례입니다. 명시적 캐시 쓰기와 이미지 등 도구 비용은 포함하지 않았습니다. Work 요금이나 이 대화의 실제 청구액으로 해석하면 안 됩니다.
출처
GPT-6 Astra 모델 사양 — https://developers.openai.com/api/docs/models/gpt-6-astra
Reasoning models · 토큰 집계 — https://developers.openai.com/api/docs/guides/reasoning

32. 단가보다 ‘검증된 완료 한 건의 비용’을 봐야 합니다

공식 가이드는 Astra가 일부 평가에서 더 적은 출력 토큰으로 더 좋은 결과를 내어 작업당 추정 비용이 낮아졌다고 설명합니다. 그렇다고 이 농장 게임에서도 자동으로 더 저렴했다고 결론 내릴 수는 없습니다. Work는 플랜과 계약, 크레딧, 설정에 따라 사용량 해석이 달라집니다. 강의에서는 API 단가를 계산 원리의 예제로만 사용하고 실제 계정 비용은 해당 사용량 화면과 청구 조건으로 확인해야 한다고 말하십시오. 정확한 세션 토큰이 필요한 실험은 처음부터 호출별 usage를 수집하도록 설계해야 합니다.
출처
ChatGPT Work: usage and cost — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-usage-and-cost
GPT-6 Astra 모델 가이드 — https://developers.openai.com/api/docs/guides/latest-model

33. 완성된 프로토타입에도 다음 개발 과제가 있습니다

이 게임은 누구나 접속해 각자 즐길 수 있는 정적 웹 프로토타입입니다. 브라우저 저장을 지우거나 다른 기기에서 열면 같은 진행 상태를 이어받지 못합니다. 숨긴 탭에서는 자동 농장이 멈추므로 방송 운영 때는 게임 탭을 보이는 상태로 두어야 합니다. 그래픽과 기능이 준비됐더라도 장시간 방송 환경에서의 안정성, 다양한 기기 접근성, 밸런스는 별도 검증 항목입니다. 여기서 설명하는 한계는 이번 구현에 관한 것이며 모든 AI 게임 제작의 한계라는 뜻은 아닙니다.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site

34. 목표·완료 기준·변경 범위를 함께 주면 좋습니다

이 프롬프트는 성공을 보장하는 비밀 주문이 아닙니다. 목표와 완료 기준, 기존 작업 보존 범위를 명확히 전달하는 예시입니다. 기술 스택을 모두 지정할 필요는 없지만 공개 링크, 실제 동작, 저장, 자동화 범위처럼 사용자에게 중요한 결과는 명시하는 편이 좋습니다. 모델이 진행 중일 때 추가 요청을 하더라도 바꿀 범위를 좁혀 주면 기존 기능 유지에 도움이 됩니다. 마지막 배너 수정처럼 작은 피드백이 들어왔을 때는 변경된 동작이 실제로 어디에 연결되는지 확인하게 할 수 있습니다.

35. 시연에서는 기능보다 연결 과정을 보여주세요

먼저 원본 링크를 열어 게임의 목표와 조작을 보여주고, 방송판으로 넘어가 인물 캐릭터와 자동 운영을 비교하십시오. 농사만 자동은 판매를 하지 않는다는 점을 짚은 뒤 전체 자동으로 바꿔 판매와 업그레이드가 이어지는 모습을 보여줍니다. 두더지를 클릭해 배너가 함께 사라지는 수정도 짧고 이해하기 좋은 장면입니다. 게임은 초기 작물을 제공하므로 수확 시연을 바로 시작할 수 있습니다. 두더지 출몰은 작물이 있는 상태에 의존합니다. 마지막에 AI가 계속 게임을 운영하는 것이 아니라 완성한 코드가 실행된다는 점을 설명하십시오.
출처
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site
솔빛농장 원본 — https://solbit-farm.socialkim.chatgpt.site

36. 모델·실행 환경·토큰 설명의 공식 근거

각 항목은 클릭 가능한 공식 원문 링크입니다. 열람 기준일은 2026년 9월 9일입니다. 모델 가이드와 단가, 제품 설정은 바뀔 수 있으므로 나중에 재강의할 때 다시 확인하십시오. 본 자료는 공식 자료의 간결한 요약과 이 프로젝트에 대한 독자적 분석을 결합했습니다. 공개 벤치마크를 이 게임의 직접적인 성능 증거로 전용하지 않았습니다. 슬라이드의 세부 근거와 설명은 각 장의 발표자 노트에도 들어 있습니다.
출처
GPT-6 Astra 모델 사양 — https://developers.openai.com/api/docs/models/gpt-6-astra
GPT-5 모델 사양 — https://developers.openai.com/api/docs/models/gpt-5
GPT-6 Astra 모델 가이드 — https://developers.openai.com/api/docs/guides/latest-model
Async tool calling — https://developers.openai.com/api/docs/guides/async-tool-calling
GPT-5 prompting guide · 2025 — https://developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide
ChatGPT Work Overview — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-overview
ChatGPT Work: usage and cost — https://learn.chatgpt.com/docs/enterprise/chatgpt-work-usage-and-cost
Reasoning models · 토큰 집계 — https://developers.openai.com/api/docs/guides/reasoning

37. 경쟁 모델 문서와 이번 프로젝트의 근거

Fable의 당시 사용 버전은 사용자가 특정하지 않았으므로 5와 5.1을 구분해 소개했습니다. 공식 Astra 게임 제작 글은 별도의 사례이며 이 농장 게임을 검증한 자료가 아닙니다. 실제 구현 근거는 방송판 engine.js, game.js, automation.js, render-assets.js와 테스트 파일입니다. 방송판 기준 커밋은 dd62c969ab9b2152929ac3e203882f420c3e1654, 원본은 8f455403c77eb38563f4bc85caf670404d9fb255입니다. 사진은 사용자 제공, 배경·캐릭터는 이 프로젝트에서 생성한 자산입니다. 본 자료에 접속 인증 정보나 개인용 토큰은 포함하지 않았습니다.
출처
Claude Fable 5 공식 문서 — https://platform.claude.com/docs/en/models/fable-5/introducing-claude-fable-5-and-claude-mythos-5
Claude Fable 5.1 공식 문서 — https://platform.claude.com/docs/en/models/fable-5-1/overview
Building games with Astra — https://developers.openai.com/blog/how-to-build-games-with-astra
솔빛농장 방송판 · 실제 소스 — https://solbit-farm-show.socialkim.chatgpt.site
솔빛농장 원본 — https://solbit-farm.socialkim.chatgpt.site

38. 더 나아진 모델이 실행·검증·저장·배포와 연결될 때 일이 완성됩니다.

마지막에는 ‘GPT-6만 게임을 만들 수 있다’는 표현 대신 이 문장을 사용하십시오. 모델의 개선은 분명히 공식 자료에서 설명되지만 실제 제품 경험은 실행 도구, 파일 지속성, 오류 피드백, 호스팅과 함께 만들어집니다. 이번 사례는 그 연결이 농장 게임 제작과 후속 수정으로 이어졌다는 증거입니다. 정확한 비교를 하려면 이전 실패의 조건을 확인하고 같은 환경에서 반복 실험해야 합니다. 정확한 토큰 총량도 계량 자료로 확인해야 합니다. 이 두 구분을 지키면 기술의 변화를 설득력 있게 설명하면서도 과장하지 않을 수 있습니다.

