“또 새로 나왔던데, 언니는 갈아탔어요?”
부업 얘기 하다가 후배가 툭 물었다. 그 주에만 챗GPT도, 클로드도, 제미나이도 새 버전 소식이 돌았으니 물을 만도 했다. 나는 대답을 못 했다. 정확히는, 켜보긴 했는데 뭐가 달라졌는지 설명을 못 하겠더라. 그냥 화면 위에 버전 숫자만 하나 올라가 있었다.
그날 이후로 이 AI 모델 업데이트라는 게 매번 갈아탈 일인지, 아니면 그냥 두고 봐도 되는 건지 좀 진지하게 따져봤다. 웹기획자 하던 시절 새 프레임워크 나올 때마다 갈아타야 한다는 압박에 시달렸던 기억이 겹쳐서였을 거다.
요즘 업데이트가 이렇게 잦았나
먼저 놀란 건 속도였다. 한 모델 트래커(LLM-Stats)가 집계한 걸 보니 주요 기업들 모델 출시가 누적 300건을 넘겼다더라. 소방 호스로 물 마시는 느낌이라는 표현이 괜히 나온 게 아니었다.
그런데 이걸 뜯어보니 업데이트가 다 같은 무게는 아니었다. 큰 세대 교체는 몇 달에 한 번, 소수점 붙은 부분 개선은 훨씬 자주 나온다. 실제로 2026년 6월 한 달에도 세 회사가 다 큰 걸 냈다. OpenAI는 GPT-5.6 계열을 제한 프리뷰로 공개했고(dizitaladda 6월 정리), Anthropic은 Claude Sonnet 5를 6월 말에 냈고, Google은 Gemini 3 Flash를 앱 기본 모델로 바꿨다.
나한테 중요한 건 그래서 “몇 번째 버전이냐”가 아니었다. 내 작업에서 손에 잡히는 변화가 있느냐, 그거였다. 소수점 업데이트는 대부분 조용히 적용돼서 켜도 티가 안 난다. 후배 질문에 내가 말문이 막힌 이유가 이거였구나 싶었다.
점수가 올랐다고 내 일이 편해지는 건 아니더라
그다음 궁금했던 건, 그럼 새 버전에서 실제로 뭐가 체감되냐는 거였다.
발표 자료들을 대조해보니 방향은 대체로 비슷했다. 사실 오류를 줄이고, 에이전트라 부르는 자동 실행 능력을 앞세우고, 이미지나 긴 문서를 통째로 넣는 걸 편하게 만드는 쪽. GPT-5 발표 때 OpenAI는 웹 검색을 켠 상태에서 사실 오류 가능성이 이전보다 낮아졌다고 밝혔다. 숫자로 보면 분명 나아진 거다.
문제는 숫자와 체감이 갈릴 때가 있다는 거였다. GPT-5가 나왔을 때 일부 사용자들은 오히려 말투가 예전보다 차갑고 밋밋해졌다고 아쉬워했다. OpenAI도 이전 모델에서 사람들이 좋아하던 요소를 과소평가했다고 인정하고 성격을 다시 손봤다.
이게 내 얘기 같았다. 나는 챗GPT를 주로 글 다듬고 자료 정리하는 데 쓰는데, 여기서 중요한 건 벤치마크 점수가 아니라 말맛이거든. 실험실 점수와 실제 배포 성능 사이에 상당한 격차가 관측된다는 분석도 있는데, 요지가 이거였다. 벤치마크 점수는 “더 테스트해볼 가치가 있는 모델”을 알려줄 뿐, “내 작업에서 잘 통할 모델”을 알려주지는 않는다는 것. 얼마 전 새 모델은 점수 말고 먼저 볼 게 있다고 썼는데, 그 얘기가 업데이트 상황에도 그대로 들어맞았다.
갈아타기의 진짜 비용은 성능이 아니었다
여기서 내가 착각하고 있던 게 하나 드러났다. 새 버전이 나오면 당연히 갈아타는 게 이득이라고 막연히 생각했던 거.
찾아보니 정반대 얘기도 만만치 않았다. 플랫폼을 이리저리 옮겨 다니는 것 자체가 시간과 집중력을 잡아먹는다는 거다. 전문직이 도구·화면 사이를 오가느라 낭비하는 시간이 1년에 상당하다는 추정치까지 나왔다(MindStudio). 새 걸 켜서 내 프롬프트가 예전처럼 먹히는지 확인하고, 단축어 다시 맞추고, 말투 다시 길들이고. 이게 다 비용이었다.
나한테 갈아타기의 가장 큰 부담은 성능이 아니라 맞춰둔 흐름이 깨지는 거였다. 블로그 자동화를 돌리다 보니 특히 그렇다. 모델 하나에 맞춰 프롬프트를 세팅해놨는데 밑바탕 모델이 슬쩍 바뀌면, 어제 잘 되던 게 오늘 이상하게 나온다.
그래서 알게 된 대비책이 하나 있다. API로 자동화를 돌리는 경우엔 버전을 특정 날짜 스냅샷으로 고정(pin)해둘 수 있다더라. 웹이나 앱에서 무료로 쓰는 사람은 통보 기간과 상관없이 하루아침에 기본 모델이 바뀔 수 있지만(모델 수명주기 관련 정리), 자동화를 짜둔 쪽은 이렇게 못을 박아두면 갑작스러운 변경을 피할 수 있다. 이건 웹기획할 때 라이브러리 버전 고정해두던 감각이랑 똑같아서 오히려 마음이 놓였다.
그래서 매번 갈아타야 하나
결론부터 말하면 정답이 하나로 딱 떨어지진 않았다. 소스마다 입장이 갈렸다.
작업에 맞춰 자주 바꾸는 게 낫다는 쪽은, 코딩엔 이게 강하고 최신 웹 정보엔 저게 강하니 그때그때 옮기면 결과가 더 좋다고 한다. 반대쪽은 앞서 말한 전환 비용을 들며 한 모델에 정착하라고 한다. 그 사이에 여러 모델을 한 곳에서 클릭으로 바꾸는 멀티모델 플랫폼을 절충안으로 미는 목소리도 있다. 다만 도구가 늘수록 오히려 복잡해진다는 지적도 같이 나온다.
읽다 보니 결국 내 사용 패턴에 달린 문제였다. 그래서 나름의 기준을 이렇게 정리했다.
| 이럴 때는 | 이렇게 |
|---|---|
| 지금 불편이 없다 | 급하게 안 갈아탄다. 세대 교체는 며칠 지켜보고 옮겨도 늦지 않다 |
| 자동화를 짜뒀다 | 기본값 자동 변경을 경계하고, 가능하면 버전을 고정한다 |
| 특정 모델 의존이 크다 | 언젠가 은퇴될 수 있으니 대안을 하나는 익혀둔다 |
마지막 줄은 그냥 나온 게 아니다. 재작년 GPT-4o를 은퇴시키려다 사용자 반발이 컸던 일을 떠올리면, “이 모델 없으면 안 되는” 상태가 제일 위험한 자리였다.
후배한테는 뒤늦게 답을 보냈다. 안 갈아타도 된다고. 급하지 않으면.
